Konenäkö tarkistaa ja ohjaa
Konenäköä käytetään varsinkin laadun tarkistukseen ja toimilaitteiden ohjaamiseen. Teknologian nopea kehitys avaa uusia mahdollisuuksia parantaa automaatiojärjestelmien tuottavuutta ja virheettömyyttä.
Konenäköä on käytetty hyväksi erilaisissa toimilaiteissa ja prosesseissa jo vuosikymmenien ajan. Viime vuosina tekniikka on kuitenkin ottanut aimo harppauksen eteenpäin.
Konenäköratkaisujen tuotepäällikkö Mika Saarinen Co-automation -yhtiöstä toteaa, että konenäön kehittäjät saavat kiittää paljosta peliteollisuutta.
– Niin kutsutuissa räiskintäpeleissä ohjelmistojen pitää pystyä laskemaan salamannopeasti pikselien etäisyyksiä eri suunnissa. Sitä varten kehitettiin uudenlaisia nopeita vektorilaskentaan perustuvia tietokoneen grafiikkaprosessoreita. Samalla luotiin erinomaiset työkalut neuroverkkojen laskentaan ja ohjelmointiin.
Uudenlaisten grafiikkaprosessoreiden, kasvaneen laskentatehon, neuroverkkojen ja uusien ”deep learning -ohjelmistojen” avulla konenäköä voidaan käyttää hyväksi entistä monipuolisemmin osana automaatiojärjestelmiä.
Kun neuroverkkoon yhdistetylle konenäölle näytetään suuri määrä kuvia sekä virheettömästä tuotteesta että virheitä sisältävistä tuotteista, järjestelmä oppii päättelemään, onko tuote ladultaan hyvä vai huono.
Saarinen kertoo esimerkin skottiruutukangasta valmistavasta yrityksestä, joka käyttää konenäköä kankaan laadun varmistamiseen. Konenäkö pystyy havaitsemaan pienenkin poikkeaman kankaassa – jos esimerkiksi jokin yksittäinen lanka on väärän värinen tai kudottu väärään suuntaan.
– Mitä enemmän kuvia neuroverkolle näytetään, sitä paremmin se löytää virheet, Saarinen toteaa.
Tarkka tarkastus
Konenäköä on käytetty perinteisesti laadun tarkistamiseen ja varmistamiseen. Järjestelmä valvoo valmistusprosessin aikana, että kappale on mittojen mukainen ja virheetön. Lisäksi konenäkö voi tarkistaa, että lopullinen tuote täyttää sille asetetut visuaaliset vaatimukset.
– Konenäön ja automaation avulla voidaan vähentää yksitoikkoisia työvaiheita. Konenäkö toimii väsymättä. Sen avulla voidaan karsia virheet minimiinsä, sanoo myyntipäällikkö Tommi Naukkarinen Co-automation -yhtiöstä.
Konenäkö voi tarkistaa sekä yhdessä tasossa että kolmiulotteisesti kaikki mitat, jotka kuvasta voi mitata: suorat, käyrät ja kulmien asteluvut.
Tarkistustietoja voidaan käyttää hyväksi prosessiin kuuluvien toimilaitteiden säätämisessä ja huollon suunnittelussa. Konenäkö voi esimerkiksi kertoa automaattisorville, että työstössä käytettävät terät ovat ilmiselvästi kuluneet.
Mittaukset tehdään parhaimmillaan millin tuhannesosan tarkkuudella. Siten pystytään esimerkiksi havaitsemaan, onko hiomapaperin pinnassa yksi jyvä vai kaksi jyvää päällekkäin.
– Mittausten tarkkuus saadaan kyllä riittäväksi. Tarkkuuden kasvattaminen lisää kuitenkin laitteiston hintaa. Siksi on aina selvitettävä, mikä tarkkuus kuhunkin prosessiin riittää.
Konenäön avulla tarkistetaan myös pakkauksiin liitettävät koodit ja niiden luettavuus. Varsinkin elintarviketeollisuudessa konenäköä käytetään pakkausten päiväysten ja tekstien tarkistamiseen.
Komennot robotille
Robotti ohjelmoitiin aiemmin siten, että se poimii kappaleen aina samasta tarkasti määritellystä pisteestä. Konenäkö muuttaa tilanteen, ja antaa vapausasteita robotin tai muun toimilaitteen ohjaukseen.
– Konenäköä hyväksi käyttävissä järjestelmissä kamera etsii kappaleen esimerkiksi hihnakuljettimelta. Sen jälkeen järjestelmä kertoo robotille kappaleen sijainnin, josta robotti sen voi poimia. Konenäkö antaa kappaleen sijainti tiedot sekä vaaka- että pystysuunnassa, Saarinen toteaa.
Samalla kun konenäkö antaa kappaleen sijaintitiedot se voi myös tarkistaa kappaleen mitat. Vaihtoehtona on, että laatu tarkistetaan erillisen kameran avulla.
Uusia sovelluksia
Konenäköä ja automatiikkaa on käytetty jo pitkään muun muassa elektroniikka-, elintarvike-, auto- ja mekaanisessa metsäteollisuudessa. Yhteistä niille on suuret materiaalivirrat ja pyrkimys hyödyntää tuotannossa automaatiota.
– Uusia sovelluskohteita tulee esiin jatkuvasti. Ne vaihtelevat laidasta laitaan. Konenäköä käytetään esimerkiksi kalaportaita nousevien lohien laskentaan, Saarinen sanoo.
Teknologian kehitys antaa uusia mahdollisuuksia kehittää myös jo aiemmin pitkälle automatisoituja tuotantolinjoja. Esimerkiksi lihanjalostuksessa konenäkö pystyy nyt tunnistamaan, mikä ruhonosa linjalta on tulossa. Parkettia valmistavalta linjalta konenäkö pystyy värisävyjen ja kuvioiden perusteella jakamaan tuotteet eri laatuluokkiin.
Naukkarisen mukaan uusia sovelluksia suunniteltaessa järjestelmän toimivuus kokeillaan ja testataan ensin laboratoriomittakaavassa sen jälkeen tarvittaessa asiakkaan tiloissa. Siten saadaan selvitettyä, kuinka luotettavasti järjestelmä toimii onko sen toteuttaminen kaupallisesti järkevää.
– Investoinnit maksavat itsensä takaisin yleensä nopeasti. Konenäöllä varustettu automaatiojärjestelmä vähentää virheiden määrää ja parantaa laatua. Järjestelmät ovat myös hyvin nopeita. Ne reagoivat haluttuihin asioihin millisekunneissa, Naukkarinen sanoo.
Haluatko lisätietoa konenäön mahdollisuuksista? Oletko kiinnostunut tuotannon tehostamisesta automaation avulla?
Lisätietoja
Co-Automation Oy sulautettiin osaksi Algol Technicsiä vuonna 2019. Artikkeli on julkaistu vuonna 2018.
