MachineVision.dk

Her præsenteres en fremgangsmåde til udvikling af et funktionsdygtigt MachineVisionsystem - baseret på et litteraturstudium, udførte forsøg, løste MachineVision-opgaver samt samtaler med danske eksperter indenfor MachineVision-området.
Denne guide er, primært, udarbejdet til personer med indblik i MachineVision-teknologien, der ønsker at erhverve konkret viden omkring, hvorledes en MachineVision-opgave gribes an, samt hvordan et MachineVision-system udvikles, konstrueres og implementeres i praksis.

Indhold:

Indledning
Iværksættelse
Design
Verifikation
Implementering
Sammenfatning

Indledning:

MachineVision er en teknologi, som potentielt kan give markante forbedringer af virksomheders produktionsapparater, samtidig med at både økonomisk vinding og cutting-edge-viden opnås. MachineVision-projekter kan imidlertid blive en dyrekøbt erfaring for virksomheder, der ikke er bevidste om teknologiens kompleksitet, og hvad der kræves for at gennemføre et egentligt MachineVision-projekt i praksis. Derfor bør det understreges, at et succesfuldt MachineVisionprojekt tager sit udspring i kendskab til teknologiens basale principper. Det tilrådes derfor læseren af denne guide, som minimum, at gøre sig bekendt med de teoretiske dele, hvis fuldt udbytte af guiden ønskes.

Det vigtigste skridt, under udviklingen af et MachineVision-system, er at forstå den givne applikations forudsætninger. Herved tilvejebringes et klart billede af målet med at implementere MachineVision og ydermere skabes realistiske forventninger til systemets formåen og virkefelt. Det er derfor essentielt, at virksomhederne er bevidste om, hvor og hvorledes MachineVision kan implementeres, samt hvor teknologien bør undlades.

En vigtig erkendelse er således, at virksomhederne klargører, om MachineVision i det hele taget er den rigtige løsning, set i forhold til andre procesforbedrende tiltag, samt i hvilken grad det er hensigtsmæssigt at designe/redesigne processen og/eller produktet. Det kræver indblik i MachineVision-teknologiens potentiale, at tage denne beslutning, ligesom arbejdsbyrden, der kræves for at fuldføre projektet, bør gøres klart. Denne guide udgør en hjælp til at træffe denne beslutning.

Et MachineVision-projekt er meget omfattende, hvorfor planlægning og styring udgør væsentlige aspekter. Typisk kortlægges et MachineVision-projekt gennem følgende fire trin, der tilsvarer opbygningen af denne guide:

Iværksættelse - forhold som skal afklares inden projektets påbegyndelse.
Design - konstruktionsskridt i forhold til fremstilling af MachineVision-systemet.
Verifikation - efterprøvning af MachineVision-systemets robusthed.
Implementering - omhandlende opsætning af MachineVision-systemet.

Den primære fordel, ved implementering af MachineVision, er økonomisk vinding som følge af sparede medarbejdertimer og reduceret spild, men det forventes desuden, at funktionsdygtige og robuste MachineVision-systemer højner produktkvaliteten som følge af foretagelse af objektive og ensartede proceshandlinger over tid. Endvidere bidrager MachineVision-teknologien til afskaffelse af EGA- og EBA-prægede processer.
Under iværksættelsen af et MachineVision-projekt skal følgende forhold afklares:

I ethvert projekt er det essentielt at have en person - den såkaldte primus motor - der viser stort engagement og villighed til at føre projektet til ende, indenfor den satte tidsramme. Denne er personligt afhængig af projektets succes og sørger for, at projektet fremskrider som planlagt.
Herudover udgør primus motor kommunikationsleddet mellem udviklingsafdelingen og ledelsen.

Opbakning fra virksomhedens ledelse er afgørende for ethvert projekts succes, idet det tildelte økonomiske fundament bestemmer projektets gennemførelse. Under præsentation af projektet er det vigtigt kun at uddrage information, som er interessant for ledelsen, så som; økonomiske forhold, fordele/ulemper ved implementering samt tidsplan for afvikling af projektet.Det er vigtigt, at ledelsen ikke har daglig indflydelse, men samtidig bør denne underrettes omkring projektets fremskridt og eventuelle problemområder, løbende. Det essentielle er, at projektet fanger ledelsens opmærksomhed, hvorfor det skal opfylde nedenstående krav bedst muligt:

I ethvert udviklingsprojekt er det selvsigende, at et personale med de rette kvalifikationer kræves, hvis der ønskes en succesfuld gennemførsel. I et MachineVision-projekt kræves, som udgangspunkt, viden indenfor mange fagområder og ingeniørdiscipliner. Er der områder, virksomheden ikke selv besidder tilstrækkelige kvalifikationer indenfor, må disse erhverves, enten ved intern personaleuddannelse eller ved eksternt konsulentsamarbejde.
Det er vigtigt, at virksomheden erkender hvilke aspekter, den selv er i stand til at varetage, hvorefter fokus bør holdes her, mens de resterende områder behandles af mere kyndige.

Før den egentlige udvikling af et MachineVision-system påbegyndes, er det vigtigt at specificere den foreliggende opgave. Specifikationens primære formål er at give en kortfattet beskrivelse af behovet for samt fordele og ulemper ved implementering af et MachineVision-system. Specifikationen skal være fyldestgørende, præcis og kvantitativ, hvilket betyder, at udarbejdelsen kan være en omfattende affære. Dette betyder imidlertid ikke, at specifikationen skal betragtes som en fast forankret ramme, hvor indenfor MachineVision-systemet skal konstrueres, men derimod et grundlag for dialog og debat. Specifikationen kan således betragtes som et levende dokument, der ændres
løbende under projektets progression.
Ved udførelsen af en fyldestgørende kravsspecifikation bør følgende områder overvejes:

På baggrund af ovenstående sammenfattes en specifikation, hvorudfra det videre arbejde med selve MachineVision-delen baseres.
En kendt problemstilling er, at virksomhederne ikke besidder tilstrækkelig indsigt i MachineVisionteknologien til at specificere den foreliggende opgave tilfredsstillende. Dette betyder, at virksomhederne i stedet outsourcer opgaverne til eksterne konsulentfirmaer, der er specialister indenfor MachineVision. En sådan konsulentbistand er omkostningsfuld, idet et eksternt firma ikke besidder samme indsigt i de produktionsmæssige forhold, hvorfor der anvendes uhensigtsmæssig lang tid på specificering af selve opgaven. Derfor er det fordelagtigt, at virksomheden, som minimum, udarbejder et udkast til opgavespecifikationen. En udarbejdet skabelon til udformning heraf forefindes LINKLINKLINK.

