Որ տեսողական համակարգերն են ստուգում պարանոցի տեղադրումը հատուկ ճշգրիտ պատուհանի շրջանակներում:

Ինչու՞ է կարևոր տեսողական համակարգով պարանոցի տեղադրման ստուգումը պատուհանների որակի համար

Երբ պտուտակները պատուհանի շրջանակներում ճիշտ չեն հարմարեցվում, անմիջապես ներխուժում է ջուրը, և ժամանակի ընթացքում առաջանում են կառուցվածքային խնդիրներ: Ուսումնասիրությունները ցույց են տալիս, որ նույնիսկ 0,3 մմ-ից ոչ ավելի փոքր տեղադրման սխալները կարող են ազդել պատուհանների մոտավորապես կեսի կնիքների վրա: Տեսողական ստուգման համակարգերը ավելի լավ են համամարտում այս ճշգրտության մակարդակի հետ, քան մարդիկ, քանի որ նրանք կարող են հայտնաբերել այն փոքր դիրքային սխալները, որոնք մեր աչքերը բաց են թողնում: Այս թաքնված թերությունները օդի արտահոսքի ճանապարհներ են ստեղծում՝ շենքերի ընդհանուր էներգաօգտագործման մոտ 30%-ի կորուստ առաջացնելով: Պտուտակների տեղադրման խնդիրները նաև ավելի մեծ խնդիրներ են առաջացնում պատուհանների ամբողջ կյանքի ընթացքում: Հաճախ տեղադրման խնդիրները չեն դրսևորվում, քանի դեռ ամեն ինչ տեղադրված չէ, ինչը վերանորոգումները շատ ավելի թանկ դարձնում է, քանի որ աշխատողները ստիպված են լինում քանդել շենքի ֆասադի մասեր: Պատուհանների պատիճների ճիշտ տեղադրումը գործարանային մակարդակում թույլ է տալիս արտադրողներին խուսափել այն թանկարժեք երաշխիքային պնդումներից, որոնք սովորաբար մեկ հատի համար կազմում են մոտ 70 հազար դոլար: Այս մոտեցումը նաև հեշտացնում է AAMA ստանդարտներին համապատասխանելը, քանի որ մենք դիրքերը ստուգում ենք անընդհատ, ի տարբերություն նախկինում կիրառվող պատահական նմուշառման: Կնիքի ճիշտ ավտոմատացված ստուգման շնորհիվ պատուհանները ավելի խիտ են մնում խոնավության նկատմամբ, ինչը կանխում է շրջանակների փտումն ու սունկների աճը, որոնք հայտնաբերվել են վաղ փոխարինված պատուհանների գրեթե քառորդում:

Հուսալի տեսողական համակարգի լցանյութի տեղադրման ստուգման համար նախատեսված հիմնական տեխնիկական պահանջներ

Տեսողական համակարգերում ճշգրիտ լցանյութի տեղադրումը ապահովելու համար անհրաժեշտ է բավարարել օպտիկական և մեխանիկական բավականին խիստ սպեցիֆիկացիաներ: Այստեղ թույլատրելի շեղումը կազմում է մոտ ±0,15 մմ, որը մարդու մազի հաստության մոտ կեսն է: Այս չափի ճշգրտությունը հասնելու համար համակարգերը պետք է կալիբրված լինեն ենթա-պիքսելային մակարդակով՝ ունենալով 15 մկմ/պիքսելից բարձր թույլատրելի սահման: Շատ համակարգեր օգտագործում են բարձր թույլատրությամբ սենսորներ՝ համատեղված հատուկ տելեցենտրիկ օբյեկտիվների հետ, որոնք նվազեցնում են պարալաքսի խնդիրները: Եվ մի մոռացեք նաև ծրագրային ապահովման կողմը: Խելացի ադապտիվ ալգորիթմները անհրաժեշտ են, քանի որ դրանք կարգավորում են ամբիոնային տողերում երկարատև արտադրության ընթացքում անխուսափելիորեն առաջացող ջերմային տատանումները:

Ենթա-պիքսելային համակենտրոնության թույլատրելի շեղում և օպտիկական թույլատրություն ±0,15 մմ լցանյութի շեղման համար

Արդյունաբերական ստանդարտները, ինչպիսին է ASTM E283-ը, պահանջում են ±0.3 մմ փաթաթանի շեղումներ՝ պատուհանների մուտքի օդի/ջրի ներթափանցումը կանխելու համար։ ±0.15 մմ հայտնաբերում հասնելու համար անհրաժեշտ է.

