Laboratorium Elastycznych Systemów Produkcyjnych
Mateusz Bartkowiak Beata Drzymała Małgorzata Matuszak Natalia Znojkiewicz
Data oddania sprawozdania: 08.04.2015r.

Ćw. 4 „Systemy identyfikacji wizyjnej w elastycznej produkcji”

1.Algorytm ustalania wspólnego układy współrzędnych dla kamery i robota przemysłowego.

1. Uruchomienie podglądu kamery.

2. Ustawić na palecie, pod kamerą, kartkę papieru A3.

3. Narysować krzyże w narożnikach obrazu widocznego w podglądzie.

4. Zamocować w chwytaku narzędzie zakończone stożkiem.

5. Ustawić w kontrolerze robota narzędzie: ChwytakCylindra.

6. Ustawić w kontrolerze robota układ współrzędnych: Narzędzia.

7. Ustawić w kontrolerze robota rodzaj ruchu: Reorientacja.

8. Sprawdzić czy wierzchołek stożka pozostaje nieruchomy podczas poruszania drążkiem.

9. W kontrolerze robota przejść do Menu → Dane Programu → wobjdata.

10. Zdefiniować układ robota z wcześniej ustalonym układem kamery poprzez polecenie Nowy.

11. Zmienić metodę na 3-punktową.

12. Zmienić układ współrzędnych na: Bazowy i rodzaj ruchu na: Liniowy.

13. Wskazać i zapisać wszystkie niezbędne punkty.

14. Wyjąć wskaźnik z chwytaka.

15. Zmierzyć odległości między punktami na wzorcu.

16. Obliczyć rozdzielczość obiektu k ze wzoru:

$$k = \frac{1}{4} \bullet \left( \frac{X_{maks1}}{n_{u}} + \frac{X_{maks2}}{n_{u}} + \frac{Y_{maks1}}{n_{v}} + \frac{Y_{maks2}}{n_{v}} \right)$$

2. Algorytm wykrywania zadanych elementów przez system wizyjny.

1. Utworzyć nowy program w oknie głównym programu IVC Studio.

2. Utworzyć tabele danych.

3. Potwierdzić przypisanie programu i tabeli do urządzeń.

4. Wstawić funkcję Grab Setup.

5. Wstawić funkcję Grab.

6. Wywołać obie funkcje klawiszem F5.

7. Dopasować parametry każdej z funkcji.

8. Wstawić funkcję ROI Rectangle.

9. Uzupełnić parametry.

10. Wstawić funkcję Binarize.

11. Kliknąć przycisk Setup.

12. Wybrać numer kroku w którym zdefiniowano ROI, oraz wartości graniczne algorytmu binaryzacji.

13. Wstawić funkcję Shape Locator.

14. Wcisnąć przycisk Edit Shape.

15. Zaznaczyć kształt prostokątem.

16. Podać współrzędne punktu referencyjnego.

17. Zaznaczyć możliwość skalowania i obrotu.

18. Sprawdzić działanie algorytmu, przestawiając przedmiot w różne miejsca.

19. Odczytać położenie na obrazie wybranego obiektu.

20. Przekształcić współrzędne dane w pikselach na rzeczywiste wg wzorów:

x = k • u

y = k • v

1. Przemieścić manipulator na wyznaczoną pozycję.

2. Sprawdzić, czy można uchwycić przedmiot na podstawie danych uzyskanych
   z kamery.

3. Wykonane obliczenia.

Obliczenie rozdzielczości obiektu:

$$k = \frac{1}{4} \bullet \left( \frac{X_{maks1}}{n_{u}} + \frac{X_{maks2}}{n_{u}} + \frac{Y_{maks1}}{n_{v}} + \frac{Y_{maks2}}{n_{v}} \right)$$

gdzie:

X_maks1, X_maks2, Y_maks1, Y_maks2- zmierzone wymiary pola widzenia kamery
w płaszczyźnie bazowej,

n_u, n_v- liczba pikseli obrazu, dla kamery Sick 2d-m1131: n_u=1600, n_v=1200.

$$k = \frac{1}{4} \bullet \left( \frac{208}{1600} + \frac{208}{1600} + \frac{142}{1200} + \frac{142}{1200} \right) = \frac{1}{4} \bullet \left( \frac{416}{1600} + \frac{284}{1200} \right) = 0,125$$

1 piksel=0,125 mm.

Przekształcenie współrzędnych danych w pikselach na rzeczywiste:

x = k • u

y = k • v

gdzie:

x, y [mm] - współrzędne w rzeczywistym układzie współrzędnych kamery i robota,

u, v [px]- współrzędne na płaszczyźnie obrazu.