Ofte kræves, at MachineVision-systemer er i stand til at skelne produkter fra hinanden og/eller vurdere, om produkter opfylder godkendelseskrav. MachineVision-systemer udfører denne opgave via udtrækning af features samt måling heraf. Overvejelser vedrørende klassifikation skal foretages inden MachineVision-projektets påbegyndelse, hvorfor det er væsentligt at fastlægge følgende:

Konkret foretages ovenstående med udgangspunkt i produktet, men det afhænger ligeledes af processen. Hvis formålet med MachineVision-systemet er at sortere forskellige produkttyper, er det væsentligt at fastlægge det nødvendige antal features, der skal udtrækkes og måles, for at adskillelse af produkter muliggøres. Beslutninger omkring klassifikation bør dokumenteres, hvorfor produkter indsamlet, som led i at
definere produkttyper, samt produkter behæftet med forskellige fejltyper, bør gemmes. Når det er besluttet, hvilke features som skal udtrækkes, kan der vælges mellem to hovedtyper af metoder til fastlæggelse af middelværdi og varians herfor:

Hvilken af disse metoder, som bør benyttes, afhænger af, hvilke produkttyper der er tale om. Er de inspicerede produkter af typisk industriel karakter, hvilket betyder, at variationen afhænger af foregående produktionsprocesser, anvendes førstnævnte metode - således skal featureværdierne opholdes mod fastsatte toleranceintervaller.

Er de inspicerede produkter af en sådan natur, at det er nødvendigt at fastlægge middelværdien og variansen ud fra måling og/eller visuel inspektion af selve produkterne, benyttes sidstnævnte metode. Dette er eksempelvis tilfældet under inspektion af organiske produkter, hvor variationen, til dels, er ukontrollerbar.
Inspiceres en vilkårlig produktpopulation, vil anvendelsen af et MachineVision-system, uundgåeligt, medføre forekomst af to statiske fejltyper:

Til styring af forholdet mellem fejltyperne anvendes en thresholdværdi, som vist på ovenstående figur. Fastsættelsen af thresholdværdien afhænger af produktets natur og træffes af virksomhedens kvalitetsansvarlige - typisk på baggrund af økonomiske kalkulationer. Er der tale om en opgave, der kræver identifikation/adskillelse af forskellige produkttyper, er det nødvendigt at udtrække flere features, for at egentlig klassifikation kan foretages - jævnfør nedenstående figur.

Grunden til, at det er nødvendigt at udtrække flere features er, at det er svært at adskille forskellige produkter på en robust måde, ud fra blot en enkelt feature, idet markante overlap typisk vil forekomme. Der kan her drages analogi til forekomsten af falske positiver og falske negativer.
Hvis der anvendes flere features skal man imidlertid være bevidst om, at afhængigheden herimellem skal medtages, idet de opstillede kriterier ellers medfører accept af dårlige produkter.
På ovenstående figur ses et to-dimensionelt feature-rum, hvorindenfor klassifikation af to forskellige produkter skal foretages. Normalfordelingerne fremviser, hvorledes de to features er fordelt for de enkelte produkter. Det essentielle på denne figur er afbildningen af afhængighederne mellem varianserne - de såkaldte kovarianser - idet disse giver de korrekt lokaliserede og orienterede områder for de forskellige produkttyper - dette i form af ellipser. Hvis ikke afhængigheden mellem varianserne
medtages, opnås i stedet områder i form af rektangler, der udspænder et for stort område, hvilket vil sige, at fejlprodukter er inkluderet i acceptområder. Der er imidlertid stadig mulighed for opståelse af falske positiver og falske negativer - dette set i forhold til klassifikationen mellem de to produkttyper - idet der forefindes overlap mellem produkttypernes områder. Dette kan imidlertid elimineres, hvis et større antal features udtrækkes.

Gennem specifikationen af den foreliggende opgave - punkt 4 - er der opnået tilstrækkelig indsigt i problemstillingen til at skitseprojektere en mulig løsning. Indledningsvis bør der her gøres overvejelser omkring udgangspunktet for implementeringen af MachineVision.
MachineVision kan implementeres i produktioner efter to stategier; enten tilføjes MachineVision en eksisterende proces, alternativt udvikles processen og/eller produktet med henblik på anvendelsen af MachineVision. Af disse strategier giver sidstnævnte åbenlyse fordele, idet udvikleren af systemet således har relativt frie hænder. Skal MachineVision implementeres i en eksisterende proces er udvikleren derimod, i langt højere grad, begrænset.
Løsningsskitsen skal som udgangspunkt redegøre for følgende:

På baggrund af ovenstående er grundlaget skabt for at give et realistisk bud på hvilket udstyr, som kræves for at løse opgaven, samt omfanget af procesændringerne. Herudfra er det muligt at give et foreløbigt estimat af omkostningerne ved opsætning af løsningen.

Ethvert projekt har et økonomisk aspekt, der ofte har en afgørende indflydelse på, om dette vælges gennemført eller ej. I tilfælde, hvor der er flere løsningsforslag, er det således ofte lønsomheden, som er afgørende for løsningsvalget. Det vil sige, at omkostningerne til etablering af MachineVisionsystemet, skal opvejes mod produktionsprocessens levetid samt omkostningerne forbundet med udførelse af processen på nuværende tidspunkt, eksempelvis løn- og spildomkostninger. Viser disse
beregninger, at udgifterne til etableringen af MachineVision-systemet overstiger de nuværende omkostninger, bør det videre overvejes, om MachineVision kan anvendes andetsteds i produktionen, efter processens levetid er udløbet, eller om virksomheden kan drage nytte af MachineVisionteknologien, som et led i en langsigtet automatiseringsstrategi.

