بخشی از مقاله
چکیده
از میان همه شاخههای هوش مصنوعی، شاید کاربردیترین آنها استفاده از سیستمهای کامپیوتری در قالب بینایی ماشین در اتوماسیون صنعتی میباشد. در پردازش سیگنال و بطور اخص پردازش تصویر از حسگرهای مربوطه برای دریافت سیگنالهایی که تشکیل دهنده تصویر یک شی هستند استفاده میشود. کاربرد بینایی ماشین در صنعت کاشی بدین طریق میباشد که کاشیهای تولید شده در کارخانه که بر روی یک نوار نقاله قرار گرفتهاند از جلوی یک دوربین صنعتی گذشته و برای بازبینی کاشیهای معیوب از یک پروسه با مراحل زیر استفاده میشود:
-1دریافت تصویر
-2پیش پردازش
-3 تشخیص لبه - کنی -
-4 ارزیابی و آنالیز.
در این پژوهش، هدف پیاده سازی عملی الگوریتمهای مختلف هوشمند بینایی ماشین در پژوهشکده رباتیک دانشگاه آزاد نجف آباد میباشد. البته این پژوهش قسمتی از یک پروژه تحقیقاتی جامعتر میباشد که طی آن در یک پروسه خط تولید کاشی، محصولات معیوب توسط بخش بینایی ماشین تشخیص و به اطلاع بازوی رباتیکی موجود داده میشود که با توجه به آن ربات، کاشی معیوب را از نوار نقاله به محفظه کاشیهای معیوب منتقل میکند. بازوی رباتیکی موجود در پژوهشکده رباتیک، ربات اسکارا مدلIBM7547 با چهار درجه آزادی بصورت RRPR میباشد. همچنین این پژوهشکده جهت اجرای سیستم پردازش تصویر، مجهز به یک دوربین نیمه صنعتی از نوع گوپرو میباشد.
-1مقدمه
در پردازش سیگنال1 و بطور اخص پردازش تصویر2 از حسگرهای مربوطه، برای دریافت سیگنالهایی که تشکیل دهنده تصویر یک شی هستند استفاده میشود. این سیگنالها توسط کامپیوتر و یا سایر وسایل پردازش سیگنال برای تفسیر و تحلیل سیگنالهای دریافت شده از قطعه مورد بهرهبرداری استفاده میشود. لذا میتوان گفت بینایی ماشین به عنوان یک تکنیک در ابزارهای دیجیتال و در شبکههای کامپیوتری، برای کنترل ابزارهای صنعتی دیگر از قبیل کنترل بازوهای ربات و یا خارج کردن تجهیزات معیوب به کار میرود.
در حقیقت بیناییماشین شاخهای از علم مهندسی است که به رشتههای علوم کامپیوتری، نورشناسی، مهندسی مکانیک و اتوماسیون صنعتی ارتباط دارد. یکی از مهمترین و پر استفادهترین کاربردهای آن در بازبینی و بررسی کالاهای صنعتی از جمله نیمه هادیها، اتومبیلها، مواد خوراکی و دارو میباشد .[1] همانند نیروی انسانی که با چشم غیر مسلح در خط تولید کالاها را برای تعیین کیفیت و نوع ساخت آنها بازبینی میکنند.
بیناییماشین از دوربینهای دیجیتال و هوشمند و نرمافزارهای پردازش تصویر برای این کار استفاده میکند. به عنوان مثال بینایی ماشین میتواند برای انجام دادن وظایفی خاص از جمله شمردن اشیاء در بالابرها، خواندن شماره سریالها، جستجوی سطحهای معیوب به کار میروند. در حال حاضر در صنعت استفاده زیادی از بینایی ماشین برای بازبینی تصویری3 اشیاء که نیاز به سرعت و دقت بالا و کار 24 ساعته و تکرار محاسبات بالا دارد، وجود دارد.
اگرچه انسان عملکرد بهتر و قابلیت تطبیق دهی بیشتری برای خطاهای اجتناب ناپذیر در هر لحظه دارد، ولی با توجه به ویژگیهای ذکر شده بینایی ماشین به مرور جای نیروی انسانی را که به دلیل انحراف و شرایط بد دارای خطا میباشند، در صنعت پر میکند. سیستمهای بیناییماشین و بیناییکامپیوتری قادر هستند به صورت ثابت تصاویر را تجزیه و تحلیل کنند، ولی پردازش تصویر بر پایه کامپیوتر به صورت کلی برای انجام کارهای تکراری طراحی میشوند و علیرغم پیشرفتهای صورت گرفته در این زمینه، هیچ سیستم بیناییماشین قادر نیست با برخی از ویژگیهای سیستم بینایی انسان در قالب درک تصویر، تلرانس به تغییرات نور، تضعیف قدرت تصویر و تغییرات اجزا و غیره تطبیق پیدا کند.
