Cookie Settings
Cookie Settings
Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Other cookies are those that are being identified and have not been classified into any category as yet.

No cookies to display.

Arduino Pro Portenta przyśpiesza rozwój przetwarzania obrazu w przemyśle

Automatyka przemysłowa i zastosowania komputerowych systemów wizyjnych

Przemysł 4.0 przyczynił się do gwałtownego wzrostu liczby urządzeń w przemysłowym internecie rzeczy (IIoT) wykorzystywanych w automatyce przemysłowej. Urządzenia IIoT są powszechnie stosowane do monitoringu i kontroli maszyn produkcyjnych, a także do pomiaru i analizy stanu urządzeń w ramach konserwacji, napraw i remontów. Istotną rolę odgrywają tu czujniki, stosowane do pomiarów temperatury lub ciśnienia cieczy, a także kamery w systemach wizyjnych.

Czujniki są także wykorzystywane do monitorowania wibracji przy użyciu algorytmów sieci neuronowych przetwarzających dźwięk na podstawie danych uzyskanych z mikrofonów cyfrowych. Systemy wizyjne są również bardzo istotną techniką monitorowania, wykorzystywaną na przykład do zapewnienia prawidłowego naklejania etykiet na butelki na linii produkcyjnej lub w zastosowaniach związanych z bezpieczeństwem funkcjonalnym do izolowania sprzętu w przypadku, gdy pracownicy produkcji znajdą się w niebezpiecznym obszarze.

Schemat systemu wizyjnego

We wszystkich nowoczesnych zakładach produkcyjnych komputerowe przetwarzanie obrazu jest wykorzystywane w wielu obszarach. Komputerowe systemy wizyjne opierają się na wykorzystaniu jednej lub więcej kamer wideo podłączonych do systemu komputerowego. Stopień złożoności przetwarzania i wymagane zasoby obliczeniowe zależą od charakteru zadania. Na przykład aplikacja akceptująca lub odrzucająca butelki na podstawie dokładności naklejenia etykiety nie wymaga zastosowania wielu kamer i intensywnych zasobów obliczeniowych.

Algorytm, który rozpoznaje krawędzie etykiety we wcześniej zdefiniowanym obszarze na butelce, jest stosunkowo prosty i wykorzystuje oprogramowanie oparte na filtrach Kalmana. Natomiast aplikacja, która musi odróżnić ręce operatora od sprzętu i metalowych paneli używanych do obróbki, jest już o wiele bardziej skomplikowana. Taka aplikacja wymaga sieci neuronowej uczącej się maszynowo, a jej działanie może wymagać kamer ustawionych pod wieloma kątami, aby spełnić wymagania bezpieczeństwa. Konwolucyjna sieć neuronowa najlepiej sprawdza się w wizyjnym wykrywaniu obiektów i musi zostać wytrenowana przed jej wdrożeniem. Po zakończeniu treningu wykorzystywanie sieci neuronowej jest nazywane wnioskowaniem. W procesie trenowania sieci analizowane są setki prawidłowych i nieprawidłowych obrazów, aby zidentyfikować i wyodrębnić cechy pomagające w klasyfikacji. Zobacz przykład architektury systemu wizyjnego na rysunku nr 1.

Rysunek 1 – architektura prostego systemu wizyjnego

Podczas projektowania systemu należy uwzględnić kilka praktycznych aspektów, takich jak: rodzaj wykonywanych przedmiotów, warunki oświetlenia panujące w strefie działania kamery, wymagana szybkość rozpoznawania obiektów oraz to, czy do prawidłowego wykonania danego zadania konieczne jest zastosowanie wielu kątów widzenia kamery.

Niezbędne jest także określenie środowiska pracy; na przykład w przypadku zastosowań, w których występuje kurz i wilgoć, konieczne jest zabezpieczenie kamery i elektroniki sterującej przed przedostawaniem się tych czynników do ich wnętrza. Wibracje i wstrząsy mogą również wpływać na jakość obrazu, obniżając skuteczność wykrywania obiektów.

Decydujące znaczenie ma również czas wykrywania obiektów lub ich właściwości. Linie produkcyjne pracują często z dużą prędkością, by sprostać wymogom przepustowości i utrzymać wydajność fabryki. We wspomnianym powyżej przykładzie rozlewni, komputerowy system wizyjny musi dokładnie zarejestrować obraz, przetworzyć go, a następnie określić położenie etykiety w czasie, który umożliwi podjęcie działań związanych z zaakceptowaniem lub odrzuceniem wskazanej butelki.

Przedstawiamy Arduino Pro Portenta i Portenta Vision Shield

Zaprezentowana niedawno platforma Arduino Pro Portenta jest idealną platformą z mikrokontrolerem do prototypowania przemysłowych systemów wizyjnych.

Stworzona początkowo jako edukacyjna platforma do prototypowania dla hobbystów i producentów, rodzina mikrokontrolerów Arduino ciągle się rozwija, aby sprostać potrzebom innowatorów i producentów sprzętu przemysłowego.

Wielu młodych adeptów elektroniki rozpoczęło swoją karierę zawodową dzięki Arduino – jest to niedrogi i bardzo wszechstronny zintegrowany systemem jednopłytkowy, służący innowatorom do opracowywania prototypów nowych produktów. Dzięki podejściu open-source, w połączeniu z rosnącą liczbą płytek rozwojowych oraz szerokim wsparciem programowym ze strony całej branży elektronicznej, marka Arduino stała się popularną zintegrowaną platformą wykorzystywaną w produkcji nowych produktów.