Omkostningerne til etablering af MachineVision, i produktionsmæssigt henseende, inddeles, typisk, i følgende to hovedkategorier:

Nogle af opstartsomkostningerne er naturligvis svære at estimere, idet der kan forekomme løbende ændringer, hvilket er tilfældet, hvis forhold omkring processen enten er udeladt i opgavespecifikationen eller er direkte forkerte. Når omkostningerne er estimeret, haves et beslutningsgrundlag, der kan anvendes til endelig vurdering af, om projektet bør gennemføres eller ej.

De nødvendige testprocedurer - FAT og SAT - bør fastlægges indledningsvist, idet disse udgør grundlaget for, om der kan opnås enighed mellem sælger/køber eller udvikler/ledelse. Typisk udføres en FAT-test, når systemet er klar til installation, mens en SAT-test udføres efter installation - det vil sige, når systemet er klar til egentlig driftsindsættelse. FAT- og SAT-testene bør, som udgangspunkt, omhandle følgende områder:

Selvom det ikke er essentielt, at testprocedurerne foreligger ved projektets påbegyndelse, er det alligevel en god idé, at de gør, idet udvikleren herved opnår uvurderlig indsigt i, hvorledes systemet kan designes, og dermed ikke skal til at ændre designet sidst i projektfasen. Ændringer sidst i designfasen bør nemlig undgås, idet de afholdte omkostninger relateret hertil er uhensigtsmæssigt høje - jævnfør nedenstående figur.

Testprocedurerne kræver et repræsentativt sæt af testemner, der udspænder hele området af produkter, som MachineVision-systemet skal kunne håndtere. De indhentede testemner bør kalibreres - eksempelvis "5,84 mm" eller "dette er en fejl 3 ". Sættet af testemner bør indhentes så tidligt i projektet som muligt, idet det er dimensionerne for væsentlige faktorer. Desuden er det således, at der, under systemudvikling, ikke forefindes erstatninger til at kunne placere emner under
et kamera, idet dette udgør verifikationens kerneelement.

Udgangspunktet for ethvert MachineVision-projekt er kendte egenskaber for produktet og processen - herudover kendes også det ønskede output. Ud fra de kendte in- og outputs er det muligt for udvikleren at fastlægge de mellemliggende operationer, der kan relateres til henholdsvis billederhvervelse og billedprocessering. Typisk skal følgende designskridt og komponentudvælgelser gennemløbes:

Hvis det er muligt at gennemløbe ovenstående designskridt og samtidig finde passende og kompatibelt udstyr til opgaven, kan det endeligt konstateres, at teknisk gennemførelse er mulig. Gennemløb af de nødvendige designskridt er en iterativ proces, hvilket betyder, at de ikke nødvendigvis kan udføres kronologisk. Således er det ofte nødvendigt at springe tilbage og gøre nye overvejelser i løbet af projektudførelsen.
I det følgende gennemgås designskridtene kortfattet. Som hjælp til udregning kan programmet XXX bruges LINKLINKLINK.

Indledningsvist vælges en kameratype, som passer til applikationen - dette med udgangspunkt i den udarbejdede specifikation. Kameratypen refererer, i denne sammenhæng, til valget mellem 1D- eller 2D-kamera, altså mellem line-scan eller area-scan. Som udgangspunkt er det de givne produkt- og procesforhold, der danner grundlag for udvælgelse af den korrekte kameratype.

Area-scan-kameraer afbilleder hele synsfeltet på én gang og foretrækkes, hvis:

Line-scan-kameraer afbilleder produktet kontinuert samt i høj opløsning, og foretrækkes, hvis:

Line-scan-kameraer nødvendiggør anvendelse af en framegrabber, hvilket betyder, at kameraløsningen bliver omkostningstung. Som følge heraf samt dens alsidighed, er area-scan den hyppigst benyttede kameraløsning.

Kameraplaceringen er afhængig af de features, der ønskes undersøgt, men typisk placeres kameraet vinkelret på emnet for at mindske perspektivfejl. Hvis kameraet placeres vinklet i forhold til emnet, er det nødvendigt at foretage kalibrering i forhold til perspektivfejl, via den anvendte software - jævnfør punkt 9 og 10. Er det ikke muligt at placere kameraet i den ønskede position, kan spejle med fordel benyttes. Grundlæggende kan der være tale om to scenarier, når kameraet skal placeres:

Ud over de givne produkt- og procesforhold spiller lyssætningen også en væsentlig rolle, hvorfor kameraplacering og lyssætning altid bør overvejes i forening - jævnfør punkt 8.

Ud fra den valgte kameratype og fastlagte kameraplacering, er det muligt at beregne det nødvendige synsfelt. Dette gøres ved hjælp af følgende udtryk:

, hvor:
FOV er det krævede synsfelt (fastlagt ud fra en horisontal (FOVx) og vertikal (FOVy) udbredelse).
Dp er den største emnestørrelse i synsfeltsretningerne; horisontalt (Dp(x)) og vertikalt (Dp(y)).
Lv er den maksimale variation af emnets lokation; horisontalt (Lv(x)) og vertikalt (Lv(y)).
Pa er en procentmæssig faktor, der sikrer, at emnet befinder sig indenfor kameraets synsfelt.

Pa er en faktor, der skønsmæssigt sættes af systemudvikleren. Den kan opfattes som en ekstra sikkerhedsfaktor, idet den sikrer, at emnet ikke har mulighed for at lægge sig ved kanten af eller udenfor synsfeltet, når billedet erhverves. Pa sættes typisk i størrelsesordenen 5-10 procent i praksis - dette afhængigt af systemets robusthed og operatørens kompetencer.

