Verificare la fattibilità nell'elaborazione delle immagini: telecamera, luce, algoritmo

Laborantin zeigt im Labor auf einen Monitor mit Analysesoftware, daneben Reagenzgläser und Probenröhrchen

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

PassoDomandaRisultato
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

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.

CONTACT

Seleziona la tua lingua

Primo colloquiofissare oraPrimo colloquiofissare ora