دامنه کاربرد این شاخه از فناوری در حال رشد بسیار وسیع است و از کاربردهایی مثل کنترل کیفیت خط تولید و نظارت ویدئویی گرفته تا تکنولوژیهای جدید نظیر اتومبیلهای بدون راننده را دربرگرفته است و دامنه کاربردهای این تکنولوژی براساس تکنیکهای مورد استفاده در آنها تغییر میکند که یکی از آنها کاربرد آن در صنعت کاشی میباشد .[2]
-1-1 بیان مسئله
دراین پژوهش، هدف پیادسازی عملی الگوریتمهای مختلف هوشمند بینایی ماشین در پژوهشکده رباتیک دانشگاه آزاد نجفآباد همانند شکل - 1 - میباشد. این پژوهش قسمتی از یک پروژه تحقیقاتی جامعتر میباشد، که طی آن در یک پروسه خط تولید کاشی، محصولات معیوب توسط بخش بیناییماشین تشخیص و به اطلاع بازوی رباتیکی موجود داده میشود که با توجه به آن ربات، کاشی معیوب را از نوار نقاله به محفظه کاشیهای معیوب منتقل میکند.
بازوی رباتیکی موجود در پژوهشکده رباتیک، ربات اسکارا مدلIBM7547 با چهار درجه آزادی بصورت 5RRPR میباشد. همچنین این پژوهشکده جهت اجرای سیستم پردازش تصویر، مجهز به یک دوربین نیمه صنعتی از نوع گوپرو6 میباشد. به بیان دقیقتر بر آن هستیم با گسترش الگوریتمهای هوشمند پردازش تصویر مبتنی بر منطق فازی و شبکههای عصبی این پژوهش را انجام دهیم. لذا مسئله تحقیقی مورد نظر را میتوان بصورت زیر خلاصه کرد.
- 1 کاشی معیوب تشخیص داده شود - عیوب کاشی مورد بررسی در این پژوهش الف- لب پریدگی، ب- تغییر شکل ظاهری است - .
- 2 در شکل - 1 - موقعیت کاشی روی نور نقاله تشخیص و به بازوی ربات ارائه و ربات کاشی معیوب را از روی نوار نقاله به محفظه مربوط به کاشیهای معیوب منتقل کند. روش پیشنهادی ارایه شده با یادگیری و بهرهبرداری از کتابخانه 7 OpenCV انجام شده است .[3] برای یک متخصص بینایی ماشین و یا توسعه دهندهای که قصد توسعه برنامههای کاربردی را دارد، opencv الزامی است.
-1-2روند الگوریتم پیشنهادی مدل سالم یا ناسالم بودن کاشی
ابتدا یک فریم از تصویر توسط دوربین دریافت میشود، که فاصله دوربین تا کاشی حدودا یک متر میباشد. وقتی دوربین تصویر را دریافت میکند، اطراف شی مورد نظر نیز در داخل تصویر قرار میگیرد، بنابراین پس از پیدا کردن محدوده مورد نیاز محدوده اضافی از طرفین را حذف میکنیم. به منظور پیدا کردن چهار گوشه لبههای کاشی، ابتدا اجرای چهار حلقه برای پیمایش افقی در تصویر تا رسیدن به چهار نقطه اولیه، سپس اجرای چهار حلقه برای پیمایش عمودی تا رسیدن به چهار نقطه ثانویه میباشد.
حال برنامه برای ما هشت نقطه پیدا کرده است، که ما نهایتا چهار نقطه میخواهیم. نقطههای بدست آمده را نام گذاری میکنیم. طول چهار ضلع را بدست میآوریم، سپس زاویه چهارگوشه را نیز بدست میآوریم. اگر دو ضلع طول و دو ضلع عرضی باهم برابر نبودند، کاشی از نظر سایز ناسالم است و برنامه پایان مییابد. اگر دو ضلع طول و دو ضلع عرضی باهم برابر نبودند، کاشی از نظر سایز ناسالم است و برنامه پایان مییابد.
