Vikipediya

Mashinani koʻrish

Mashinani koʻrish (MV) – bu odatda sanoatda avtomatik tekshirish, jarayonni boshqarish va robotni boshqarish kabi ilovalar uchun tasvirga asoslangan avtomatik tekshirish va tahlilni taʼminlash uchun ishlatiladigan texnologiya va usullar. Mashinani koʻrish koʻplab texnologiyalar, dasturiy taʼminot va apparat mahsulotlari, integratsiyalashgan tizimlar, harakatlar, usullar va tajribalarni anglatadi. Mashinani koʻrishni tizim muhandisligi intizomi sifatida kompyuter fanining bir turi boʻlgan kompyuter koʻrishdan farqli deb hisoblash mumkin. U mavjud texnologiyalarni yangi usullar bilan birlashtirishga va ularni haqiqiy dunyo muammolarini hal qilish uchun qoʻllashga harakat qiladi. Bu atama sanoat avtomatizatsiyasi muhitida ushbu funktsiyalar uchun keng tarqalgan, ammo xavfsizlik va transport vositalarini boshqarish kabi boshqa muhitlarda ham ushbu funktsiyalar uchun ishlatiladi.

Mashinani koʻrishning umumiy jarayoni talablar va loyihaning tafsilotlarini rejalashtirishni va keyin yechimni yaratishni oʻz ichiga oladi. Ishlash vaqtida jarayon tasvirni olishdan boshlanadi, soʻngra tasvirni avtomatlashtirilgan tahlil qilish va kerakli maʼlumotlarni olish bilan boshlanadi.

Taʼrif

tahrir

„Mashinani koʻrish“ atamasining taʼriflari turlicha boʻladi, lekin ularning barchasi tasvirni qayta ishlashdan farqli oʻlaroq, avtomatlashtirilgan asosda tasvirdan maʼlumot olish uchun ishlatiladigan texnologiya va usullarni oʻz ichiga oladi, bu yerda chiqish boshqa tasvirdir. Olingan maʼlumot oddiy yaxshi qism/yomon qism signali yoki tasvirdagi har bir obʼektning identifikatori, joylashuvi va yoʻnalishi kabi murakkab maʼlumotlar toʻplami boʻlishi mumkin. Maʼlumotlardan sanoatda avtomatik tekshirish, robot va jarayonni boshqarish, xavfsizlik monitoringi va transport vositalarini boshqarish kabi ilovalar uchun foydalanish mumkin.[1][2][3] Bu soha juda koʻp sonli texnologiyalar, dasturiy taʼminot va apparat mahsulotlari, integratsiyalashgan tizimlar, harakatlar, usullar va tajribalarni oʻz ichiga oladi.[3][4] Mashinani koʻrish – bu sanoat avtomatizatsiyasi ilovalarida ushbu funktsiyalar uchun ishlatiladigan deyarli yagona atama; Bu atama xavfsizlik va transport vositalarini boshqarish kabi boshqa muhitlarda bu funksiyalar uchun kamroq universaldir. Mashinani koʻrishni tizim muhandisligi intizomi sifatida asosiy kompyuter fanining shakli boʻlgan kompyuter koʻrishdan farqli deb hisoblash mumkin; Mashinani koʻrish mavjud texnologiyalarni yangi usullar bilan birlashtirishga va ularni sanoat avtomatlashtirish va shunga oʻxshash qoʻllash sohalari talablariga javob beradigan tarzda real dunyo muammolarini hal qilish uchun qoʻllashga harakat qiladi.[3][5] Bu atama kengroq maʼnoda ham qoʻllanadi. Avtomatlashtirilgan tasvirlash assotsiatsiyasi va Yevropa mashina koʻrish assotsiatsiyasi kabi savdo koʻrgazmalari va savdo guruhlari tomonidan. Ushbu kengroq taʼrif, shuningdek, tasvirni qayta ishlash bilan bogʻliq boʻlgan mahsulotlar va ilovalarni ham oʻz ichiga oladi.[4] Mashinada koʻrish uchun asosiy maqsadlar avtomatik tekshirish va sanoat robot/jarayon yoʻriqnomasidir.[6][7][8]  Mashina koʻrish lugʻatiga qarang.

