@SeAMK

Konenäkö on älykäs anturi

10.06.2015

Viime vuosina konenäön hyödyntäminen teollisuuden eri sovelluksissa on yleistynyt vauhdilla. Alati laskevat hinnat, laajeneva laitevalikoima ja kasvava suorituskyky tekevät teknologiasta houkuttelevan ratkaisun moniin teollisuuslähtöisiin sovelluksiin. SeAMK Tekniikassa on rakennettu valmiuksia vastata yritysten kehitystarpeisiin huhtikuussa päättyvän ”Future Machine Vision”-hankkeen panostuksilla.

Konenäöllä on jo nyt monia teollisuussovelluksia ja sitä käytetään teollisuudessa laajasti tarkastus-, mittaus-, paikoitus- ja koodinlukusovelluksissa. Linjamaisessa tuotannossa nämä tehtävät ovat luonteeltaan toistuvaa monotonista puurtamista. Ihminen ei jaksa tehdä näitä tehtäviä yhtäjaksoisesti samalla tarkkuudella kovin pitkään. Tämän vuoksi konenäkö on hyvä ratkaisu kyseisten tehtävien automatisointiin.

Konenäkö korvaa ihmissilmiä

Yksinkertainen konenäköjärjestelmä koostuu kamerasta linsseineen, valaisimista, tietokoneesta ja konenäköohjelmistosta. Lisäksi tarvitaan esimerkiksi hihnakuljetin, jolla kuvattavat kappaleet siirretään kameran eteen. Kohde kuvataan ja kuva lähetetään tietokoneelle ohjelmiston analysoitavaksi. Kuvasta analysoitava tieto voi liittyä kuvatun objektin laadun, asennon, mittojen ja muiden fyysisten ominaisuuksien tarkasteluun. Konenäön avulla voidaan esimerkiksi tarkastaa, ovatko tuotantolinjalta valmistuvissa kappaleissa kaikki reiät oikeilla paikoilla tai onko kappaleiden mitat kunnossa. Kuvista analysoidun tiedon perusteella voidaan valmistusjärjestelmää ohjata tekemään haluttuja toimenpiteitä, esimerkiksi kappaleiden lajittelua.

Konenäkölaboratorio yritysten tarpeisiin ja koulutuskäyttöön

SeAMKissa vuonna 2013 käynnistyneen Future Machine Vision -hankkeen tavoitteena oli kehittää konenäköosaamista ja -valmiuksia yritysten kehitystarpeiden palvelemiseen sekä insinöörikoulutukseen. Osana hanketta SeAMK Tekniikan tiloihin on rakennettu konenäkölaboratorio, jota hyödynnetään sekä insinööriopetuksessa, opinnäytetöissä ja yritysten kehittämisprojekteissa. Laboratorioon on koottu erilaisista kameroista, ohjelmistoista, valaisimista ja muista laitteista koostuva mahdollisimman monipuolinen kokonaisuus. Kokonaisuus suunniteltiin siten, että laboratoriossa olisi mahdollista kehittää erilaisia konenäkösovelluksia aina perussovelluksista erikoisempiin tarpeisiin.

Laboratorion lisäksi hankkeessa suunniteltiin myös konenäön opintojakso, sillä aiheen opetus SeAMKissa oli ennestään vähäistä. Opintojakso koostuu sekä teoriamateriaalista että harjoitustöistä. Näiden avulla opiskelijat saavat kokonaiskuvan konenäöstä, yleisimmistä sovelluksista sekä käytännön kokemusta erilaisten konenäkösovellusten rakentamisesta. Opintojaksoa pilotoitiin talvella 2014–2015 vapaavalintaisena kurssina. Kurssille osallistui yli 35 opiskelijaa, mikä kertoo aiheen kiinnostavuudesta. Kurssi oli kerätyn palautteen perusteella opiskelijoista kiinnostava, tosin ryhmäkoosta aiheutunut käytännön laboratoriotöiden järjestämisen vaikeus toi myös hieman kritiikkiä. Kritiikkiin on tarkoitus vastata erillisellä konenäön jatkokurssilla, jossa keskitytään vain laboratoriotöihin.

Yksi keino tehostaa Etelä-Pohjalaisten yritysten kilpailukykyä ja tuotantotoimintaa on tuotantoautomaation kehittäminen ja käyttöönotto. Konenäköä voidaan hyödyntää tuotannon automatisoinnissa monilla tavoin ja SeAMKin konenäkölaboratorio palveleekin alueen yrityksiä sekä sovellusdemo- että kehitysympäristönä. Konenäön avulla automatisoitavia prosesseja voivat olla esimerkiksi tuotteiden laadunvarmistus-, mittaus- tai ohjaussovellukset.
Etelä-Pohjanmaan liiton (EAKR) ja SeAMKin rahoittama Future Machine Vision -hanke käynnistyi vuoden 2013 alussa ja päättyi huhtikuussa 2015.

SeAMKin konenäkölaboratoriosta löytyy seuraavat kamerajärjestelmät:

Harmaasävykamera
on yleisin konenäkökamera ja sitä voidaan hyödyntää erilaisiin perussovelluksiin, kuten kappaleiden tarkastukseen tai mittaukseen.

Värikameraa
hyödynnetään sovelluksissa, joissa pitää erotella kappaleita värin perusteella. Tällaisia sovelluksia löytyy paljon muun muassa elintarvike-, lääke- ja autoteollisuudesta. Esimerkki tällaisesta sovelluksesta on eriväristen muovikappaleiden tai lääketablettien erottelu.

Älykamerajärjestelmän
kamera on käytännössä tavallinen harmaasävykamera, jonka kanssa samaan koteloon on integroitu tietokone kuvien analysointia varten. Järjestelmä on siis kompaktimpi, kuin tavanomainen konenäköjärjestelmä, joka tarvitsee erillisen PC-tietokoneen kuvien analysointiin.

Stereokamera
koostuu kahdesta erillisestä kamerasta. Kun kohteesta otetaan kaksi kuvaa hieman eri kuvakulmista, saadaan kappaleesta myös syvyystieto ihmisen näköaistin tavoin. Järjestelmää voidaan hyödyntää esimerkiksi robotisoidessa kappaleiden poimintaa lavalta.

3D-kamerassa
on samaan koteloon yhdistetty kamera, viivalaser ja analyysiohjelmisto. Laitteen avulla voidaan tehdä kappaleille erilaisia mittauksia, kuten sivujen ja niiden välisten kulmien mittausta. Lisäksi laitteella voidaan tarkastella kappaleiden pinnanmuotoja ja tasomaisuuksia ja vaikkapa skannata kappale 3D-pintamalliksi.

Hannu Hirvelä

DI Hannu Hirvelä toimi projektipäällikkönä Future Machine Vision –hankkeessa.

konenako.jpg

Ohutlevykappaleiden kuvausta 3D-kameralla.

Design by Oddmob