Przemysł 4.0 wykazuje ogromny potencjał w zakresie zwiększenia produktywności, poprawienia jakości produktu, obniżenia kosztów operacyjnych czy zwiększenia elastyczności produkcji. Wizja maszynowa będzie kluczowym elementem systemów automatyzacji w Przemyśle 4.0. Dane dostępne za pośrednictwem sprzętu wizyjnego będą wykorzystywane do identyfikacji i oznaczania wadliwych produktów, zrozumienia ich braków oraz umożliwienia szybkiej i skutecznej interwencji w fabryce Przemysłu 4.0.

W celu przybliżenia studentom ATH potencjału systemów wizyjnych, we współpracy z Centrum Inżynieryjnym, powstało unikatowe laboratorium systemów wizyjnych Cognex. Projekt, który przy zastosowaniu zaawansowanych inteligentnych kamer, czytników kodów i dedykowanego oprogramowania, pozwoli przetestować praktyczne zastosowanie systemów wizyjnych.

Studenci w ramach zajęć mają możliwość poznania rozwiązań z zakresu deep learning, wykorzystywanych w zautomatyzowanej produkcji do kontroli i identyfikacji części, wykrywania usterek, weryfikacji montażu produktu i kierowania robotami. Stanowisko z inteligentną kamerą z systemem deep learning pozwala na rozwiązywanie trudnych aplikacji przemysłowych OCR, weryfikację montażu i wykrywanie losowych defektów w dowolnym miejscu na linii produkcyjnej. W przemyśle oznacza to m.in. możliwość weryfikacji kompletności produktów w opakowaniu, poziomu napełnienia płynu w butelce czy weryfikację orientacji części w podajniku.

Ręczne czytniki kodów, umieszczone na kolejnym ze stanowisk, dekodują najtrudniejsze bezpośrednie oznaczenia części (DPM) i kody oparte na etykietach. W praktyce umożliwiają szybki i niezawodny odczyt kodów na liniach o dużej szybkości, 100% identyfikowalność części samochodowych, jak również minimalizują przestoje w dostarczaniu paczek, umożliwiając odczyt kodów pod kątami przekraczającymi 85 stopni. Mają zastosowanie m.in. w przemyśle medycznym, elektronicznym czy lotniczym.

Możliwości systemu wizyjnego współpracującego bezpośrednio z robotem przemysłowym prezentuje stanowisko do bin-pickingu. Kamera dostarcza informacje o zmianie położenia detalu, który robot ma pobrać z linii montażowej. Zastosowanie tego typu powoduje, że pobierane przez robota części nie muszą być precyzyjnie bazowane, mogą pojawiać się w sposób losowy w przestrzenni roboczej. Unikalny system wizyjny zaprezentowany na kolejnym ze stanowisk łączy technologię przemieszczenia laserowego 3D z inteligentną kamerą, przez co umożliwia szybkie, dokładne i ekonomiczne dokonywanie inspekcji. W przemyśle systemy są wykorzystywane m.in. do sprawdzania pod kątem wad powierzchni, takich jak wyżłobienia czy pęknięcia desek podłogowych, sprawdzanie jednolitości produktów spożywczych czy wykrywanie prawidłowego ustawienia drzwi i karoserii samochodu.

Kolejne stanowisko zawiera narzędzie do wykrywania defektów Cognex Deep Learning, które ma zastosowanie na przykład w branży automotive m.in. do weryfikacji tekstyliów pod kątem defektów czy w branży spożywczej do wyróżniania rodzajów czekoladek na podstawie ich wielkości, kształtu i cech powierzchni. Dzięki dedykowanemu oprogramowaniu VisionPro, studenci mogą wykonywać szeroki zakres funkcji, od lokalizacji i kontroli obiektów geometrycznych po identyfikację, pomiary i osiowanie.

Jedno ze stanowisk pokazuje zastosowanie algorytmów sztucznej inteligencji do niezawodnego wykrywania złożonych funkcji i obiektów oraz weryfikacji prawidłowego złożenia części i zestawów na podstawie ich lokalizacji we wstępnie zdefiniowanym układzie. Oprogramowanie jest idealne do wyszukiwania anomalii na złożonych częściach i powierzchniach, nawet w sytuacjach, w których wygląd defektów może być nieprzewidywalny. W praktyce system jest wykorzystywany m.in. do weryfikacji końcowego montażu samochodów, wykrywania wad jakościowych, prawidłowości typów użytych komponentów czy sprawdzania kompletności opakowań.

W laboratorium znajduje się również stanowisko do sprawdzania jakości kodu zgodnie z normami ISO/IEC – idealne do weryfikacji kodów, niezależnie od tego, czy są one jedno- czy dwuwymiarowe, gdy są zagłębione lub w inny sposób trudno dostępne innym weryfikatorom. Oprogramowanie automatycznie wykryje laserowy wskaźnik pozycjonowania, aby uzyskać idealną ostrość. Kompleksowe informacje diagnostyczne, które wykraczają daleko poza zwykłe wskazywanie klasy kodu kreskowego, informują użytkowników o problemach z jakością i zapewniają wgląd we wszelkie problemy z jakością, które wymagają uwagi.

ATHLab to kolejny przykład współpracy uczelni wyższej z przemysłem. Dzięki stanowiskom testującym z kamerami, a także z urządzeniami przetwarzającymi dane i systemami do analiz wraz z filmikami instruktarzowymi dostępnymi online, studenci mają możliwość przekonać się w praktyce, jakie zastosowania w przemyśle mają systemy wizyjne. Samodzielne przeprowadzanie badań, testów i analiz to najlepszy sposób na zdobywanie doświadczenia w branży technicznej.