Tasvirga asoslangan avtomatik tekshirish va saralash

tahrir

Mashinada koʻrish uchun asosiy maqsadlar tasvirga asoslangan avtomatik tekshirish va saralash va robotni boshqarishdir.;[6][7]  bu boʻlimda birinchisi „avtomatik tekshirish“ deb qisqartirilgan. Umumiy jarayon talablar va loyihaning tafsilotlarini rejalashtirishni va keyin yechimni yaratishni oʻz ichiga oladi.[9][10] Ushbu boʻlimda eritmaning ishlashi paytida yuzaga keladigan texnik jarayon tasvirlangan.

Ishlash usullari va ketma-ketligi

tahrir

Avtomatik tekshirish ketma-ketligidagi birinchi qadam, odatda, keyingi ishlov berish uchun zarur boʻlgan farqlashni taʼminlash uchun moʻljallangan kameralar, linzalar va yorugʻlikdan foydalangan holda tasvirni olishdir.[11][12] MV dasturiy paketlari va ularda ishlab chiqilgan dasturlar kerakli maʼlumotlarni olish uchun turli xil raqamli tasvirni qayta ishlash usullarini qoʻllaydi va koʻpincha olingan maʼlumotlarga asoslanib qarorlar qabul qiladi (masalan, oʻtish / muvaffaqiyatsiz).[13]

Uskunalar

tahrir

Avtomatik tekshirish tizimining komponentlari odatda yoritish, kamera yoki boshqa tasvir qurilmasi, protsessor, dasturiy taʼminot va chiqish qurilmalarini oʻz ichiga oladi[7].

Tasvirlash

tahrir

Tasvirga olish qurilmasi (masalan, kamera) asosiy tasvirni qayta ishlash blokidan alohida boʻlishi yoki u bilan birlashtirilishi mumkin, bu holda bu kombinatsiya odatda aqlli kamera yoki aqlli sensor deb ataladi.[14][15] Toʻliq ishlov berish funksiyasini kamera bilan bir xil korpusga kiritish odatda oʻrnatilgan ishlov berish deb ataladi.[16] Ajratilganda, ulanish analog yoki standartlashtirilgan raqamli interfeys (Camera Link, CoaXPress) yordamida ixtisoslashtirilgan oraliq apparat, moslashtirilgan ishlov berish moslamasi yoki kompyuter ichidagi ramka tutqichiga oʻrnatilishi mumkin. MV ilovalari, shuningdek, FireWire, USB yoki Gigabit Ethernetinterfeyslari orqali kompyuterga toʻgʻridan-toʻgʻri ulanishga qodir (framegrabbersiz) raqamli kameralardan foydalanadi.[17]

Anʼanaviy (2D koʻrinadigan yorugʻlik) tasvirlash MVda eng koʻp qoʻllanilsa-da, muqobil variantlarga multispektral tasvirlash, giperspektral tasvirlash, turli infraqizil diapazonlarni tasvirlash,[18] chiziqli skanerlash, yuzalarni 3D tasvirlash va rentgen nurlari tasvirlash kiradi.[6] MV 2D koʻrinadigan yorugʻlik tasviridagi asosiy farqlar monoxromatik va rang, kadr tezligi, piksellar soni va tasvirlash jarayoni butun tasvir boʻylab bir vaqtning oʻzida boʻladimi yoki yoʻqmi, bu uni harakatlanuvchi jarayonlar uchun mos qiladi.

