Elaborazione delle immagini
Molti progetti di elaborazione delle immagini non falliscono a causa del software, ma a causa di ipotesi: che la telecamera veda il difetto, che la luce basti, che la cadenza sia sostenibile. Una verifica di fattibilità chiarisce queste domande prima che il denaro fluisca nell'impianto e nello sviluppo.
Prima il compito, poi la tecnica
All'inizio c'è una descrizione precisa: che cosa deve essere riconosciuto, misurato o contato? Quanto è piccola la caratteristica rilevante più piccola? Quanto velocemente scorrono i pezzi, e quanto tempo resta per ogni immagine? Quale tasso di errore è accettabile? A ciò si aggiunge una raccolta di veri pezzi campione – pezzi buoni, campioni limite e difetti tipici.
Telecamera: vede ciò che deve vedere?
Il calcolo più importante riguarda la risoluzione. Dal campo visivo e dal numero di pixel risulta quanti millimetri rappresenta un pixel. La caratteristica più piccola deve coprire diversi pixel, altrimenti si perde nel rumore:
def pixel_pro_merkmal(sichtfeld_mm, pixel_breite, merkmal_mm):
mm_pro_pixel = sichtfeld_mm / pixel_breite
return merkmal_mm / mm_pro_pixel
# Esempio: campo visivo di 100 mm, sensore largo 2448 pixel, graffio di 0,2 mm
print(f"{pixel_pro_merkmal(100, 2448, 0.2):.1f} Pixel") # 4.9 Pixel
Contano inoltre il tipo di sensore (matriciale o lineare, monocromatico o a colori), il tempo di esposizione rispetto al mosso, la frequenza di immagini e l'interfaccia. Nelle riprese termografiche, a fluorescenza o 3D si aggiungono domande specifiche, ad esempio risoluzione termica, sensibilità o distanza di misura. Per il confronto oggettivo delle telecamere industriali esiste lo standard EMVA 1288. Descrive grandezze caratteristiche come rumore e sensibilità secondo regole uniformi.
Luce: la leva sottovalutata
L'illuminazione decide il contrasto – e il contrasto decide la robustezza. La retroilluminazione mostra i contorni in modo nitido. La luce incidente ad angolo radente mette in risalto graffi e goffrature. La luce diffusa attenua i riflessi sui pezzi lucidi. Luce colorata o pulsata può separare le caratteristiche o congelare i movimenti. Provi quindi diverse illuminazioni con gli stessi pezzi campione prima di parlare di algoritmi. E pensi alla luce esterna: finestre del capannone e lampade a soffitto cambiano nel corso della giornata.
Algoritmo: cominciare in modo semplice
Solo quando ci sono immagini con un buon contrasto conviene guardare all'analisi. Cominci con il metodo più semplice che potrebbe risolvere il compito. Bastano soglie, bordi e geometria? Allora risparmia dati, tempo di calcolo e sforzo di spiegazione. Solo quando ciò dimostrabilmente non regge entrano in gioco i metodi ad apprendimento. I prototipi in Python, MATLAB o Halcon nascono in questo caso più rapidamente del successivo software di prodotto.
La verifica di fattibilità in sintesi
| Passo | Domanda | Risultato |
|---|---|---|
| 1. Requisiti | Che cosa, quanto piccolo, quanto veloce, quanto sicuro? | Criteri di accettazione |
| 2. Pezzi campione | La raccolta copre la dispersione reale? | Set di immagini con pezzi buoni, limite e difettosi |
| 3. Telecamera e ottica | Bastano risoluzione e frequenza di immagini? | Raccomandazione per telecamera e obiettivo |
| 4. Illuminazione | Quale luce produce un contrasto stabile? | Concetto di illuminazione |
| 5. Algoritmo | Classico, IA o combinato? | Prototipo con tasso di riconoscimento misurato |
| 6. Sistema di destinazione | Gira alla cadenza richiesta sull'hardware previsto? | Misura dei tempi di esecuzione ed elenco dei rischi |
Dalla pratica
Per il dispositivo di lettura per la PCR digitale nel progetto congiunto FREEDOM finanziato dal BMBF eravamo responsabili, oltre che dell'architettura software, anche del controllo di telecamera e LED, dell'acquisizione e dell'analisi delle immagini. In un dispositivo di laboratorio per l'analisi a fluorescenza integriamo una telecamera a fluorescenza e un laser che eccita le cellule alla fluorescenza. Calibrazione ed elaborazione delle immagini forniscono lì informazioni più precise sui campioni cellulari. E per un produttore di sensori abbiamo montato in laboratorio scanner 3D in diverse posizioni e modellato inoltre un allestimento in 3D per simulare i dati di scansione. Così è stato possibile testare molte varianti senza costruirle tutte realmente una per una. La lezione di tutti e tre i progetti: ripresa, illuminazione e analisi vanno pianificate insieme.
Errori tipici
- Acquistare la telecamera in base alla scheda tecnica prima di aver ripreso i pezzi campione.
- Testare con pezzi dimostrativi perfetti invece che con veri campioni limite della produzione.
- Trattare l'illuminazione come un accessorio da acquistare alla fine.
- Accorgersi del mosso e della cadenza solo con l'impianto in funzione.
- Misurare il prototipo sul PC dello sviluppatore, anche se in seguito i calcoli li farà un sistema embedded.
- Nessun risultato scritto: senza limiti documentati la discussione ricomincia da capo al collaudo.
Come La aiutiamo
- Studio di fattibilità per l'elaborazione delle immagini: riprendiamo i Suoi pezzi campione con telecamera e illuminazione adatte, sviluppiamo un prototipo dell'analisi e documentiamo risultato, limiti e rischi.
- Realizzazione: controllo di telecamera, LED e laser, calibrazione, analisi delle immagini e interfaccia utente in C#, C++ o Python.
- Il Suo progetto: Richieda un progetto o fissi un primo colloquio
- Caso di studio: Software per un dispositivo di lettura per la PCR digitale
Dai nostri progetti nella tecnica di laboratorio e di misura: PCR digitale (progetto congiunto FREEDOM del BMBF), analisi a fluorescenza, calibrazione e riconoscimento di oggetti con scanner 3D. Approfondimento: EMVA 1288 – standard per la caratterizzazione delle telecamere industriali.