En væsentlig parameter for ethvert MachineVision-system er dets evne til at identificere og måle forskellige features, hvilket danner udgangspunkt for opløsningsevaluering. Indenfor MachineVision findes fem forskellige opløsningstyper af betydning:

Formålet med opløsningsevalueringen er at bestemme den nødvendige billedopløsning - dette ud fra den udarbejdede specifikation - med udgangspunkt i fastsatte tolerancer og/eller nødvendige featureudtrækninger fra produktet. Ud fra billedopløsningen kan en afbildningssensor fastlægges, hvilket betyder, at et hensigtsmæssigt kameravalg kan foretages. Hvilke specifikke opløsninger og størrelser, der har betydning for beregningen af afbildningssensorens opløsningskarakteristika, afhænger af den givne applikation. Der fokuseres herpå i det følgende.

Indenfor MachineVision forekommer oftest to situationer, der besidder forskellige udgangspunkter i henhold til beregning af billedopløsningen - jævnfør nedenstående figur . Ud fra figuren ses, at billedopløsningen altid bestemmes med udgangspunkt i det allerede fastlagte synsfelt (FOV) samt beregning af en rumlig opløsning (Or).

På nuværende tidspunkt i projektet er det fornuftigt at vælge typen af processeringshardware. Dette valg fastlægges med udgangspunkt i en række retningslinjer, der primært kan relateres til cost-benefit -overvejelser og umiddelbare applikationskrav. Der eksisterer, som udgangspunkt, fire forskellige typer af processeringshardware indenfor MachineVision:

PC-baseret
I PC-baserede MachineVision-systemer indgår en almindelig computerenhed. Ofte kobles kameraet direkte til én af PC'ens tilslutningsporte, eksempelvis Firewire eller USB, eller til en framegrabber, der er implementeret i PC’en som indstikskort. I og med billedprocesseringen foregår på PC'en, haves mulighed for udførelse af krævende beregninger og algoritmer. Der er ligeledes mulighed for at koble et PC-baseret system op med databaser og internet. Benyttelse af PC-baserede systemer giver desuden hardwaremæssige udvidelsesmuligheder - dette via større CPU-kraft eller flere RAM.
Der er således gode udbygningsmuligheder, hvis der skal udføres større eller flere beregninger, end først antaget. Ydermere er en fordel ved de PC-baserede systemer, at de er producent-uafhængige, hvorfor både hard- og software kan vælges vilkårligt.

Integreret system
Et integreret Vision-system er en totalløsning med indbygget processeringsenhed, framegrabber og software, der varetager både billedopsamlingen og billedprocesseringen. Kameraer kan kobles direkte til systemet, som desuden kan kobles på et netværk og dermed styres og ændres decentralt. Fordelene herved er, at flere Vision-systemer kan styres fra samme hovedcomputer og alligevel fungere som
selvstændige enheder. Sådanne systemer giver ofte rig mulighed for at tilkoble tilstødende udstyr, da systemerne, typisk, er udstyret med digitale I/O-porte. De integrerede systemer besidder en beregningskraft, der ligger under de PC-baserede systemer, og en umiddelbar ulempe ved de integrerede systemer er desuden, at de er producent-afhængige.

Integreret kamera
Et integreret kamera - også kaldet SmartCamera - er en løsning, hvor både billedopsamling og billedprocessering foregår i selve kameraenheden - dette via en integreret DSP19. Kameraet kobles på et netværk, således dette kan programmeres decentralt. Ulempen ved SmartCameras er imidlertid, at beregningskraften og billedprocesseringsudvalget er mindre end i PC-baserede og integrerede
systemer, hvorfor de kun bør overvejes ved mindre krævende opgaver. Ydermere er SmartCameras producent-afhængige.

Vision-engine
Vision-engines består af én eller flere højhastighedsprocessorer, lignede et cluster, hvorfor den mulige beregningskraft overstiger de andre typer markant. Imidlertid er Vision-engines omkostningstunge og der kræves typisk specielle programmeringsegenskaber i henhold til opsætning og implementering heraf. Derfor bør disse udelukkende vælges ved yderst krævende opsamlings- og/eller processeringsopgaver, hvor valget kan retfærdiggøres.

Udvælgelseskriterier
Under udvælgelse af processeringssystem er der flere parametre, som bør overvejes. De primære er udvælgelsesparametre, der skal tages stilling til, ses i nedenstående tabel. I tabellen er processeringsenhederne vægtet i mod hverandre med pointtildeling fra 1 til 4; hvor 4 er bedst og 1 er dårligst.

Det er problematisk at give kvantificerbare værdier for valg af processeringstype til et vilkårligt MachineVision-projekt, eftersom dette afhænger af projektets tekniske og økonomiske forhold. Det er imidlertid altid således, at vurdering af pris og funktionalitet danner grundlag for en cost-benefitanalyse. En tommelfingerregel er, at processeringsenheder med større funktionalitet og regnekraft medfører højere pris. Vurderes eksempelvis, at applikationen kun kræver ét kamera samt et minimum
af billedprocessering, vil et SmartCamera20 være en oplagt løsning. Kræves mere end et kamera vil et integreret system kunne udføre opgaven, dog stadig med begrænset regnekraft. Funktionaliteten af billedprocesseringen i førnævnte løsninger viser sig imidlertid ofte utilstrækkelig, idet softwaren er dedikeret til den pågældende hardware. Valget falder derfor ofte på PC-baserede systemer, da disse er mere alsidige og kan udføre flere komplekse algoritmer i forhold til SmartCameras. Kræves markant beregningskraft, anbefales valg af en Vision-engine.

Ud fra den fastlagte kameratype, enten area- eller line-scan, samt de beregnede opløsninger, er det muligt at vælge det egentlige kamera. Hertil hører en vurdering af, om applikationen kræver brug af en framegrabber, idet dette påvirker kameravalget. Kameraudvælgelsen foretages med udgangspunkt i følgende overvejelser:

Farve- eller monokromafbildning
Indledningsvist klarlægges, om produktets farve er af egentlig betydning. Farvekameraer udgør generelt en dyrere løsning, end tilsvarende monokrome, hvorfor det bør fastlægges, om selve farven er nødvendig, eller om blot intensiteten heraf er nok til udgørelse af featuremålet. I sidstnævnte tilfælde vil et monokromt kamera være i stand til at udføre opgaven, eftersom farven således repræsenteres tilstrækkeligt i gråtoneværdier.

