بینایی ماشین
بینایی ماشین (Machine Vision) ترکیبی از سخت‌افزارهای تصویربرداری تخصصی و الگوریتم‌های نرم‌افزاری است که به سیستم‌های صنعتی امکان دریافت، پردازش و تحلیل دیجیتالی تصاویر را جهت اخذ تصمیمات خودکار ارائه می‌دهد. این فناوری به‌عنوان «چشم و مغز» ربات‌ها و خطوط تولید در صنعت نسل ۴.۰ عمل می‌کند.
سیستم بینایی ماشین چیست؟
سیستم بینایی ماشین (Machine Vision System) مجموعه‌ای از تجهیزات سخت‌افزاری و نرم‌افزاری است که برای ثبت، پردازش و تحلیل تصاویر به‌منظور بازرسی، اندازه‌گیری، شناسایی یا هدایت فرایندهای صنعتی به کار می‌رود.
در یک سیستم بینایی ماشین، دوربین تصویر را دریافت می‌کند، اپتیک و نورپردازی شرایط لازم برای ثبت تصویر مناسب را فراهم می‌کنند و نرم‌افزار یا پردازنده، اطلاعات موجود در تصویر را تحلیل می‌کند. نتیجه این تحلیل می‌تواند برای تصمیم‌گیری، کنترل یک فرایند، ارسال فرمان به PLC یا ربات و یا جداسازی قطعات معیوب استفاده شود.
نکته مهم این است که عملکرد سیستم فقط به دوربین وابسته نیست. کیفیت تصویر حاصل از ترکیب صحیح دوربین، لنز، نورپردازی، زمان‌بندی ثبت تصویر و پردازش است. منابع فنی Cognex نیز تأکید می‌کنند که تصویر با کیفیت، پایه عملکرد مناسب ابزارهای تحلیل تصویر است و مشکلاتی مانند فوکوس نامناسب، اعوجاج یا نورپردازی ضعیف می‌توانند نتیجه تحلیل را مختل کنند.
این سیستم به ماشین‌ها امکان می‌دهد با استفاده از دوربین، نورپردازی، لنز، پردازنده و نرم‌افزار، اطلاعات تصویری محیط یا محصول را دریافت و تحلیل کنند. این سیستم‌ها می‌توانند برای بازرسی کیفیت، تشخیص عیوب، اندازه‌گیری دقیق، شناسایی و ردیابی قطعات، خواندن بارکد و OCR، کنترل فرآیند و هدایت ربات‌ها مورد استفاده قرار گیرند.
در سال‌های اخیر، ترکیب بینایی ماشین با هوش مصنوعی، یادگیری عمیق و پردازش لبه‌ای (Edge Computing) باعث شده است سیستم‌های بینایی صنعتی از ابزارهای صرفاً مبتنی بر قواعد ثابت، به سامانه‌هایی هوشمندتر و انعطاف‌پذیرتر تبدیل شوند. با این حال، انتخاب و طراحی یک سیستم موفق همچنان به عواملی مانند کیفیت تصویر، نورپردازی، اپتیک، سرعت پردازش، نوع محصول و شرایط واقعی خط تولید وابسته است.
اجزای اصلی
یک سیستم بینایی ماشین معمولاً از چند بخش اصلی تشکیل می‌شود. عملکرد صحیح سیستم زمانی حاصل می‌شود که این اجزا متناسب با نیاز کاربر انتخاب و با یکدیگر هماهنگ شوند.
۱. دوربین صنعتی
دوربین یکی از مهم‌ترین اجزای سیستم بینایی ماشین است و وظیفه تبدیل صحنه نوری به داده تصویری را بر عهده دارد.
