9 ขั้นตอนสำหรับผู้พัฒนาระบบ Machine Vision และ Image System เพื่อให้ได้ระบบที่เสถียรและสามารถตรวจสอบปัญหาที่ต้องการได้

ลักษณะของปัญหาในระบบ Machine Vision มีความท้าทาย เพราะว่าแต่ละงานจะไม่เหมือนกัน มีคุณสมบัติเฉพาะตัว ขั้นตอนในการออกแบบจึงจำเป็นมาก นำขั้นตอนทั้งหมดนี้ไปใช้เพื่อจะได้ระบบที่ต้องการ

Image

ขั้นตอนที่ 1 กำหนดเป้าหมายในการตรวจสอบ

จากการศึกษาพบว่า การตรวจสอบโดยใช้มนุษย์มีความแม่นยำเพียง 80% จิตใจของมนุษย์มักจะไม่แน่นอนในขณะที่ปฏิบัติงานตรวจสอบ เบื่อหน่ายง่าย

การศึกษาเหล่านี้ยังแสดงให้เห็นว่าระบบการตรวจสอบด้วยเครื่องอัตโนมัติพิสูจน์แล้วว่ามีความแม่นยำเชื่อถือได้และไม่รู้จักเหน็ดเหนื่อยในการตรวจสอบงานแบบเดียวกันนี้

ในการตั้งค่าระบบวิชันซิสเต็มอัตโนมัติงานแรกคือ การกำหนดงบประมาณต้นทุนและผลประโยชน์ของงาน เห็นได้ชัดว่าต้นทุนของระบบMachine Vision ที่ต้องจ่ายสามารถคืนทุนได้ในระยะเวลาอันสั้นจากการที่ช่วยปรับปรุงขั้นตอนในการผลิตช่วยเพิ่ม Productivity ลดค่าแรง รวมถึงการคืนของสินค้า

ตัวอย่างเช่นในแอปพลิเคชันการตรวจสอบชิ้นงานที่เป็นแผ่น Sheet ของผู้ผลิตวัสดุก่อสร้าง ประมาณว่า 15% ถึง 20% ของผลิตภัณฑ์ถูกทิ้ง เนื่องจากข้อบกพร่องของชิ้นงานและข้อบกพร่องของกระบวนการ โรงงานแห่งหนึ่งผลิตวัสดุได้มากกว่า 3,000 ล้านบาทต่อปี ผู้ผลิตคาดการณ์ว่าหากระบบวิชันซิสเต็ม สามารถลดเศษวัสดุลงได้ 50% การประหยัดที่เกิดขึ้นจะเกิน 50 ล้านบาท มีโรงงานมากกว่า 50 แห่ง เนื่องจากสามารถประหยัดได้สูงมาก ผู้ผลิตรายนี้จึงนำระบบ Machine Vision มาใช้ เป็นเทคโนโลยีการผลิตหลักอย่างรวดเร็ว

เป้าหมายการตรวจสอบอื่นเกี่ยวข้องกับความเปลี่ยนแปลงของระบบ อีกครั้งในแอปพลิเคชันการตรวจสอบแผ่น sheet ที่อธิบายไว้ รูปแบบต่างๆ ของระบบมีความสำคัญ เนื่องจากการตรวจสอบต้องเกิดขึ้นในสภาพแวดล้อมการผลิตที่ต้องการความเร็ว ดังนั้นจึงจำเป็นต้องมีคอมพิวเตอร์ (IPC) ที่ทนทานและพื้นที่ตรวจสอบที่ปิดล้อม 
เป้าหมายการตรวจสอบอื่นๆ จะเน้นที่ผู้ปฏิบัติงาน ผู้ปฏิบัติงานของระบบตรวจสอบแผ่น Sheet จะไม่ชำนาญในเทคโนโลยีการ vision system ดังนั้นระบบนี้จึงต้องกำหนดค่าได้ง่าย มี User Interface ที่เรียบง่ายและต้องการการ Fine Tune และการบำรุงรักษาต่ำ

