Table of Contents

في التصنيع الحديث، تقلص هامش الخطأ إلى الصفر، والعنصر العاجز الوحيد يمكن أن يتجمع في التذكير الغالي، وخطر الأمان، وضرر العلامة التجارية، وبالتالي فإن عملية التفتيش الصناعي التي تحقق من جودة المنتجات أصبحت جزءاً لا يمكن التفاوض عليه من الإنتاج، ومع ذلك فإن نظم التفتيش اليدوية التقليدية تكافح للحفاظ على سرعة خطوط عالية وحجم العيوب الميكروسكوبية.

التفتيش الصناعي والرؤية الآتيتين

وتشمل عمليات التفتيش الصناعي مجموعة واسعة من المهام: التحقق من نهاية سطح الأرض والتحقق من الأبعاد، والكشف عن الملوثات، وضمان التجمع الصحيح، ومدونات القراءة أو العلامات، وآلية نظم الرؤية الماكنة لهذه المهام باستخدام الكاميرات وبرامجيات تجهيز الصور، والمزايا المتعلقة بالمفتشين البشريين هي سرعة عالية، ودقة متسقة، والقدرة على العمل في بيئات قاسية، وتوفر تركيبة تركيب الصور في إطار التجهيز الالكتروني للصور بيئة شاملة.

صندوق الأدوات ليس جزيرة، بل يدمج مع النظام الإيكولوجي الأوسع لـ (ميتاب) بما في ذلك جهاز تحديد رؤية الحاسوب للرؤية 3D، وجهاز تصميم التعلم العميق للشبكات العصبية، وجهاز التوجيه الآلي للتطبيقات المتخصصة، وبالنسبة للتفتيش الصناعي، فإن جهاز تجهيز الصور هو مجموعة العمل، مما يتيح مئات المهام للفرز، وقوام الأشعة، والكشف عن الاختبارات، والنمط.

القدرات الرئيسية لإطار تجهيز الصور للتفتيش

اقتناء الصور و I/O

(ب) قبل أن يُجرى أي فحص، يجب أن تُلتقط الصور بشكل موثوق، حيث توفر مجموعة الأدوات وصلات مباشرة إلى مجموعة واسعة من الكاميرات من خلال جهاز " إم بي سي " (منتج فرعي) (GigE Vision) و " USB3 " ، والكثافة الكثيفة، والعديد من أجهزة التصوير المحتوية على الملكية، وهي مهمة حاسمة بالنسبة للتفتيش، وتسمح مجموعة الأدوات بصنع برامجيات

التجهيز الأولي والتقوية

ونادرا ما تكون الصور الصناعية في العالم الحقيقي نظيفة، فالغدر، والإضاءة غير المتساوية، واللمحات الجليدية، والضوضاء المستشعرة، كلها نوعية من الصور المتدهورة، وتوفر مجموعة الأدوات مجموعة كاملة من عمليات التصفية لإعداد الصور للتحليل:

  • Noise reduction:] Median filtering, Gaussian blurring, bilateral filtering, and non-local means denoising. Median filtering is especially effective for removing salt-and-pepper noise common in high-speed cameras.
  • Contrast adjustment:] Histogram equalization, adaptive histogram equalization (CLAHE), and gamma correction. CLAHE is valuable for images with dramatic lighting gradients, such as those taken under angled illumination for defect detection.
  • Sharpening and deblurring:] Unsharp masking, Wiener deconvolution, and blind deconvolution, these can recover fine edges degraded by motion blur in high-speed lines.
  • () عمليات أشعة موروفية: ] Dilation, erosion, opening, closing, and top-hat transforms. Morphological processing is the foundation of many defect detection routines - for example, using a top-hat filter to highlight small, bright defects against a dark background.

ويعتمد اختيار خطوات التجهيز الأولي الصحيحة على نوع العيوب وتركيب الصور، ويضع المهندسون عادة نصاً من طراز MATLAB يحمّل صور العينات، ويطبقون مجموعة من المصفوفات، ويصورون النتائج للتقريب بين خط الأنابيب الأمثل.

