A visão mecânica fornece aos sistemas uma compreensão de alto nível das configurações ambientais a partir de imagens. | Fonte: Digikey
A visão mecânica é uma coleção de tecnologias que fornecem aos equipamentos automatizados uma compreensão de alto nível do ambiente imediato a partir de imagens. Sem software program de visão mecânica, as imagens digitais nada mais seriam do que simples coleções de pixels desconectados.
Máquina visão permite que os computadores detectem bordas e formas nas imagens, permitindo que rotinas de processamento de nível superior identifiquem objetos de interesse predefinidos. As imagens, nesse sentido, não se limitam necessariamente às imagens fotográficas do espectro visível; eles também podem incluir imagens obtidas usando sinais infravermelhos, laser, raios X e ultrassom.
Hoje, uma aplicação comum de visão mecânica em industrial configurações é identificar uma peça específica em uma caixa contendo uma mistura de peças dispostas aleatoriamente. Aqui, a visão mecânica pode ajudar os robôs pick-and-place a selecionar automaticamente a peça certa.
É claro que reconhecer essas peças com suggestions de imagem seria relativamente simples se todas elas estivessem organizadas e orientadas da mesma maneira em uma bandeja. No entanto, algoritmos robustos de visão synthetic podem reconhecer objetos a diferentes distâncias da câmera, bem como em diferentes orientações.
Os sistemas de visão mecânica mais sofisticados permitiram projetos novos e emergentes muito mais sofisticados do que a coleta de lixo.
Tecnologias de visão mecânica
Os scanners 3D capturam imagens 2D de um objeto para criar um modelo 3D dele. Em alguns casos, modelos digitais são então empregados para imprimir cópias em 3D. | Fonte: Digikey
O termo visão mecânica às vezes é reservado para fazer referência a métodos matemáticos mais estabelecidos e eficientes de extração de informações de imagens.
Em contrapartida, o termo visão computacional normalmente descreve sistemas mais modernos e computacionalmente exigentes – incluindo abordagens de caixa preta usando aprendizado de máquina ou inteligência synthetic (IA).
No entanto, a visão synthetic também pode servir como um termo abrangente, abrangendo todos os métodos de extração de informações de alto nível a partir de imagens.
Tecnologias para extrair significado de alto nível de imagens são cada vez mais comuns. Na comunidade de pesquisa, essas tecnologias são frequentemente consideradas diferentes da visão mecânica. No entanto, no sentido prático, todas são formas diferentes de obter visão mecânica e, em muitos casos, sobrepõem-se.
Processamento digital de imagens é uma forma de processamento de sinal digital que envolve aprimoramento, restauração, codificação e compactação de imagem. As vantagens sobre o processamento de imagens analógicas incluem ruído e distorção minimizados, bem como a disponibilidade de muito mais algoritmos.
O aprimoramento de imagens digitais geralmente envolve aumentar o contraste e também pode fazer correções geométricas para ângulo de visão e distorção da lente. A compressão é normalmente obtida aproximando um sinal complexo de uma combinação de funções cosseno.
Fotogrametria emprega algum tipo de identificação de recurso para extrair medições de imagens. Essas medições podem incluir informações 3D quando múltiplas imagens da mesma cena foram obtidas em posições diferentes.
Os sistemas de fotogrametria mais simples medem a distância entre dois pontos em uma imagem utilizando uma escala. Normalmente é necessário incluir uma referência de escala conhecida na imagem para este propósito.
Detecção de recursos permite que os computadores identifiquem bordas e cantos ou pontos em uma imagem. Este é um primeiro passo necessário para a fotogrametria, bem como para a identificação de objetos e movimentos. A detecção de blob pode identificar regiões com bordas muito suaves para detecção de bordas ou cantos.
Reconhecimento de padrões é usado para identificar objetos específicos. Na sua forma mais simples, isso pode significar procurar uma peça mecânica específica e bem definida em um transportador.
Reconstrução 3D determina a forma 3D de objetos a partir de imagens 2D. Isto pode ser conseguido por métodos fotogramétricos em que a altura de características comuns (identificadas em imagens de diferentes pontos de observação) é determinada por triangulação. A reconstrução 3D também é possível usando uma única imagem 2D.