Analog eller digital
Kameravalget indsnævres yderligere ved at bestemme, om der ønskes anvendelse af et analogt eller digitalt kamera. De analoge kameraer er af ældre dato og kræver brug af en framegrabber, hvorfor disse udelukkende bør overvejes, hvis følgende punkter er gældende:

Analoge kameraer er generelt på vej ud af MachineVision-markedet, men enkelte producenter har stadig analoge løsninger i rest, hvorfor disse kan erhverves billigt i forhold til tilsvarende digitale, dog skal der altid afholdes udgifter til en framegrabber. I det følgende fokuseres, imidlertid, udelukkende på valg af digitalkameraer.

Sensoropløsning
Ud fra den fastlagte teoretiske billedopløsning - jævnfør punkt 4 - skal en tilgængelig sensoropløsning vælges, idet dette er dimensionerende for det egentlige kameravalg. Der skal naturligvis vælges en afbildningssensor med et pixelnet, som er større end den krævede billedopløsning24. Imidlertid bør det også tilstræbes, at sensoropløsningen ikke bliver markant større end nødvendigt, idet afbildningssensorens videresendelse af billeder herved forlænges, og kameraløsningen bliver dyrere.

Bustype
Hastigheden, med hvilken kameraløsningen er i stand til at videresende data - båndbredden - er en central parameter og skal afstemmes med den applikationsafhængige processeringshastighed. Faktorerne, som øver indflydelse på båndbredden, og dermed valget af kamerabus er; opdateringshastighed,
billedopløsning samt pixelopløsning. Herudfra kan en minimal teoretisk båndbredde bestemmes:

Ud fra den fastlagte minimale teoretiske båndbredde kan en hensigtsmæssig kamerabustype vælges - dette med udgangspunkt i nedenstående skema:

Efter det indledende valg af bustype er det hensigtsmæssigt at beregne den egentlige opdateringshastighed, der udtrykker den teoretiske overførselstid for det givne billede:

Der skal naturligvis vælges en bustype, som er højere end den minimale teoretiske båndbredde, men valget af bustype har desuden indflydelse på, om der kræves anvendelse af en framegrabber. Vælges et interfaced kamera - kameraer der benytter RS-644 eller CameraLink - kræves brug af framegrabber. De resterende kamerabustyper - direct-connect-kameraer - fungerer uden brug af framegrabber, men der findes imidlertid applikationer, hvor en framegrabber er nødvendig, til trods for at disse vælges. Eksempler herpå er, hvis:

Sidstnævnte punkt bevirker, at framegrabbers anvendes indenfor mange applikationer, idet denne er i stand til at styre triggersignaler mellem de forskellige komponenter. Herved begrænses datamængden, idet produktets placering kan bestemmes præcist ved brug af aktiveringssensor(er). Under valg af eventuel framegrabber bør kompatibillitet med tilstødende hardware, som; kamera, computer og operativsystem, kontrolleres. Til kameraudvælgelse er der god hjælp at hente på forskellige producenters hjemmesider, hvor der ofte forefindes en interaktiv udvælgelsesguide.

Efter udvælgelsen af kameraet, er det muligt at vælge en passende linse, hvilket involverer følgende tre overordnede trin:

Valg af linsetype
Stort set alle linsetyper kan anvendes og har været benyttet indenfor MachineVision, men følgende linsetyper dominerer:

Bestemmelse af fokallængden
Bestemmelse af fokallængden foretages med udgangspunkt i Thin Lens Model. Anvendelse af denne model medfører moderate afvigelser i forhold til den aktuelle
opsætning, men betragtes som tilstrækkelig i dette tilfælde. Fokallængden kan beregnes ud fra følgende udtryk:

, hvor:
L1 er arbejdsafstanden - det vil sige afstanden mellem det inspicerede produkt og linsen.
β = Sensorstørrelse, horisontal/ FOV, horisontal udtrykker den såkaldte forstørrelsesfaktor.

Imødekommelse af dybdeskarphed
Dybdeskarpheden, DOF, er afhængig af den foreliggende opgavespecifikation, og udgør derfor en kendt størrelse. Ud fra den krævede dybdeskarphed kan et hensigtsmæssigt f-stop-nummer beregnes:

, hvor:
r er halvdelen af afbildningssensores enkelte pixels i fysiske dimensioner.

F-stop-nummeret skal kunne imødekommes af den valgte linse, for at linsevalget, som helhed, kan betragtes som fyldestgørende og hensigtsmæssigt - set i forhold til applikationen.

Generel fremgangsmåde
Ud fra ovenstående betragtninger er det muligt at opstille en generel fremgangsmåde i henhold til udvælgelse af en passende linse:

Som ovenstående punktopstilling viser, er der, i høj grad, tale om en iterativ proces, hvortil programmet XXX kan bruges LINKLINKLINK.
Til linseudvælgelse er der hjælp at hente på forskellige producenters hjemmesider, hvor der ofte forefindes en interaktiv udvælgelsesguide. Links hertil forefindes på www.machinevision.dk.

Det overordnede mål for lyssætningen indenfor et MachineVision-system er, at afbildningssystemet hjælpes bedst muligt til uddragelse af features af interesse. Ved valg af lyssætning spiller de givne produkt- og procesforhold samt kameraplaceringen afgørende ind, hvorfor det er svært at formulere generelle retningslinjer. Følgende afsnit bør derfor kun betragtes som retningsvisende.

Lyssætningsparametre
Grundlæggende kan der stilles på følgende fire parametre, når lyssætningen til et MachineVisionsystem designes:

Som ovenstående punktopstilling viser, giver disse designskridt mulighed for stor variation, i forhold til guidens andre designskridt. Derfor er det hensigtsmæssigt at fastlægge lyssætningen sent i projektforløbet, idet designet af denne er afhængig af mange af de andre designskridt.

