{"id":7516,"date":"2021-09-23T08:00:00","date_gmt":"2021-09-23T08:00:00","guid":{"rendered":"https:\/\/knowhow.distrelec.com\/?p=7516"},"modified":"2021-09-22T13:43:47","modified_gmt":"2021-09-22T13:43:47","slug":"arduino-pro-portenta-gjor-utviklingen-av-maskinsyn-til-industrielle-bruksomrader-raskere","status":"publish","type":"post","link":"https:\/\/knowhow.distrelec.com\/no\/produksjon\/arduino-pro-portenta-gjor-utviklingen-av-maskinsyn-til-industrielle-bruksomrader-raskere\/","title":{"rendered":"Arduino Pro Portenta gj\u00f8r utviklingen av maskinsyn til industrielle bruksomr\u00e5der raskere"},"content":{"rendered":"\n

Bruksomr\u00e5der for industriell automasjon og datasyn<\/strong><\/h2>\n\n\n\n

Industry 4.0 er \u00e5rsaken til den dramatiske veksten i bruken av et bredt spekter av industriell tingenes internett (IIoT)-enheter som brukes innen industriell automatisering. IIoT-enheter brukes til \u00e5 overv\u00e5ke og kontrollere produksjonsanleggets bestanddeler, og brukes ogs\u00e5 til \u00e5 m\u00e5le og analysere tilstanden til utstyr som en del av et vedlikeholds-, reparasjons- og overhalingsregime. <\/p>\n\n\n\n

Sensorer er viktige, alt fra temperaturm\u00e5linger til v\u00e6sketrykksensorer og kameraer for maskinsyn. Sensorer brukes ogs\u00e5 til \u00e5 overv\u00e5ke vibrasjon ved hjelp av \u00e5 lydbehandle nevrale nettverksalgoritmer p\u00e5 data hentet fra digitale mikrofoner. Maskinsyn er ogs\u00e5 en avgj\u00f8rende teknikk, som for eksempel brukes til \u00e5 sikre at flasketiketter er festet riktig p\u00e5 en produksjonslinje for tapping eller i funksjonelle sikkerhetsapplikasjoner for \u00e5 isolere utstyr hvis produksjonspersonell skulle komme inn i et usikkert omr\u00e5de.<\/p>\n\n\n\n

Aritektur for en maskinsyn-l\u00f8sning<\/strong><\/h2>\n\n\n\n

I en hvilken som helst moderne fabrikk kan du finne datamaskinbasert synsbehandling i en rekke forskjellige applikasjoner. Maskinsyn er avhengig av bruk av ett eller flere videokameraer koblet til et datasystem. Oppgavens art vil avgj\u00f8re kompleksiteten i behandlingen og de n\u00f8dvendige beregningsressursene. For eksempel krever en applikasjon som godtar eller avviser flasker basert p\u00e5 hvor n\u00f8yaktig en etikett er festet, kanskje ikke flere kameraer og intensive databehandlingsressurser. En algoritme som oppdager kantene p\u00e5 etiketten innenfor et forh\u00e5ndsdefinert omr\u00e5de p\u00e5 flasken, er relativt enkelt ved hjelp av programvarebaserte Kalman-filtre. <\/p>\n\n\n\n

Imidlertid er en applikasjon som m\u00e5 skille lemmene til en hydraulisk presse fra metallpanelene som behandles og selve utstyret mer komplisert. Denne applikasjonen krever et nevrenettverk med maskinl\u00e6ring og kan kreve flere forskjellige kameravinkler for \u00e5 tilfredsstille funksjonelle sikkerhetskrav. Det konvolusjonelle nevrale nettverket er best egnet for visjonsbaserte objektdetektering og m\u00e5 trenes f\u00f8r igangsetting. N\u00e5r den er trent, kalles bruken av et nevralt nettverk inferens. Treningsprosessen unders\u00f8ker hundrevis av riktige og uriktige bilder for \u00e5 identifisere og trekke ut funksjoner for \u00e5 hjelpe med klassifisering. Se et eksempel p\u00e5 arkitekturen p\u00e5 en visjonsbehandlingsl\u00f8sning Figur 1.<\/p>\n\n\n\n

