Az automatizált minőségellenőrzésről sokáig komplex ipari kamerarendszerek, nagy teljesítményű számítógépek és jelentős beruházási költségek jutottak eszünkbe.
A gépi tanulás és az Edge AI fejlődése azonban alapvetően változtat ezen a képen. Egy korszerű vizuális ellenőrző rendszer intelligenciájának ugyanis nem feltétlenül magában a kamerában kell lennie: a képrögzítés és a képelemzés külön eszközön is megvalósítható.
A kézi ellenőrzés korlátai
A sorozatgyártásban akár néhány másodpercenként új munkadarab érkezhet az ellenőrzési pontra. Ilyen környezetben a manuális vizsgálat nehezen skálázható. Az operátornak folyamatosan olyan eltéréseket kell felismernie, mint egy hiányzó alkatrész, hibás felirat, nem megfelelő szín, karcolás, repedés vagy rosszul elhelyezett címke.
Az emberi ellenőrzés rugalmassága jelentős előny, a monoton munkavégzés azonban fáradtsághoz vezethet. Az automatizált rendszer ezzel szemben ugyanazokat a szempontokat ismételten, azonos módon képes alkalmazni.
A cél ezért nem feltétlenül az operátor kiváltása. Sokkal hatékonyabb munkamegosztás alakítható ki, ha a gép végzi el az elsődleges ellenőrzést, az ember pedig elsősorban a rendszer által bizonytalannak vagy hibásnak minősített darabokra koncentrál.
Klasszikus gépi látás vagy mesterséges intelligencia?
A hagyományos gépi látási alkalmazások jellemzően előre meghatározott szabályok szerint működnek. A rendszer éleket kereshet, méreteket mérhet, geometriai alakzatokat hasonlíthat össze, illetve egy referenciaértékhez viszonyíthatja a vizsgált objektum jellemzőit.
Stabil gyártási körülmények és jól definiálható hibák esetén ez rendkívül hatékony megközelítés.
A probléma akkor jelentkezik, amikor nagy a termékek természetes változatossága, vagy a lehetséges hibák nehezen írhatók le egzakt szabályokkal. Itt kerül előtérbe a mesterséges intelligencián alapuló képfeldolgozás.
A gépi tanulási modellnek nem feltétlenül kell megmondani, hogy egy adott hiba pontosan milyen képpontokból vagy geometriai eltérésekből áll. Ehelyett megfelelő példák segítségével megtanítható arra, hogyan néz ki egy megfelelő, illetve egy hibás termék.
Ez különösen hasznos lehet például:
- hiányzó alkatrészek felismerésénél,
- szerelési hibák detektálásánál,
- felületi sérülések vizsgálatánál,
- nyomtatás és jelölések ellenőrzésénél,
- szín szerinti osztályozásnál,
- címkék és kódok jelenlétének ellenőrzésénél,
- különböző termékváltozatok automatikus osztályozásánál.
Hol van valójában az „intelligencia”?
Egy intelligens kamerában a képérzékelő mellett a képfeldolgozáshoz szükséges számítási kapacitás és szoftverkörnyezet is egyetlen eszközben található. Ez kompakt és ipari szempontból kényelmes konstrukció, de nem minden alkalmazásban szükséges.
A funkciók szét is választhatók.
Egy egyszerű kamera elkészítheti a képet, miközben a képfeldolgozást és a gépi tanulási modell futtatását egy különálló embedded számítógép vagy Edge AI platform végzi.
A folyamat leegyszerűsítve:
Kamera → képfeldolgozás → AI-modell → osztályozás → döntés
Az eredmény lehet például OK/NOK jelzés, hibakód, termékosztály vagy egy olyan információ, amelyet a rendszer továbbít a PLC, SCADA vagy MES felé.
Ez az architektúra azért érdekes, mert lehetővé teszi, hogy viszonylag egyszerű hardverből épüljön intelligens ellenőrzőállomás.
Edge AI: képelemzés közvetlenül a gyártósoron
Az ipari alkalmazások egyik fontos trendje az Edge AI, vagyis amikor az algoritmus nem távoli szerveren vagy felhőszolgáltatásban, hanem közvetlenül a gép vagy gyártósor közelében fut.
Egy ilyen rendszernek nem kell minden elkészített képet továbbítania egy központi szerverhez. A kamera képe helyben feldolgozható, és a hálózaton már csak az eredmény – például „megfelelő”, „hibás” vagy „további ellenőrzést igényel” – jelenik meg.
Ennek több gyakorlati előnye van:
- Kisebb késleltetés: a döntés közvetlenül az ellenőrzési ponton megszülethet.
- Alacsonyabb hálózati terhelés: nem szükséges folyamatosan nagy mennyiségű képadatot továbbítani.
- Egyszerűbb integráció: az eredmény digitális jelként vagy ipari kommunikációs kapcsolaton keresztül továbbadható a vezérlésnek.
- Jobb skálázhatóság: több önálló ellenőrzési pont alakítható ki a gyártási folyamat különböző szakaszain.
