Uso de visão computacional para automatizar o processo de inspeção de qualidade de peças
Demonstração • Integrantes • Como funciona • Contribuindo
Peça
Bcorreta (esquerda) e peçaBerrada (direita). Resultado no console no canto inferior direito
Esse projeto foi desenvolvido durante o ano de 2022 no SENAI São Caetano do Sul, como projeto final do curso de Mecatrônica pelos técnicos:
| Eduardo Santos Barreto | Karol Rodrigues | Igor Podadera da Costa | Guilherme Teodoro |
|---|---|---|---|
|
|
|
|
Orientadores: Letícia Aquino, Sérgio Ferreira nascimento
A inspeção de qualidade é um processo crucial na indústria para garantir que os produtos sejam produzidos de acordo com os padrões de qualidade estabelecidos. Apesar disso, muitas vezes ela é realizada manualmente, o que pode ocasionar erros e atrasos na produção, além da necessidade de uma equipe para essa inspeção.
A automação desse processo pode trazer diversos benefícios, como o aumento da confiabilidade, produtividade e escala.
O projeto consiste na implementação de um sistema de inspeção de qualidade automatizado simplificado, que utiliza visão computacional detectar falhas em peças. O sistema é composto por uma câmera, um computador e um software que realiza a inspeção.
Para desenvolvermos o projeto, criamos algumas peças para serem utilizadas como exemplo.
Elas são denominadas como A e B, e possuem suas versões corretas e erradas (para teste). Também tem um ID associado a elas, a peça A possui o ID 1001 e a peça B possui o ID 1002, para efeitos de demonstração.
Todas as peças possuem entalhes triangulares em suas extremidades, que são utilizados para referência na inspeção.
iqademo.mp4
Assim que uma peça nova chega na visão da câmera, a rotina de validação é a seguinte:
-
Um modelo de detecção de objetos é utilizado para detectar os entalhes triangulares na peça e obter a posição deles.
-
A posição dos entalhes é utilizada para delimitar o espaço de inspeção.
-
O centro da peça é encontrado por meio dos pontos médios das linhas que delimitam o espaço de inspeção.
-
A peça é separada em quadrantes para que a inspeção seja feita em cada um deles.
-
Coleta de dados dos furos da peça do banco de dados, contendo principalmente as posições e os tamanhos de cada furo
-
Varredura da lista de furos obtida no banco de dados, comparando cada furo com os dados obtidos na inspeção.
6.1. A partir da posição em X e Y do furo no quadrante, é obtida uma nova área de interesse do tamanho do diâmetro do furo.
6.2. A área de interesse é utilizada para detectar se o furo está presente ou não na peça, usando um modelo de classificação de imagens.
-
Furos corretos nas posições corretas são marcados com um retângulo verde. Qualquer erro é marcado com um retângulo vermelho.
-
É gerado uma saída indicando se a peça é válida ou não, e quais furos estão errados.
O uso de visão computacional pode ocasionar em problemas devido a variações de iluminação, reflexos e outros fatores. Um dos problemas que podem ocorrer é a peça vir inclinada em relação à câmera, o que poderia ocasionar em uma detecção incorreta dos furos, afinal, haveria uma distorção na imagem.
Quando usamos quadrantes, a peça é dividida em 4 partes, e cada uma delas é inspecionada separadamente, usando as bordas mais próximas como referência. Dessa forma, a distorção não causa tanto problema, pois a referência é distorcida igualmente (ou de um jeito muito próximo).
O segredo está em usar linhas paralelas às bordas para desenhar as linhas de referência da posição do furo, e não linhas paralelas à borda da imagem.
Veja esse exemplo com a peça B totalmente inclinada:
quadrantes.mp4
Se quiser contribuir com este projeto basta seguir essas etapas:
- Faça um Fork desse repositório
- Crie um branch:
git checkout -b <nome_branch>. - Faça suas alterações, adicione e confirme:
git add .egit commit -m "<mensagem_commit>" - Envie para a branch original:
git push origin master - Crie o pull request.
Você também pode ver na documentação do GitHub como criar um pull request.
Issues e Stars são sempre bem vindas :)