เป้าหมายการนำระบบ Machine Vision ไปใช้งานสามารถแยกเป็นหัวข้อได้ดังต่อไปนี้

  1. เพื่อลดของเสียที่เกิดขึ้นระหว่างขั้นตอนการผลิต
  2. เพื่อลดเวลาเครื่องจักรหยุดเพื่อเปลี่ยนการผลิต ลดเวลาในการ set up เครื่องจักรในครั้งแรก
  3. เพื่อลดแรงงานคนที่ใช้ในการตรวจสอบคุณภาพชิ้นงาน
  4. เพื่อปรับปรุงคุณภาพสินค้า ทำให้การตรวจสอบมีเสถียรภาพมากขึ้น ป้องกันของเสียหลุดไปถึงลูกค้า
  5. เพื่อเก็บข้อมูลต่างๆ ที่เกิดขึ้นระหว่างการผลิต
  6. เพื่อทำตามลูกค้าร้องขอ เนื่องจากมีการตรวจพบว่ามีของเสียหลุดไปถึงลูกค้าทำให้ต้องวางแผนในการหาวิธีในการป้องกัน
Image

ขั้นตอนที่ 2 คำนวณเวลาในการตรวจสอบชิ้นงาน

เวลาในการตรวจสอบชิ้นงานจะเป็นการคิดเวลาโดยรวมทั้งหมด ตั้งแต่ชิ้นงานเริ่มเข้ามาในระบบตรวจสอบ เวลาในการถ่ายภาพและเวลาในการส่งข้อมูลเพื่อไปประมวลผล หากเวลาในการตรวจสอบมีความแตกต่างจาก Cycle time ของการผลิตมาก เราจำเป็นจะต้องเปลี่ยนวิธีในการตรวจสอบ เช่น ไลน์ผลิตสามารถผลิตชิ้นงานได้ 1000 ชิ้น ต่อ 1 นาที แต่เวลาในการ Inspection Time สามารถตรวจสอบชิ้นงานได้ 100 ชิ้น ต่อ 1 นาที ถ้าเป็นแบบนี้เราจำเป็นต้องหาระบบอื่นมาใช้แทน

ในการหาเวลาในการประมวลผล ประเภทของการประมวลผลจะมีผลต่อเวลาเป็นอย่างมาก อย่างเช่นในกรณีที่เราจะต้องทำการ Alignment หรือ orientation ชิ้นงานก่อนที่จะทำการตรวจสอบ การเลือกใช้ฟังก์ชัน Edge detection จะทำให้การตรวจสอบมีความเร็วมาก เนื่องจากใช้จำนวน Pixel ที่อยู่บนเส้นแค่นั้น แต่ถ้าเราเลือกใช้ฟังก์ชันที่เป็นกลุ่มพวก Pattern matching เวลาในการประมวลผลจะค่อนข้างช้า

เทคนิคที่จะสามารถช่วยปรับปรุงเวลาในการตรวจสอบชิ้นงานให้เร็วขึ้น

  1. การเลือกใช้กล้อง digital camera ที่มีความเร็วในการจับภาพสูง Image - acquisition ซึ่งในท้องตลาดสามารถสูงถึง 1000 เฟรมเรตต่อวินาที โดยถ้าเป็นกล้อง analogue จะสามารถทำได้แค่ 30 เฟรมต่อวินาที
  2. เลือกใช้ระบบประมวลผลที่เป็น MMX Vision Software จะสามารถเพิ่มประสิทธิภาพในการประมวลผลได้ถึง 400 เปอร์เซ็นต์
  3. Image-acquisition hardware — สามารถรองรับเทคนิคการประมวลผลภาพ เช่น การสแกนภาพบางส่วนบน FOV พื้นที่ที่น่าสนใจที่ตั้งโปรแกรมได้ และการลดทอนพิกเซลบน FOV กลยุทธ์การออกแบบนี้มีจุดมุ่งหมายเพื่อลดจำนวนพิกเซลในการประมวลผล เพื่อลดเวลาที่ต้องใช้ในการประมวลผลภาพ
  4. การเลือกใช้คอมพิวเตอร์รุ่นล่าสุดเพื่อจะได้ตัวประมวลผลที่มีความเร็วสูง