Como as tarefas de visão mecânica são ordenadas
Muitos sistemas de visão synthetic combinam progressivamente as técnicas acima, começando com operações de baixo nível e depois avançando uma a uma para operações de nível superior. No nível mais baixo, todos os pixels de uma imagem são mantidos como dados de alta largura de banda. Então, cada operação na sequência identifica características da imagem e representa informações de interesse com quantidades relativamente pequenas de dados.
As operações de baixo nível de aprimoramento e restauração de imagens vêm primeiro, seguidas pela detecção de recursos. Quando são utilizados múltiplos sensores, as operações de baixo nível podem, portanto, ser realizadas por processos distribuídos dedicados a sensores individuais. Uma vez detectadas características em imagens individuais, podem ocorrer medições fotogramétricas de nível superior, assim como qualquer identificação de objetos ou outras tarefas que dependam dos dados combinados de múltiplas imagens e sensores.
Cálculos diretos e algoritmos de aprendizagem
UM computação direta no contexto da visão mecânica é um conjunto de funções matemáticas definidas manualmente por um programador humano. Eles aceitam entradas como valores de pixel de imagem para produzir saídas como as coordenadas das bordas de um objeto.
Em contraste, os algoritmos de aprendizagem não são escritos diretamente por humanos, mas sim treinados por meio de conjuntos de dados de exemplo que associam entradas a resultados desejados. Funcionando como caixas pretas, o aprendizado de máquina agora emprega aprendizado profundo baseado em redes neurais artificiais para fazer seus cálculos.
O aprendizado de máquina simples para aplicações industriais costuma ser mais confiável e menos exigente em termos computacionais se for baseado em computação direta. É claro que existem limites para o que pode ser alcançado com a computação direta.
Por exemplo, a computação direta não poderia executar o reconhecimento avançado de padrões necessário para identificar indivíduos pelos seus rostos, especialmente a partir de um feed de vídeo de um espaço público lotado. Em contraste, o aprendizado de máquina lida habilmente com essas aplicações. Não é de admirar que o aprendizado de máquina esteja sendo cada vez mais implantado em operações de visão de máquina de nível inferior, incluindo aprimoramento de imagens, restauração e detecção de recursos.
Visão mecânica para segurança industrial
Sensores de imagem podem identificar peças por tipo, tamanho, localização, orientação e cor. | Fonte: Digikey
A visão mecânica não é mais uma tecnologia de nicho. A tecnologia está experimentando o maior crescimento de implantação em aplicações industriais. O desenvolvimento mais dramático é como a visão mecânica agora complementa os sistemas de segurança de instalações industriais que soam alarmes ou emitem anúncios de áudio quando o pessoal da fábrica entra em uma zona de trabalho sem capacete, máscara ou outro equipamento de proteção correto. A visão mecânica também pode completar sistemas que anunciam quando máquinas móveis, como empilhadeiras, ficam muito próximas das pessoas.
Esses e outros sistemas de visão synthetic semelhantes podem, às vezes, substituir a proteção rígida em torno dos robôs industriais para permitir operações mais eficientes. Eles também podem substituir ou aprimorar sistemas de segurança baseados em proteções de luz que simplesmente param o maquinário caso um trabalhador da fábrica entre em uma célula de trabalho. Quando a visão mecânica monitora o chão de fábrica ao redor da célula de trabalho, é possível que os robôs nessas células diminuam gradualmente a velocidade à medida que as pessoas se aproximam.
Os projetos de ambientes industriais estão evoluindo para acomodar robôs colaborativos e outros equipamentos de células de trabalho que sejam seguros para o pessoal da fábrica se movimentar, mesmo enquanto esses equipamentos estão em operação. Esses e outros sistemas baseados em visão mecânica se tornarão uma parte muito mais comum dos processos de fábrica.
Ao compreender como projetar e implantar sistemas inteligentes de visão mecânica, engenheiros e fabricantes podem integrar de forma inteligente ferramentas de inteligência visible no chão de fábrica, aumentando a segurança e a eficiência. À medida que a tecnologia evolui em ritmo acelerado, DigiKey continua a oferecer soluções de automação inovadoras, desde IoT até IA e visão de máquina.
Sobre o autor
Wealthy Miron é desenvolvedor sênior de conteúdo técnico da DigiKey. A DigiKey é reconhecida como líder international e inovadora contínua na distribuição comercial de ponta de componentes eletrônicos e produtos de automação em todo o mundo, fornecendo mais de 16,5 milhões de componentes de mais de 3.000 fabricantes de marcas de qualidade.