Procesmiljøets interaktion med lyssætningen
En afgørende faktor i et MachineVision-system er opnåelse af robusthed, hvilket vil sige ensartet drift, på trods af moderate ændringer. Lyssætningen øver kraftig indflydelse herpå og ændres lyset vil inputtet til billedprocesseringsdelen ligeledes ændres. På baggrund heraf tilstræbes, at lysforholdene påvirkes mindst muligt af procesrelatede forhold, hvorfor følgende bør overvejes:

Ekskludering af omgivende lys er en væsentlig faktor, eftersom dette udgør markant hjælp til at skabe uniform belysning. I og med ensartet belysning opnås ved at stille på retnings- og intensitetsparametrene kan omgivende lys ekskluderes ved at øge det kunstige lys’ intensitet, indtil effekten af omgivende lys elimineres - eksempelvis via strobning. Ekskluderingen kan desuden opnås via afskærmning eller anvendelse af forskellige former for filtre.

Produktets interaktion med lyssætningen
Sideløbende med overvejelserne omkring processens indflydelse på lyssætningen, bør produktets interaktion hermed holdes for øje. Dette bunder i, at features, som ønskes analyseret, skal fremhæves og således stå i kontrast til baggrunden samt støj, samtidig med at forhold omkring produktet ikke forstyrrer afbildningen. Følgende produktegenskaber har indflydelse på lyssætningen:

Ovenstående punktopstilling udgør udelukkende et repræsentativt udsnit. Det bør ydermere nævnes, at det er hensigtsmæssigt at vælge en baggrundsfarve, der er tættest mulig på produktets komplementærfarve, idet den største kontrast herved skabes - jævnfør kapitel 4. Dette kontrastforhold øges yderligere ved at belyse produktet med en farve tilsvarende produktets egen eller baggrundens farve. Endvidere tilstræbes uniforme belysningsforhold indenfor området, hvor featuren af interesse er lokaliseret.

Belysningsteknikker
Den valgte belysningsstrategi viser sig ofte at afvige fra forventningen, som følge af indvirkende støjfaktorer. Derfor det er typisk nødvendigt at antage en trial-and-error -fremgangsmåde under lysopsætningen, hvor der erhverves billeder under forskellige lysforhold. Herudfra kan det vurderes, om det er muligt at udtrække de ønskede features. Nedenstående figur viser et udsnit af hyppigt anvendte belysningsteknikker indenfor MachineVision samt resultaterne heraf.

Figuren kan, som udgangspunkt, anvendes som inspiration for systemudvikleren. I praksis er det imidlertid ofte nødvendigt at kombinere flere af de viste teknikker.

Belysningskomponenter
Efter én eller flere belysningsteknikker, som tager højde for de givne proces- og produktforhold, er valgt, skal de konkrete belysningskomponenter vælges. Systemudvikleren har, som udgangspunkt, følgende lampetyper at vælge i mellem:

Hvilken lampetype, eller lampetyper, der bør vælges, er afhængig af faktorer, som; pris, intensitet, reaktionstid, ældning, etcetera. Et godt udgangspunkt ved udvikling af MachineVision-systemer er anvendelse af LED’ere.

Efter fastlæggelse af de forskellige hardwarekomponenter skal der fokuseres på billedprocesseringsaspektet.
En af de væsentligste problemstillinger, i relation hertil, er, at der ikke eksisterer
mange håndfaste regler. Derfor er der tale om anvendelse af en struktureret trial-and-error -metode, når billedprocesseringsdelen designes. Desuden spiller erfaring en væsentlig rolle. Det er naturligvis således, at hvad der er væsentligt, afhænger af den specifikke applikation, hvorfor der ofte er behov for specialtilpassede algoritmer, for at de stillede opgaver kan løses tilfredsstillende.
Det anbefales imidlertid, at der tages udgangspunkt i standardiserede billedprocesseringsalgoritmer samt modifikationer heraf, før egentlig egenudvikling iværksættes. Det er desuden fornuftigt, hvis systemudvikleren, som udgangspunkt, arbejder baglæns; det vil sige fra et specificeret mål til det ukendte indkommende billede. Den generelle billedprocesseringskronologi ses på nedenstående figur, der kan anvendes som skabelon, når den forventede billedprocessering planlægges. Videnbasen bør kunne relateres direkte til den udarbejdede kravspecifikation.

Systemudvikleren bør gennemløbe følgende fremgangsmåde, når billedprocesseringen planlægges:

Generelt kan det siges, at præprocessering og segmentering bør undlades, hvis det er muligt. Ofte kan en dedikeret indsats indenfor lys og optik skabe højkvalitetsbilleder, altså med høj kontrast og lav støj, hvilket eliminerer behovet for præprocessering. På samme måde, kan et hensigtsmæssigt design af emnefødningen til systemet afhjælpe behovet for segmentering.
Grunden til at præprocessering bør undlades, hvis det er muligt, er, at algoritmerne herindenfor er beregningsmæssigt omkostningstunge. I takt med at processeringsenheder bliver hurtigere, nedsættes processeringstiden imidlertid, men på samme tid, er billedopløsningen stigende, hvilket naturligvis forøger den beregningsmæssige byrde. Segmentering kan være kompliceret, specielt
for rørende og/eller overlappende emner. Nylig udvikling indenfor formbaseret genkendelse har imidlertid hjulpet til forøgelse af pålideligheden af segmenteringen, men det koster i forhold til beregningstiden, der øges som følge heraf.

Både billedprocesseringen og den generelle systemudvikling stiller en række fravigelige og ufravigelige krav i forhold til valget af software. Disse er:

Ud fra overvejelser omkring udviklingstid og økonomi vurderes, hvilke af de fravigelige krav, der prioriteres højst, og software, der understøtter disse bedst, vælges. En væsentlig overvejelse er desuden, om de valgte hardwarekomponenter - eksempelvis kamera og processeringssystem - stiller krav til anvendelse af producent-afhængig software - jævnfør kapitel 8. Ydermere er det essentielt, at det vurderes, om kodning af specialtilpassede billedprocesseringsalgoritmer er nødvendig - jævnfør punkt 9. Prisen på softwaren er endvidere en parameter, som er afgørende for valget, men da denne
enten kan karakteriseres som et ufravigeligt eller fravigeligt krav, afhængig af budgetteringen, er denne ikke medtaget.