ขั้นตอนที่ 3 ระบุในลักษณะที่ต้องการตรวจสอบหรือ defect ที่ต้องการตรวจสอบ

ก่อนที่จะซื้อระบบ Machine Vision เราต้องระบุลักษณะของ defect ให้ชัดเจนและต้องกำหนดว่าส่วนไหนที่ไม่สามารถทำเป็นระบบอัตโนมัติได้ คำถามที่ควรจะต้องตอบก็คือลักษณะของชิ้นงานดีเป็นอย่างไร ลักษณะของชิ้นงานที่มีปัญหาเป็นอย่างไร อะไรที่เห็นได้อย่างชัดเจนเมื่อต้องการแยกชิ้นงานดีและชิ้นงานเสีย

เราต้องเก็บสถิติของชิ้นงานเสียว่าประเภทไหนเกิดขึ้นบ่อยที่สุด ประเภทไหนเกิดขึ้นต่ำที่สุด เพื่อจะช่วยในการประเมินภาพรวมของของเสีย ถ้าเราไม่ทำการแบ่งประเภทของชิ้นงานเสียจะทำให้ระบบอัตโนมัติที่ใช้ในการตรวจสอบจะสามารถทำได้ยาก ซึ่งขั้นตอนนี้จำเป็นต้องให้ System integrator เข้ามามีส่วนร่วม

สร้างฐานข้อมูลของชิ้นงานเสียและชิ้นงานที่สามารถยอมรับได้ ซึ่งเป็นส่วนสำคัญในการออกแบบระบบ Machine Vision สำหรับในขั้นตอนนี้การเก็บภาพเราจะใช้อุปกรณ์กล้องที่ราคาไม่สูงมาก ไม่ว่าจะเป็นตัวกล้องเอง Frame grabber และอุปกรณ์ Lighting ต่างๆ ในการประเมินผลดูว่าลักษณะงานแบบนี้สามารถตรวจสอบได้ง่ายหรือไม่ ถ้าต้นแบบของเราสามารถทำงานได้ก็จะเป็นการมั่นใจได้ว่าระบบจริงซึ่งใช้อุปกรณ์ที่มีคุณภาพสูงกว่าจะสามารถทำงานได้อย่างมีประสิทธิภาพ

Image
Image
Image
Image

ขั้นตอนที่ 4 การเลือกอุปกรณ์ Lighting และระบบในการลำเลียงชิ้นงาน

เป้าหมายในการเลือกแสงที่เหมาะสมและการจับยึดชิ้นงานที่เหมาะสมเป็นสิ่งที่สำคัญมาก ในการทำผลทดลองแสงที่เหมาะสมและการจับยึดที่ถูกต้องจะช่วยลดเวลาในการเขียนโปรแกรม Machine Vision ได้อย่างมาก

การใช้แสงและตำแหน่งในการจัดพื้นที่ถูกต้องจะทำให้ได้ภาพที่สม่ำเสมอในการถ่ายภาพทุกครั้ง ซึ่งจะทำให้การเขียน Software ทำได้ง่าย เราต้องเลือกใช้การลำเลียงที่ถูกต้องไม่ว่าจะเป็น conveyor ระบบ x-y positioning stages การใช้ Robot หรือการใช้ Motion Control แบบต่างๆ ซึ่ง accuracy ของระบบ Motion แต่ละแบบจะมีผลต่อราคาของระบบ Vision System ทั้งระบบ

ระบบแสงเป็นระบบที่มีความสำคัญอย่างสูงต่อความสำเร็จในการพัฒนาระบบ Machine Vision สำหรับการวัดขนาดการบอกตำแหน่งการคัดแยกระบบมอนิเตอริ่งและการควบคุมต่างๆ หน้าที่สำคัญสุดของระบบแสงก็คือการสร้างภาพที่เป็นภาพที่มีความเข้มแสงสม่ำเสมอ สามารถแยกส่วนที่ต้องการดูออกจากพื้นหลังได้

