Высокопроизводительные датчики изображения

Рисунок. Датчик Checker от Cognex

Достижения в технологии упростили установку и применение датчиков изображения. Вместе с тем поставщики по-разному характеризуют эти технологии. Очевидно, что датчики изображения обладают большими возможностями, сложнее в эксплуатации и являются более дорогостоящими, чем фотоэлектрические датчики. Если же сравнивать их со встроенными или базирующимися на ПК видеосистемами, то окажется, что последние имеют еще более высокие показатели. Однако независимо от классификации ясно, что благодаря высокой производительности приема и обработки изображений видеодатчики смогут принести выгоду гораздо большему числу приложений, чем ранее. «Датчик изображения выигрывает по объему продаж и функциональности благодаря простоте установки, уменьшению размеров, снижению мощности и цены, — говорит Бен Доусон, руководитель отдела стратегического развития в компании ipd, входящей в состав Dalsa Coreco group. — Технологии похожи, но полнофункциональные видеосистемы имеют более высокие характеристики аппаратуры и более универсальное программное обеспечение. Главное отличие связано с областью применения. Датчики изображения предназначены для конечных пользователей, в то время как видеосистемы обычно входят в состав изделий OEM-производителей». По мнению Джеффа Шмитца, коммерческого директора по группе видеодатчиков в Banner Engineering, системы машинного зрения и датчики изображения совершенно не похожи друг на друга. «Видеосистемы представляют собой дорогостоящие, выполняемые только на заказ многокомпонентные инструменты, которые наилучшим образом подходят для чрезвычайно сложных приложений и могут оправдать свою высокую стоимость, находящуюся в диапазоне от 15 до 20 тысяч долларов. Кроме этого, в них используется специальное программное обеспечение, а для обработки изображения требуется ПК». Хотя в Cognex утверждают, что датчик Checker не является датчиком изображения, кажется все же, что он имеет ряд характеристик, присущих устройствам подобного типа. Джон Китинг, менеджер по маркетингу датчиков Checker в Cognex Corp., называет его «мощным сенсором, представляющим наилучшее решение для задач, в которых необходимо большое количество фотоэлектрических чувствительных элементов”. 

Checker, отмечает он, может воспринимать и обрабатывать 30000 изображений в минуту, определять присутствие и проверять характерные особенности детали без фотоэлектрического датчика (Checker использует датчик изображения размером 128×100 элементов.) В отличие от видеодатчиков, однако, «Checker может обеспечить детерминированные выходы для регистрации или для раскроя/перфорации/нанесения рисунка на ткань», — говорит Китинг. У Checker нет визуальных инструментов, но датчики сделаны так, что они могут определить соответствие параметров детали заданным требованиям. Пошаговая установка аналогична установке фотоэлектрических датчиков. В то время как видеосистемы и визуальные инструментальные средства предоставляют данные, Checker выдает решение о приемке или отклонении. «Все системы машинного зрения имеют одинаковые компоненты: освещение, оптику (линзы, датчики изображения), устройства захвата, обработки и анализа изображения, а также средства связи», — поясняет Пьерантонио Бори-еро, менеджер линии продукта Matrox Imaging. Бориеро считает, что различие между начальными и «зрелыми» системами машинного зрения заключается в уровне интеграции и эксплуатационных качествах, а не в функциональности.

Рисынок. В число видеодатчиков, предлагаемых Banner Engineering, входит система Presence-Plus P4 с простой функцией обучения на девяти языках

В интеллектуальной камере с низким уровнем характеристик (видеосистеме начального уровня) большая часть компонентов объединена В число видеодатчиков, предлагаемых Banner Engineering, входит в одном модуле. «Несмо- система Presence-Plus P4 с простой функцией обучения на девяти тря на то, что програм- языках мы захвата и обработки изображения мощной видеосистемы ный набор инструментальных средств поступают от тех же поставщиков, та- для множества общих приложений и кая видеосистема предоставляет пользователю возможность выбора компонентов, что обеспечивает наилучшие характеристики из числа возможных» — утверждает Бориеро. «Обычно датчики изображения имеют одну цель или задачу, например, считывание штрих-кода или проверку цвета”, – говорит Кайл Вусен, менеджер видеопродукции компании National Instruments. – Однако операторы начинают применять датчики изображения для решения простых задач машинного зрения, таких как проверка наличия или подсчет объектов. Датчики изображения размывают границу между промышленными измерительными датчиками и системами машинного зрения”. «Высококачественные датчики изображения могут быть универсальными и автономными, снабженными несколькими алгоритмами, иметь около 200 наборов инструментальных средств программирования, различные осветители и линзы и могут стоить от 5000 до 20000 долларов, – говорит Роберт Ли, менеджер по стратегическому маркетингу в Omron Electronics LLC. – Для большей части универсальных видеосистем на основе ПК программное обеспечение, плата «захвата” изображения и платы ввода/вывода приобретаются отдельно. Стоимость менее гибких специализиро ванных систем начинается от 5 тысяч долларов. Интеллектуальные видеодатчики нового поколения стоят от одной до двух тысяч долларов, имеют ограниченный набор инструментальных средств для множества общих приложений и отличаются простотой установки”. 