الجزء: إيجاد مناطق ذات فائدة

- تقسيم جزء من المنطقة إلى مناطق ذات معنى، وفي التفتيش، نريد عزل العيوب المحتملة، وقياس الحدود الجزئية، أو تحديد الملامح، ويوفر مجموعة الأدوات عدة نُهج للتجزؤ:

  • Thresholding:] Global (Otsu’s method), local (adaptive thresholding), and multilevel thresholding. Otsu’s method is a staple for bimodal histograms, while adaptive thresholding handles uneven illumination by computing thresholds for each pixel's neighborhood.
  • Edge-based segmentation:] Canny, Sobel, Prewit, Roberts, and Laplacian of Gaussian edge detectors. The Canny edge detector is widely used due to its good localization and low false-positive rate. Post- processing with edge linking and cleanup refines boundaries.
  • Region-based segmentation:] Watershed transform, active contours (snakes), and split-and-merge algorithms. The watershed transform is powerful for separating overlapping objects, but often requires morphological marker control to avoid over-segmentation.
  • Color-based segmentation:] Using color spaces (RGB, HSV, L*a*b*) to isolate specific color ranges. This is critical for tasks like inspecting printed circuit boards (PCB) for correct solder mask or detecting foreign colored contaminants in food products.
  • Deep learning segmentation:] While not native to the Image Processing Toolbox, semantic and instance segmentation networks can be imported from the Deep Learning Toolbox. The Image Processing Toolbox provides `semanticseg` and `pixelLabelDatastore` to evaluate these networks and post-process their outputs.

استخراج الرطوبة وقياسها

وبمجرد تقسيم القطع، نحددها كميا، وتشمل مجموعة الأدوات وظيفة " معالجات " مستوفية للمعايير الذهبية، التي تكوّن عشرات الممتلكات: المنطقة، والإطار، والصندوق المقيد، والعقيدة، والتسعير، والمحور الرئيسي والصغير، والميول، ورقم Euler، والأكثر، وفيما يتعلق بالتفتيش الصناعي، تشمل القياسات النموذجية ما يلي:

  • Geometry:] checking that holes are centered, diameters are within tolerance, and corners are not frped.
  • Texture:] Using gray-level co-occurrence fisheries (GLCM) features-contrast, correlation, energy, homogeneity - to detect surface anomalies like stampes or stains.
  • Intensity features:] Mean, standard deviation, and histogram skewness of the grayscale values inside a region. A crack in a metal casting, for instance, appears as a dark, narrow region whose intensity differents significantly from the surrounding material.
  • Moment invariants:] Hu moments and Zernike moments that are invariant to translation, rotation, and scaling. These are used to recognize logos, labels, or part orientation.

كما يدعم صندوق الأدوات أجهزة الكشف المتقدمة عن السمات (الوحدة، وحدة الرصد والمراقبة، ومؤسسة BRISK) عادة تحت صندوق الرؤية الحاسوبية، ولكن الكشف عن الملامح الأساسية (نقطة الوصول، بسرعة) متاح في تجهيز الصور، وبالنسبة للتفتيش، كثيرا ما نجمع بين السمات الأرضية والمنسوجات في جهاز خاص يغذيه أحد المصنفين.

الاعتراف بالأدوات وتصنيفها

ولا يمكن أن يحل الحد الأدنى المبسط كل مشكلة التفتيش، فبالنسبة لأنماط العيوب المعقدة، يلزم التعلم الآلاتي أو التعلم العميق، وتدمج مجموعة أدوات تجهيز الصور مع صندوق الإحصاء والتعلم المماكين ومجموعة أدوات التعلم العميقة.

  1. Extract features] from labeled training images (good vs. defective).
  2. Train a classifier (support vector machine, random forest, k-nearest neighbours, or a convolutional neural network).
  3. Validate] with a hold-out set and tune parameters.
  4. Deploy] the trained model in the inspection system.

ويوفر صندوق الأدوات تطبيقاً بصرياً " للعلامات " لوصف عيوب الحقيقة الأرضية بشكل تفاعلي، وبالنسبة للتعلم العميق، يمكن استخدام وظيفة " شبكة التدريب " مباشرة على صفائف الصور أو مجموعات البيانات، وتجد أفرقة التفتيش الصناعية أن المصنف التقليدي على السمات الحسنة الصنع يتفوق على التعلم العميق عندما تكون البيانات المسمّاة شحيحة، وتجعل مجموعة تجهيز الصور من ذلك أمراً مستقيماً لاختبار النهجين معاً.