A kamera önmagában nem elég
A gépi látási projektek egyik gyakori hibája, hogy túl nagy figyelem jut a kamera felbontására, miközben a képalkotási körülmények háttérbe szorulnak.
Pedig egy AI-modell sem tud megbízható döntést hozni, ha a bemeneti kép minősége folyamatosan változik.
Ezért kritikus jelentőségű a megfelelő világítás. A fény intenzitásának, irányának, színhőmérsékletének és a környezeti fény kizárásának ugyanolyan fontos szerepe lehet, mint magának a kamerának.
Egy egyszerű ellenőrzőállomás ezért tipikusan az alábbi elemekből épülhet fel:
kamera + világítás + jelenlétérzékelő + Edge AI vezérlő + kommunikáció + gépi vezérlés
A jelenlétérzékelő jelzi, mikor érkezett a munkadarab a megfelelő pozícióba. A kamera elkészíti a képet, az Edge eszköz lefuttatja a modellt, majd az eredmény alapján a vezérlés továbbengedi vagy eltávolítja a terméket.
Nem kell rögtön komplett ipari rendszert építeni
Az AI-alapú minőségellenőrzés egyik legnagyobb előnye, hogy a koncepció viszonylag kis léptékben is kipróbálható.
Egy Proof of Concept projekt első lépése nem feltétlenül egy komplett gyártósori integráció. Célszerű először kiválasztani egy jól körülhatárolható problémát, például egy alkatrész jelenlétének vagy egy címke megfelelő elhelyezésének ellenőrzését.
Ezután létrehozható egy tesztállomás kamerával és kontrollált megvilágítással. Összegyűjthetők a megfelelő és hibás termékek képei, majd ezek segítségével betanítható és validálható a modell.
A pilot során már mérhető a rendszer valódi teljesítménye: mennyi hibát ismer fel, milyen gyakran ad téves riasztást, mennyi idő alatt születik döntés, illetve mennyire stabil különböző gyártási körülmények között.
Csak ezek után érdemes dönteni a nagyobb léptékű integrációról.
Arduino UNO Q mint Edge AI platform
A TME által bemutatott megközelítés egyik példája az Arduino UNO Q alkalmazása. A platform alkalmas olyan demonstrátorok és Proof of Concept rendszerek kialakítására, amelyeknél a kameraképek feldolgozása és a gépi tanulási modell futtatása helyben történik.
Egy lehetséges architektúra:
Kamera → Arduino UNO Q → képelőkészítés → ML-modell → osztályozás
Az osztályozás eredménye ezt követően több irányba továbbítható:
→ OK/NOK jelzés
→ operátori értesítés
→ PLC / SCADA / MES
A rendszer további érzékelőkkel, LED-es világítással, kommunikációs modulokkal vagy kezelőfelülettel egészíthető ki.
Mikor indokolt mégis az intelligens kamera?
Az Edge AI megjelenése nem jelenti azt, hogy a klasszikus intelligens kamerák szükségtelenné váltak.
Egy ipari smart camera továbbra is kiváló választás lehet, ha robusztus, kompakt, hosszú távon támogatott és gyorsan integrálható kész megoldásra van szükség. Nagy sebességű gyártósoroknál, szigorú ipari környezetben vagy validált folyamatok esetében ezek a tulajdonságok különösen fontosak.
A különálló kamera és Edge AI platform előnye elsősorban a rugalmasság. Könnyebb kísérletezni különböző modellekkel, kamerákkal és algoritmusokkal, ezért prototípusokhoz, fejlesztésekhez és egyedi gépekhez különösen vonzó megoldás lehet.
A kérdés tehát nem az, hogy kell-e intelligens kamera
A modern minőségellenőrzésben egyre kevésbé az egyes komponensek intelligenciája a meghatározó. Sokkal fontosabb, hogyan működik együtt a képalkotás, a világítás, az adatfeldolgozás, a gépi tanulási modell és a gyártási folyamat vezérlése.
Egy jól megtervezett rendszerben a kamera akár viszonylag egyszerű eszköz is lehet, miközben az intelligenciát egy kompakt Edge AI platform biztosítja.
Ez pedig az automatizált vizuális minőségellenőrzést olyan projektek számára is elérhetővé teszi, ahol korábban egy komplett professzionális látórendszer beruházási költsége vagy komplexitása akadályt jelentett.
A technológiai belépési küszöb tehát csökken. A siker kulcsa azonban továbbra sem pusztán az AI-modell: a megfelelő képalkotás, a reprezentatív tanítóadatok, a stabil megvilágítás és a gyártási folyamatba történő átgondolt integráció együtt határozza meg, hogy egy látórendszer laboratóriumi demonstrációból valóban megbízható ipari megoldássá válik-e.
Ha feliratkozik a Műszaki Magazin Hírlevelére, sosem marad le a híreinkről! További friss híreket talál a Műszaki Magazin főoldalán! Csatlakozzon hozzánk a Facebookon is!