\"\"
Figur 1 – Arkitekturen p\u00e5 en enkel visjonsbehandlingsl\u00f8sning<\/figcaption><\/figure>\n\n\n\n

Fra et applikasjonsperspektiv er det flere praktiske hensyn som utviklingsteamet b\u00f8r g\u00e5 gjennom. Disse inkluderer typen objekter som skal oppdages, omgivelseslysforholdene i deteksjonssonen, hvor raskt objektene passerer innenfor kameraets synsfelt, hastigheten p\u00e5 objektidentifikasjon som er p\u00e5krevd, og om det er n\u00f8dvendig med flere kameravinkler for \u00e5 fullf\u00f8re oppgaven p\u00e5 en p\u00e5litelig m\u00e5te.<\/p>\n\n\n\n

Driftsmilj\u00f8et trenger ogs\u00e5 \u00e5 unders\u00f8kes; for eksempel er det n\u00f8dvendig med inntrengningsbeskyttelse for kameraet og kontrollelektronikken for applikasjoner som er utsatt for st\u00f8v og fuktighet. Vibrasjon og sjokk kan ogs\u00e5 forstyrre bildekvaliteten og gj\u00f8re deteksjonen mindre p\u00e5litelig.<\/p>\n\n\n\n

Tidspunktet for gjenkjenning av gjenstander eller funksjoner er kritisk. Produksjonslinjer kj\u00f8res ofte med h\u00f8y hastighet for \u00e5 opprettholde fabrikkens effektivitet og oppfylle gjennomstr\u00f8mningsm\u00e5l. I eksemplet med det enkle tappeanlegget ovenfor, m\u00e5 datavisningsapplikasjonen fange bildet n\u00f8yaktig, behandle det, bestemme etikettstatus i tide for \u00e5 beholde eller avvise handlinger p\u00e5 den identifiserte flasken.<\/p>\n\n\n\n

Vi presenterer Arduino Pro Portenta og Portenta Vision Shield<\/strong><\/p>\n\n\n\n

Den nylig lanserte Arduino Pro Portenta-plattformen er en ideell mikrokontrollerplattform for \u00e5 prototype industrielle maskinsynl\u00f8sninger.

Opprinnelig utviklet som en pedagogisk prototypeplattform for hobby og produksjon, har Arduino-familien med mikrokontroller-utviklingskort fortsatt \u00e5 utvikle seg for \u00e5 dekke de krevende behovene til innovat\u00f8rer og produsenter av industrielt utstyr.

Arduino har startet karrieren til mange unge elektronikkstudenter og er et rimelig og sv\u00e6rt allsidig enkeltkort-system for innovat\u00f8rer som \u00f8nsker \u00e5 prototype nye produktideer. Arduinos \u00e5pne kildekode, kombinert med det voksende utvalget av tilleggskort og omfattende programvarest\u00f8tte fra elektronikkindustrien, har etablert Arduino som en plattform for mange nye produktdesign.

Den neste fasen i Arduinos historie startet nylig med Arduino Pro-serien med kort og moduler rettet mot industrimarkedet. Arduino Portenta H7 med to kjerner er den f\u00f8rste i Pro-kortserien som tilfredsstiller kravene til industrielle og kommersielle applikasjoner. Portenta H7 er godt utstyrt for industrielt maskinsyn. Den er produsert i det popul\u00e6re Arduino MKR-formatet som gir tilgang til alle eksisterende Arduino-tilbeh\u00f8rskort og shield. Portenta Vision-shield, tilgjengelig med enten Ethernet-kablet eller LoRa-grensesnitt, er ideelt for industrielle maskinsyn-applikasjoner.<\/p>\n\n\n\n