Maskinseende är tillämpningen av datorseende på industri och tillverkning. Medan datorseende är en allmän uppsättning tekniker som gör det möjligt för datorer att se, är intressefältet för maskinseende, som en ingenjörsgren, digitala in-/utgångsenheter och datornätverk utformade för att styra tillverkningsutrustning, såsom robotarmar eller maskiner för utvinna defekta produkter. Maskinseende är en underavdelning av teknik relaterad till datorer, optik, maskinteknik och industriell automation. En av de vanligaste tillämpningarna av maskinseende är inspektion av industriprodukter som halvledarchips, bilar, livsmedel och läkemedel. Människorna som arbetade på löpande band inspekterade delar av produkten och drog slutsatser om kvaliteten på utförande. Machine vision-system för detta ändamål använder digitala och smarta kameror , samt bildbehandlingsprogram för att utföra liknande kontroller.
Machine vision-system är programmerade för att utföra högt specialiserade uppgifter som att räkna föremål på en transportör, läsa serienummer eller leta efter ytdefekter. Fördelarna med ett maskinseendebaserat visuellt inspektionssystem är hög hastighet med ökad omsättning, 24-timmarsdrift och repeterbar mätnoggrannhet. Dessutom är fördelen med maskiner framför människor frånvaron av trötthet, sjukdom eller ouppmärksamhet. Däremot har människor bra uppfattning under en kort period och större flexibilitet i klassificering och anpassning för att leta efter nya defekter.
Datorer kan inte "se" på samma sätt som människor kan. Kameror är inte likvärdiga med ett mänskligt synsystem, och även om människor kan lita på antaganden och antaganden, måste maskinseendesystem "se" genom att undersöka enskilda pixlar i en bild, bearbeta dem och försöka dra slutsatser från en kunskapsbas och en uppsättning av funktioner som en enhetsmönsterigenkänning. Medan vissa maskinseendealgoritmer har utvecklats för att efterlikna mänsklig visuell perception, har ett stort antal unika tekniker utvecklats för att bearbeta bilder och bestämma de relevanta bildegenskaperna.
Medan maskinseende är processen att tillämpa datorseende på industriella tillämpningar, är det användbart att lista vanliga hårdvaru- och mjukvarukomponenter. En typisk maskinvisionssystemlösning innehåller flera av följande komponenter:
Timingsensorn känner av när en del som rör sig ofta på transportören är i ett läge för att inspekteras. Sensorn triggar kameran att ta en bild av en detalj när den passerar under kameran och synkroniseras ofta med ljuspulsen för att få en skarp bild. Belysningen som används för att framhäva detaljer är utformad för att framhäva intressanta funktioner och dölja eller minimera funktioner som inte är av intresse (som skuggor eller reflektioner). För detta ändamål används ofta LED-paneler av lämpliga storlekar och positioner.
Bilden från kameran går in i frame grabber eller in i datorns minne i system där frame grabber inte används. En framegrabber är en digitaliseringsenhet (som en del av en smart kamera eller som ett separat kort i en dator) som omvandlar utdata från kameran till ett digitalt format (vanligtvis en tvådimensionell uppsättning siffror som motsvarar nivån på ljusintensiteten av en viss punkt i synfältet, kallad pixlar ) och arrangerar bilderna i datorns minne så att de kan bearbetas av maskinseende programvara.
Programvaran går vanligtvis igenom flera steg för att bearbeta bilderna. Ofta bearbetas bilden först för att minska brus eller konvertera många nyanser av grått till en enkel kombination av svart och vitt (binarisering). Efter den första bearbetningen kommer programmet att räkna, mäta och/eller bestämma bildens objekt, storlekar, defekter och andra egenskaper. Som ett sista steg hoppar programmet över eller avvisar delen enligt de givna kriterierna. Om delen är defekt skickar programvaran en signal till den mekaniska enheten att avvisa delen; ett annat scenario kan systemet stoppa produktionslinjen och varna den mänskliga arbetaren att lösa problemet och rapportera vad som ledde till felet.
Medan de flesta maskinseendesystem är beroende av "svartvita" kameror, blir användningen av färgkameror allt vanligare. Dessutom använder fler och fler maskinseendesystem direktanslutna digitalkameror snarare än kameror med en separat bildfångare, vilket minskar kostnaderna och förenklar systemet.
"Smarta" kameror med inbyggda processorer tar en allt större andel av marknaden för maskinsyn. Användningen av inbäddade (och ofta optimerade) processorer eliminerar behovet av ett ramgrabber-kort och en extern dator, vilket minskar systemkostnaderna och komplexiteten genom att tillhandahålla processorkraft för varje kamera. Smarta kameror är i allmänhet billigare än system som består av en kamera, ström och/eller en extern dator, medan en ökad kraft i den integrerade processorn och DSP ofta ger jämförbar eller bättre prestanda och fler funktioner än konventionella datorer.
Programvarupaket för kommersiella och öppen källkod för machine vision inkluderar vanligtvis en rad bildbehandlingstekniker som:
I de flesta fall använder maskinseendesystem en konsekvent kombination av dessa bearbetningsmetoder för att utföra en fullständig undersökning. Till exempel kan ett system som läser en streckkod också kontrollera ytan för repor eller skador och mäta längden och bredden på de bearbetade komponenterna.
Tillämpningen av maskinseende är mångsidig och täcker olika verksamhetsområden, inklusive men inte begränsat till följande:
Inom bilindustrin används machine vision-system för att styra industrirobotar och för att kontrollera målade bilytor, svetsar, motorblock och många andra komponenter för defekter.
Maskinseende hänvisar till tekniska automatiserade visualiseringssystem inom industri och tillverkning, och som sådan är maskinseende förknippad med en mängd olika områden inom datavetenskap: datorseende, styrutrustning, databaser, nätverkssystem och maskininlärning.
Blanda inte ihop maskin- och datorseende. Datorseende är ett mer allmänt studieområde, medan maskinseende är en ingenjörsdisciplin relaterad till tillverkningsuppgifter.