• 5 ՄՊ+ գլոբալ շատրվակային սենսորներ, որոնք արձանագրում են 0.02 մմ/պիքսել մանրամասներ
• Համակուռ պատկերացում, որը հավաքում է 8 կадր՝ 0.12 մկմ ենթապիքսելային շեղումներ լուծելու համար
• Իրական ժամանակում դեֆորմացիաների ուղղում՝ օգտագործելով նեյրոնային ցանցեր, որոնք կրճատում են կեղծ մերժումները 32%-ով (Օպտոմեխատրոնիկայի միջազգային ամսագիր, 2023)

Լուսավորության, սենսորի և օբյեկտիվի համատեղ նախագծում՝ առավելագույնի հասցնելով ռետինե կնիքի հակադրությունը գործարանային պայմաններում

Գործարաններում փոփոխական շրջապատող լուսավորությունը պատճառ է դառնում տեսողական ստուգման 70% ձախողումների։ Բազմասպեկտրային լուծումները հաղթահարում են սա հետևյալ եղանակով.

• Կոաքսիալ LED զանգվածներ՝ 6500K CRI >90-ով, որոնք ընդգծում են մուգ ռետինը ալյումինե շրջանակների դեմ
• HDR պատկերացում՝ հավասարակշռելով ստվերները ռոբոտային բազկերից՝ 120 դԲ դինամիկ տիրույթում
• Օպտիկական շեղաթիռային ֆիլտրեր՝ ավելցուկային IR/UV միջամտությունները արգելակելու համար
  Այս ինտեգրումը պահում է SNR-ը 40 դԲ-ից բարձր՝ 200–2000 լյուքս պայմաններում, ինչը կարևոր է ավտոմատացված կնիքի հաստատուն ստուգման համար

Ինչպես են ժամանակակից տեսողական համակարգերը կատարում փաթաթակտրի տեղադրման ստուգում՝ հայտնաբերումից մինչև որոշում

Մոդեռն տեսողական համակարգի փաթաթակտրի տեղադրման ստուգում համակցում է երկրաչափական ճշգրտությունը արհեստական ինտելեկտի հետ՝ ապահովելով ապակու կնքման անթերի տեղադրում։ Այս երկկողմանի մոտեցումը հայտնաբերում է միլիմետրից փոքր շեղումներ, որոնք կարևոր են ջրամերուկի և էներգաարդյունավետության համար պատուհանների տեղադրման դեպքում

Հիբրիդային երկրաչափական + AI մոտեցում՝ կառուցված համաձայնեցման համադրմամբ և թեթև սեմանտիկական սեգմենտացիայով

Առաջին հայացքից, համակարգերը օգտագործում են կաղապարային համընկնման տեխնիկաները՝ գտնելու այդ պարուրաները CAD-ի ուղղորդիչ կետլների նկատմամբ, որոնք մեծամասամբ ժամանակ տալիս են մոտ 0,1 մմ ճշգրտություն։ Սակայն ավելի խորը էլ կատարվում է ավելի շատ բարդ գործեր։ Համակարգը իրականում հիմնված է հիմնարար երկրաչափության վրա և միացված է որոշ խելացի թեթև նեյրոնային ցանցերին, որոնք կատարում են պիքսելային մակարդակի սեգմենտացում։ Այդ ցանցերը կարող են տարբերել ռետինե ամուրացումները մետաղե շրջանակներից, նույնիսկ երբ առկա են անապակի արտացոլումներ կամ փոքրիկ աղտեր լողում շրջապատում։ Ավանդական մոտեցումները այստեղ պարզապես անարդյունավետ են։ Մեր հիբրիդային մեթոդը պահում է հայտնաբերման մակարդակը 99%-ից բարձր, նույնիսկ երբ լուսավորության պայմանները անընդհատ փոխվում են, միաժամանակ մշակելով նկարները 50 միլիվարկյանից ավելի արագ։ Ինչ իսկապես տարբերացնում է սա, այն է, թե ինչպես AI-ի մասը հայտնաբերում է այդ բարդ խնդիրները, որոնք սովորական երկրաչափությունը ամբողջովին բաց է թողում, օրինակ, երբ մասերը սկսում են մասամբ անջատվել կամ նյութերը սկսում են դեֆորմացվել այն ձևով, որ ստանդարտ ստուգման մեթոդների համար անմիջապես ակնհայտ չէ։

Եզրային-օպտիմալացված կոնվոլյուցիոն եզրակացության միջոցով իրական ժամանակում անընդհատության և դիրքի վավերացում