Достоинства, ограничения в применении

Доусон из ipd говорит: «Видеодатчики подходят для быстрого «точечного” обзора, для контроля размеров детали или проверки ограниченного класса дефектов. Они сконструированы так, чтобы их можно было быстро и просто установить инженерам, незнакомым с технологией машинного зрения. В настоящее время датчики изображения не могут поддерживать скорости регистрации выше нескольких мегабайт (или мегапикселей) в секунду. Для ответственных или специализированных приложений, таких как осмотр жидкокристаллических панелей, требуются полнофункциональные системы машинного зрения”. Китинг из компании Cognex утверждает, что видеодатчики начального уровня были созданы из оригинальных датчиков путем исключения функцио- нальных возможностей или инструментальных средств. В этом случае сохраняется сложность исходного датчика, но отсутствуют его возможности. «Применение Checker включает возможность контроля ориентации детали при сборке или раскрое материала на ткацком, маркировочном или упаковочном станке”, – говорит Китинг. Это позволяет регистрировать изделие и этикетку без регистрационной метки. Вусен из NI считает, что цена современных датчиков изображения может быть сопоставима с ценой встроенных видеосистем или видеосистем на базе ПК. «Датчики хорошо работают при решении простых задач с несложным изображением, таких как проверка наличия этикетки», — говорит он.

«Более значимым фактором, по сравнению с явно меньшей ценой, является простота программного обеспечения. В то время как видеосистемы на основе ПК программируются, а интеллектуальные камеры конфигурируются, датчики изображения являются самообучающимися, — объясняет Вусен. — Часто у оператора есть только кнопка «обучение» для ввода и единственная строка «прием/ брак» — для вывода. С одной стороны, это значительно упрощает установку системы, с другой — уменьшается и область возможных применений такого видеодатчика» Ли из компании Omron говорит, что датчики изображения начального уровня стали более экономичными, гибкими и компактными и при этом имеют множество инструментальных средств для разнообразных применений. Ли отмечает, что более новые интеллектуальные датчики, такие как Omron ZFV, имеют встроенный 1,8-дюймовый монитор, который упрощает программирование блока с помощью пиктограммного меню, а также формирует высококачественное изображение в реальном времени на базе ПЗС. ZFV может обнаруживать до 10000 деталей в минуту без какого-либо дополнительного оборудования, такого как портативный компьютер или сложное ПО. Для работы с ZFV, по словам Ли, «необходимо только нацелить камеру и обучить датчик» Встроенный осветитель и сокращение времени на подготовку к работе способствуют тому, что эти миниатюрные датчики изменяют соотношение затрат. Ограничения, налагаемые на размеры ПЗС, освещенность или разрешение, могут привести к тому, что применение простых датчиков станет неразрешимой проблемой, и потребуются более развитые системы. «Видеодатчики начального уровня обычно программируются заранее или «прошиваются» с помощью специального программирования, которое трудно модифицировать, a ZFV запрограммирован на решение множества задач», — заканчивает Ли.

Новые приложения

Рисунок. Интеллектуальные камеры семейства Iris P-Series от Matrox поставляются в двух конфигурациях: моноблочной и с выносной головкой и процессором

«Датчикам изображения не требуются ПК для обработки изображения или передачи результатов на ПЛК или другое устройство управления, — говорит Шмитц из компании Banner. — Поскольку видеодатчики не были сконструированы для узкого применения, они сравнительно легко могут быть перенастроены с одного приложения на другое. Датчики изображения проще в установке, конфигурировании и эксплуатации, поэтому всякий, кто занимается ими, может выполнить эти операции. Видеодатчики, без сомнения, не могут применяться в чрезвычайно сложных приложениях, где требуются видеосистемы. Однако низкая стоимость в диапазоне от одной до трех тысяч долларов позволяет использовать их в таких задачах, которые никогда не оправдают затраты на видеосистему”. По словам Джошуа Джелонека, руководителя группы машинного зрения в Keyence Corp. of America, системы начального уровня часто проектируются для такого применения, как определение присутствия/отсутствия, сходного с задачами датчиков. «Не стоит ожидать характеристик высокого уровня, поскольку эти датчики были сконструированы для оперативной работы с минимальными затратами и имеют низкую стоимость, малое число элементов и небольшие возможности”,- говорит Джелонек. Доусон из ipd утверждает, что совокупность видеодатчиков включает как устройства начального уровня, жестко запрограммированные на выполнение одной функции, такой как измерение пятна цвета, так и гибкие и мощные датчики изображения, такие как система технического зрения «Appliances» от ipd. «При использовании видеодатчиков стандартные задачи (контроль этикетки на консервной банке или на бутылке) могут быть решены в течение нескольких часов, в то время как на разработку и отладку сложной задачи машинного зрения требуются месяцы, — отмечает Доусон. — Быстрая и простая установка видеодатчиков открыла новую область применения, в которой система машинного зрения рассматривается как еще один стандартный компонент в процессе управления, а не как движущий фактор процесса или конструкции механизма». 