Następnym krokiem jest wyznaczenie współrzędnych rzeczywistych ze wzoru:

x = k • u

x = 1320, 545 × 0, 125 ≈ 165, 01 [mm]

oraz wyznaczyć v ze wzoru:

y = k • v

y = 437, 039 × 0, 125 ≈ 54, 63 [mm]

Za pomocą powyższych wzorów można wyznaczyć rzeczywiste położenie obiektu w oparciu o informację zapisaną w pikselach.

4. Omówienie wpływu zmienianych na zajęciach parametrów na działanie programu
identyfikacji wizyjnej.

Podstawą systemu wizyjnego, pracującego przy kontroli jakości na liniach produkcyjnych, są czujniki wizyjne. Podczas przeprowadzenia doświadczenia modyfikowano parametry działania programu identyfikacji wizyjnej w środowisku IVC Studio takich jak:

• czas ekspozycji - parametr ten odpowiada bezpośrednio za ilość swiatła padającego na sensor. Przy odpowiednim dobraniu ilości światła uzyskany obraz posiadał ostre kontury, co jest niezbędne do wykrywania obiektów

• wpływu aktywowania dodatkowego oświetlenia na jakość obrazu – dodatkowe światło ma na celu uzyskanie równomiernego oświetlenia całego stołu. Pozwala to poprawić jakość procesu wykrywania poprzez wzrost powtarzalności warunków obserwacji.

• zastosowanie binaryzacji, czyli przekształcania obszaru w odcieniach szarości
  na obraz czarno – biały. Narzędzie to pozwala na zamienienie obrazu w skali szarości
  na obraz czarno-biały, co zwiększa szanse na prawidłową identyfikację obiektów

5. Wnioski na temat przydatności opracowanego rozwiązania w praktycznych zastosowaniach.

5.1. Możliwości techniczne systemów wizyjnych

Systemy wizyjne umożliwiaja automatyzację procesów porzez identyfikacje wyrobów, weryfikacje ich położenia, a także sprawdzenie poprawności wykonania produktu.

W związku z tym uczestniczą w wielu etapach produkcji m. in. podczas podstawowego procesu produkcji, podczas obróbki oraz procesu pakowania.

5.2. Zaletami wykorzystywania systemów wizyjnych jest:

• Oszczędność czasu będą wynikiem skrócenia czasu trwania procesu

• Możliwość zastosowania w produkcji taśmowej i wielkoseryjnej

• Podniesie jakości produkcji. Systemy wizyjne pozwalają na zapewnienia identyfikalności produktów na wszystkich etapach produkcji. Automatyczna identyfikacja procesów pozwala w sposób wydajny i szybki weryfikować produkty.

• Różnorodność systemów wizyjnych pozwala na dobranie odpowiedniego rozwiązania konkretnego problemu (jedna operacja, albo ciąg operacji) - można zastosować urządzenia o zróżnicowanych możliwościach obliczeniowych.

• Możliwa jest praca urządzenia w różnych wymiarach: 2D (paletyzacja
  na płaszczyźnie); 2,5D (paletyzacja w 3 wymiarach), 3D (określanie pozycji dużych obiektów np. lakierowanie samochodów), 3D stereo (odnajdywanie krawędzi) oraz 3D stereo multi (montowanie szyb do samochodów).

5.3. Ze względu na szerokie spektrum zastosowań systemów wizyjnych są one stosowane|
w takich gałęziach przemysłu jak:

• Przemysł spożywczy oraz farmaceutyczny, które wymagają wysokiego poziomu kontroli jakości i znakowania poduktów. Nie można wyobrazić sobie obecnie funkcjonowania linii produkcyjncyh w tych branżach bez korzystania z systemów wizyjnych. Systemy wizyjne pozwalają na sprawdzanie takich parametrów jak: data przydatności produktu do spożycia, szczelność zamknięcia opakowania, sprawdzania czystości opakowań. Odpowiednio zaprogramowane do współpracy roboty i systemy wizyjne pozwalają na sortowanie drobnych elementów np. czekoladki, zupki ułatwiając proces pakowania.

• Motoryzacja. W przemyśle motoryzacyjnym systemy wizyjne pozwalają sprawdzić m.in. prawidłowość elementów montażu.

• Przemysł maszynowy wykorzystuje systemy wizyjne przedewszystim do kontroli powierzchni obrabianej (z dokładnością na poziomie pojedynczych mikrometrów

A także innych gałęzi przemysłu takich jak: elektronika, branża kosmetyczna, logistyka itp.