Որպեսզի ապահովվի արտադրության ընթացքում որակի համաստեղությունը, այժմ խելացի տեսողական համակարգերը ստուգում են սեղմանիչների դիրքը հավաքման գծերում՝ ըստ դրանց շարժման ուղղության: Այս եզրային հաշվարկման մոդելները, որոնք հաճախ օգտագործում են սեղմված նեյրոնային ցանցերի դիզայն, իրականում աշխատում են ինքնուրույն տեսախցիկների վրա: Դրանք վերլուծում են սեղմանիչների ձևավորման և դասավորման ճշգրտությունը՝ յուրաքանչյուր կадրի վերլուծությունն ավարտելով 30 միլիվայրկյանից պակաս ժամանակում: Երբ շեղումը գերազանցում է ±0,3 մմ-ը, ինչը համապատասխանում է ASTM E283 ստանդարտի պահանջներին, համակարգը անմիջապես միջամտում է: Նույնիսկ այն դեպքում, երբ մեքենաները դողում են ծանր շահագործման պայմաններում, այս տեսողական ստուգման համակարգերը 93 % դեպքերում աշխատում են հուսալիորեն: Սա նշանակում է, որ ռոբոտները կարող են ինքնատեղափոխվել կամ հեռացնել սխալ մասերը գծից՝ մինչև դրանք ավելի մեծ խնդիրներ առաջացնեն, առանց սպասելու ավանդական կառավարման համակարգերի արձագանքի:

Ինտեգրումը եւ վավերացումը. Վիզիոնային համակարգի լցոնման վավերացումը համապատասխանում է արդյունաբերական ստանդարտներին

ASTM E283 եւ AAMA 101 համապատասխանություն. Pass/fail չափանիշների քարտեզագրում ±0,3 մմ սխալ ուղղվածության շեմերին

Սաղավարտների ճիշտ հավաքումը նշանակում է ASTM E283 ստանդարտների հետևում օդի արտահոսքի համար և AAMA 101 պահանջների կատարում՝ ըստ այն ցուցանիշների, թե որքան ամուր պետք է լինեն: Երբ գալիս է կազմարար պատվածքների տեղադրման պահին, նույնիսկ փոքրագույն սխալները մեծ նշանակություն ունեն: Եթե որևէ տեղ բացը գերազանցում է 0.3 միլիմետրը, ամբողջ կնքումը խախտվում է: Հենց այստեղ է այսօրյա ժամանակակից համակարգչային տեսողության համակարգերը իրականում առաջադիմում են: Նրանք նկարներ են անում պիքսելային մակարդակով, ապա որոշում, թե արդյոք ամեն ինչ համապատասխանում է ստանդարտներին: Այս խելացի տեսախցիկները հիմնականում այն, ինչ մենք տեսնում ենք, վերածում են «այո/ոչ» պատասխանների՝ արդյոք ինչ-որ բան անցնում է որակի ստուգումը: Ինչո՞ւ է սա այդքան կարևոր: Դե, այն այն է, որ պատուհանների ներսում ջուր թափանցելը բերում է տարբեր խնդիրների, և ըստ անցյալ տարվա Quality Digest-ի՝ ընկերությունները տարեկան միլիոնավորներ են կորցնում սխալ տեղադրումներ ուղղելու համար: Այն գործարանները, որոնք իրենց որակի ստուգումները ավտոմատացրել են՝ աշխատողների աչքերին վստահելու փոխարեն, նկատելի բարելավումներ են տեսել: Շատերը հիմա հայտնաբերում են համակեցության խնդիրները գրեթե կատարյալ ճշգրտությամբ՝ մոտ 99,98%-ով հաջող հայտնաբերումներ, երբ կնքումները ճիշտ կերպով չեն տեղադրված:

Փակ ցիկլային ինտեգրում ռոբոտների և PLC-ների հետ՝ ROS-ի հիման վրա կոորդոնատային հարթում և շեղման համակցում

Երբ խոսքը տեսողական համակարգերի, ռոբոտների և PLC վերահսկիչների հարթ աշխատանքի մասին է, այսօր շատ գործարաններ հիմնվում են ROS համակարգի վրա։ Այս համակարգի աշխատանքի սկզբունքը իրականում շատ ցանկալի է՝ տեսախցիկները հայտնաբերում են փականների դիրքը, ապա գրեթե անմիջապես տեղեկությունը ուղարկում են ռոբոտներին՝ նրանց հստակ ցույց տալով, թե ինչպես պետք է կատարել ճշգրտումներ։ Բոլորս էլ ենք տեսել, թե ինչ է կատարվում, երբ սարքավորումները շեղվում են ջերմաստիճանի փոփոխությունների կամ մաշվածության պատճառով, հատկապես արագընթաց արտադրական գծերում։ Ուստի էլ լավ համակարգերը անընդհատ կատարում են ստուգումներ ֆոնում: Վերցրեք, օրինակ, այն գործարանները, որտեղ եզրային համակարգավորումն (edge computing) օգտագործվում է ռոբոտային բազկի դիրքը կես վայրկյանի կամ ավելի քիչ ժամանակում ճշգրտելու համար: Սա արագ հավաքակցման ընթացքում էլ պահում է ամեն ինչ մոտավորապես 0.15 միլիմետրի սխալի սահմաններում: Եվ մի մոռացեք նաև ընդհանուր առավելության մասին՝ գործարանները զեկուցում են, որ վերակալիբրավորման կանգերը նվազեցվել են մոտ երեք քառորդով, իսկ փականների ստուգումը շարունակական կերպով կարող է իրականացվել՝ արտադրական գործընթացը չընդհատելով:

Տեղադրման իրականությունները՝ ծանրաբեռնված ԱԻ, թրուփութը և տեսքի համակարգի պտտման ստուգման մեջ գտնվող շարժական փոխադարձաբերությունները

Օպտիմալ ծանրաբեռնված եզրային արդյունքներ (օրինակ՝ քվանտացված YOLOv8n-seal), որոնք հավասարակշռում են արագությունը, ճշգրտությունը և սարքային սահմանափակումները

Եզրային AI-ն օգտագործելը իրական ժամանակում պղպանի անընդհատությունը ստուգելու համար նշանակում է լուրջ ջանքեր գործադրել սարքավորումների սահմանափակումներին հաղթահարելու և միևնույն ժամանակ պահպանել միլիմետրից ցածր ճշգրտություն: Այսօրվա դրությամբ ամենաշատը օգտագործվում են ավելի թեթև մոդելներ, ինչպիսին է քվանտացված YOLOv8n կնիքի տարբերակը: Այս մասնավոր մոդելը հաշվարկային պահանջները կրճատում է մոտ 60 տոկոսով՝ համեմատած սովորական CNN-ների հետ, սակայն հնարավորություն է տալիս գրեթե կատարյալ՝ 99,2%-ի ճշգրտությամբ, հայտնաբերել կնիքերի անհամապատասխանությունները: Այս կառուցվածքի արժեքը հենց տեղեկությունը մշակելու արագության մեջ է՝ պատուհանի յուրաքանչյուր կադրի համար ծախսելով ոչ ավելի, քան 15 միլիվայրկյան: Այս արագությունը շատ կարևոր է արտադրական գծերում, որտեղ ծավալները շատ են: Սակայն այստեղ կա մեկ խնդիր. ամեն ինչ ճիշտ ստացվի՝ պետք է հավասարակշռել երեք տարբեր գործոններ, որոնք հաճախ միմյանց հակասում են, իսկ ճիշտ հավասարակշռությունը գտնելու համար պահանջվում է շատ փորձարկում և սխալ:

Արդյունաբերական ուսումնասիրություները ցույց են տալիս, որ եզրային մշակման զգալիորեն կրճատում է ուշացումը՝ համեմատելով տվյալները առաջին ուղարկելու հետ ամպային համակարգ։ Որոշ դեպքերում կրճատումը հասնում է մինչև 92%, ինչը նշանակում է, որ ռոբոտները, որոնք կիրառում են կնքային նյութեր, անմիջապես ստանում են հետադարձ կապ, երբ հայտնաբերում են բացակայող պրոբկան կամ որևէ անհամապատասխան մաս։ Սակայն միշտ կա մի բացառություն արտադրողների համար։ Ավելի էժան սարքավորումները հաճախ ավելի շատ են բաց թողնում խնդիրները՝ մոտ 1,8%-ով ավելի շատ կեղծ բացասականներ։ Հակառակ դեպքում, եթե ընկերություները ցանկանում են ամուր որակի վերահսկողություն այդ պատուհանների համար, հավանաբար նրանք պետք է ծախսեն մոտ 35%-ով ավելի շատ իրենց համակարգերի վրա։ Ճիշտ հավասարակշռությունը գտնելը կախված է տեսողության համակարգերի վստահելի աշխատանքի վրա՝ ապահովելով 98,5%-ից բարձր ճշգրտություն, միաժամանակ պահպանելով արտադրային գծի արագությունը։ Հիմնական բանն այն է, որ այս համակարգերը չտաքանան կամ չպահանջեն թանկարժեք հեղուկ սառեցման լուծումներ։ Շատ գործարանքներ այս օպտիմալ կետի հասնում են օգտագործելով խելացի ալգորիթմներ, որոնք իրենց հարմարեցումը կատարում են հիմնվելով իրականում տեղադրված սարքավորման տեսակի վրա։