Mesin prototipe untuk menguji kombinasi kamera, lensa, dan pencahayaan bagi Machine Vision (MVDeep) melalui proyek pemerintah Thailand

Latar belakang permasalahan

Tantangan dalam kasus ini adalah mengurangi waktu pemilihan kamera, lensa, dan lampu penerangan untuk inspeksi berbasis kamera. Berhasil atau tidaknya pekerjaan Machine Vision (sistem inspeksi berbasis kamera) bergantung pada pemilihan set perangkat ini yang tepat untuk benda kerja sejak awal. Perusahaan swasta Thailand yang ikut serta dalam proyek melakukan tahap ini dengan mencoba mengganti perangkat satu set demi satu set, lalu memeriksa hasilnya dengan nilai statistik.

Sebagian besar pengujian untuk setiap pekerjaan memakan waktu lebih dari 1 hari, beberapa pekerjaan lebih dari 1 bulan, dan membutuhkan orang yang menguasai pencahayaan, pengambilan gambar, statistik industri, dan pemrosesan gambar (Image Processing). Akibatnya, perusahaan hanya dapat menerima lebih sedikit pekerjaan daripada yang masuk. Hambatannya terletak pada waktu pengujian dan jumlah orang yang mampu melakukannya.

Kami mengembangkan mesin ini dalam program dukungan pengembangan mesin prototipe dari pemerintah, tahun anggaran 2019. Nama lengkap proyek ini adalah Automated Machine Vision Laboratory By Deep Learning (mesin inspeksi benda kerja otomatis dengan kamera cerdas bersistem pembelajaran mendalam). Kata Laboratory di sini berarti mesin untuk menguji set perangkat pada benda kerja nyata, bukan ruang kelas.

Persyaratan dan batasan

Mesin harus mampu menghasilkan tidak kurang dari 100 laporan Cpk per 8 jam dan merangkum hasil semua set perangkat menjadi nilai statistik yang dapat dibandingkan. Persyaratan dan batasan lainnya adalah sebagai berikut.

• Membuat 1 unit mesin prototipe di bawah program dukungan pemerintah
• Memulai dari inspeksi pemilahan gradasi warna, sesuai kebutuhan pertama perusahaan yang ikut serta dalam proyek
• Memutuskan pemilihan perangkat dengan nilai statistik, bukan perkiraan berdasarkan pengalaman orang
• Benda kerja harus diletakkan di atas meja XY Table di dalam lemari, yang ruangnya terbatas

Mengapa menggunakan robot untuk mengganti perangkat dan memutuskan dengan nilai Cpk

Kami menggunakan robot untuk mengganti kamera, lensa, dan lampu, lalu memutuskan dengan nilai Cpk karena hambatan dalam tantangan ini adalah waktu untuk menguji perangkat satu set demi satu set dan terbatasnya tenaga ahli. Mesin yang dapat mengulang pengujian dengan urutan yang sama dan merangkum semua set dengan kriteria yang sama membuat pemilihan perangkat dapat merujuk pada angka.

Mesin terbagi menjadi lemari bagian atas untuk pengujian dan lemari bagian bawah untuk unit kontrol listrik. Papan pemrosesan NVIDIA Jetson Xavier menggunakan ROS (Robot Operating System — paket perangkat lunak pengendali robot) untuk mengendalikan seluruh sistem robot. Langkah kerjanya adalah sebagai berikut.

1. 1

   Meletakkan benda kerja dan mengisi data

   Pengguna meletakkan benda kerja di atas meja XY Table di lemari bagian atas, lalu memilih jenis inspeksi serta mengisi detail benda kerja, posisi tengah, dan ukuran melalui layar mesin.

2. 2

   Robot mengatur kamera, lensa, dan lampu penerangan

   Saat Start ditekan, set lengan robot pertama menggerakkan kamera ke tengah benda kerja, mengambil gambar, lalu mengubah jarak. Dua set lainnya memegang lampu penerangan serta mengganti model lensa dan lampu, sehingga diperoleh gambar dari berbagai set perangkat.

3. 3

   AI memilah gradasi warna dan menghitung nilai Cpk

   AI mengelompokkan gradasi warna benda kerja dari gambar (Clustering adalah pengelompokan data yang serupa), lalu modul statistik menghitung nilai Cpk setiap set perangkat.

4. 4

   Menghasilkan laporan dan mengirim ke Cloud

   Mesin merangkum 5 set perangkat dengan nilai Cpk tertinggi menjadi laporan PDF dan dapat mengirim laporan ke sistem Cloud dari program mesin.