Mashina koʻrish ilovalarining aksariyati ikki oʻlchovli tasvir yordamida hal qilingan boʻlsa-da, 3D tasvirlashdan foydalangan holda mashinani koʻrish ilovalari sanoatda oʻsib borayotgan joy hisoblanadi.[19][20] 3D tasvirlash uchun eng koʻp qoʻllanadigan usul skanerlash asosidagi triangulyatsiya boʻlib, u tasvirlash jarayonida mahsulot yoki tasvirning harakatini ishlatadi. Lazer obʼektning sirtiga proyeksiyalanadi. Mashinada koʻrishda bu ish qismini harakatlantirish yoki kamera va lazerli tasvir tizimini harakatlantirish orqali skanerlash harakati bilan amalga oshiriladi. Chiziq kamera tomonidan boshqa burchakdan koʻriladi; chiziqning ogʻishi shakldagi oʻzgarishlarni ifodalaydi. Bir nechta skanerdan olingan chiziqlar chuqurlik xaritasi yoki nuqta bulutida yigʻiladi.[21] Stereoskopik koʻrish bir juft kameraning ikkala koʻrinishida mavjud boʻlgan noyob xususiyatlarni oʻz ichiga olgan maxsus holatlarda qoʻllanadi.[21] Mashinada koʻrish uchun ishlatiladigan boshqa 3D usullari parvoz vaqti va tarmoqqa asoslangan.[19][21] Usullardan biri 2012-yilda Microsoft Kinect tizimi tomonidan qoʻllangan psevdor tasodifiy tuzilgan yorugʻlik tizimidan foydalanadigan tarmoq massivlariga asoslangan tizimlardir.[22]

Tasvirga ishlov berish

tahrir

Tasvir olingandan keyin unga ishlov beriladi. Markaziy protsessor funksiyalari odatda protsessor, GPU, FPGA yoki ularning kombinatsiyasi tomonidan amalga oshiriladi.[16] Chuqur oʻrganish va xulosalar qayta ishlashga yuqori talablarni qoʻyadi.[23] Qayta ishlashning bir necha bosqichlari odatda kerakli natija bilan tugaydigan ketma-ketlikda qoʻllanadi. Oddiy ketma-ketlik tasvirni oʻzgartiruvchi filtrlar, soʻngra obʼektlarni ajratib olish, soʻngra ushbu obʼektlardan maʼlumotlarni ajratib olish (masalan, oʻlchovlar, kodlarni oʻqish), soʻngra ushbu maʼlumotlarni uzatish yoki ularni maqsadli qiymatlar bilan taqqoslash kabi vositalardan boshlanishi mumkin. „oʻtish / muvaffaqiyatsiz“ natijalarini yaratish va muloqot qilish. Mashina koʻrish tasvirini qayta ishlash usullari quyidagilarni oʻz ichiga oladi;

  • Tikish/Roʻyxatga olish: qoʻshni 2D yoki 3D tasvirlarni birlashtirish.
  • Filtrlash (masalan, morfologik filtrlash)[24]
  • Eshik chegarasi: chegaralash quyidagi bosqichlar uchun foydali boʻlgan kulrang qiymatni belgilash yoki aniqlashdan boshlanadi. Qiymat keyinchalik tasvirning qismlarini ajratish uchun, baʼzan esa tasvirning har bir qismini kulrang rangdagi qiymatdan past yoki yuqori boʻlishiga qarab oddiygina oq-qora rangga aylantirish uchun ishlatiladi.[24]
  • Pikselni hisoblash: ochiq yoki quyuq piksellar sonini hisoblaydi
  • Segmentatsiya: Raqamli tasvirni soddalashtirish va/yoki tasvirni yanada mazmunli va tahlil qilish osonroq boʻlgan narsaga oʻzgartirish uchun bir nechta segmentlarga boʻlish.[25]
  • Chetni aniqlash: obʼekt qirralarini topish[24]
  • Rang tahlili: Rang yordamida qismlar, mahsulotlar va narsalarni aniqlang, rangdan sifatni baholang va rang yordamida xususiyatlarni ajratib oling.[6]
  • Blobni aniqlash va chiqarish: tasvirni tasvir belgilari sifatida ulangan piksellarning diskret bloblari (masalan, kulrang obʼektdagi qora tuynuk) mavjudligini tekshirish.[24]
  • Neyron tarmoq / chuqur oʻrganish / mashinani oʻrganishni qayta ishlash: ogʻirlashtirilgan va oʻz-oʻzini oʻrgatadigan koʻp oʻzgaruvchan qarorlar qabul qilish[26] 2019-yilga kelib buning kengayishi kuzatilmoqda, chuqur oʻrganish va mashinani oʻrganishdan foydalanib, mashinani koʻrish imkoniyatlarini sezilarli darajada kengaytirish.
  • Shabloni aniqlash, shu jumladan shablonni moslashtirish. Muayyan naqshlarni topish, moslashtirish va/yoki hisoblash. Bunga aylantirilishi, boshqa obʼekt tomonidan qisman yashirilishi yoki oʻlchamlari oʻzgarishi mumkin boʻlgan obʼektning joylashuvi kiradi.[24]
  • Shtrix-kod, maʼlumotlar matritsasi va „2D shtrix-kod“ oʻqishi[24]
  • Optik belgilarni aniqlash: seriya raqamlari kabi matnni avtomatik oʻqish[24]
  • Oʻlchash/metrologiya: obyekt oʻlchamlarini oʻlchash (masalan, piksel, dyuym yoki millimetrda)[24]
  • „Oʻtish yoki muvaffaqiyatsiz“ yoki „oʻtish / yoʻq“ natijasini aniqlash uchun maqsadli qiymatlar bilan taqqoslash. Misol uchun, kod yoki shtrix kodni tekshirish bilan oʻqish qiymati saqlangan maqsadli qiymat bilan taqqoslanadi. Oʻlchash uchun oʻlchov mos qiymat va toleranslar bilan taqqoslanadi. Alfa-raqamli kodlarni tekshirish uchun OCR qiymati tegishli yoki maqsadli qiymat bilan taqqoslanadi. Dogʻlarni tekshirish uchun dogʻlarning oʻlchangan oʻlchamini sifat standartlarida ruxsat etilgan maksimal qiymatlar bilan solishtirish mumkin.[24]