หน้าที่ของแสงอย่างอื่นก็คือการลดผลกระทบจากการเคลื่อนที่ของชิ้นงาน โดยใช้แสงที่มีความสว่างสูงผ่านระบบคอนโทรลที่เป็น Strobing Power Supply การลดแสงสะท้อนจากผิวชิ้นงานที่มีความมันวาว การสร้างให้เกิดความคมชัดที่ขอบของชิ้นงานสำหรับการวิเคราะห์และการระบุตำแหน่ง ซึ่ง Factor สำคัญในการหาแสงที่เหมาะสมสำหรับแอพพลิเคชั่นต่างๆ ก็คือประเภทของกล้องเลนส์และแสงรบกวนรวมถึง image processing เทคนิคต่างๆ ซึ่งภาพที่ได้จากการจัดแสงที่เหมาะสมจะถูกส่งไปให้ระบบ image processing ทำงานต่อไป

ขั้นตอนที่ 5 การเลือกเลนส์และกล้อง

ความละเอียดต่ำสุดและขนาด FOV ที่ต้องการคือพารามิเตอร์ 2 ตัวที่ใช้ในการเลือกเลนส์และกล้อง ในการประยุกต์ใช้เราจะพิจารณาจากขนาดเล็กที่สุดของ Defect ที่เราต้องการตรวจสอบสมมุติว่าเราต้องการหาขนาด defect ที่เล็กที่สุดอยู่ที่ 0.25 มิลลิเมตร โดยขนาดของ FOV ในแนวแกนตั้งอยู่ที่ 20 มิลลิเมตร และเพื่อให้มั่นใจว่าระบบจะตรวจสอบ defect เล็กสุดที่ 0.25 mm ได้ จำนวนพิกเซลจะต้องมีอย่างน้อย 4 พิกเซลในบริเวณนั้น เพราะฉะนั้นถ้าขนาดเป็น 1 มิลลิเมตรก็จะเท่ากับ 16 Pixel เพื่อให้สอดคล้องกับการคำนวณนี้กล้องจะต้องมีความละเอียดในแนวแกน Y หรือแนวแกนตั้งอย่างน้อยเท่ากับ 16 * 20 = 320 พิกเซลเป็นอย่างน้อย

สามารถหาข้อมูลเพิ่มเติมในการคำนวณและโซลูชั่นของกล้องในบทความตามลิงค์ด้านล่างนี้

https://www.abizsensor.com/machine-vision-blog/camera-resolution-selection-for-area-scan-camera.html

Image
Image

อีกพารามิเตอร์หนึ่งที่เราต้องใช้ในการเลือกเลนส์ก็คือ working Distance (WD) หรือระยะห่างจากหน้าเลนส์จนถึงชิ้นงานซึ่งออกต้องพิจารณาเรื่องนี้เพราะว่าที่หน้างานจริงเราจำเป็นจะต้องติดตั้งกล้องให้ห่างจากจุดที่อาจจะเป็นอันตรายต่อกล้องได้ การเลือกเลนส์จำเป็นจะต้องคำนึงถึงระยะชัดลึก (DOF) ซึ่งเป็นระยะสูงสุดที่เราจะสามารถถ่ายภาพได้คมชัดหากมีการเปลี่ยนแปลงของ working Distance ซึ่งผู้ขายที่ขายทั้งเลนส์และกล้องจะสามารถให้คำปรึกษาเรื่องนี้ได้เป็นอย่างดี

สามารถหาข้อมูลเพิ่มเติมในการคำนวณและโซลูชั่นของกล้องในบทความตามลิงค์ด้านล่างนี้

https://www.abizsensor.com/machine-vision-blog/lens-selection-technique-for-machine-vision.html

Image

ขั้นตอนที่ 6 การเลือก Hardware ที่ใช้ในการถ่ายภาพ

จากข้อที่แล้วเรากล่าวถึงเรื่องความละเอียดของกล้องไปแล้ว ต่อมาสิ่งที่เราต้องพิจารณาก็คือความเร็วของกล้องหรือ frame rate ว่าจะต้องใช้มี frame rate กี่ครั้งต่อวินาที FPS ในการตรวจสอบชิ้นงาน ขึ้นอยู่กับว่าใช้งานที่เราจะตรวจสอบนั้นหยุดนิ่งอยู่กับที่ตอนที่ทำการตรวจสอบหรือว่ามีการเคลื่อนที่ผ่าน โดยปกติแล้วกล้องที่มีความละเอียดสูงจะมีเฟรมเรทที่ต่ำ

