10 ứng dụng Machine vision (thị giác máy tính) trong sản xuất

Trang chủ » Case study » 10 ứng dụng Machine vision (thị giác máy tính) trong sản xuất
15/03/2022 Case study 615 viewed

Ứng dụng của Machine Vision

Các ứng dụng của Machine Vision khác nhau phụ thuộc rất nhiều vào ngành công nghiệp và môi trường sản xuất, một số ứng dụng điển hình bao gồm:

  • Kiểm tra chất lượng thành phẩm sau cùng
  • Kiểm tra bộ phận động cơ
  • Kiểm tra nhãn trên sản phẩm
  • Kiểm tra lỗi thiết bị y tế
  • Hướng dẫn cho robot
  • Xác minh mã datamatrix
  • Kiểm tra hướng của linh kiện
  • Truy xuất nguồn gốc sản phẩm
  • Kiểm tra bao bì
  • Kiểm tra vết laser và vết cắt
  • Kiểm tra lọ thuốc
  • Kiểm tra gói thực phẩm
  • Đọc mã vạch
  • Xác minh các thành phần thiết kế

Bài viết này sẽ giới thiệu 10 ứng dụng thường thấy của Machine Vision trong sản xuất

BẢO TRÌ TIÊN ĐOÁN

Một doanh nghiệp phụ thuộc vào các bộ phận vật lý để sản xuất sản phẩm hoặc giúp cung cấp dịch vụ thường cần phải bảo trì máy móc hoặc thiết bị hoặc trong trường hợp xấu nhất, máy móc có thể bị hỏng hoặc các bộ phận có thể bị lỗi khi đưa sản phẩm vào tình trạng bế tắc. Bảo trì tiên đoán (Predictive Maintenance) là quá trình sử dụng máy học và thiết bị IoT để giám sát dữ liệu trên máy móc và linh kiện, thường sử dụng cảm biến, để thu thập điểm dữ liệu và xác định tín hiệu hoặc thực hiện hành động khắc phục trước khi tài sản hoặc linh kiện bị hỏng.

Chúng ta hãy xem xét rằng chỉ một phút ngừng hoạt động trong một nhà máy ô tô có thể tiêu tốn tới 20.000 đô la cho các phương tiện có lợi nhuận cao . Những thách thức của nó như thị giác máy có thể giúp doanh nghiệp tiếp tục, ví dụ, một chương trình phần mềm có tên ZDT , được phát triển bởi FANUC , thu thập hình ảnh từ các camera gắn trên robot, những hình ảnh và siêu dữ liệu đi kèm sau đó được gửi lên đám mây để xử lý và giúp xác định các vấn đề tiềm ẩn trước khi chúng phát sinh.

Trong thời gian thí điểm 18 tháng, giải pháp đã được triển khai tới 7.000 robot trong 38 nhà máy ô tô trên sáu nội dung và phát hiện và ngăn chặn 72 lỗi thành phần!

KIỂM TRA BAO BÌ LỖI TRONG SẢN XUẤT

Điều quan trọng đối với các công ty dược phẩm là phải đếm máy tính bảng hoặc viên nang trước khi đặt chúng vào thùng chứa. Để giải quyết vấn đề này, Pharma Packaging Systems, có trụ sở tại Anh, đã phát triển một giải pháp có thể được triển khai cho các dây chuyền sản xuất hiện có hoặc thậm chí chạy như một đơn vị độc lập.

Một tính năng chính của giải pháp liên quan đến việc sử dụng thị giác máy tính để kiểm tra các máy tính bảng bị hỏng hoặc hình thành một phần. Khi máy tính bảng đi qua dây chuyền sản xuất, hình ảnh được chụp và chuyển đến một PC chuyên dụng để xử lý hình ảnh bằng phần mềm sau đó chạy tiếp phân tích để kiểm tra xem các máy tính bảng có đúng màu, chiều dài, chiều rộng và toàn bộ không.

