Konenäkö muistuttaa toiminnaltaan ihmissilmän toimintaa, mutta se on luotettavampi, nopeampi ja väsymätön tarkastaja.
Ensimmäiset erittäin yksinkertaiset konenäkösovellukset tulivat robotiikkaan 80-luvulla. Nämä sovellukset liittyivät lähinnä asennon tunnistamiseen.
Konenäön hyödyntäminen automaattisessa laadunvalvonnassa on ollut tunnettu asia jo suhteellisen kauan. Konenäkö parantaa laatua ja kannattavuutta, lisää nopeutta ja turvallisuutta, sekä vapauttaa resursseja turhasta tarkastustoiminnasta kannattavampaan toimintaan. Tekniikan kehittyminen on auttanut kehittämään entistä luotettavampia järjestelmiä, kehittyneempiä ohjelmistoja sekä huomattavasti pienempiä konenäköjärjestelmän hankintakustannuksia.
Perinteinen konenäkö on kaksiulotteinen, joten se ei pysty näkemään ihmisen silmien tavoin kolmiulotteisesti, eikä osaa automaattisesti analysoida näkemäänsä kuvaa kuten ihminen. Konenäöllä on käytössä kaikki samat osat kuin ihmisen silmällä eli optiikka, kuvanmuodostuselin, ohjausyksikkö, ohjausalgoritmi ja valaistuksen säätö. Perinteiset konenäkösovellukset käyttävät laskentaan tietokoneen prosessoria, mutta nykyään järjestelmät sisältävät oman keskusyksikön, joka hoitaa laskennan. Nämä kompaktit konenäön sovellukset ovat suosittuja helpon käytettävyyden, toimintavarmuuden sekä luotettavuuden takia, eikä järjestelmä tarvitse erillistä tietokonetta.
Sovelluskohteita ovat mm:
Nämä ovat eräs tärkeimmistä sovellusalueista, koska konenäköä voidaan käyttää osana automatisoitua valmistusprosessia. Esimerkkinä voisivat olla pakkausten pakkausmerkintöjen, pakkauksen ulkonäön ja värivirheiden tarkastaminen. Tarkastuksessa tutkitaan mitattavan kohteen muotoa ja verrataan sitä johonkin ennalta opetettuun malliin. Vertailua tehdessä, huomioidaan kohteen muodon, koon ja värin tai tummuuden muutoksia ja sitä kuinka hyvin ne vastaavan opetettua kohdetta
Mittaustehtäviä voi olla esimerkiksi etäisyyden mittaus tai kulmien mittaukset. Kappaleiden koko on määriteltävissä reunantunnistusalgoritmeilla, jotka laskevat etäisyyden pikseleinä kuvasta ja kertovat etäisyyden ennalta parametroidulla kertoimella millimetriä/pikseli. Myös etäisyyden määrittely onnistuu, jos tiedetään näkyvissä olevan kappaleen mitat ja lasketaan kuvasta pikselien määrä. Robottiautomaatiossa mittaustehtäviä voisi olla kappaleen sijainnin määrittäminen, eli translaation mittaus kohteesta. Myös kohteen mittaus robotin liikeohjelman muokkaamiseksi tai luomiseksi voisi kuulua mittaustehtäviin.
konenäköjärjestelmää voidaan käyttää poimimaan kappale liukuhihnalta tai tasolta, jossa kappaleet eivät välttämättä ole täysin samassa ennalta määrätyssä asennossa tai järjestyksessä. Materiaalin käsittelyssä konenäköjärjestelmän hyödyntäminen tapahtuu esimerkiksi erilaisten osakokoonpanojen siirtämiseen seuraavaan vaiheeseen tai erilaisten kappaleiden pakkaustehtäviin. Konenäköjärjestelmää voidaan käyttää kulkuradan ohjauksessa.
konenäkö määrittää tuotteen laadun mittaamalla ja vertaamalla parametreja opetettuun muotoon tai mahdollisesti väriin. Näin voidaan esimerkiksi vialliset tuotteet ohjata toiselle liukuhihnalle. Konenäöllä voidaan myös ohjata esim. hitsausta saumaa pitkin.
Yksilöinti on esimerkiksi merkin tunnistamista, jossa painojälki, kirjasintyyppi, päivämäärä tai viivakoodi voidaan tunnistaa, huolimatta heikosta kontrastista tai huonosta painojäljestä. Järjestelmä pystyy tunnistamaan satoja merkkejä, muotoja tai värejä sekunnissa ja tekemään tarvittavat johtopäätökset ja mahdolliset ohjaukset. Yksilöinti on myös esineiden tunnistamista ulkoisten piirteiden avulla. Yleensä tunnistamisen tarkoituksena on lajitella tai laskea tuotteita.
Kappalelaskuria voidaan käyttää lähettämään tietoa tuotannon määrästä ja laadusta tuotannonohjausjärjestelmälle.
Ole rohkeasti yhteydessä mikäli sinulla on jokin kohde, johon mietit konenäön hyödyntämistä ja mietitään yhdessä tarpeisiisi parhaiten sopiva ratkaisu.
© Savon Automaatio Oy