Wizja maszynowa do inspekcji na przenośniku

Wizja maszynowa zastępuje człowieka tam, gdzie oko się męczy: przy monotonnej inspekcji produktu przesuwającego się przenośnikiem z prędkością kilkudziesięciu sztuk na minutę. Kamera rejestruje każdy obiekt, algorytm porównuje go z wzorcem, a element wykonawczy usuwa wadliwą sztukę. W tym artykule omawiamy podzespoły takiego systemu, dobór kamery i oświetlenia oraz koszt wdrożenia.

Jak działa wizja maszynowa na linii

System wizji maszynowej to cztery powiązane elementy. Kamera rejestruje obraz produktu w chwili przejścia strefy kontroli. Oświetlenie zapewnia stabilny obraz niezależnie od światła w hali. Sterownik lub komputer przemysłowy przetwarza klatkę i podejmuje decyzję „dobry / wada”. Element wykonawczy — pneumatyczny popychacz, odrzutnik lub zawór — fizycznie usuwa wadliwą sztukę ze strumienia.

Kluczowym warunkiem poprawnej pracy jest stabilność. Produkt musi mijać kamerę w przewidywalnym położeniu, ze stałą prędkością i oświetleniem. Dlatego kamerę niemal zawsze montuje się nad dedykowanym przenośnikiem inspekcyjnym, a nie nad dowolnym odcinkiem linii. Przed strefą kontroli często dodaje się węzeł rozprowadzający produkt w jedną warstwę lub jeden rząd — inaczej obiekty zachodzą na siebie i algorytm nie widzi każdego osobno.

Drugim warunkiem jest synchronizacja. System musi dokładnie wiedzieć, w którym momencie obiekt znajduje się pod kamerą. W tym celu na przenośnik montuje się czujnik obecności lub enkoder powiązany z napędem. Enkoder daje systemowi „współrzędną” taśmy, a kamera wyzwala się dokładnie wtedy, gdy produkt jest w kadrze, zaś odrzutnik — dokładnie wtedy, gdy wadliwa sztuka do niego dojdzie.

Kamera i oświetlenie: jak się dobiera

Typ kamery zależy od wady, którą trzeba wychwycić. Kamera kolorowa jest potrzebna do kontroli dojrzałości warzyw lub koloru pieczenia. Monochromatyczna o wyższej rozdzielczości lepiej widzi geometrię i obce wtrącenia. Do drobnych wad na szybkim strumieniu stosuje się kamery z migawką globalną, aby uniknąć rozmycia podczas ruchu.

Osobno dobiera się obiektyw i odległość roboczą. Obiektyw zadaje pole widzenia i głębię ostrości: na szybkiej linii z produktem o nierównej wysokości potrzebny jest zapas głębi ostrości, inaczej część obiektów wychodzi rozmyta. Rozwiązuje się to na etapie układu, bo zmiana wysokości kamery po montażu bywa trudna.

Oświetlenie często jest ważniejsze niż sama kamera. Niestabilne światło to główna przyczyna fałszywych zadziałań: ta sama sztuka w różnym oświetleniu wygląda inaczej, a algorytm się myli. W naszych projektach stosujemy:

• Światło rozproszone — do produktów matowych bez odblasków;
• Kierunkowe boczne — aby podkreślić rzeźbę, pęknięcia, wgniecenia;
• Podświetlenie od dołu — do kontroli sylwetki i konturu;
• Podczerwone — do wykrywania wtrąceń niewidocznych w świetle widzialnym.

Oświetlenie ekranuje się też od światła hali osłoną — to usuwa wpływ słońca przez okna i przełączania lamp w hali.

Modele AI do klasyfikacji

Klasyczna wizja maszynowa działa na sztywnych regułach: rozmiar, kolor, powierzchnia w zadanych granicach. Jest niezawodna w prostych zadaniach — kontrola obecności wieczka, odczyt daty, sprawdzenie wymiaru. Taki system jest deterministyczny: w tych samych warunkach zawsze daje ten sam wynik, łatwo go ustawić i sprawdzić.