دوربین‌های مورد استفاده در بینایی ماشین بر اساس کاربرد می‌توانند از انواع مختلفی باشند، از جمله:
- دوربین Area Scan یا اسکن ناحیه‌ای
- دوربین Line Scan یا اسکن خطی
- دوربین‌های سه‌بعدی (3D)
- دوربین‌های تک‌رنگ (Monochrome)
- دوربین‌های رنگی
- دوربین‌های دارای قابلیت تصویربرداری با نرخ فریم بالا
- دوربین‌های حرارتی
انتخاب نوع دوربین به عواملی مانند ابعاد قطعه، سرعت حرکت محصول، رزولوشن موردنیاز، میدان دید، نوع بازرسی و روش انتقال تصویر بستگی دارد. دوربین‌های Area Scan برای ثبت یک ناحیه کامل در هر تصویر مناسب هستند، در حالی که Line Scan برای کاربردهایی که محصول یا نوار به‌صورت پیوسته حرکت می‌کند، مزیت دارد. دوربین‌های سه‌بعدی نیز برای استخراج اطلاعات مربوط به ارتفاع و هندسه فضایی کاربرد دارند.
۲. لنز صنعتی
لنز وظیفه تشکیل تصویر روی سنسور دوربین را بر عهده دارد و کیفیت آن مستقیماً بر کیفیت تصویر ورودی سیستم تأثیر می‌گذارد.
پارامترهایی مانند فاصله کانونی، اندازه سنسور، وضوح، دیافراگم، فاصله کاری، میدان دید و نوع Mount هنگام انتخاب لنز اهمیت دارند. یک دوربین با رزولوشن بالا در صورت استفاده از لنز نامناسب لزوماً تصویر باکیفیتی ارائه نمی‌دهد.
در طراحی سیستم‌های بینایی ماشین، هماهنگی میان سنسور و لنز برای جلوگیری از مشکلاتی مانند کاهش وضوح، وینیتینگ و محدودیت در میدان دید ضروری است. همچنین در کاربردهای دقیق، بررسی مشخصات اپتیکی لنز و منحنی MTF می‌تواند اهمیت زیادی داشته باشد.
۳. سیستم نورپردازی
نورپردازی در بینایی ماشین یکی از مهم‌ترین و در عین حال گاهی نادیده‌گرفته‌شده‌ترین بخش‌های طراحی سیستم است.
حتی بهترین دوربین و الگوریتم پردازش تصویر نمی‌تواند به‌طور کامل ضعف یک تصویر ورودی نامناسب را جبران کند. بازتاب‌های ناخواسته، سایه، نور بیش از حد یا کمبود نور می‌توانند تشخیص ویژگی‌های موردنظر را دشوار کنند.
از انواع رایج نورپردازی در بینایی ماشین می‌توان به موارد زیر اشاره کرد:
- نور حلقه‌ای (Ring Light)
- نور میله‌ای (Bar Light)
- نور پس‌زمینه (Backlight)
- نور کواکسیال (Coaxial)
- نور گنبدی (Dome Light)
- نور خطی و ساختاریافته
- نورپردازی مادون قرمز یا فرابنفش در کاربردهای خاص
انتخاب منبع نور باید بر اساس ویژگی‌ای انجام شود که قرار است در تصویر برجسته شود؛ برای مثال، شرایط مناسب برای تشخیص ترک ممکن است با شرایط مناسب برای تفکیک رنگ متفاوت باشد.
نرم‌افزار و پردازش تصویر در سیستم‌های بینایی ماشین
پس از دریافت تصویر، داده تصویری باید پردازش و تحلیل شود. این مرحله می‌تواند از الگوریتم‌های کلاسیک پردازش تصویر تا مدل‌های پیشرفته هوش مصنوعی و یادگیری عمیق را شامل شود.