Hasil serah terima

Kami menyerahkan 1 unit mesin prototipe MVDeep beserta perangkat lunak, dokumen, dan alih pengetahuan penggunaan. Item utamanya adalah sebagai berikut.

• Lemari uji dengan meja XY Table dan 3 set lengan robot untuk mengatur posisi kamera, memegang lampu penerangan, serta mengganti lensa dan lampu
• Berbagai jenis lampu penerangan, yaitu lampu batang (Bar Light), lampu cincin multi-sudut (Ring Light), dan lampu yang searah dengan lensa (Coaxial Light)
• Lensa FA (lensa untuk industri) dengan berbagai jarak fokus dan lensa telesentris (Telecentric Lens — lensa untuk pengukuran yang mengurangi perubahan ukuran gambar akibat jarak)
• Unit kontrol listrik di lemari bagian bawah dan papan NVIDIA Jetson Xavier yang menggunakan ROS
• Perangkat lunak untuk menerima data benda kerja, mengelompokkan gradasi warna, menghitung nilai Cpk, menghasilkan laporan PDF, dan mengirim laporan ke Cloud
• Laporan rencana kerja, laporan kemajuan, laporan akhir, serta manual penggunaan dan pemeliharaan

Hasil yang dapat dikonfirmasi dari laporan akhir

Laporan akhir proyek mengonfirmasi hasil pengujian mesin MVDeep dalam 3 aspek, yaitu kecepatan menghasilkan laporan, pengiriman laporan ke Cloud, dan keselamatan lemari. Selain hasil pengujian, pekerjaan ini juga menyerahkan dokumen dan alih pengetahuan penggunaan kepada perusahaan yang ikut serta dalam proyek.

• Kecepatan: mesin memenuhi target menghasilkan tidak kurang dari 100 laporan Cpk per 8 jam
• Pengiriman laporan: program mesin dapat mengirim laporan ke sistem Cloud
• Keselamatan: mesin memiliki sensor keselamatan (Safety Sensor) dan berhenti bekerja saat penutup lemari dibuka
• Dokumen: laporan rencana kerja, laporan kemajuan, laporan akhir, serta manual penggunaan dan pemeliharaan
• Alih pengetahuan: kami mengalihkan pengetahuan penggunaan mesin kepada perusahaan yang ikut serta dalam proyek

Pelajaran yang kita dapatkan

Pekerjaan ini memberikan 3 prinsip untuk pemilihan perangkat bagi sistem inspeksi berbasis kamera.

• Pilih perangkat dengan kriteria statistik yang sama untuk semua set, bukan berdasarkan pengamatan gambar atau pengalaman orang. Nilai Cpk memungkinkan berbagai set kamera, lensa, dan lampu dibandingkan pada dasar yang sama.
• Mulai dari satu tantangan inspeksi yang jelas. Pekerjaan ini dimulai dari pemilahan gradasi warna, sehingga metode pengukuran hasil dapat ditetapkan dengan jelas sebelum diperluas ke jenis inspeksi lain.
• Pisahkan bagian yang dapat diulang dari bagian yang perlu dicari. Posisi yang ditetapkan sebelumnya memungkinkan mesin mengulang pengujian dengan urutan yang sama, sedangkan pencarian posisi kamera dan lampu secara otomatis merupakan lapisan pekerjaan lain yang harus dikembangkan dan diuji secara terpisah.

Cara menerapkan pendekatan ini pada pekerjaan Anda

Jika Anda harus memilih kamera, lensa, dan lampu penerangan untuk banyak pekerjaan inspeksi berbasis kamera, Anda dapat menggunakan pendekatan yang sama dengan kasus ini, yaitu menguji berbagai set perangkat dengan urutan yang sama, lalu membandingkan hasilnya dengan nilai Cpk. Yang perlu disesuaikan adalah kriteria inspeksi, ukuran benda kerja, dan cara pengaturan posisi, jika pekerjaan Anda berbeda dari pemilahan gradasi warna.

• Mesin seperti ini digunakan untuk menguji dan menemukan set perangkat, bukan untuk menginspeksi benda kerja di lini produksi. Setelah set perangkat diperoleh, sistem inspeksi di lapangan masih harus dirancang secara terpisah.
• Siapkan listrik, sistem udara tekan, dan ruang untuk membuka lemari saat pemeliharaan
• Lengan robot memiliki banyak motor; sebaiknya sediakan motor cadangan dan periksa sistem kelistrikan sesuai jadwal dalam manual (biasanya 1 kali per tahun)