Координатно-сверлильные станки используются в мебельном производстве. Распознавание отверстий на снимке детали, изготовленной на таком станке, требуется для автоматизации контроля качества. Такой контроль выполняется посредствам сверки исходного чертежа с чертежом построенным по изготовленной детали. Без автоматизации такой контроль выполняется с использованием штангенциркуля и рулетки и занимает около 15 минут на одну деталь.
При ручном измерении есть риск допущения ошибки из-за человеческого фактора, сохраняется большая нагрузка на рабочих. Решение этой проблемы возможно за счет использования измерительной системы, основанной на техническом зрении, когда размер и форма определяются специализированным программным обеспечением на основе фотоизображений. Автоматизация должна ускорить контроль качества, и тем самым позволить повысить долю контролируемой продукции.
В рамках курсовой работы был разработан алгоритм решения данной задачи с использованием классического подхода анализа изображений, реализованного с использованием библиотеки OpenCV. Алгоритм поиска отверстий из курсовой работы находил «ложные» отверстия на контрастных участках текстуры шпона «Дуб розовый» и «Серый». Алгоритм гарантировано распознавал отверстия на шпоне «Американский орех» и не распознавал от 5 до 25 % отверстий на других цветах шпона. При использовании алгоритма для контроля качества не допускается наличие ложных срабатываний и не распознанных отверстий. Таким образом для получения практически значимого результата требуется существенная доработка алгоритма.
В курсовой работе изображение преобразовывалось в полутоновое и затем сегментировалось. При этом выбор 3 коэффициентов преобразования цветного изображения в полутоновое не был обоснован. Выбор двух порогов сегментации осуществлялся вручную.
Существуют различные способы вычисления этих коэффициентов. В рамках данной роботы я хочу использовать технологию машинного обучения, т. к. данная технология востребована и применима для решения множества других задач.
В данной работе будет рассмотрен, выходящий за рамки курсовой работы, вопрос «вырезания» детали со снимка. Для этого деталь будет сфотографирована на фоне «хромакей». Координаты отверстий относительно верхнего-левого угла детали будут вычислены на основе координат отверстий относительно левого-верхнего угла снимка. Статья включает в себя 7 алгоритмов :
1. Алгоритм генерации снимков:
Этот алгоритм использует метод в библиотеке opencv для создания снимок шпона , который используется для оказания помощи в разработке алгоритма и проверки точности алгоритма.
2. Алгоритм анализа снимка:
Этот алгоритм используется для вырезания деталей из фотографий, содержащих хромакей.
3. Алгоритм сегментации ДСП:
В этой статье рассматриваются три алгоритма сегментации изображений:
Сегментация ДСП без машинного обучения, Этот алгоритм использует только методы из библиотеки opencv для сегментации изображений.
Существует также два алгоритма, которые используют методы машинного обучения.
Сегментация ДСП методом опорных векторов.
Сегментация ДСП персептроном.
4. Алгоритм поиска отверстий:
Алгоритм поиска отверстия может получить диаметр и координаты отверстия.
5. Алгоритм обработки выходных данных:
Этот алгоритм сортирует выходной массив на основе расстояния от центра круга сравнения. Тем самым получая два взаимно однозначных соответствующих массива для вычисления точности алгоритма.
Для решения данной задачи будет использоваться популярная и бесплатная для коммерческого использования библиотека OpenCV и библиотеки машинного обучения.
Цель:
Изучить методы обработки изображений на основе машинного обучения.
Задачи:
1. Сделать снимок детали.
2. Составить цифровую схему детали.
3. Автоматизировать поиск детали на снимке.
4. Реализовать алгоритм распознавания отверстий на основе машинного обучения.
5. Оценить качество алгоритма с исп. формальной метрики. Сравнить с алгоритмом из курсовой работы.
В работе были изложены результаты решения задачи распознавания изображений компонентов. Решение данной задачи крайне актуально в промышленности. В курсовой работе представлен краткий обзор существующего решения распознавания отверстий. Описана особенность метода распознавания образов для отверстий.
Результаты экспериментов показывают, что удалось достичь хорошей точности и стабильности модели при ее использовании для идентификации отверстий на пластине координатно-сверлильного станка. Однако алгоритм может быть усовершенствован путем выполнения следующей работы:
устранить оптические искажения.
