هفت کاربرد معمول بینایی ماشین در تولید
بینایی ماشین چیست و چه کاربردی در صنعت دارد؟
۰۱ بهمن ۱۳۹۹
بینایی ماشین چیست و چگونه می‌تواند کمک کند؟
۲۳ بهمن ۱۳۹۹
در این مقاله سعی داریم تا به کاربرد بینایی ماشین در صنعتی بپردازیم. بینایی ماشین به‌صورت جهانی به ابزاری محبوب برای بازرسی بصری خودکار در تولید، تبدیل‌شده است. اخیراً در ایران نیز درخواست برای استفاده از این فناوری بینایی ماشین و فهم آن افزایش‌یافته است. با پیشرفت اخیر هوش مصنوعی و قدرت محاسباتی در کنار توسعه الگوریتم‌های نرم‌افزاری، بینایی ماشین چهره‌ای جدید مبتنی بر یادگیری عمیق ارائه داده است. سامانه‌ها به‌آسانی آموزش داده می‌شوند و یادگیری را آسان می‌سازند. بدین‌وسیله پیچیدگی یکپارچه‌سازی کاهش پیدا می‌کند.
هرچند که فهم چگونگی عملکرد نحوه کارکرد این فناوری در فرآیند تولید، امری مهم است. مهم است که نیازهای مرتبط با کاربرد خود را بدانید در نتیجه قادر خواهید بود که بدانید بر روی چه چیزهایی باید سرمایه‌گذاری کنید و طراحی سامانه شما چگونه باید باشد. بعضاً با توجه به کاربرد شما پیش می‌آید که به چندین مورد از توابع زیر نیاز داشته باشید.
فهرست محتوا
حوزه‌های کاربرد بینایی ماشین
۱.تشخیص اشیا
تشخیص اینکه یک قطعه (شی‌ء) در جای خود قرارگرفته است و یا خیر و یا اینکه آیا قطعه در تصویر وجود دارد و یا خیر از وظایف این الگوریتم است. مثالی کاربردی در حوزه بینایی ماشین می‌تواند قرارگیری کشو تخم‌مرغ یا یخ در یخچال باشد. سامانه بینایی ماشین به‌راحتی قطعه را توسط قسمت‌های طلایی تصویر و یا الگوهای مشخص‌شده تشخیص می‌دهد. این الگوها از پیش آموزش داده‌شده‌اند که باعث می‌شود؛ تصاویر دوربین صنعتی بلادرنگ مورد پردازش واقع شود.
۲.ابعاد برداری
یک از کاربردهای بینایی ماشین، ابعاد برداری است. همان‌طور که از نامش برمی‌آید. ابعادبرداری عبارت است از تشخیص ابعادی شی‌ء که باید به‌دقت انجام شود. این امر با قرارگیری نقاطی خاص در تصویر و ابعاد برداری مختصاتی (فاصله، شعاع، قطر، عمق و …) همراه است. از مثال‌های کاربردی ابعاد برداری می‌توان به ابعاد برداری میله سیلندر اشاره کرد. مثال دیگر ابعاد برداری سطح مایع در بطری است. ابعاد برداری می‌تواند توسط دوربین‌های دو و سه‌بعدی صورت پذیرد.
۳.تشخیص عیب
کاربردهای تشخیص عیب، وجود موارد غیرعادی مانند عیوب، دندانه‌ها و خش‌ها را بر روی سطح محصول تشخیص می‌دهند. کاربردهای تشخیص عیوب نیاز دارند که به‌دقت تعریف شوند چراکه بدین‌صورت قادرند بین عیوب قابل‌قبول و غیرقابل‌قبول تفاوت قائل شوند. استفاده از بینایی ماشین مبتنی بر هوش مصنوعی به‌صورت ایده آل برای کاربردهایی این‌گونه در سامانه مبتنی بر نمونه‌ها که به‌عنوان قانون شناخته می‌شوند؛ به کار برده می‌شود.
۴.تشخیص عیوب چاپ
تشخیص عیوب چاپ از دیگر کاربرد بینایی ماشین است که مانند تشخیص سایه رنگ یا قسمت‌هایی از چاپ که وجود ندارند یا پاک‌شده‌اند؛ هدف سامانه بینایی ماشین تشخیص عیوب چاپ است. در این کاربردها تصویر نمونه به سامانه معرفی می‌گردد تا محصولات با نمونه، مقایسه و عیوب مشخص شوند.
۵.شناسه سنجی
شناسه سنجی توسط بینایی ماشین شامل تشخیص یک قطعه یا محصول به‌منظور ره‌گیری این قطعه در فرآیند لجستیکی یا تولید است. بدین‌صورت می‌توانید تأیید کنید که محصول درست در حال تولید است. شناسه سنجی می‌تواند توسط خواندن کاراکترها (OCR) یا بارکدها صورت بپذیرد.
۶.موقعیت‌یابی
موقعیت‌یابی اشیا، استفاده‌ای معمول از بینایی ماشین برای کاربردهایی مانند هدایت روبات است. اینجا هدف سامانه بینایی ماشین موقعیت‌یابی مختصات/مکان قطعه موردنظر است. این اطلاعات می‌تواند برای برداشتن قطعات یا فرآیندهای دیگر مبتنی بر موقعیت صورت می‌پذیرد. این نوع از کاربردهای بینایی ماشین نیازمند به قطعه‌ای کوچک‌تر به‌عنوان قطعه مورد نظر است که به سامانه بینایی ماشین آموزش داده شود؛ بدین‌صورت می‌توان قطعه را در فرآیند تولید مورد تشخیص قرار داد.
۷.شمارش
شمردن محصولات نیز از کاربردهای دیگر سامانه‌های بینایی ماشین است که می‌تواند در صنایع مختلف مورد استفاده قرار بگیرد. مثالی کاربردی می‌تواند شمارش تخم‌مرغ باشد.
برای بررسی تخصصی‌تر کاربرد بینایی ماشین در صنعت، مقاله ده نمونه از کاربردهای بینایی ماشین (~پردازش تصویر) در تولید را مطالعه فرمایید. و اگر می‌خواهید با حوزه‌های صنعتی و کاربردی بینایی ماشین آشنا شوید؛ مقاله صنایع هدف سامانه بینایی ماشین را از دست ندهید.
2 Comments
سلام و خسته نباشید.
ممنونم از مقاله ی خوبتون
ببخشید این مقاله کد پایتونی یا هر کد دیگه ای داره ؟
برای پردازش تصویر می خواستم . ممنون میشم اگر کد پایتونی داره مثلا توی گیت یا هر جای دیگه اطلاعی بدید.
ممنونم.
سلام خدمت شما
مقاله سایت به لینک زیر را مطالعه فرمودید؟ اگر کمک بیشتری از دستم برمیاد بفرمایید.
آموزش پردازش تصویر با پایتون توسط OpenCV