I og med MachineVision-systemer er direkte procesrelaterede, er der forbundet anseelige tab med, hvis systemerne ikke fungerer efter hensigten. Et centralt aspekt, under udvikling af et MachineVision-system, er derfor at verificere funktionaliteten af kritiske systemelementer, løbende.
I tilfælde, hvor udvikleren har erfaringer med MachineVision-systemer af tilsvarende karakter, kan verifikationen begrænses. MachineVision-systemer er imidlertid sjældent ens og det er derfor afgørende, at udvikleren er bevidst om, hvilke forhold, der er processpecifikke og funktionskritiske, idet disse, som minimum, bør efterprøves gennem verificerende tests, inden systemet sættes i funktion. Generelt er de overordnede mål for verifikationstests, at:

Som ovenstående punktopstilling viser, verificeres MachineVision-systemets funktionalitet gennem tests, der tilstræbes at (efter)ligne de givne procesforhold. De verificerende tests kræver således, at det er muligt at anvende komponenter, der tilsvarer dem, som forventes benyttet i det endelige system - dette i et miljø, som ligner de givne produktionsforhold. Elementerne, der kræves for verifikation af MachineVision-systemets funktionalitet, er:

På baggrund af de udførte verifikationstests er det muligt at identificere problematiske områder i forhold til MachineVision-systemets samspil med produktionsprocessen. Det er væsentligt at dokumentere testene på både skrift- og billedform, idet en sådan dokumentation giver værdifuld indsigt i baggrunden for eventuelle uoverensstemmelser mellem verifikationstestene og den faktiske procesperformance. Kun gennem studium af forskellene mellem de udførte tests og procesforholdene kan nødvendige korrigerende handlinger iværksættes.

Når detailkonstruktion af et MachineVision-system påbegyndes, er de fleste overordnede tekniske beslutninger taget, ligesom det gennem verifikationstestene, er konstateret, at systemet vil fungere under de givne procesforhold. Der er imidlertid en række processpecifikke faktorer, der kan give anledning til uoverensstemmelser, og som derfor bør overvejes under opsætning og indkøring af MachineVision-systemet - dette for at sikre systemets driftsmæssige funktionalitet og robusthed.
Sådanne forstyrrende faktorer er enten betingede af processens struktur eller miljø:

Processtruktur
Processens struktur refererer, i denne sammenhæng, til fejlkilder, der kan relateres til måden, hvorpå MachineVision-systemet er indbygget i eller fungerer i forhold til den givne produktionsproces.

Justering
Måden, hvorpå emnerne præsenteres for kameraet samt den opnåede billedkvalitet, er afgørende for MachineVision-systemets funktionalitet. Den ideelle opsætning er, hvis MachineVision-systemet indstilles på en sådan måde, at den ønskede information kan uddrages af billedet og systemet herefter ikke behøver yderligere justering. Dog ændres procesforholdene, f.eks. ved slidtage af procesudstyr, hvilket har indflydelse på produktets udseende og dermed også på det erhvervede billede. Det er derfor vigtigt, at udvikleren sørger for, at centrale systemkomponenter kan justeres, men kun i en
grad, der er nødvendig for at imødekomme moderat ændrede procesforhold. I øvrigt tilstræbes, at justeringsmulighederne for diverse komponenter har mindst mulig indflydelse på hinanden.
Førnævnte kan sammenfattes til følgende hovedpunkter, der således er væsentlige i henhold opnåelse af acceptable justeringsbetingelser:

Vedligeholdelse
MachineVision-systemer, der er konstrueret med omtanke, er, som udgangspunkt, meget pålidelige. Trods det, skal dele af systemet udskiftes som følge af almindelig slidtage - eksempelvis belysningskomponenter.
MachineVision-systemet bør konstrueres med henblik på, at den periodiske vedligeholdelse kan foretages både hurtigt og nemt, således at produktionsmæssige forstyrrelser, og dermed nedetid, begrænses. Dette gøres i praksis, ved at konstruere systemet således, at reparatøren har adgang til udsatte komponenter, uden at denne kan foretage justeringer på procesudstyret. Desuden bør systemet nemt kunne kalibreres efterfølgende.

Kalibrering
Praktisk anvendelse af MachineVision-systemer er ofte forbundet med måling af bestemte features eller fastlæggelse af tilstedeværelsen af emnefejl, hvilket kræver kalibrering af afbildningssystemet. Incitamenter for kalibrering er typisk:

I og med et MachineVision-system ofte skal kunne bestemme ønskede værdier, indenfor et fastsat toleranceinterval, således afbildningssystemets fastlagte værdi tilsvarer det pågældendeprodukts faktiske værdi, er det nødvendigt at foretage kalibrering. Kalibrering kan imidlertid være tidskrævende og det er derfor fornuftigt at vurdere, i hvilket omfang dette er nødvendigt.
Eksempelvis er det unødvendigt at kalibrere et afbildningssystem, hvis hensigten er, at systemet blot skal kunne fastlægge antallet af huller i et produkt.
I mange tilfælde stilles krav til systemets måleegenskaber, hvilket nødvendiggør kalibrering. Denne kan foretages efter to strategier:

Hvilken af disse strategier, der bør benyttes, afhænger af den givne applikation. Er produktets position i forhold til kameraet, i billederhvervelsesøjeblikket, kendt, og tilmed nøjagtig i forhold til hvor kalibreringen er foretaget, er enkeltpunktsstrategien tilstrækkelig. Præsenteres produkterne derimod i en relativt vilkårlig position indenfor kameraets synsfelt, er det nødvendigt at foretage kalibrering ved hjælp af flerpunktsstrategien.