Chiqishlar

tahrir

Avtomatik tekshirish tizimlarining umumiy natijasi oʻtish / muvaffaqiyatsiz qarorlardir.[13] Bu qarorlar, oʻz navbatida, muvaffaqiyatsiz narsalarni rad etadigan yoki signal beruvchi mexanizmlarni ishga tushirishi mumkin. Boshqa keng tarqalgan natijalar robotni boshqarish tizimlari uchun obʼektning joylashuvi va orientatsiya maʼlumotlarini oʻz ichiga oladi.[6] Bundan tashqari, chiqish turlariga raqamli oʻlchov maʼlumotlari, kodlar va belgilardan oʻqilgan maʼlumotlar, obyektlarni hisoblash va tasniflash, jarayon yoki natijalarni koʻrsatish, saqlangan tasvirlar, avtomatlashtirilgan fazo monitoringi MV tizimlaridan signallar va jarayonni boshqarish signallari kiradi.[9][12] Bu, shuningdek, foydalanuvchi interfeyslari, koʻp komponentli tizimlar integratsiyasi uchun interfeyslar va avtomatlashtirilgan maʼlumotlar almashinuvini oʻz ichiga oladi.[27]

Tasvirga asoslangan robot koʻrsatmalari

tahrir

Mashinani koʻrish odatda robotga mahsulotni toʻgʻri ushlashiga imkon berish uchun robotga joylashuv va yoʻnalish haqida maʼlumot beradi. Bu qobiliyat, shuningdek, 1 yoki 2 eksa harakat boshqaruvchisi kabi robotlarga qaraganda oddiyroq harakatni boshqarish uchun ham ishlatiladi.[6] Umumiy jarayon talablar va loyihaning tafsilotlarini rejalashtirishni va keyin yechimni yaratishni oʻz ichiga oladi. Ushbu boʻlimda eritmaning ishlashi paytida yuzaga keladigan texnik jarayon tasvirlangan. Jarayonning koʻp bosqichlari avtomatik tekshirish bilan bir xil boʻladi, bundan mustasno, natijada pozitsiya va orientatsiya maʼlumotlarini taqdim etishga qaratilgan.[6]

Bozor

tahrir

2006-yilda bir soha maslahatchisi MV Shimoliy Amerikadagi 1,5 milliard dollarlik bozorni ifodalagani haqida xabar berdi.[28] Biroq, MV savdo jurnalining bosh muharriri taʼkidlashicha, „mashinani koʻrish oʻz-oʻzidan sanoat emas“, balki „avtomobilsozlik yoki isteʼmol tovarlari ishlab chiqarish kabi haqiqiy sohalarga foyda keltiradigan xizmatlar yoki ilovalarni taqdim etadigan texnologiyalar va mahsulotlarning integratsiyasi“, qishloq xoʻjaligi va mudofaa".