Trudniejsze zadania — sortowanie warzyw według jakości, wykrywanie zgnilizny, klasyfikacja orzechów — wymagają modeli uczenia maszynowego. Sieć neuronową trenuje się na tysiącach oznakowanych obrazów „dobry” i „wada”, po czym uogólnia ona i rozpoznaje wady trudne do opisania regułami. Dokładność roboczego modelu przy stabilnym oświetleniu to 95–99%.

Ważne, by zrozumieć: model AI nie jest „inteligentny” sam z siebie — jest dokładnie tak trafny, jak dobrze zebrano zbiór uczący. Jeśli w danych uczących nie było pewnego typu wady, model jej nie rozpozna. Dlatego zawsze zakładamy okres douczania na rzeczywistym strumieniu: w pierwszych tygodniach pracy system gromadzi przypadki sporne, operator je oznacza, a model jest dostrajany pod konkretny produkt klienta.

Wskazówka inżyniera. Nie zaczynaj od AI tam, gdzie wystarczą reguły. Jeśli zadaniem jest sprawdzenie obecności etykiety, klasyczny system kosztuje trzy razy mniej, konfiguruje się w jeden dzień i nie wymaga douczania przy zmianie partii.

Parametry techniczne systemów inspekcji

Parametr	System klasyczny	System AI
Rozdzielczość kamery	2–5 Mpix	5–12 Mpix
Prędkość strumienia	do 60 szt/min	do 300 szt/min
Dokładność klasyfikacji	90–95%	95–99%
Oświetlenie	LED, białe	LED + IR
Czas konfiguracji partii	1–2 godziny	15–30 minut
Temperatura pracy	0…+40 °C	0…+40 °C

Prędkość strumienia zależy nie tylko od kamery, ale i od tempa przenośnika oraz wydajności odrzutnika. Dlatego odcinek inspekcyjny projektuje się jako jeden podzespół: przenośnik inspekcyjny, optyka i element wykonawczy muszą być zgrane taktem.

Ile kosztuje wdrożenie

Budżet systemu ma trzy części: urządzenia (kamera, oświetlenie, sterownik, odrzutnik), mechanikę (przenośnik inspekcyjny pod kamerę) oraz konfigurację z trenowaniem modelu. Prosty system kontroli obecności lub daty zwraca się szybko — usuwa jednego operatora ze zmiany. System AI do sortowania według jakości kosztuje więcej, ale pracuje tam, gdzie człowiek fizycznie nie nadąża za strumieniem, i daje stabilny wynik bez zmęczenia pod koniec zmiany.

Orientacyjny czas zwrotu w naszych projektach to 8 do 18 miesięcy, zależnie od liczby zmian i kosztu wad, które system przechwytuje przed wysyłką. W rachunku warto uwzględnić nie tylko pensję operatora, ale i koszt reklamacji: jedna partia, która trafiła z wadą do klienta, nierzadko kosztuje więcej niż cały system inspekcji.

Kolejnym czynnikiem jest stabilność jakości. Inspektor-człowiek na początku zmiany i pod koniec pracuje z różną uwagą; wizja maszynowa trzyma jednakowy próg odrzutu całą dobę. Dla produkcji przechodzących audyty jakości to osobny argument: system daje udokumentowaną i odtwarzalną kontrolę.

Podsumowanie

Wizja maszynowa to nie „inteligentna kamera”, lecz zgrany system optyki, oświetlenia, algorytmu i mechaniki odrzutu. Zacząć warto od jasnego opisu wady, którą trzeba wychwycić: od tego zależy wybór między podejściem klasycznym a AI. Planujesz odcinek inspekcyjny lub modernizację linii? Skontaktuj się z nami — dobierzemy konfigurację wizji maszynowej pod Twój produkt i tempo produkcji.