Ko'pgina ishlab chiqarish jarayonlari cheklangan sensorli kirish bilan ishlab chiqarish vazifalarini bajaradigan qattiq yoki qattiq avtomatlashtirilgan uskunalar yordamida ishlaydi. Murakkab ilovalar uchun oddiy kameralar yoki sensorlar ob'ektning mavjudligini, holatini, hajmini yoki qalinligini aniqlay oladi. Ob'ekt murakkabroq bo'lsa, kamroq cheklovlarga ega bo'lsa yoki tashqi ko'rinishi uchun baholanishi kerak bo'lsa, mashinani ko'rish yechimi qo'llanilishi mumkin. Ushbu blog posti ilg'or avtomatlashtirishda mashinani ko'rishning roli haqida tushunchaga ega bo'lish uchun uchta ilovani ko'rib chiqadi.
Ko'pgina ishlab chiqarish jarayonlarida ob'ektlar yoki xususiyatlarni hisoblash ko'pincha qism sifatini ta'minlash yoki inventarni boshqarish uchun muhimdir. Bu arzimas tuyulishi mumkin bo'lsa-da, katta hajmdagi ma'lumotlar ishtirok etganda, bu odamlar uchun amaliy vazifa emas. Bunday vazifalarni mashina ko'rish orqali avtomatlashtirish uchun ob'ektni segmentatsiyalash birinchi qadam bo'lib, bu yorug'lik va tasvirlash usullarini to'g'ri qo'llash orqali osonlashtirilishi mumkin.
Tasvirni olishning maqsadi ob'ektning tasvirini aniqlanayotgan xususiyatlar va fon o'rtasidagi kontrastni kuchaytiradigan tarzda yoritish va olishdir. Mashina ko'rish dasturi keyinchalik qiziqarli xususiyatlar yoki ob'ektlarni segmentlash va aniqlash uchun ishlatiladi. Keyin har bir aniqlangan ob'ektning o'lchangan atributlari uning sifati yoki o'ziga xosligini aniqlash uchun ishlatilishi mumkin.
Payvand chokining g'ovakligini tavsiflovchi
Misol tariqasida payvand chokining porozligini aniqlash va baholashni olaylik. Qismning shakli, payvandlash kanalining o'zgaruvchan konturlari va aks etuvchi metall yuzalar bir xil yoritishni qiyinlashtiradi. Yaxshiyamki, teshiklar yorug'likni juda ko'p aks ettirmaydi - ular qorong'i ko'rinadi.
Payvand choklarida turli xil qorong'u joylar mavjud bo'lib, ularni mashina ko'rish orqali segmentlarga bo'lish mumkin. Payvand chokidagi teshiklar xarakterli o'lcham diapazoni va shakliga ega bo'lib, ular teshiklarning xususiyatlariga mos kelmaydigan qorong'u joylarga e'tibor bermaslik uchun ishlatilishi mumkin. Porozlik aniqlangandan so'ng, payvand chokidagi teshiklarning soni va zichligi (dyuymdagi soni) payvandlash jarayonining maqbulligini yoki operator yoki boshqaruv tizimining aralashuvi zarurligini ko'rsatish uchun ishlatilishi mumkin.
Hisoblash quvurlari
Tegishli misol - sandiqning oxiridan olingan tasvirdagi naychalar sonini hisoblash; inventarizatsiyani nazorat qilish aniq hisoblashni talab qiladi. Qiyinchiliklar o'zgaruvchan yoritishni va tasvirdagi naycha uchlarining o'zgaruvchan istiqbolini o'z ichiga oladi. Quvur uchi quvur devorining yorqin dumaloq yuzasi bilan o'ralgan qorong'i ichki qismi bilan tavsiflanadi.
Qorong'i joyni kutilgan diametrli doira bilan ajratish quvurlarning ko'pini aniqlaydi. Shuni yodda tutingki, qutining pastki qismidagi ba'zi trubka ichki qismlarining yorqin aks etishi - tasvirni qayta ishlash operatsiyalari bu kichik xususiyatlarni ishonchli aniqlash va hisoblash uchun trubaning ichki qismlari bilan birlashtirishi mumkin.
