JultikaUniversity of Oulu repository

Tiivistelmä

Tämän diplomityön tavoitteena on selvittää erilaisten osien asema konenäön avulla. Osia on yhdeksän erilaista, joiden orientaatio täytyy saada selville. Työssä selvitetään suurimmat haasteet konenäköjärjestelmissä sekä yleisesti, että kyseessä olevassa käyttökohteessa. Työ perehtyy konenäköön, sen käyttökohteisiin sekä erityisesti osan aseman tunnistamisen menetelmiin. Tutkin mahdollisia menetelmiä ongelmien ratkaisuun, vertaillen niitä ja valitsen toimivan vaihtoehdon, joka täyttää kaikki vaatimukset.

Työn kohteena on kokoonpanosolun yksittäinen vaihe. Kokoonpanosolu menee asiakkaalle teollisuuskäyttöön, jossa sen tulee toimia vuorokauden ympäri. Lopputuloksen täytyy olla riittävän luotettava ja tarkka, jottei koko kokoonpanosolu joudu olemaan pysähdyksissä. Pintojen aiheuttamat heijastukset peittävät osien tunnistettavia piirteitä ja ympäristö muodostaa varjoja, jotka vääristävät muotoja kuvissa. Työn toteutus täytyy toimia sujuvasti muun kokoonpanosolun kanssa ja onnistua projektin aikamääreissä.

Työssä toteutetaan konenäköjärjestelmä, joka selvittää osan orientaation hyvällä tarkkuudella ja erinomaisessa suoritusajassa. Työssä löydetään toimivia menetelmiä piirteiden tunnistamiseen ja esitetään kuinka niitä voi käyttää orientaation selvittämisessä. Ohjelma kommunikoi sujuvasti muun automaatiojärjestelmän ja muun laitteiston kanssa ja kaikki suurimmat haasteet saadaan ratkaistua.

Työn tulokset ovat vaatimusten mukaisia, mutta järjestelmä vaatii lisää testausta ja tutkimista. Konenäköjärjestelmän kehittäminen jatkuu ja sitä päivitetään tarpeen mukaan. Työn tuloksia ja toteutusmenetelmiä voidaan soveltaa tulevaisuuden konenäköjärjestelmiin, joissa käytetään erilaisia kuvankäsittelytekniikoita, piirteiden tunnistusta ja konenäköalgoritmeja.

Determining the orientation of a component using machine vision

Abstract

The aim of this master’s thesis is to determine the position of multiple components using machine vision. There are nine different parts that need to have their orientation identified. The thesis investigates the major challenges in machine vision systems, both in general and in the specific application at hand. The work delves into machine vision, its applications, and especially the methods for identifying the position of a component. I explore possible methods for problem-solving, compare them, and select a functional alternative that meets all the requirements.

The focus of the thesis is on a specific work stage of an assembly cell. The assembly cell is intended for industrial use and needs to operate around the clock. The end result must be sufficiently reliable and accurate to prevent the entire assembly cell from being halted. Reflections from surfaces obscure the identifiable features of the parts and the environment creates shadows that distort shapes in images. The implementation of the work must seamlessly integrate with the rest of the assembly cell and meet the project’s deadlines.

A machine vision system is implemented, which determines the orientation of the part with high precision and excellent performance. Effective methods for feature recognition are identified and their use in determining the orientation of a component is presented. The program communicates smoothly with the rest of the automation system and other hardware, successfully resolving all major challenges.

The results of the work align with the requirements, but the system requires further testing and research. The development of the machine vision system continues, and it will be updated as needed. The findings and implementation methods of the thesis can be applied to future machine vision systems that utilize various image processing techniques, feature recognition, and machine vision algorithms.