Integratorzy systemów wizyjnych maszyn muszą wciąż pozostawać krok przed pojawiającymi się technologiami takimi jak deep learning oraz innymi inteligentnymi technologiami.
Integratorzy systemów wizyjnych maszyn (machine vision) mogą obecnie wybierać spośród mnóstwa produktów dostępnych na rynku: różnych typów obiektywów, oświetlenia, kamer, interfejsów kamer i oprogramowania. Sprzedawcy oferują swoim klientom większe możliwości wyboru dzięki większej dostępności wyrobów o szerszym spektrum funkcjonalności, zastępujących systemy, które kiedyś kosztowały tysiące dolarów.
– Jednym z największych czynników napędzających tę zmianę jest popularyzacja i znacząca obniżka cen inteligentnych produktów z branży wizji maszynowej 2D – mówi Markus Tarin, prezes i dyrektor generalny (CEO) firm MoviMed i MoviTherm. – Inteligentne czujniki, inteligentne kamery oraz konfigurowalne systemy wizji w bardzo dużym stopniu wyeliminowały potrzebę opracowywania rozbudowanych i skomplikowanych systemów wizyjnych, natomiast obecnie najbardziej rozpowszechnione aplikacje są realizowane za pomocą dostępnej od ręki technologii plug-and-play – dodaje Markus Tarin.
Jak zauważa Markus Tarin, integratorzy systemów wizyjnych maszyn, posiadający wysokie umiejętności, coraz częściej mogą przekonać się, że dodanie wartości do jakiegoś popularnego systemu wizji 2D może być stosunkowo trudne; niektórzy zaś oferują swoje konfigurowalne systemy wizji maszynowej bezpośrednio klientom końcowym.
John Salls, prezes firmy Vision ICS Inc., także dostrzega dokonany w ciągu ostatniej dekady postęp w dziedzinie inteligentnych kamer, które stają się bardziej funkcjonalne; podobnie firmy produkujące oświetlenie dla systemów wizyjnych oferują obecnie szerszy zakres wyrobów. Jednak, w miarę jak możliwości oprogramowania dla tego typu systemów stają się coraz większe, a jego ceny ciągle spadają, John Salls widzi problem z wykorzystaniem i standaryzacją pakietów tego oprogramowania.
– Różne firmy stosują różną terminologię dla tej samej rzeczy, tego samego zadania – mówi John Salls. – Nawet między standardami komunikacyjnymi takimi jak Ehernet istnieją olbrzymie różnice w różnych firmach, a w rzeczywistości nie ma dążenia ku otwartym standardom (oprogramowania) w branży systemów wizyjnych maszyn.
Oświetlenie, podobnie jak inne produkty z tej branży, wymaga poświęcenia starannej uwagi przez integratora. – Kluczowe jest uzyskanie jak najlepszego obrazu, a ma to miejsce wtedy, gdy oświetlenie jest kluczem do stworzenia definicji silnego kontrastu cech kontrolowanego produktu – mówi Earl Yardley, dyrektor firmy Industrial Vision Systems.
– Istnieje szeroki zakres dostępnego od ręki oświetlenia ogólnego dla wizji maszynowej, które jest odpowiednie dla większości aplikacji, jednak te oferty standardowe nie powinny być czynnikiem ograniczającym.
Dla projektów obejmujących bardziej złożone aplikacje firma Industrial Vision Systems opracowuje oświetlenie specyficzne dla danego projektu. Przykładami są tu: lampy UV o dużej mocy, segmentowane pierścienie świetlne zintegrowane z głowicą inspekcyjną robota kompaktowego oraz produkowane na zamówienie klienta podświetlacze do kontroli jakości (form-factor backlights). – Praca nad produktami na zamówienie tworzy dodatkowy czas pracy projektowej w początkowym stadium projektu, ale jest ona rekompensowana przez oszczędność czasu przy programowaniu systemu z w pełni zoptymalizowanym obrazem – mówi Earl Yardley.
Systemy wizji maszynowej 3D i technologia głębokiego uczenia
Współczesne systemy wizyjne maszyn są w stanie sprostać potrzebom większości aplikacji, zaś integratorzy systemów muszą być na bieżąco z ewoluującymi technologiami i oczekiwaniami klientów. Np. na rynku obrazowania 3D Markus Tarin wskazuje na fakt wyprzedzania innowacji w oprogramowaniu przez innowacje w sprzęcie.
– Chociaż istnieje pewna liczba dostępnych czujników i kamer 3D, takich jak do triangulacji laserowej, pomiaru czasu lotu, czujników stereoskopowych dla generatorów wzorców pseudolosowych oraz innych, istnieje jednak zbyt duża luka w rozwoju i dostępności narzędzi deweloperskich, aby pozwolić na szybki rozwój systemów wizyjnych maszyn z tymi elementami – mówi Markus Tarin.
– Producenci wyposażenia oryginalnego (OEM) obecnie wykorzystują pracujące według otwartych standardów czujniki 3D lub kamery i programują swoje aplikacje od początku albo wykorzystują systemy zamknięte z konfigurowalnymi narzędziami, które są często zbyt kosztowne – wyjaśnia MarkusTarin.
– Być może potrzebny jest czujnik lub kamera 3D z bezpośrednio programowalnymi macierzami bramek (field programmable gate arrays – FPGA) do szybkiego przetwarzania obrazu w czujniku/kamerze, co umożliwi programiście nieznającemu FPGA wdrażanie algorytmów przetwarzania obrazów 3D w jednym pakiecie – mówi Markus Tarin.
Inną pomocną technologią jest sztuczna inteligencja (AI) i głębokie uczenie (deep learning) – zdolność komputerów do akwizycji informacji na podstawie danych z przeszłości (doświadczenia). Największym wyzwaniem jest oddzielenie szumu marketingowego od istoty rzeczy. – Algorytmy AI i głębokiego uczenia często obiecują za dużo – dodaje Markus Tarin.
O ile aplikacje systemów wizyjnych maszyn czerpią korzyści z algorytmów głębokiego uczenia, to nie potrafią jednak rozwiązać wszystkich problemów. Jest to szczególnie widoczne, gdy porównuje się pracę potrzebną do uzyskania dokładności większej niż 99% z tradycyjną pracą programisty. Niemniej jednak ta technologia zdecydowanie ma swoje miejsce w rozwoju tego typu systemów i będzie nadal zyskiwała na znaczeniu w ciągu kolejnych kilku lat.
Winn Hardin jest redaktorem współpracującym AIA. AIA jest częścią A3 (Association for Advancing Automation), czyli Stowarzyszenia na rzecz Rozwoju Automatyki.