Kiểm tra dược phẩm bằng Machine Vision

Hệ thống Kiểm tra Machine Vision dựa trên PC cũng được triển khai cho PC thực hiện chức năng đếm và nếu một máy tính bảng được coi là bị lỗi, thông tin này được ghi lại sau đó gửi tín hiệu đến chức năng đếm và đến khi chai chứa đến Kết thúc dây chuyền sản xuất, các container có máy tính bảng bị lỗi sau đó bị từ chối, do đó loại bỏ khả năng vận chuyển máy tính bảng bị lỗi.

ĐỌC MÃ VẠCH

Đọc, xác định và xử lý hàng trăm và hàng ngàn mã vạch mỗi ngày không phải là nhiệm vụ dễ dàng và điều mà con người đơn giản không thể làm được ở quy mô lớn.

Ví dụ, điện thoại di động và thiết bị di động yêu cầu bảng mạch in nhỏ hơn hoặc nhỏ hơn (hoặc PCB). Khi các nhà sản xuất bị áp lực phải sản xuất khối lượng PCB cao hơn cho thị trường công nghệ đang phát triển, họ đang hướng tới một quy trình được gọi là panelization. Trong quá trình này, một số bảng mạch giống hệt nhau được in trên một bảng lớn, mỗi mạch sau đó được tách ra để kiểm tra lần cuối, để kiểm tra các bảng này, tuy nhiên, một giải pháp dựa trên Machine Vision có tên là PanelScan đã được phát triển để đọc mã vạch – là các mã định danh duy nhất của mỗi mạch có trên bảng PCN.

Trong lịch sử, con người đã áp dụng nhiệm vụ này bằng cách sử dụng máy quét mã vạch cầm tay, điều này rất tốn thời gian và gây ra lỗi cho con người. Bằng cách thực hiện một giải pháp dựa trên Machine Vision, các nhà sản xuất PCB có thể tiết kiệm được khá nhiều chi phi sản xuất nhờ kiểm tra và ngăn ngừa sản phẩm lỗi.

GIÁM SÁT SẢN PHẨM VÀ THÀNH PHẦN LẮP RÁP

Các nhà máy sản xuất hiệu suất cao cần đảm bảo các sản phẩm và linh kiện rơi ra khỏi dây chuyền sản xuất tuân thủ các nguyên tắc về chất lượng, an toàn và sản xuất. Với suy nghĩ này, Công ty Tự động hóa Acquire Automation đã phát triển một bộ giải pháp giúp các doanh nghiệp đảm bảo các tiêu chuẩn lắp ráp sản phẩm và thành phần của họ đang được thi hành.

Ví dụ, một trong những giải pháp của họ thực hiện Machine Vision cho phép các nhà sản xuất kiểm tra chai ở chế độ xem 360 độ đầy đủ để đảm bảo rằng các sản phẩm được đặt trong bao bì chính xác và cũng có thể kiểm tra các thuộc tính quan trọng khác của các sản phẩm đóng gói như:

  • Đóng nắp / đóng dấu
  • Chức vụ
  • Nhãn
  • Chất lượng in và nhiều hơn nữa!

Tất cả điều này giúp tăng thông lượng của dây chuyền sản xuất đồng thời giảm số lượng sản phẩm bị thu hồi và tăng năng suất và cuối cùng, giữ cho người tiêu dùng hài lòng!

THEO DÕI KHIẾM KHUYẾT

Có thể hiểu được, nếu bạn điều hành một dây chuyền sản xuất, bạn muốn sản xuất các linh kiện hoặc sản phẩm không có khuyết tật! Machine Vision là một công nghệ có thể giúp các doanh nghiệp đạt được điều này.

Điều đó nói rằng, các hệ thống kiểm tra bằng thị giác máy có thể khác nhau về mặt triển khai, một số yêu cầu người vận hành trong khi các giải pháp dựa trên Vision phức tạp hơn không cần người vận hành. Một công ty có tên Shelton có một hệ thống kiểm tra bề mặt gọi là WebSPECTOR xác định lỗi và lưu trữ hình ảnh và siêu dữ liệu đi kèm liên quan đến hình ảnh. Khi các mặt hàng rơi vào dây chuyền sản xuất, các lỗi được phân loại theo loại của chúng và được chỉ định một lớp đi kèm.