Murakkab shakldagi zararni aniqlash
Pervanel pichoqlarining sirt shikastlanishini aniqlashni ko'rib chiqing. Zarar tor chizishlardan tortib katta eskirish joylarigacha bo'lishi mumkin; zararlangan hududning kutilgan hajmi yoki shaklini tavsiflovchi standartlar mavjud emas. Bundan tashqari, parvona pichoqlarining murakkab shakllari zarar kontrastini oshirish uchun ishlatiladigan optimal yoritishni qiyinlashtiradi.
Eng chap (eng qorong'i) tasvir uchun ishlatiladigan yoritish konfiguratsiyasida shikastlanish deyarli sezilmasdi. Ikki o'zgaruvchan yoritish yo'nalishi shikastlangan va shikastlanmagan pichoq joylari o'rtasida yaxshi kontrastni ta'minladi, ammo kontrast ikkita konfiguratsiya o'rtasida o'zgarib ketdi. Mahalliylashtirilgan yuzalar va tasvirlash tizimiga nisbatan shikastlanish yo'nalishi tufayli pervanel pichog'ining turli hududlari ko'rsatilganidek, turli xil javoblarni ko'rsatadi - ya'ni yagona optimal yoritish konfiguratsiyasi mavjud emas.
Zarar shakli, o'lchami va kontrasti o'rtasidagi yuqori darajadagi o'zgaruvchanlik, payvand chokining g'ovakligi va quvurlarni hisoblash misollarida qo'llanganidek, dasturda dasturlashtirilgan usullar yordamida avtomatlashtirilgan aniqlashni qiyinlashtiradi. Institut mashinani o'rganish usullaridan foydalangan holda tekshirish tizimini ishlab chiqdi. Konvolyutsion neyron tarmoq (CNN) tasvirdagi potentsial shikastlangan joylarni taniydi. Ikkilamchi chuqur neyron tarmoq CNN tomonidan yaratilgan o'ziga xos qiymatlar asosida tasvirni zararni o'z ichiga olgan (yoki o'z ichiga olmaydi) sifatida tasniflaydi. Ushbu tarmoqlar shikastlangan joylar qo'lda aniqlangan ko'p sonli tasvirlar yordamida o'qitiladi.
Monoxrom Visiondan tashqari
Yuqoridagi uchta misol monoxrom mashinani ko'rishning ba'zi ilovalarini ko'rsatadi. Rang kontrastini ishlatganda yoki spektrning ko'rinmas qismidan foydalanganda narsalar yanada qiziqarli bo'ladi. Misol uchun, monoxrom kameralar yaqin infraqizil (NIR) to'lqin uzunliklariga sezgir bo'lib, odatda ko'rinmaydigan yoki chalg'ituvchi xususiyatlarni spektral filtr bilan ishlatish yoki rad etish orqali ekspluatatsiya qilish yoki olib tashlash imkonini beradi.
Standart rangli kameralar bir-biriga o'xshash keng polosali qizil, yashil va ko'k filtrlardan foydalanadi; keng polosali oq yoritish o'rniga tor polosali RGB LED yoritgichlardan foydalanish ranglarni farqlashni yaxshilaydi. Ko'p spektrli kameralar rangli kameralarga nisbatan juda sezgir rang diskriminatsiyasini taklif qiladi va NIR diapazonlarini o'z ichiga olishi mumkin. Ba'zi siyohlar, bo'yoqlar va yopishtiruvchi moddalarning lyuminestsent xususiyatlaridan tegishli spektral filtrlar bilan UV nurlanishidan foydalanish orqali foydalanish mumkin. Va polarizatsiyani unutmang! Infraqizil tasvirlash (uzun to'lqin, o'rta to'lqin, qisqa to'lqin) sirt haroratini o'lchash, er osti xususiyatlarini / nuqsonlarini aniqlash, uglevodorod gazlarini aniqlash va boshqalar uchun ishlatilishi mumkin.