در این پروژه یک دستگاه شمارنده قطعات هوشمند برای شمارش خودکار قطعات موتور خودرو طراحی و پیادهسازی شد. هدف از توسعه این سیستم افزایش دقت، سرعت و قابلیت اطمینان در فرآیند شمارش و بستهبندی قطعات در خط تولید بود. این دستگاه برای ۱۲ مدل مختلف از قطعات موتور خودرو طراحی شده است. در بخش مکانیکی، سیستم شامل یک ویبره خطی برای مرتبسازی و تغذیه یکنواخت قطعات و یک کانوایر برای انتقال قطعات در مقابل دوربین است. این ساختار باعث میشود قطعات با فاصله مناسب از یکدیگر عبور کرده و شرایط مناسبی برای تشخیص و شمارش دقیق فراهم شود. در بخش بینایی ماشین، از یک دوربین صنعتی به همراه الگوریتمهای هوش مصنوعی مبتنی بر Object Detection و Object Tracking استفاده شده است. الگوریتم تشخیص برای شناسایی قطعات و الگوریتم ردیابی برای جلوگیری از شمارش چندباره یک قطعه به کار گرفته شده است. نتیجه این ترکیب دستیابی به دقت شمارش حدود ۹۹٫۹۹٪ بوده است.
قابلیتهای سیستم:
- شمارش خودکار قطعات با استفاده از بینایی ماشین و هوش مصنوعی
- پشتیبانی از ۱۲ مدل مختلف قطعات موتور خودرو
- استفاده از ویبره خطی و کانوایر برای تغذیه و انتقال یکنواخت قطعات
- بهرهگیری از الگوریتمهای Object Detection و Object Tracking برای افزایش دقت شمارش
- دقت شمارش حدود ۹۹٫۹۹٪
- قابلیت توسعه سیستم و اضافه کردن مدلهای جدید قطعه
- نرمافزار با رابط کاربری کاربرپسند برای تنظیمات و کنترل دستگاه
- امکان تعیین تعداد هدف برای شمارش و فعال شدن بازر (هشدار صوتی)
- ثبت اطلاعات و گزارشگیری از تعداد قطعات شمارششده و دادههای تولید
دستگاه شمارنده قطعاتباعث کاهش خطای انسانی، افزایش سرعت بستهبندی و بهبود کنترل کیفیت در خط تولید میشود و به دلیل طراحی ماژولار، قابلیت استفاده در کاربردهای صنعتی مشابه را نیز دارد.
شمارش دقیق قطعات یکی از نیازهای اساسی در بسیاری از صنایع از جمله تولید، بستهبندی، انبارداری و کنترل کیفیت است. دقت و سرعت در این فرآیند تأثیر مستقیمی بر بهرهوری، کاهش خطا و مدیریت موجودی دارد. در گذشته شمارش قطعات بیشتر به صورت دستی انجام میشد، اما با پیشرفت فناوری، روشهای مختلفی برای انجام این کار توسعه یافتهاند. در سالهای اخیر نیز استفاده از سیستمهای بینایی ماشین و هوش مصنوعی تحول قابل توجهی در این حوزه ایجاد کرده است.
روشهای متداول شمارش قطعات
- شمارش دستی
سادهترین روش برای شمارش قطعات، شمارش دستی توسط نیروی انسانی است. این روش معمولاً در مقیاسهای کوچک یا در شرایطی که تعداد قطعات کم است مورد استفاده قرار میگیرد. با این حال، در حجمهای بالا این روش با مشکلاتی مانند خستگی اپراتور، کاهش دقت و سرعت پایین مواجه میشود.
- شمارش وزنی
در این روش ابتدا وزن یک قطعه به صورت میانگین اندازهگیری میشود و سپس با تقسیم وزن کل قطعات بر وزن یک قطعه، تعداد تقریبی قطعات به دست میآید. این روش در صنایعی که با قطعات کوچک و یکنواخت مانند پیچ، مهره و واشر سروکار دارند بسیار رایج است. با این حال، اگر اختلاف وزن بین قطعات زیاد باشد یا قطعات دارای تلرانس وزنی بالا باشند، دقت این روش کاهش مییابد.
- شمارش با سنسورهای نوری
در خطوط تولید اتوماتیک معمولاً از سنسورهای نوری برای شمارش قطعات استفاده میشود. در این روش قطعات از مقابل یک سنسور عبور میکنند و هر بار که نور سنسور قطع شود یک قطعه شمارش میشود. این روش سرعت بالایی دارد و برای خطوط تولید مناسب است، اما اگر چند قطعه همزمان از مقابل سنسور عبور کنند یا قطعات روی هم قرار گرفته باشند ممکن است خطا رخ دهد.