Việc làm này cho phép các nhà sản xuất phân biệt giữa các loại khiếm khuyết khác nhau, những người sau đó có thể chỉ muốn dừng dây chuyền sản xuất khi X số loại Y bị lỗi đã xảy ra. Một công nghệ dựa trên tầm nhìn máy khác của Shelton có tên là WebSpector, sử dụng phần mềm hình ảnh và máy ảnh hiện đại có thể cải thiện năng suất của nhà sản xuất vải lên 50%!

Theo dõi chất lượng chai với Machine Vision

KIỂM TRA 3D

Machine Vision có thể đóng một vai trò to lớn trong lĩnh vực ô tô. Một báo cáo cho thấy thị trường thị giác máy tổng thể có thể trị giá tới 14,43 tỷ đô la vào năm 2022 !

Một hệ thống kiểm tra bằng thị giác máy có chứa máy ảnh Dalsa Genie Nano đang được sử dụng trong dây chuyền sản xuất để thực hiện các nhiệm vụ mà con người đôi khi có thể phải vật lộn. Trong case study này, hệ thống sử dụng hình ảnh có độ phân giải cao để xây dựng mô hình 3D đầy đủ các thành phần và chân kết nối của chúng. Khi các thành phần đi qua nhà máy sản xuất, hệ thống thị giác máy sẽ quét nhiều hình ảnh từ các góc khác nhau để tạo ra mô hình 3D, những hình ảnh này khi được kết hợp sẽ cho phép hệ thống xác định xem các chân kết nối trên mạch có bị lỗi có thể gây ra hậu quả tai hại không xuống dây chuyền sản xuất.

Kiểm tra 3D bằng Machine Vision có nhiều ứng dụng nhưng một trong những case study phổ biến nhất cho công nghệ là sản xuất ô tô.

Với các lỗi điện chiếm rất nhiều lỗi ô tô hiện nay, việc có thể thực hiện quét 3d các chân kết nối có thể giúp các nhà sản xuất ô tô tiết kiệm chi phí, giảm cơ hội vận chuyển các bộ phận điện bị lỗi và giúp cải thiện an toàn cho người lái.

CẢI THIỆN AN TOÀN LAO ĐỘNG

Các ứng dụng của thị giác máy không chỉ giới hạn ở các dây chuyền sản xuất trong các nhà máy sản xuất. Ví dụ, Komatsu Ltd, nhà sản xuất thiết bị khai thác và xây dựng hàng đầu ở Anh, gần đây đã công bố kế hoạch hợp tác với NVIDIA để tích hợp bộ NVIDIA CLOUD PLATFORM. Điều thúc đẩy chính cho việc này là cải thiện các dịch vụ quản lý công trường lao động, an toàn và hiệu quả.

Sự hợp tác tích hợp nền tảng AI NVIDIA Jetson vào máy móc thường được sử dụng để khoan, đào và khai thác. Một sự kết hợp giữa máy ảnh thời gian thực và phân tích video cho phép thiết bị chạy với hiệu quả cao hơn và an toàn được cải thiện hơn.

Ý tưởng cũng là áp dụng trí tuệ nhân tạo dựa trên deep learning để theo dõi con người và dự đoán sự chuyển động của thiết bị để giúp tránh các tương tác nguy hiểm do đó cải thiện sự an toàn. Với mười nghìn thương tích xảy ra ở Mỹ mỗi năm trên các công trường xây dựng có liên quan đến xe cộ và máy móc, các giải pháp như thế này sẽ được các công ty hoan nghênh.

TRACK AND TRACE

Các công ty dược phẩm tự nhiên theo các quy tắc và quy định nghiêm ngặt để đảm bảo các sản phẩm của họ có thể được theo dõi và truy tìm từ dây chuyền sản xuất đến người tiêu dùng cuối cùng. Để giúp đạt được điều này, các thùng giấy có thể được in với các chi tiết bao gồm nhưng không giới hạn ở số sê-ri, ngày hết hạn, ngày sản xuất. Một số nhận dạng duy nhất trên toàn cầu, đôi khi được gọi là GTIN (Số thương phẩm toàn cầu) thường được sử dụng để cho phép gói được theo dõi trên toàn thế giới.