Mashinani koʻrishning afzalliklari

tahrir

Murakkab, tuzilmagan sahnani sifatli talqin qilish uchun insonning koʻrish qobiliyati eng yaxshi boʻlsa, mashina koʻrish tezligi, aniqligi va takrorlanuvchanligi tufayli tuzilgan sahnani miqdoriy oʻlchashda ustundir. Sinov tizimi va sinovdan oʻtkazilayotgan qismlar oʻrtasidagi jismoniy aloqani olib tashlashda, mashinani koʻrish qismning shikastlanishini oldini oladi va mexanik qismlarning aşınması va yirtilishiga bogʻliq texnik xizmat koʻrsatish vaqtini va xarajatlarini yoʻq qiladi. Mashinani koʻrish ishlab chiqarish jarayonida inson ishtirokini kamaytirish orqali qoʻshimcha xavfsizlik va operatsion foyda keltiradi.[29] Bundan tashqari, u toza xonalarni odamlarning ifloslanishini oldini oladi va odamlarni xavfli muhitdan himoya qiladi. Mashinani koʻrish aniq maqsadlarga erishishga yordam beradi.

Strategik maqsad Machine Vision ilovalari
Yuqori sifat Tekshirish, oʻlchash, oʻlchash va montajni tekshirish
Hosildorlikning oshishi Ilgari qoʻlda bajarilgan takrorlanuvchi vazifalar endi Machine Vision System[30] tomonidan amalga oshiriladi
Ishlab chiqarish moslashuvchanligi Oʻlchash va oʻlchash / Robotga koʻrsatma / Oldindan ishlashni tekshirish
Mashinaning ishlamay qolishi va sozlash vaqtining qisqarishi Oʻzgartirishlar oldindan dasturlashtirilgan
Toʻliqroq maʼlumot va qattiqroq jarayon nazorati Qoʻlda bajariladigan vazifalar endi kompyuter maʼlumotlari haqida fikr-mulohazalarni taqdim etishi mumkin
Uskunaning kapital xarajatlarini kamaytirish Mashinaga koʻrishni qoʻshish uning ish faoliyatini yaxshilaydi, eskirishdan saqlaydi
Ishlab chiqarish xarajatlarini kamaytirish Bir koʻrish tizimi koʻp odamlarga qarshi / Jarayonning boshida kamchiliklarni aniqlash
Chiqib ketish tezligini kamaytirish Tekshirish, oʻlchash va oʻlchash
Inventarizatsiya nazorati Optik belgilarni aniqlash va identifikatsiya qilish
Kichraytirilgan qavat maydoni Vizyon tizimi operatorga qarshi