اگر دو ضلع طول و دو ضلع عرضی باهم برابر بودند و چهار زاویه کاشی 90 درجه هستند. کاشی از نظر سایز سالم و باید لبپریدگی چک شود. برای تشخیص لبپریدگی مابین چهار نقطه بدست آمده، چهارخط مشکی - روی اضلاع کاشی - هم رنگ پس زمینه رسم میکنیم. اگر نقطه سفید در تصویر باقی ماند، که کاشی دارای لبپریدگی و ناسالم است و برنامه پایان مییابد. اگر نقطه سفید در تصویر باقی نماند، کاشی لبپریدگی ندارد و سالم است.
-2پیش پردازش دادهها
بطور سنتی در یک خط تولید، وظیفه اصلی اپراتور کنترل کیفیت این است که به سرتاسر محصول تولید شده نگاه کرده و با مقایسه آن با استانداردهای مورد قبول، برای محصول تولید شده جواز عبور یا عدم عبور صادرکند. اگر این کار بااستفاده از بینایی ماشین صورت گیرد باید عکس گرفته شده از محصول تولید شده با عکسی که از محصول استاندارد وجود دارد مقایسه شود و بصورت خودکار جواز عبور یا عدم عبور صادر گردد .[2]
کاربرد بینایی ماشین در صنعت کاشی بدین طریق میباشد که کاشیهای تولید شده در کارخانه که برروی یک نوار نقاله قرار گرفتهاند تصاویر مورد استفاده در پایگاه داده این مقاله از جلوی یک دوربین [4] 8 CCD گذشته است و از فاصلهی 1 متری از سطح کاشی تصویر اخذ شده است. شکل - 2 - نمونهای از تصویر کاشی مورد استفاده را نشان میدهد.
بعد از اخذ تصاویر رنگی بدلیل مستقل بودن پردازشهای انجام گرفته در این کار و در جهت کاستن از حجم دادهها، تصاویر رنگی را به تصاویر خاکستری تبدیل میکنیم. سپس سایر عملیات جهت پیش پردازش روی دادهها انجام میگیرند. هدف کلی این مرحله را میتوان به ورود تصویر و حذف محدودههای غیر ضروری از اطراف تصویر دانست.
-2-1 تغییر اندازهی تصویر
تغییر اندازه تصویر یک موضوع امیدوار کننده در جوامع پردازش تصویر و بینایی کامپیوتر بوده است. بهترین روشهای موجود برای تغییر اندازه تصویر، روش بدون نظارت است. با توسعه سریع تکنولوژی چند رسانه ای، متعدد تصاویر دیجیتال به صورت مکرر در زندگی روزمره مردم استفاده میشود. وقتی دوربین تصویر را میگیرد، اطراف شی مورد نظر نیز داخل تصویر قرار میگیرد و حاشیههای اطراف تصویر که دلخواه ما نبوده را تابع حذف میکند و تصویر تغییر اندازه داده شده را بر میگرداند. این تابع علاوه بر تغییر اندازه تصویر، چهار عدد که میزان برش از اطراف است را از ورودی دریافت میکند. شکل - 3 - تصویر تغییر اندازه داده شده را نشان میدهد.
یک تصویری که برای پردازش انتخاب میشود، برای آنکه ابعاد آن کوچکتر شود تصویر را برش میدهیم. زیرا هرچه تصویر بزرگتر باشد برای پیش پردازش و پردازش با مشکل بزرگتری مواجه خواهیم بود. و همچنین بهدلیل آنکه اندازه تصویر بزرگ است با روش مناسب اندازه آن را کاهش میدهیم. این کار باعث میشود سرعت پردازش نیز افزایش یابد .[5]
-2-2 تبدیل تصویر رنگی به تصویر خاکستری
یک تابع تعریف نمودهایم که تصویر رنگی شکل - 3 - را به یک تصویر سطح سیاه و سفید - خاکستری - شکل - 4 - تبدیل میکند .[6]
-2-3لبه یابی
بهدلیل آنکه زاویهی عکسبرداری شده برای تصاویر کاشی یکسان هستند، بهتر است از عمل لبه یابی استفاده شود. در شکل - 5 - توسط لبه یابی کنی9 که لبههای کاشی را پیدا میکند، به عنوان مثال نشان داده شده است [7] و .[8]