Produktbevægelse
Indenfor visse applikationer er produkter i bevægelse under selve billederhvervelsen, hvilket giver anledning til to typer af problemer:

Præsenteres produkterne kontinuert, som det ofte er tilfældet i MachineVision-systemer, som benytter line-scan-kameraer, kan produktbevægelsen udgøre en central del af applikationen. På trods af, at denne kameratype er egnet til produkter i bevægelse, er det uundgåeligt, at der forekommer udtværing i produkternes bevægelsesretning, hvilket resulterer i uskarpe billeder. Den eneste løsning herpå er at øge kameraets opdateringshastighed, hvis dette er muligt. Ulemperne herved er imidlertid, at datamængden øges samt at eksponeringstiden for kameraet mindskes, hvilket giver mørkere billeder.
Ved brug af area-scan-kameraer indenfor applikationer, hvor produkter er i bevægelse, er de nævnte problemstillinger endnu mere udprægede. Kun area-scan-kameraer, som gør brug af progressivescan med elektronisk lukker, bør benyttes indenfor applikationer, hvor produkter er i bevægelse. Herved kan tidsrummet, hvori billedet erhverves, gøres meget kort. Dette betyder imidlertid, at kun en begrænset lysmængde slipper gennem til kameraets afbildningssensor. Derfor er det nødvendigt at øge lysintensiteten i afbildningsøjeblikket - eksempelvis ved anvendelse af strobet lys. Når der benyttes elektronisk lukker og strobelys, skal både kameraet og lyssætningen trigges, når emnet er korrekt placeret, hvorfor brug af framegrabber(s) og aktiveringssensor(er) bør overvejes.

Procesmiljø
Processens miljø refererer, i denne sammenhæng, til de forhold, der forefindes i den omkringliggende produktion, og som virker forstyrrende på MachineVision-systemet.

Vibration
Afhængigt af processen eller omkringliggende processer, kan MachineVision-systemet befinde sig i et miljø, hvor det udsættes for mekaniske vibrationer. Sådanne vibrationer kan have indflydelse på det erhvervede billedes kvalitet, idet de foretagne justeringer, og dermed kalibreringer, ændres. Kraftige vibrationer kan endda medføre, at kameraet sættes i bevægelse, hvilket betyder, at billederne bliver yderst uskarpe. Problemer med mekaniske vibrationer kan udbedres, ved enten at fjerne årsagen til at de forekommer eller forsøge at isolere komponenterne via afskærmning. Endelig kan det forsøges, at anskaffe komponenter, der er konstrueret til at modstå de givne, forstyrrende, procesforhold.

Temperatur og luftfugtighed
Temperatur, og især markante ændringer heraf, kan øve kraftig indflydelse på MachineVisionsystemets komponenters performance. Er MachineVision-systemet implementeret i en proces, hvor der forekommer markante temperaturudsving fra koldt til varmt, dannes kondens på linsen, hvorved utilfredsstillende billeder erhverves. Høj luftfugtighed har samme effekt, men kan tilmed beskadige elektriske komponenter. Er procesmiljøet varmt, kan det give anledning til støjforøgelse på de erhvervede billeder, idet markant varmepåvirkning forstyrrer afbildningssensoren.
Løsning på temperaturproblemer udgøres, i de fleste tilfælde, af at installere forskellige former for blæsere, der virker tempererende på luften omkring MachineVision-systemets udsatte komponenter.

Luftbårne partikler og urenheder
Damp, støvpartikler, sprøjtende væsker samt lignende urenheder, der enten sætter sig på linsen, eller på anden måde forstyrrer billedet, er kritiske i forhold til MachineVision-systemets funktionalitet.
Problemet løses, typisk, enten ved at fjerne de udsatte komponenter eller opsætte luftdyser, som eliminerer førnævnte urenheder.

Elektrisk interferens
Elektrisk interferens, der forekommer i tilfælde, hvor elektriske komponenter er placeret tæt på kraftigt strømførende komponenter, ses, ved at billedet flimrer eller fremstår forvrænget. Påvirkes MachineVision-systemet af denne interferenstype, over længere tid, tager systemets komponenter varig skade. Det bedste værn mod elektrisk interferens er, at afskærme systemets elektriske komponenter eller sørge for at komponenterne, hvori problemerne opstår, har ordentlig jordingsforbindelse.

Med afsæt i denne guide vurderes en udvikler i stand til at iværksætte et MachineVision-projekt, ligesom fundamentet for at træffe indledende designmæssige og økonomiske beslutninger, er skabt.
Til trods for at systemets funktionalitet testes og valideres, forekommer der ofte afvigelser i forhold til disse resultater, når MachineVision-systemet implementeres i praksis, hvorfor overvejelser omkring sikring af systemet mod fremtidige procesændringer bør medtages.Desuden bør det understreges, at udviklingen af et MachineVision-projekt er en iterativ proces, hvorfor der ofte opstår problemstillinger, som nødvendiggør revision af tidligere procestrin.
Aspektet vedrørende tilstødende procesudstyr er svært at kortlægge og kvantificere på grund at de mange muligheder, hvorfor dette er negligeret af hensyn til guidens omfang og tilgængelighed.
Guiden er derfor koncentreret omkring kvantificerbare hard- og softwaremæssige beslutninger, der giver mulighed for opstilling af et foreløbigt MachineVision-system.

www.imagehouse.dk - image house a/s.
Mick Pelby Sælger ved Vision-huset ImageHouse A/S.
Thomas Baltzer Moeslund. Powerpointslides fra kurset "MachineVision", 6. semester på VTlinjen.
Thomas Baltzer Moeslund Lektor ved Institut for Medieteknologi og Ingeniørvidenskab.
Alexander Hornberg. Handbook of Machine Vision. Wiley-WCH, 1st edition, 2006.
http://www.edmundoptics.com/techsupport - edmund optics uk.
Rafael C. Gonzalez and Richard E. Woods. Digital Image Processing. Prentice Hall, 2nd edition,
2002

Guide

Introduktion