برخی از عملیات رایج عبارت‌اند از:
- فیلتر کردن و کاهش نویز
- اصلاح روشنایی و کنتراست
- Thresholding
- تشخیص لبه
- مورفولوژی تصویر
- استخراج ویژگی
- تشخیص و شمارش اشیا
- اندازه‌گیری
- تطبیق الگو
- تشخیص متن و کاراکتر
- تشخیص عیب و ناهنجاری
- طبقه‌بندی تصاویر
- Object Detection
- Segmentation
در کاربردهای ساختاریافته و قابل پیش‌بینی، روش‌های کلاسیک و مبتنی بر قواعد همچنان می‌توانند انتخاب بسیار مناسبی باشند؛ به‌ویژه زمانی که هدف، اندازه‌گیری دقیق یا تعیین موقعیت یک ویژگی مشخص باشد. در مقابل، یادگیری عمیق در مسائلی که تغییرات ظاهری محصول زیاد است یا تعریف صریح قوانین دشوار است، می‌تواند مزیت داشته باشد.
نقش هوش مصنوعی و یادگیری عمیق در بینایی ماشین
یکی از مهم‌ترین روندهای سال‌های اخیر، استفاده گسترده‌تر از هوش مصنوعی و Deep Learning در سیستم‌های بینایی ماشین است.
در روش‌های سنتی، مهندس معمولاً باید ویژگی‌های قابل تشخیص و قواعد تصمیم‌گیری را تا حد زیادی مشخص کند. در یادگیری عمیق، مدل می‌تواند با استفاده از داده‌های آموزشی، الگوهای پیچیده‌تر را یاد بگیرد.این فناوری در کاربردهایی مانند موارد زیر اهمیت زیادی دارد:
تشخیص عیوب ظاهری
طبقه‌بندی محصولات
تشخیص قطعات با تغییرات ظاهری
تشخیص ناهنجاری
خواندن کاراکترهای پیچیده
تشخیص اشیای متعدد
تحلیل تصاویر غیرساختاریافته
از مهم‌ترین مزایای هوش مصنوعی در بینایی ماشین صنعتی می‌توان به افزایش دقت بازرسی، کاهش وابستگی به کنترل دستی، امکان شناسایی الگوهای پیچیده و بهبود فرآیند کنترل کیفیت اشاره کرد. این قابلیت‌ها به‌ویژه در خطوط تولیدی که تنوع قطعات و شرایط ظاهری محصولات زیاد است، اهمیت بیشتری پیدا می‌کنند.همچنین مدل‌های یادگیری عمیق می‌توانند برای بازرسی خودکار، تشخیص عیب محصول، کنترل کیفیت صنعتی و شناسایی الگوهای غیرعادی مورد استفاده قرار گیرند. انتخاب مدل مناسب، تعداد و تنوع داده‌های آموزشی و تنظیم صحیح پارامترهای سیستم، نقش مهمی در دستیابی به نتایج پایدار دارد.
با توسعه الگوریتم‌های یادگیری عمیق، استفاده از این فناوری برای شناسایی عیوب پیچیده و تصمیم‌گیری خودکار در فرآیندهای صنعتی روزبه‌روز گسترده‌تر می‌شود.
تشخیص عیب با Machine Vision
تشخیص عیب (Defect Detection) یکی از مهم‌ترین کاربردهای سیستم‌های بینایی ماشین در صنایع تولیدی است.
این سیستم‌ها می‌توانند عیوبی مانند:
- خط‌وخش
- ترک
- سوراخ یا شکستگی
- آلودگی
- تغییر رنگ
- نقص مونتاژ
- تغییر شکل
- پلیسه
- عیوب سطحی
- کمبود یا جابه‌جایی قطعات
را شناسایی کنند.
در پژوهش‌های جدید، تشخیص عیب صنعتی به سمت روش‌هایی حرکت کرده است که بتوانند با داده برچسب‌گذاری‌شده کمتر، تغییرات جدید و حتی عیوبی را که در زمان آموزش مشاهده نشده‌اند شناسایی کنند. مفاهیمی مانند Open-Set Defect Detection، Anomaly Detection و Foundation Models در این حوزه مورد توجه قرار گرفته‌اند.
البته نتایج پژوهشی نشان می‌دهد که مدل‌های جدید و Foundation Modelها هنوز در تمام شرایط صنعتی به‌صورت قابل‌اعتماد جایگزین روش‌های تخصصی نشده‌اند. اختلاف میان داده‌های آزمایشگاهی و شرایط واقعی خط تولید همچنان یکی از چالش‌های مهم این حوزه است.
