Software di analisi delle immagini

In che modo i sistemi di visione artificiale elaborano le immagini che acquisiscono?

Una volta acquisita un’immagine, il sistema deve elaborare e analizzare il risultato per prendere una decisione: leggere un codice a barre, rilevare un difetto, confermare che un kit contiene tutti i suoi elementi o misurare un pezzo.

Storicamente, l’unico modo per ottenere una potenza di elaborazione sufficiente per eseguire l’analisi delle immagini era quello di inviare l’immagine a un PC esterno. A seconda delle dimensioni e della complessità dell’immagine, ciò potrebbe richiedere tempo, rallentando potenzialmente la linea e richiedendo un PC separato dedicato al compito.

Oggi, i sistemi di visione ad alta capacità sono dotati di elaborazione integrata, che velocizza il calcolo e riduce i possibili rischi di errore.

Una volta acquisita un’immagine, il sistema deve elaborare e analizzare il risultato per prendere una decisione: leggere un codice a barre, rilevare un difetto, confermare che un kit contiene tutti i suoi elementi o misurare un pezzo.  

Tipi di strumenti di analisi dell’immagine

A seconda dell’attività, un sistema di visione può sfruttare uno o più strumenti specifici di analisi dell’immagine.

• Rilevamento/estrazione del bordo – In un’immagine, un bordo contrassegna un distinto cambiamento di intensità. Simili cambiamenti segnano discontinuità in profondità, orientamento e materiale e consentono di individuare i confini degli oggetti.
• Conteggio pixel – Un algoritmo semplice può contare il numero di pixel a ciascun livello di scala di grigi in una regione di interesse o nell’immagine complessiva, fornendo informazioni utilizzate da altre funzioni.
• Rilevamento dei blob – È possibile identificare regioni diverse, fornendo informazioni utilizzate da altre funzioni.
• Corrispondenza dei modelli/pattern – Le funzioni di guida e posizionamento utilizzano la corrispondenza dei modelli o pattern su parti e prodotti per determinare la posizione e l’orientamento dell’oggetto.
• Analisi del colore – Quando il colore dell’oggetto è una caratteristica importante, esistono diversi tool a colori, tra i quali l’estrazione e la segmentazione del colore e la corrispondenza dei colori. 

Inserimento delle informazioni sull’immagine da utilizzare

Le informazioni ricavate dall'analisi delle immagini non sono molto utili se rimangono nella fotocamera. Devono essere condivise con altri sistemi che possono utilizzarle.

Per fare questo, i sistemi di visione artificiale utilizzano formati o protocolli industriali standard per condividere i dati con altri dispositivi, solitamente tramite connessioni cablate. Questi dati possono quindi essere utilizzati in molti modi:

• Possono dire a un controllore logico programmabile (PLC) nelle vicinanze di azionare un pistone per espellere i le parti difettose dalla linea.
• Possono apparire su un display di interfaccia uomo-macchina (HMI) in modo che un operatore possa controllare un processo di produzione ed effettuare adattamenti.
• Può essere utilizzata con il sistema di controllo di processo della fabbrica o con un sistema di esecuzione della produzione (MES), in modo che il sistema possa apportare modifiche per ottimizzare il processo di produzione.
• Può attivare meccanismi di smistamento in un sistema di smistamento automatizzato per far arrivare un pacco al camion giusto. 

Anche i dati basati su immagini consentono di prendere decisioni più ampie

Oltre alle azioni individuali su singoli pezzi, prodotti o pacchetti, i dati generati attraverso applicazioni di visione artificiale possono anche essere aggregati e utilizzati per affrontare problemi aziendali più grandi.

Ad esempio, le aziende possono utilizzare i dati per individuare le cause principali di ritardi, difetti e spedizioni perse. Un fornitore utilizza materie prime scadenti per il suo pezzo? Oppure il problema è causato dal modo in cui i pezzi vengono stoccati o spediti? I lavoratori vengono formati in modo inadeguato? I dati della visione artificiale possono essere analizzati per identificare la fonte del problema.

Altri usi dei dati di visione artificiale possono includere:

• Scoprire che un certo tipo di pezzo causa il rifiuto degli assemblaggi in cui viene installato.
• Individuare e identificare i pezzi, aggiornare costantemente l’inventario e garantire un'accurata evasione degli ordini.
• Analizzare grandi serie di dati con un sistema di pianificazione delle risorse aziendali (ERP, Enterprise Resource Planning) per prendere decisioni operative a lungo termine.
• Analizzare i tassi e tipi di errore per individuare i punti in cui vengono generati errori di produzione. 

Tipi di protocolli di comunicazione

Esiste un’ampia gamma di protocolli utilizzati nella produzione automatizzata, dai semplici segnali on/off inviati da una connessione diretta, ai sofisticati protocolli industriali come Ethernet/IP, Profibus e DeviceNet, oltre a molti altri.

Benché l'interoperabilità sia diffusa, per cui è possibile acquistare il dispositivo migliore per un lavoro specifico ed essere certi che sia in grado di comunicare con tutte le apparecchiature in dotazione, è anche vero che i vari produttori prediligono un protocollo o un altro e che esistono molti standard proprietari.

I sistemi di visione artificiale possono essere configurati per essere interoperabili con quasi tutti i protocolli industriali, fornendo le informazioni in una forma facilmente utilizzabile per migliorare le operazioni industriali automatizzate.