Автомобильная промышленность

По словам Марка Сиппеля, ведущего менеджера по маркетингу датчиков изображения In-Sight в компании Cognex, производители и поставщики в автомобильной промышленности — это хороший пример отрасли, которая извлекает выгоду из применения систем машинного зрения, в частности, благодаря снижению стоимости и простоте в использовании. Любое производство, применяющее штрих-кодовую маркировку, особенно двумерное штриховое кодирование, может получить пользу от этой технологиии от ее недорогого метода распределения по категориям, в основном, благодаря способности датчика изображения считывать эти сложные коды.

Китинг разъясняет, что Checker используется во многих отраслях промышленности, где применяется машинное зрение, его рынок и пользовательская база расширяются. «Это устройство хорошо продвигается на таких рынках, как производство продуктов питания и напитков, где видеодатчики не используются в большом объеме из-за высокой стоимости и сложности» — отмечает Китинг. Бориеро из компании Matrox считает, что машинное зрение и интеллектуальные камеры — это идеальное решение для применения во многих областях, особенно непосредственно на таких производственных участках, где высокая производительность не является главным фактором, например, при считывании идентификационных меток. Одними из новых пользователей систем машинного зрения являются инженеры-производственники, не имеющие опыта программирования. Это связано с тем, что некоторые интеллектуальные камеры, появившиеся на рынке, могут только конфигурироваться, а не программироваться. Однако, в связи с тем, что производительность интеллектуальных камер ограничена, сложность в применении будет определяющим фактором при выборе полнофункциональных систем на основе ПК. Вусен из NI заявляет, что видеодатчики часто превосходят ожидания, когда применяются в качестве современных промышленных датчиков, и подчас обманывают надежды, если их считают недорогими видеосистемами. Чтобы проиллюстрировать это, рассмотрим такие задачи, как определение близости, проверку присутствия и считывание штрихового кода. «Все эти задачи могут быть выполнены операторами с помощью подходящих промышленных измерительных датчиков, а не с помощью датчиков изображения, — говорит Вусен. — Однако видеодатчик по сравнению с простым измерительным или инспекционным датчиком имеет большую надежность и производительность. То же самое характерно и для других технологий машинного зрения, таких как встроенные видеосистемы или системы, базирующиеся на ПК. Подсчет объектов, определение местоположения деталей и оптическое измерение — это задачи, которые операторы могли бы выполнить с помощью подходящих датчиков изображения вместо встроенных видеосистем» «На рынке устройств начального уровня, — говорит Ли из Omron, — датчики изображения начинают решать сложные задачи, такие как кодирование даты изготовления и партии продукта, измерение ширины, площади и положения. Ранее для решения различных задач потребителям необходима была гибкая система с набором заранее установленных инструментальных средств. В интеллектуальные системы восприятия начального уровня уже включены определение скорости, освещение, сборка, простота, меньшее доступное для работы время, непрерывное улучшение цифрового качества, прослеживание и распознавание, а также самообучение».

Закат мощных систем?

Благодаря достижениям в технологии встроенных процессоров в машинном зрении появился новый средний класс изделий. «Этот «буржуазный» класс видеодатчиков, стоимость которого составляет только часть стоимости мощных систем, может решить 80-90% задач систем машинного зрения, — говорит Джелонек из Keyence. — Кажется, что промышленность уходит от мощных систем машинного зрения по двум причинам:

1) Мощные системы предлагают большое число сложных инструментов и функций, но во многих из них нет необходимости при решении простых законченных задач машинного зрения. Универсальные датчики изображения или датчики начального уровня предоставят многие из тех же самых инструментов, но только в сжатом, удобном для применения формате, в котором отфильтрованы все ненужные дополнительные компоненты. И они обычно сделают это за часть стоимости.

2) Поскольку технология улучшается, а стоимость мощных интегральных микросхем снижается, то универсальные видеодатчики или датчики начального уровня будут становиться все совершеннее. В отношении мощности обработки изображений линия, разделяющая высоко- и низкоуровневые системы, становится все более размытой. Это улучшение в производительности в сочетании с простым пользовательским интерфейсом, который предлагают универсальные системы, позволяет производителям получать высокую прибыль от инвестиций, благодаря сокращению расходов на оборудование и более короткому времени интеграции”.

Последний взгляд

«С точки зрения машиностроителей, идея обнаружения шаблонов для управления станком нова”, – добавляет к сказанному Китинг. «В упаковке это позволит производителям использовать больше места для размещения рисунков без «зон молчания” вокруг больших прямоугольных меток совмещения. Производители ищут возможность отказаться от таких меток”, – поясняет он. «В целом датчики изображения упростили и ускорили внедрение стандартных приложений технического зрения, – говорит Доусон из ipd, – но нужно еще правильно осветить и сформировать изображение той области, которую осматривает датчик. Это, к сожалению, требует определенных экспертных знаний, которые не так легко вложить в видеодатчик. Когда возможности датчиков изображения и алгоритмы будут усовершенствованы, мы ожидаем более устойчивого функционирования при колебаниях освещенности”.