بناء نظام تفتيش كامل: نهج تدريجي

الخطوة 1: مواصفات النظام

بداية من تحديد أنواع العيوب، ونطاقات الحجم، والحجم المطلوب، والدقة (معدلات القبول/الرفض) مثلاً: "يُحدث خدوش مميتة أطول من 2 ملم على سطح معدني مسطح يتحرّك عند 1متر، مع حد أقصى من الرفض الكاذب يبلغ 0.1 في المائة" وهذا يقود إلى حل الكاميرا، والاختيار العدائي، والإضاءة، وتعقيد الخوارزم.

الخطوة 2: إنشاء مجموعة اقتناء الصور

(أ) أن تُختار آلة تصوير برقم كافٍ من حيث التسوّق والإطار، وأن تستخدم جهاز (ميتاب) لتثبيت الكاميرا، وأن تُحدّد التعرّض، وتكسب، وطريقة الصنع، وأن تُطلق إشارات من (بي إل سي) أو (بي) يُستخدم في موقعه، ويمكن أن تُسجل صوراً لملف فيديو أو بشكل مباشر لصوره في عملية التقاط الصور.

الخطوة 3: معايرة ومراجع

وبالنسبة للقياسات البعدية، فإن معايرة الكاميرا ضرورية، حيث توفر مجموعة أدوات الرؤية الحاسوبية جهاز " جهاز التحكم بالأشعة " باستخدام نمط لوحة مرجعية لمقارنة البارامترات المتأصلة (الفاكس، والزلاجة، والسمية، والنسيج) ومعاملات التشويه بالحساسية، ثم تطبق " الأبعاد غير المعمودة " لتصحيح الصور قبل القياس.

الخطوة 4: تطوير النموذج الأولي

(أ) تطوير الخوارزمية التفاعلية في Image Segmenter) و] ] Color Thresholder ]]، بدلاً من ذلك، تتيح هذه الأجهزة لك تجربة مختلف أساليب التجزئة وتصدر الرمز كنموذج ميغابايت.

الخطوة 5: تجهيز البطاقات وتحقيق الاستخدام الأمثل

(ب) استخدام " جبر " (Parallel Computing Toolbox) للتعجيل بالتقييم عبر عدة نواة من وحدات الباراغواتي أو وحدات GPU، وكمية الارتباك وخطوط العرض التي تستخدمها شركة ROC لقياس الأداء كمياً، وعتبات الثنيات والبارامترات الميكانيكية هذه تستمر حتى يتم الوفاء بالمقاييس المنشودة.

الخطوة 6: التنفيذ والتكامل في الوقت الحقيقي

For deployment on a production line, the algorithm must run within the allocated cycle time. MATLAB code can be converted to C/C++ using MATLAB Coder, which enables execution on embedded devices (e.g., NVIDIA Jetson, Intel Processors, or ARM Cortex). The Image Processing Toolbox supports code generation for many functions (im2

الخطوة 7: الصيانة والترفيع

تغير ظروف الإنتاج: تصميمات جديدة، وإضاءة مختلفة، وتصوير كاميرا، والطبيعة النموذجية لنصوص MATLAB تجعل من السهل إعادة تدريب المصنفين، وتعديل العتبات، أو تبادل خطوات التجهيز الأولي دون إعادة كتابة النظام بأكمله، وتحديد نتائج التفتيش، ونماذج إعادة التدريب بشكل دوري، هي أفضل الممارسات، ومجهزة مجموعة الأدوات المدمجة في الصور، وقدرات الكتابة الحية تيسر هذا التمر المستمر.

التطبيقات العالمية الحقيقية ودراسات الحالات الإفرادية

السيارات: تفتيش بحري

وفي مجال صناعة السيارات، يجب أن تكون القاع الرطبة على مكونات الفوضى مستمرة ومتحررة من السخرية، وباستخدام كاميرا خفيفة منظمة، يلتقط نظام ميغابايت - بي - بي - بيزو الصور، ويزيل التجهيز الأولي الانعكاسات من القوس الرملي، ويعزل المنطقة الرطبة، ويبرز التفتيش الوبائي ثغرات.

الإلكترونيات: PCB المكوّنات

وقد تكون لوحات الدوائر المطبوعة قد فقدت أجهزة التصفيق أو أجهزة التكتل أو الجسور المباعة، ويأخذ نظام الرؤية باستخدام نظام MATLAB صورة لكل مجلس، ويسجلها على صورة مرجعية ذهبية (تستخدم فيها المضاهاة أو الترابط التدريجي)، ويُستثنى من الصور، ويُعتبَر من الصورة المتبقية تحديد المكونات التي تختلف باختلاف أجزاء مجموعة الأدوات ' ' المواضع``.