Maʼlumotnomalar

tahrir
  1. ↑ Carsten Steger, Markus Ulrich, Christian Wiedemann. Machine Vision Algorithms and Applications. John Wiley & Sons, 2018-03-12. ISBN 978-3-527-41365-2. 
  2. ↑ Jürgen Beyerer, Fernando Puente León, Christian Frese. Machine Vision (en-gb). — 2016. — DOI:10.1007/978-3-662-47794-6.
  3. ↑ 3,0 3,1 3,2 Mark Graves, Bruce Batchelor. Machine Vision for the Inspection of Natural Products. Springer Science & Business Media, 2003-11-20. ISBN 978-1-85233-525-0. 
  4. ↑ 4,0 4,1 Vision systems design.. Tulsa, Okla.: Penn Well Pub. Co., 2003. 
  5. ↑ Owen-Hill, Alex. "Robot Vision vs Computer Vision: What's the Difference?" // Robotics Tomorrow. — (21-iyul 2016-yil).
  6. ↑ 6,0 6,1 6,2 6,3 6,4 6,5 Turek, Fred D. "Machine Vision Fundamentals, How to Make Robots See" // NASA Tech Briefs. — June 2011. — Т. 35, № 6. — С. 60–62. Архивировано 27 yanvar 2012 года.
  7. ↑ 7,0 7,1 7,2 Cognex. "Introduction to Machine Vision" // Assembly Magazine. — 2016.
  8. ↑ Lückenhaus, Maximilian. "Machine Vision in IIoT" // Quality Magazine. — 2016. — 1 may. Архивировано 20 yanvar 2022 года.
  9. ↑ 9,0 9,1 West, Perry. A Roadmap For Building A Machine Vision System. — С. 1-35.
  10. ↑ Dechow, David. "Integration: Making it Work" // Vision & Sensors. — January 2009. Архивировано 14 mart 2020 года.
  11. ↑ Alexander Hornberg. Handbook of Machine Vision. John Wiley & Sons, 2007-02-27. ISBN 978-3-527-61014-3. 
  12. ↑ 12,0 12,1 Christian Demant. Industrial image processing : visual quality control in manufacturing. Berlin: Springer, 1999. ISBN 3-540-66410-6, 978-3-540-66410-9. 
  13. ↑ 13,0 13,1 Alexander Hornberg. Handbook of Machine Vision. John Wiley & Sons, 2007-02-27. ISBN 978-3-527-61014-3. 
  14. ↑ Smart cameras. New York: Springer, 2010. ISBN 978-1-4419-0953-4, 1-4419-0953-2. 
  15. ↑ Dechow, David. "Explore the Fundamentals of Machine Vision: Part 1" // Vision Systems Design. — February 2013.
  16. ↑ 16,0 16,1 Dave Rice, Amber Thousand Photonics Spectra magazine. Critical Considerations for Embedded Vision Design // Laurin Publishing Co.. — July 2019. — С. 60-64.
  17. ↑ Wilson, Andrew. "Product Focus - Looking to the Future of Vision" // Vision Systems Design. — December 2011.
  18. ↑ Wilson, Andrew (April 2011). „The Infrared Choice“. Vision Systems Design. 16 (4): 20–23. Retrieved 2013-03-05.
  19. ↑ 19,0 19,1 Murray, Charles J (February 2012). „3D Machine Vison Comes into Focus“. Design News. Archived from the original on 2012-06-05. Retrieved 2012-05-12
  20. ↑ Davies, E. R. (2012). Computer and Machine Vision: Theory, Algorithms, Practicalities (4th ed.). Academic Press. pp. 410–411. ISBN 9780123869081. Retrieved 2012-05-13.
  21. ↑ 21,0 21,1 21,2 3-D Imaging: A practical Overview for Machine Vision By Fred Turek & Kim Jackson Quality Magazine, March 2014 issue, Volume 53/Number 3, Pages 6-8
  22. ↑ R.Morano, C.Ozturk, R.Conn, S.Dubin, S.Zietz, J.Nissano, „Structured light using pseudorandom codes“, IEEE Transactions on Pattern Analysis and Machine Intelligence 20 (3)(1998)322–327
  23. ↑ Mike Fussell, "Finding the optimal hardware for deep learining inference in machine vision:, Vision Systems Design, September 2019
  24. ↑ 24,0 24,1 24,2 24,3 24,4 24,5 24,6 24,7 24,8 Demant C.; Streicher-Abel B. & Waszkewitz P. (1999). Industrial Image Processing: Visual Quality Control in Manufacturing. Springer-Verlag. p. 39. ISBN 3-540-66410-6.
  25. ↑ ^ Linda G. Shapiro and George C. Stockman (2001): „Computer Vision“, pp 279-325, New Jersey, Prentice-Hall, ISBN 0-13-030796-3
  26. ↑ Turek, Fred D. (March 2007). „Introduction to Neural Net Machine Vision“. Vision Systems Design. 12 (3). Retrieved 2013-03-05.
  27. ↑ Hornberg, Alexander (2006). Handbook of Machine Vision. Wiley-VCH. p. 709. ISBN 978-3-527-40584-8. Retrieved 2010-11-05.
  28. ↑ Hapgood, Fred (15-dekabr 2006-yil – 1-yanvar 2007-yil). „Factories of the Future“. CIO. 20 (6): 46. ISSN 0894-9301. Retrieved 2010-10-28.
  29. ↑ „Robotic Automation Is the Future of Manufacturing“. (15-noyabr 2021-yil)
  30. ↑ „Machine Vision Design & Development“ 
"https://uz.wikipedia.org/w/index.php?title=Mashinani_koʻrish&oldid=5249599" dan olindi