بینایی ماشین دوبعدی و سه‌بعدی
سیستم‌های بینایی ماشین را می‌توان از نظر نوع اطلاعات تصویری به دو گروه کلی دوبعدی و سه‌بعدی تقسیم کرد.
بینایی ماشین دوبعدی
در سیستم‌های 2D، اطلاعات اصلی شامل مختصات و ویژگی‌های تصویری روی صفحه تصویر است. این سیستم‌ها برای کاربردهایی مانند:
- بازرسی سطح
- تشخیص رنگ
- خواندن بارکد
- OCR
- شمارش
- کنترل مونتاژ
- اندازه‌گیری‌های دوبعدی
کاربرد گسترده‌ای دارند.
بینایی ماشین سه‌بعدی
در سیستم‌های 3D علاوه بر اطلاعات دوبعدی، اطلاعات عمق یا ارتفاع نیز استخراج می‌شود. این قابلیت برای کاربردهایی که شکل فضایی و هندسه قطعه اهمیت دارد، مفید است.
کاربردهای رایج شامل:
- اندازه‌گیری ارتفاع
- بررسی حجم و شکل
- کنترل مونتاژ سه‌بعدی
- تشخیص تغییر شکل
- تعیین موقعیت فضایی قطعات
- بازرسی هندسی
است.
انتخاب بین سیستم 2D و 3D باید بر اساس نیاز واقعی مسئله انجام شود؛ استفاده از سیستم سه‌بعدی زمانی توجیه بیشتری دارد که اطلاعات عمق در تصمیم‌گیری ضروری باشد.
برخی از کاربردهای سیستم‌های بینایی ماشین
سورتینگ صنعتی با بینایی ماشین
سورتینگ صنعتی با بینایی ماشین یکی از راهکارهای پیشرفته برای تفکیک، دسته‌بندی و کنترل کیفیت محصولات در خطوط تولید است که با استفاده از دوربین‌های صنعتی، لنزهای دقیق، نورپردازی مناسب و الگوریتم‌های پردازش تصویر، محصولات را بر اساس ویژگی‌هایی مانند رنگ، شکل، ابعاد، سطح، نقص ظاهری و موقعیت مکانی شناسایی و تفکیک می‌کند. این فناوری با افزایش سرعت و دقت سیستم سورتینگ صنعتی، کاهش خطای انسانی و امکان بازرسی مداوم و خودکار، نقش مهمی در بهینه‌سازی فرآیند تولید و کنترل کیفیت صنایع مختلف مانند مواد غذایی، دارویی، بسته‌بندی، قطعات صنعتی و کشاورزی دارد.
مزایای استفاده از سیستم بینایی ماشین
استفاده صحیح از سیستم بینایی ماشین می‌تواند مزایای مختلفی برای فرآیند تولید ایجاد کند، از جمله:
- افزایش سرعت بازرسی
- کاهش وابستگی به بازرسی دستی
- افزایش تکرارپذیری
- ثبت و مستندسازی نتایج
- تشخیص عیوب در مراحل اولیه
- امکان اندازه‌گیری خودکار
- کنترل مداوم فرآیند
- کاهش خطای انسانی در وظایف تکراری
- امکان اتصال به PLC، ربات و سیستم‌های اتوماسیون
با این حال، نباید بینایی ماشین را صرفاً یک «دوربین هوشمند» در نظر گرفت. عملکرد سیستم حاصل تعامل میان اپتیک، نورپردازی، سنسور، پردازش تصویر، الگوریتم تصمیم‌گیری و تجهیزات اتوماسیون است.
چگونه یک سیستم بینایی ماشین مناسب انتخاب کنیم؟
انتخاب سیستم مناسب باید با تعریف دقیق مسئله شروع شود، نه با انتخاب دوربین یا نرم‌افزار.