الصيدلاني: وجود آلات الدمج

يجب أن تحتوي علب الـ(بليستر) على العدد الصحيح من الحبوب بدون أقراص مفقودة أو أسطوانات مفقودة، الضوء الخلفي عالي المطابقة يُلقي الضوء على كل خلية من الوحوش، وجهاز تجهيز الصور المُستخدم في (مُعدات التعبئة) يُمكن أن يُكتشف بسرعة حبوب التعميم، و لكي يُكتشف أكثر قوة تحت الإضاءة المختلفة، جهاز تصنّف على حزمة الآلات مُدرّب على مقياس مُ مُ مُل مُصّبُّات مُع مُعَةِ 150

مقارنة ماتالوب مع أجهزة التسجيل المفتوحة وغيرها من الأدوات

فمكتب التسجيل المفتوح هو مكتبة شعبية مفتوحة المصدر للرؤية الحاسوبية، ولها مزاياها وتكاليفها ومجتمع كبير، غير أن نظام مراقبة السلع والخدمات والخدمات والخدمات الصناعية يتيح مزايا متميزة:

  • Integrated development environment:] The MATLAB IDE, with live scripts and apps, accelerates prototyping. OpenCV typically requires more manual coding and build formation.
  • Advanced visualization:] Interactive plotting, image montages, and UI creation (App Designer) let engineers build prototype GUIs for factory operators quickly.
  • Hardware support:] MATLAB seamlessly connects to many industrial cameras and DAQ devices without needing special wrappers.
  • Code generation:] MATLAB Coder can produce highly optimized C/C++ code that often runs faster than hand-written OpenCV for certain operations, especially when using the embedded target-specific Library.
  • Support and documentation:] MathWorks offers extensive documentation, webinars, and technical support-valuable when a production line is down.

وهذا ما قيل، إن برنامج " أوف سي في " لا يزال يستخدم على نطاق واسع، ويقدم وظائف مثل " كونتورز " التي تقارب ماتا لاب مع " الموزّعين " ، ويتوقف الاختيار على خبرة فريق التنمية وميزانية المشروع، ويستخدم العديد من المنظمات كلا من: MATLAB للنشر النهائي للنظم المتشددة التي تراعي التكلفة، وذلك من أجل إجراء مقارنة شاملة، زيارة للموقع الحاسوبي.

الشلالات المشتركة وكيفية تجنبها

  • Over-reliance on one segmentation method:] No single method works for all images. Test multiple techniques (thresholding, watershed, active contours) and consider using a cascaded approach (e.g., coarse segmentation followed by fine analysis).
  • Ignoring lighting:] Even the best algorithm fails with poor illumination. Invest in proper lighting-diffuse, backlight, structured-and ensure consistency across the production run.
  • Insufficient training data:] For machine learning classifiers, collect images from multiple production lines, under varying conditions, to avoid overfitting. Use data increaseation (rotation, scaling, noise addition) implemented with the `imageDataAugmenter ' in MATLAB.
  • Neglecting system latency:] In real-time inspection, every millisecond matters. Profile your code with the MATLAB Profiler and replace slow cycles with vectorized operations. Use `coder.extrinsic` to manage performance trade-offs.
  • Poor calibration:] Without accurate pixel-to-world mapping, dimensional measurements are meaningless. Recalibrate cameras regularly and use reference targets to verify calibration.

استحقاقات اعتماد نظام تقييم الأداء المالي الموحد للتفتيش

  • Rapid development:] The app-driven work flow and large library of functions mean a prototype can be built in days rather than weeks.
  • Accuracy:] Precise control over every step minimizes false positives and negatives,ving costs and improving quality reputation.
  • Flexibility:] The same codebase can be adapted to different products and defect types with minimal changes -often just adjusting a few parameters.
  • Integration:] MATLAB interfaces easily with factory auto systems, databases (for traceability), and enterprise software for analytics.
  • Scalability:] Code that works on a test bench can be compiled for a dedicated machine or deployed to multiple stations using MATLAB Production Server.

الاستنتاج: مستقبل التفتيش الآلي مع وزارة الشؤون الإدارية

"العملية الصناعية" "العملية" "العملية" "العملية" "العملية" "العملية" "العملية" "العملية" "العملية" "العملية" "العملية" "تبحث"