Como a visão mecânica continua a aumentar a eficiência da automação industrial

Jul 25, 2023

Blogue

Equipe de Marketing Online A3 | 28/08/2023

Em abril de 2021, foi anunciado que a Robotics Industries Association (RIA), a AIA – Advancing Vision + Imaging (AIA) e a Motion Control and Motors Association (MCMA) se fundiriam sob o mesmo guarda-chuva como A3, a Association for Advancing Automation. Em vez de se concentrar em componentes e negócios separados, a nova associação olharia para a automação de um ponto de vista holístico. Caminhe em qualquer feira de automação em 2023 e você verá por quê.

Embora os participantes vejam muitas empresas apresentando suas inovações nessas áreas individuais, muitas demonstrações – incluindo várias de um influxo de empresas mais novas – estão destacando tecnologias que incorporam os mais recentes desenvolvimentos em robôs, visão mecânica e controle de movimento juntos. (Robôs móveis autônomos, por exemplo).

Essas tecnologias individuais atendem a propósitos únicos e valiosos no chão de fábrica e além dele. Por exemplo, robôs “cegos” ainda podem automatizar muitas tarefas repetíveis e pré-programadas em diferentes setores, mas emparelhar um robô com visão mecânica cria um sistema de automação muito mais flexível, com significativamente mais capacidades. À medida que os sistemas de automação continuam a evoluir e a progredir, a visão mecânica continuará a ser um facilitador essencial. Vejamos algumas das maneiras recentes pelas quais a visão mecânica ajudou a impulsionar as tecnologias de automação.

Melhorias 3D

Embora a imagem 3D sirva há muito tempo o espaço da automação industrial, os desenvolvimentos recentes aprimoraram as aplicações existentes e abriram as portas para novas. Recursos 3D novos ou aprimorados incluem menor ruído, maior resolução, imagens de textura em RGB, maior precisão e capacidade de capturar imagens de objetos em movimento em taxas bastante altas.

Além disso, certas implementações de imagens 3D tornaram-se menos dispendiosas e mais fáceis de usar. Por exemplo, vários dos sistemas de automação específicos para aplicações atualmente disponíveis no mercado — como aqueles desenvolvidos especificamente para coleta de recipientes e coleta e colocação em geral, paletização e despaletização e classificação logística — utilizam uma única câmera 3D RGB-D. Ele captura uma imagem colorida 2D e uma medição de profundidade que pode ser combinada para criar imagens RGB-D, que por sua vez são usadas para ajudar a orientar os movimentos do robô.

Em outros lugares, outros avanços 3D abordaram alguns dos desafios atuais de automação, incluindo:

Tempo de voo (ToF):As câmeras e sensores ToF fizeram grandes avanços nos últimos anos, permitindo-lhes atender aos requisitos de logística, robôs autônomos e outras aplicações desafiadoras de automação de fábrica.

Imagem de alta faixa dinâmica: Os sistemas de imagem 3D oferecem hoje recursos de alta faixa dinâmica nunca antes vistos. Isto é adequado para aplicações que envolvem superfícies de alta ou baixa refletividade, como montagem automotiva ou em aplicações de logística e paletização, onde os objetos ou peças podem variar muito e tornar-se difíceis de visualizar com um tempo de exposição fixo.

Perfiladores 3D calibrados de fábrica: Visando a facilidade de uso para clientes que necessitam de recursos de visão 3D, os perfiladores 3D totalmente integrados e calibrados de fábrica oferecem configuração e operação intuitivas para aplicações de imagem. Isso pode variar desde inspeções automotivas envolvendo pequenas peças eletrônicas ou grandes peças automotivas até tarefas de embalagem, incluindo inspeção e localização de contêineres e nível de enchimento, classificação e medições volumétricas.

O impulso da IA

Outro desenvolvimento interessante nos últimos anos foi a intersecção da IA ​​e do 3D, juntamente com o nicho geral que foi criado para métodos de IA, incluindo aprendizagem profunda e técnicas de aprendizagem automática. Primeiro, muitos dos sistemas específicos de aplicação mencionados acima que utilizam imagens 3D também implantam técnicas de IA como uma ferramenta complementar, mas poderosa, que adiciona flexibilidade. Por exemplo, os algoritmos de IA podem ajudar esses sistemas a identificar individualmente itens altamente variáveis, permitindo que o robô faça uma seleção em alta velocidade com base em um conjunto de treinamento – uma tarefa onde os algoritmos tradicionais de visão mecânica teriam dificuldades. Esses itens podem incluir qualquer coisa, desde pequenos bens de consumo em um armazém até peitos de frango individuais movendo-se em alta velocidade em uma linha transportadora.