Các hệ thống sản xuất có thể tự động tạo các số nhận dạng này trong cơ sở dữ liệu chính, sau đó được sử dụng sau này trong quy trình sản xuất và in phun lên các thùng chứa và bước tiếp theo của quy trình sản xuất có thể được thực hiện, thường là xác minh thông tin vừa được in phun lên thùng carton trên bao bì .

Một giải pháp được phát triển bởi công ty ISW của Đức sử dụng một giải pháp như thế này, trong số những thứ khác, máy ảnh công nghệ cao có thể đọc dữ liệu từ nhãn – cũng như thực hiện nhận dạng ký tự quang học (OCR) để đọc văn bản in. Khi văn bản in đã được đọc, hệ thống có thể kiểm tra dựa trên cơ sở dữ liệu chính và xác thực nếu ghi nhãn hệ thống phù hợp với dữ liệu được lưu trữ trong cơ sở dữ liệu chính. Nếu bất kỳ mã in nào không thể đọc được hoặc không khớp với mã hiện có trong cơ sở dữ liệu chính , sau đó các gói hoặc thùng có thể bị từ chối.

PHÂN TÍCH VĂN BẢN VÀ VIẾT TAY

Nhận dạng ký tự quang học không có gì mới, nó đã xuất hiện khá lâu trong thế giới điện toán. Điều đó nói rằng, việc máy phát hiện và trích xuất văn bản viết tay từ các ghi chú, chữ cái v.v … có chứa hình ảnh là một điều hoàn toàn khác. Bạn đã từng đến một hội nghị và chụp ảnh các slide của người thuyết trình bằng điện thoại thông minh của mình chưa? Hoặc bạn đã từng vạch ra một quy trình sản xuất trên bảng trắng chưa?

Microsoft đã phát hành công nghệ trong ngăn xếp Dịch vụ nhận thức của họ được gọi là API thị giác máy tính, với nó, bạn có thể cung cấp hình ảnh cho điểm cuối và API sẽ phát hiện sự hiện diện của văn bản có thể đọc được và biến nó thành một dòng văn bản! ví dụ về điều này trong ảnh chụp màn hình dưới đây:

Có thể trỏ máy vào một hình ảnh có chứa văn bản, thay vì nhập bằng tay có thể là một sự tăng năng suất lớn trong doanh nghiệp.

NỀN TẢNG CHO TRÍ TUỆ NHÂN TẠO

Landing.ai là một công ty có trụ sở tại Thung lũng Silicon được thành lập bởi bậc thầy về AI, Tiến sĩ Andrew Ng.A Một phần công việc của Tiến sĩ Ng tại www.landing.ai liên quan đến việc phát triển các công cụ thị giác máy để tìm ra các khiếm khuyết ở mức độ vi mô trong các sản phẩm mà đơn giản là không thể được xác định bằng cách sử dụng mắt của con người. Một thuật toán Machine Learning có thể được đào tạo trên một số lượng hình ảnh tương đối nhỏ và mang lại kết quả tuyệt vời.

Công nghệ này có một số case study khác nhau nhưng chủ yếu nhắm vào các thách thức giải quyết trong ngành sản xuất bao gồm, nhưng không giới hạn ở các khâu :

  • kiểm tra
  • kiểm soát và tự động hóa
  • hiệu chuẩn và điều chỉnh
  • xác định vấn đề tự động

KẾT LUẬN

Trong bài đăng trên blog này, chúng tôi đã xem xét 10 ví dụ về tầm nhìn máy móc trong sản xuất, chúng tôi đã đề cập mọi thứ từ dệt may đến dược phẩm và ỨNG DỤNG trí tuệ nhân tạo và Deep Learning cũng tạo ra tác động đến không gian thị giác máy dưới dạng nhận dạng hình ảnh.

Chúng tôi hy vọng rằng bằng cách đọc này, bạn đã hiểu thêm về cách tầm nhìn của máy có thể được áp dụng trong sản xuất.

Khi nào bạn sẽ ứng dụng Machine Vision vào trong doanh nghiệp của bạn ?

Chia sẻ:
Tags:
TOP HOME