مهم‌ترین پرسش‌ها عبارت‌اند از:
- چه ویژگی‌ای باید شناسایی یا اندازه‌گیری شود؟
- کوچک‌ترین عیب یا جزئیات قابل تشخیص چه ابعادی دارد؟
- محصول با چه سرعتی حرکت می‌کند؟
- میدان دید موردنیاز چقدر است؟
- آیا اطلاعات رنگ ضروری است؟
- آیا سیستم به اطلاعات عمق نیاز دارد؟
- شرایط نور محیط چگونه است؟
- سطح محصول بازتابنده، مات یا شفاف است؟
- چه مقدار زمان برای پردازش هر تصویر وجود دارد؟
- آیا روش کلاسیک پردازش تصویر کافی است یا به یادگیری عمیق نیاز است؟
- سیستم باید در چه شرایطی و با چه میزان پایداری کار کند؟
- خروجی سیستم چگونه به PLC، ربات یا تجهیزات دیگر منتقل خواهد شد؟
بنابراین، طراحی یک سیستم بینایی ماشین موفق باید از نیازمندی کاربرد آغاز شود و سپس دوربین، لنز، نور، پردازنده و نرم‌افزار متناسب با آن انتخاب شوند. منابع تخصصی طراحی سیستم نیز بر اهمیت هماهنگی میان دوربین، لنز، نورپردازی، سخت‌افزار پردازشی و نرم‌افزار تأکید می‌کنند.
تفاوت بینایی ماشین و بینایی کامپیوتری چیست؟
اصطلاحات Machine Vision و Computer Vision به حوزه‌های نزدیک اما کاملاً یکسان اشاره نمی‌کنند.
بینایی کامپیوتر حوزه‌ای گسترده‌تر در علوم کامپیوتر و هوش مصنوعی است که به درک و تحلیل اطلاعات بصری می‌پردازد. در مقابل، بینایی ماشین معمولاً در زمینه کاربردهای عملی و به‌خصوص صنعتی مطرح می‌شود؛ جایی که دوربین، نورپردازی، پردازش تصویر و تجهیزات اتوماسیون برای انجام یک وظیفه مشخص با یکدیگر یکپارچه می‌شوند.
به همین دلیل، یک سیستم بینایی ماشین صنعتی ممکن است بخشی از فناوری‌های بینایی کامپیوتری را به کار گیرد، اما تمرکز آن بر حل یک مسئله واقعی و قابل اندازه‌گیری در محیط عملیاتی است.
کاربرد دوربین‌های صنعتی ZDS در بینایی ماشین و بینایی کامپیوتر
آینده سیستم‌های بینایی ماشین
آینده بینایی ماشین به سمت ترکیب تصویربرداری پیشرفته، هوش مصنوعی، پردازش لبه‌ای و مدل‌های عمومی‌تر حرکت می‌کند.
در پژوهش‌های جدید، استفاده از مدل‌های Foundation برای کاهش نیاز به داده‌های برچسب‌گذاری‌شده و امکان تعمیم بهتر به محصولات و شرایط جدید مورد توجه قرار گرفته است. با این حال، پیچیدگی مدل، سرعت استنتاج، هزینه محاسباتی و عملکرد در داده‌های واقعی صنعتی همچنان از چالش‌های مهم این رویکردها هستند.
همچنین اجرای مدل‌های هوش مصنوعی روی تجهیزات Edge اهمیت بیشتری پیدا کرده است؛ زیرا در کاربردهای صنعتی، تأخیر، توان مصرفی، هزینه سخت‌افزار و امکان پردازش بلادرنگ می‌تواند به اندازه دقت مدل اهمیت داشته باشد.
در نتیجه، آینده سیستم‌های بینایی ماشین احتمالاً نه در جایگزینی کامل روش‌های کلاسیک با هوش مصنوعی، بلکه در ترکیب هوشمندانه روش‌های کلاسیک، یادگیری عمیق، تصویربرداری دوبعدی و سه‌بعدی و پردازش Edge شکل خواهد گرفت.