Введите Email:
Введите пароль:

Регистрация

Забыли пароль

Интеграция машинного зрения на промышленных предприятиях - 2

Для решения задачи выявления брака предложено анализировать два этапа производства:
1.     Нанесения паяльной пасты.
2.     Монтаж SMD компонентов.

Соответственно, каждый из этапов имеет свои особенности и будет рассмотрен отдельно.
Брак при нанесении паяльной пасты
Для того что бы разработать алгоритм анализа в первую очередь, нас будет интересовать возможные варианты брака. На изображениях ниже представлены некоторые из них.
1 – смазанная паяльная паста;
2 – паяльная паста смещена относительно установленных границ;
3 – недостаток паяльной пасты.

Разработать универсальный алгоритм, который бы одинаково точно определял каждый из представленных вариантов брака достаточно сложно. К тому же, для одной задачи может быть найдено несколько вариантов решения. Поэтому задача разбивается на подзадачи и процесс анализа производится в несколько этапов. Если на каком либо этапе обнаружен брак, проводить дальнейший анализ нет смысла и плата отправляется на доработку.
Наиболее универсальным методом анализа является метод сравнения изображения платы с эталонным, то есть тем на котором брак не выявлен. Пример такой платы представлен ниже.  

Дефектов на ней нет и единственным недостатком изображения можно считать зашумленность. Для того что бы использовать его при анализе, изображение необходимо отфильтровать. В последствии предварительной обработки мы имеем следующий результат: 

Как видно, ненужные шумы успешно устранены. Такую же обработку проходит каждое последующее изображение платы.
         В качестве примера брака, рассмотрим случай смазанной паяльной пасты. 

Сравнив два изображения на выходе получаем разницу, явно свидетельствующую о наличии брака:

Данный метод хорош фактически для всех вариантов брака, хотя и имеет свою погрешность. Кроме того, для вычитания одного изображения из другого важно, что бы фотографии были сделаны из одной точки, на одной высоте. Ведь даже наименьшее смешение анализируемого изображения по отношению к эталонному приведет к некорректному анализу. Для этого изображения необходимо откалибровать, отталкиваясь от меток, расположенных по углам платы.
         Следующий метод не требует наличия эталонного изображения и основывается на теории морфологического анализа особенностей изображения в формате gray scale (оттенки серого). В общих чертах, для начала на изображении выделяются границы, а после – область паяльной пасты. На плате, не имеющей брака, координаты центров этих двух компонентов должны совпадать. Если же брак есть, координаты будут смещены относительно друг друга. На изображениях, расположенных ниже представлено несколько вариантов выявления брака. Для наглядности, координаты центров границ и областей паяльной пасты выделены маркерами разного цвета (красного и зеленого соответственно).

Брак монтажа SMD компонентов
         На изображении ниже, можно наблюдать вариант брака монтажа SMD компонента. Не вооруженным глазом видно, что компонент расположен под углом. Для того что бы система распознала брак, ей необходимо знать параметры компонентов изображения: ширина, высота, координаты расположения. Все эти значения находятся экспериментальным путем и устанавливаются в четких пределах.
         Когда компоненты на изображении определены, проводиться анализ угла наклона оси компонента по отношению к оси абсцисс или ординат (в зависимости от того, как должен быть установлен компонент). Если угол отклонения превышает 5о, то считается, что он установлен не корректно и плата бракована. Результат можно наблюдать на изображении ниже.    


В этой статье описаны лишь некоторые методы анализа, которых имеется огромное множество. Выбор метода полностью зависит от технического задания. Для каждой конкретной задачи машинного зрения требуется индивидуальный подход.
Что касается интеграции машинного зрения в производство, можно выделить некоторые основные области применения, такие как крупное промышленное производство, системы безопасности в промышленных условиях, системы визуального контроля и управления (к примеру, считывание штрих-кода), контроль качества, автомобильная промышленность (проверка поверхности автомобиля, сварных швов, блоков цилиндров) и т.д.. Сфера применения машинного зрения вовсе не ограничивается перечисленными областями, а с развитием робототехники лишь расширяется.
Специалисты компании Alarm Technology готовы решать задачи любой сложности, начиная с анализа мелкого брака и заканчивая построением сложных автоматизированных систем контроля качества.