ปัจจัยอีกอย่างหนึ่งก็คือประเภทของชัตเตอร์ เราจะต้องเลือก Shutter ให้ถูกต้องว่าจะใช้ Shutter แบบไหนซึ่งในกล้องระบบ Machine Vision มีประเภทของ Shutter อยู่ 2 แบบ ก็คือ Rolling Shutter กับ Global Shutter ซึ่ง Rolling Shutter จะเหมาะกับการตรวจสอบชิ้นงานที่หยุดนิ่งอยู่กับที่และ Global Shutter จะใช้สำหรับการตรวจสอบชิ้นงานที่มีการเคลื่อนที่ ซึ่งรายละเอียดในการเลือกชัตเตอร์ทั้ง 2 แบบ สามารถดูได้ตามลิงค์ด้านล่าง

https://www.abizsensor.com/machine-vision-blog/rolling-shutter-global-shutter.html

ปัจจัยในการตัดสินใจอีกเรื่องหนึ่งก็คือเราจะเลือกใช้กล้องสีหรือกล้องขาวดำ

การใช้กล้องกล้องสีจะทำให้การดูด้วยตาของเราจะทำได้ง่ายซึ่งจะแตกต่างจากภาพขาวดำ แต่ในทางอุตสาหกรรมคอมพิวเตอร์จะประมวลผลด้วยระบบขาวดำหรือ black and white เป็นตัวเลข 0 1 ซึ่งการใช้กล้องสีในการประมวลผลจำเป็นต้องใช้เวลาในการประมวลผลมากกว่า ซึ่งปกติแล้วกล้องขาวดำจะเป็นภาพประเภท 8 บิต ส่วนกล้องสีจะเป็นภาพ 24 bit คือ มี RGB data ด้วย

โดยรวมแล้วสีมักจะไม่ให้ข้อมูลเพิ่มเติมอย่างมีนัยสำคัญเกี่ยวกับวัตถุที่กำลังตรวจสอบ โดยเฉพาะอย่างยิ่งเมื่อมีการตรวจสอบความสัมพันธ์เชิงพื้นที่ของวัตถุในภาพ เช่น จำนวนขอบและระยะห่างระหว่างขอบ

อย่างไรก็ตามสีมีความสำคัญ เมื่อเป็นความแตกต่างเพียงอย่างเดียวระหว่างวัตถุที่กำลังตรวจสอบ เช่น ในฟิวส์ ตัวเก็บประจุ ตัวต้านทาน และการตรวจสอบเม็ดยา หากต้องการความละเอียดสูงในแอปพลิเคชันให้ใช้กล้องสามชิปหรือสีแดง-เขียว-น้ำเงิน (RGB)

อีกทางเลือกหนึ่งของการถ่ายภาพคือกล้อง Line Scan ต่างจากกล้อง Area Scan กล้อง Line scan ได้ภาพที่กว้างหนึ่งพิกเซล ใช้เซ็นเซอร์อุปกรณ์ชาร์จแบบคู่บรรทัดเดียวแทนอาร์เรย์สี่เหลี่ยม โดยทั่วไปแล้วกล้อง Line Scan จะโฟกัสที่เส้นแคบๆ เมื่อชิ้นส่วนเคลื่อนผ่าน และสามารถสร้างภาพได้ 10,000 เส้นขึ้นไปต่อวินาที เส้นเหล่านี้สามารถประมวลผลทีละเส้นหรือโดยทั่วไปสามารถต่อเข้าด้วยกันเป็นสองมิติได้ (2-D) ภาพกล้อง Line scan มีประโยชน์อย่างยิ่งในการตรวจสอบชิ้นส่วนที่มีลักษณะกลมหรือทรงกระบอก เนื่องจากเมื่อชิ้นส่วนถูกหมุนและถ่ายภาพ พื้นผิวของมันจะถูกคลี่เป็นภาพขนาดยาวหนึ่งภาพ ซึ่งง่ายต่อการตรวจสอบ นอกจากนี้เทคนิคการจัดแสงมีความต้องการน้อยกว่า เนื่องจากจำเป็นต้องใช้เฉพาะเส้นที่สแกนของชิ้นส่วนและไม่มีเส้นจำนวนมากสำหรับทั้งส่วน