- شمارش با سنسورهای لیزری یا فاصلهسنج
در برخی کاربردها از سنسورهای لیزری برای تشخیص عبور قطعات یا تغییر سطح استفاده میشود. این روش نسبت به سنسورهای ساده نوری دقت بیشتری دارد و میتواند در شرایط خاص عملکرد بهتری ارائه دهد، اما همچنان در تشخیص قطعات چسبیده یا همپوشانی شده محدودیتهایی دارد.
- سیستمهای مکانیکی شمارش
در برخی تجهیزات صنعتی از مکانیزمهای مکانیکی مانند ویبرهفیدرها، کانالهای تکقطعه و چرخهای شمارنده استفاده میشود. این سیستمها معمولاً برای قطعات با شکل و ابعاد مشخص طراحی میشوند و در شرایط استاندارد عملکرد قابل اعتمادی دارند. با این حال انعطافپذیری آنها پایین است و برای انواع مختلف قطعات نیاز به تنظیم یا تغییر مکانیکی دارند.
شمارش قطعات با بینایی ماشین
بینایی ماشین (Machine Vision) یکی از فناوریهای پیشرفته در حوزه اتوماسیون صنعتی است که با استفاده از دوربینهای صنعتی، پردازش تصویر و الگوریتمهای هوش مصنوعی قادر به تشخیص و شمارش قطعات میباشد. در این روش از قطعات تصویر گرفته میشود و با استفاده از الگوریتمهای پردازش تصویر، اشیاء موجود در تصویر شناسایی و شمارش میشوند.
فرآیند کلی شمارش با بینایی ماشین معمولاً شامل مراحل زیر است:
- دریافت تصویر توسط دوربین صنعتی
- پیشپردازش تصویر برای بهبود کیفیت
- تشخیص یا جداسازی قطعات در تصویر
- شمارش و تحلیل نتایج
روشهای مورد استفاده در بینایی ماشین برای شمارش
- پردازش تصویر کلاسیک
در این روش از تکنیکهایی مانند آستانهگذاری (Thresholding)، تشخیص لبه، تشخیص کانتور و شناسایی نواحی (Blob Detection) استفاده میشود. این روشها نسبتاً سریع هستند و نیاز به داده آموزشی ندارند، اما در شرایط پیچیده مانند نور متغیر یا همپوشانی قطعات ممکن است دقت آنها کاهش یابد.
- تشخیص شیء با استفاده از یادگیری عمیق
در این روش از مدلهای یادگیری عمیق مانند YOLO، Faster R-CNN و SSD برای تشخیص قطعات استفاده میشود. این مدلها قادرند انواع مختلف قطعات را حتی در شرایط پیچیده تشخیص دهند و دور هر قطعه یک کادر تشخیصی ایجاد کنند. سپس تعداد این تشخیصها به عنوان تعداد قطعات گزارش میشود.
- Segmentation یا بخشبندی تصویر
در روش بخشبندی، مدلهای یادگیری عمیق مانند Mask R-CNN یا U-Net هر قطعه را در سطح پیکسل تشخیص میدهند. این روش حتی در مواردی که قطعات به یکدیگر چسبیده باشند نیز میتواند آنها را از هم تفکیک کند و دقت بالایی در شمارش ارائه دهد.
مزایای استفاده از بینایی ماشین و هوش مصنوعی در شمارش قطعات
استفاده از بینایی ماشین و هوش مصنوعی مزایای قابل توجهی نسبت به روشهای سنتی دارد. مهمترین این مزایا عبارتاند از:
- دقت بالا: سیستم میتواند قطعاتی با شکلهای پیچیده یا همپوشانی شده را نیز تشخیص دهد.
- سرعت بالا: امکان شمارش تعداد زیادی قطعه در زمان کوتاه فراهم میشود.
- کاهش خطای انسانی: فرآیند شمارش به صورت کاملاً خودکار انجام میشود.
- انعطافپذیری: سیستم میتواند برای انواع مختلف قطعات آموزش داده شود.
- امکان انجام چند وظیفه همزمان: علاوه بر شمارش، میتوان کنترل کیفیت، تشخیص عیوب و اندازهگیری قطعات را نیز انجام داد.
- ثبت و تحلیل دادهها: اطلاعات تولید به صورت دیجیتال ذخیره شده و امکان تحلیل آماری فراهم میشود.