Kolejny etap w rozwoju firmy rozpoczął się niedawno wraz z wprowadzeniem na rynek serii płytek i modułów Arduino Pro przeznaczonych na rynek przemysłowy. Dwurdzeniowa płyta Arduino Portenta H7 jest pierwszą płytką z serii Pro, która została zaprojektowana z myślą o zastosowaniach przemysłowych i komercyjnych. Portenta H7 doskonale nadaje się do przemysłowych systemów wizyjnych. Płytka jest wykonana w popularnym formacie Arduino MKR, dzięki czemu jest kompatybilna ze wszystkimi istniejącymi nakładkami sprzętowymi i modułami akcesoryjnymi. Nakładka Portenta Vision, dostępna z interfejsem przewodowym Ethernet lub bezprzewodowym LoRa, doskonale nadaje się do przemysłowych systemów wizyjnych.

Płytka Arduino Portenta H7 wykorzystuje mikrokontroler STMicro STM32H747XI o niskim poborze mocy wyposażony w rdzenie Arm Cortex-M7 oraz Arm Cortex-M4. Oba rdzenie posiadają moduły FPU, przy czym FPU w M7 zapewnia podwójną precyzję obliczeń. Rdzeń M7 może pracować z częstotliwością 480 MHz, a M4 do 240 MHz. Rdzeń M4 wyposażono także w zintegrowany akcelerator graficzny zaprojektowany specjalnie do uruchamiania algorytmów sieci neuronowych. Do zarządzania energią w H7 wykorzystano trzy domeny mocy, które mogą być włączane i wyłączane przy użyciu aplikacji lub poprzez bramkowanie zegara. Portenta zasilana jest z pojedynczego zasilacza 5 VDC, a w trybie uśpienia z włączonym zegarem czasu rzeczywistego pobór prądu wynosi zwykle 2,9 µA. Ponadto wbudowany układ PMIC umożliwia ładowanie baterii litowo-jonowych i litowo-polimerowych.

Interfejsy peryferyjne na płycie obsługują wiele portów I2C, USART, SPI i CAN, 8-bitowy interfejs kamery oraz interfejs MIPI DSI. Obsługa sygnałów analogowych i cyfrowych obejmuje dwa 12-bitowe przetworniki C/A i trzy 16-bitowe przetworniki ADC.

Nakładka Arduino Portenta Vision może być podłączona do płytki Portenta H7 za pomocą złączy o dużej gęstości. Zintegrowana kamera Himan HM-01B0 o bardzo niskim poborze mocy oferuje wyjścia QQVGA i QVGA przy częstotliwości odświeżania od 15 do 120 klatek na sekundę. W nakładce zintegrowane są również dwa mikrofony MEMS. Dwurdzeniowa Portenta H7 pozwala także na uruchamianie kodu MicroPython i szkiców Arduino C na oddzielnych rdzeniach.

Wsparcie programowe przyśpiesza wdrażanie komputerowych systemów wizyjnych

Płytka Portenta H7 i nakładka Portenta Vision są w pełni obsługiwane przez ulepszoną wersję popularnego środowiska Arduino IDE. Ponadto dostępny jest także edytor w chmurze oraz edytor z wierszem poleceń. Arduino 2 IDE zapewnia pełne wsparcie obsługi kamery i mikrofonu, a na stronie Arduino dostępne są liczne poradniki i instrukcje.

OpenMV, open-source’owy framework do uczenia maszynowego, oraz OpenMV IDE są kompatybilne z płytkami Portenta. OpenMV korzysta ze skryptów Python i pozwala na rozbudowywanie systemów wizyjnych opartych na MicroPythonie na płytce Portenta H7. Na stronie Arduino dostępny jest samouczek maszynowej klasyfikacji obrazów z wykorzystaniem OpenMV i Edgee Impulse.

Rysunek 3 – Samouczek trenowania i wdrażania prostej klasyfikacji obrazów (źródło: Arduino)

Sieć neuronowa wykorzystuje techniki klasyfikacji obrazów do rozpoznawania jabłek i bananów, ale zastosowane koncepcje i przebieg procesu można równie dobrze zastosować do etykietowania butelek.

Arduino Pro Portenta– jak szybko zrealizować projekt przemysłowego systemu wizyjnego

Dla programistów systemów wbudowanych i projektantów aplikacji przemysłowych rozpoczęcie projektu związanego z systemem wizyjnym może być stresującym doświadczeniem. Zrozumienie koncepcji algorytmu sieci neuronowej jest wystarczającym wyzwaniem przed wyborem odpowiedniej platformy do prototypowania. Tymczasem płytka Arduino Portenta H7 i nakładka Portenta Vision znacznie ułatwiają cały proces. Co więcej, dzięki wsparciu sprawdzonych w branży i dobrze obsługiwanych frameworków uczenia maszynowego, bibliotek i samouczków, wyzwania związane z tworzeniem aplikacji wizyjnej stały się o wiele prostsze do pokonania.

Arduino Portenta H7 Mirocontroller Board

Arduino Portenta Vision Shield

Total
0
Shares
Poprzedni post

Superkondensatory firmy Eaton napędzają przemysł motoryzacyjny

Następny post

Wyłączniki bezpieczeństwa dla zastosowań w środowisku przemysłowym

Powiązane posty