โดยปกติแล้วระบบกล้อง Line scan จะถูกติดตั้งในแอปพลิเคชันที่วัตถุในรูปภาพเคลื่อนที่ เช่น สำหรับระบบในสายการผลิต

Image
Image

ขั้นตอนที่ 7 การเชื่อมต่อระบบถ่ายภาพและระบบ Motion control

เมื่อเราทดลองติดตั้งระบบจริงใน Production Line เราจะพบว่าเรามีความจำเป็นจะต้องออกแบบระบบเซ็นเซอร์ Trigger เพื่อให้มั่นใจว่าทุกครั้งที่ใช้งานเคลื่อนที่ผ่านเข้ามาระบบกล้องสามารถตรวจสอบให้ได้อยู่ใน FOV  เซ็นเซอร์มีความเร็วเพียงพอที่จะถ่ายภาพให้ทันและระบบ Lighting รวมถึงความเร็วของกล้องก็จะต้องเพียงพอที่จะไม่ทำให้ภาพ out of Focus ไปหรือทำให้เกิดอาการเบลอ เราต้องเลือกประเภทของเซ็นเซอร์สติ๊กเกอร์ให้เหมาะสมกับประเภทของชิ้นงานและจุดติดตั้งไม่ว่าจะเป็น Photo Sensor หรือพร็อกซิมิตี้เซ็นเซอร์ แม้แต่การดึงสัญญาณจากเครื่องจักรโดยตรงมาเป็นสัญญาณฟิกเกอร์

Image
Image

ขั้นตอนที่ 8 การทดลองกับ line ผลิตจริงและปรับตั้งค่า

หลังจากที่เราได้ทำโปรแกรมเบื้องต้นจากภาพที่เราเก็บภาพ OK และ NG ไว้แล้ว ขั้นตอนต่อไปก็คือการนำระบบ Prototype ไปทดลองจริงๆ บนไลน์ผลิต เพื่อที่จะให้อยู่ในสภาพแวดล้อมในการใช้งานจริง เราจำเป็นจะต้องใช้กล้อง เลนส์ และ Lighting ที่เหมาะสม เราต้องมีการติดตั้งเพื่อทดสอบระบบในเวลาที่เพียงพอ เพื่อที่จะทำการ calribate Software ให้มีเสถียรภาพมากพอ ซึ่งทั้งหมดจะต้องเก็บค่า Data ของความเข้มแสงต่างๆ หรือเหตุการณ์ต่างๆ ที่เกิดขึ้นในสายการผลิตที่เราอาจจะมองไม่เห็น

เป้าหมายของการตรวจสอบก็คือเพื่อที่จะสามารถที่จะตรวจจับชิ้นงานเสียได้ 100% อาจจะมีชิ้นงานดีที่ Reject ออกมาบ้าง ขึ้นอยู่กับว่าทางลูกค้าสามารถยอมรับเปอร์เซ็นต์ในการ Over Reject ของดีได้เท่าไร เราจะต้องทำการเก็บภาพของเสียที่ทำการ reject ออกมาและตรวจสอบดูว่ามีของเสียประเภทใดบ้างที่ระบบไม่สามารถตรวจสอบได้ เพื่อที่จะทำการแก้ไขโปรแกรมต่อไป

Image
Image

ขั้นตอนที่ 9 การออกแบบระบบ User Interface

การพัฒนาระบบ User Interface เพื่อช่วยให้ผู้ใช้งานสามารถที่จะทำการปรับตั้งหรือปรับเปลี่ยนค่าต่างๆ ของระบบได้ง่าย ซึ่งเราสามารถใช้ระบบการเขียน User Interface ที่มาพร้อมกับโปรแกรม image processing ของยี่ห้อต่างๆ ซึ่งก็จะมาพร้อมกับฟังก์ชันในการเขียน HMI เพื่อที่จะแสดงค่าที่จำเป็นหรือเพิ่มฟังก์ชันในการปรับตั้งระบบต่างๆ ให้ผู้ใช้สามารถเข้าถึงโปรแกรมได้ง่ายและทำการปรับตั้งหรือแก้ไขการตรวจสอบของกล้อง machine vision ได้ด้วยตัวเอง

Image
Image