Создание системы для разварки проволочных траверс между выводами прибора и кристаллом

Сегодня высокий уровень автоматизации различных сфер человеческой деятельности требует от компьютерных систем не только быстро, но и точно выполнять

Создание системы для разварки проволочных траверс между выводами прибора и кристаллом

Дипломная работа

Радиоэлектроника

Другие дипломы по предмету

Радиоэлектроника

Сдать работу со 100% гаранией

Введение

В настоящее время на многих промышленных предприятиях происходит модификация систем. В связи с этим я решил спроектировать визуальную систему по разварке кристаллов. Такая система не только автоматизирует, но и ускорить процесс визуального контроля, а также исключить из него человеческий фактор. Польза системы визуальной инспекции на основе машинного зрения заключается в высокой скорости работы с увеличением оборота, возможности 24-часовой работы и точности повторяемых измерений. Так же преимущество машин перед людьми заключается в отсутствии утомляемости, болезней или невнимательности.

Технология компьютерного зрения по праву может считаться одной из самых передовых и перспективных на данном этапе развития глобальных цифровых компьютерных технологий.

Целью данной работы является создание системы для разварки проволочных траверс между выводами прибора и кристаллом.

Для разработки был изучен действующий порядок разварки кристаллов и его недостатки. Также были изучены соответствующие нормативные документы, в которых описаны требования к технологическому процессу и перечислены те дефекты, которые подлежат разбраковке.

На основе полученных исходных данных было принято решение о проектировании и создании данной машины как программно – аппаратного комплекса, который способен в режиме реального времени получать информацию о визуальных свойствах кристалла в цифровом формате, анализировать и обрабатывать полученную информацию с помощью алгоритмов машинного зрения, выдавать результат анализа и повторять этот опыт многократно.

Применение машинного зрения разнообразно, оно охватывает различные области деятельности, моя же дипломная работа относиться к применению машинного зрения в крупном промышленном производстве.

1. Общие сведения

1.1 Определение понятия «машинное зрение»

Сегодня высокий уровень автоматизации различных сфер человеческой деятельности требует от компьютерных систем не только быстро, но и точно выполнять вычисления, и также эффективно распознавать визуальную информацию и на основе ее анализа решать сложные задачи управления и контроля. Такие системы принято называть – системы машинного зрения. [1]

В общем виде они представляют собой взаимосвязанную технологическую последовательность, включающую следующие звенья:

    получения изображения от видеокамеры;

    обработку (оцифровку) изображения;

    логический анализ цифрового изображения и выделение нужной информации;

    перемещение камеры в пространстве

Видеокамера и устройство обработки изображения являются главными составляющими системы машинного зрения, их объединяет термин «техническое зрение».

В самом общем виде системы машинного зрения подразумевают преобразование данных, поступающих с устройств захвата изображения, с выполнением дальнейших операций на основе этих данных. Возможное поле применения машинного зрения, по-настоящему, огромно — эти технологии могут быть использованы практически во всех сферах жизнедеятельности.

Система машинного зрения включает следующие основные компоненты:

    подсистему формирования изображений;

    вычислительную систему;

    алгоритмы анализа изображений.

Развитие машинного зрения интенсивно идет по всем трем перечисленным компонентам. «Однако, в условиях, когда качественные устройства захвата изображений становятся вполне доступными для их не только промышленного или военного использования, но и бытового, а вычислительные мощности позволяют совершать миллиарды операций в секунду, давая тем самым возможность их использования в системах реального времени, критичным становится построение эффективных алгоритмов для анализа получаемых изображений»[1].

Одной из наиболее сложных задач в машинном зрении при применении его в робототехнике является распознавание, включающее в себя обнаружение и идентификацию объектов. В частности, решение этой задачи позволяют выполнить оценку положения объекта относительно устройства захвата изображения.

Перспективным направлением развития машинного зрения является получение и дальнейшая обработка данных с использованием пассивных устройств захвата изображения, к которым относится камера. В отличие от применения различных датчиков, такой метод вплотную приближает работу системы машинного зрения к той, что использует человек для решения зрительных задач. Другими словами, на входе и робототехническая система, и человек получают одну и ту же зрительную информацию. Разнятся только алгоритмизация и вычислительные мощности, которые используются для ее преобразования и интерпретации. Но и в этом направлении уже сделаны весомые шаги, дающие решать различные задачи в самом общем виде.

Такой подход позволяет эффективно внедрять робототехнические системы, использующие машинное зрение, непосредственно в обычную для человека среду. «А это дает возможность расширить сферы применения машинного зрения, выводя их далеко за рамки жестко детерминированных сред в промышленности и постепенно захватывая все новые области его использования в быту»[1].

Системы машинного зрения, предназначенные для использования на производстве, в медицине, в обороне и т.д. должны отличаться высокой производительностью, надежностью и гибкостью. Всем этим требованиям удовлетворяют системы, построенные на базе промышленных ПК со стандартными шинами PCI и PCIe. Для решения сложных и ответственных задач, приложений реального времени в наибольшей степени соответствуют системы построенные на базе CompactPCI и PXI.

1.2 История развития машинного зрения

Технология компьютерного зрения по праву может считаться одной из самых передовых и перспективных на данном этапе развития глобальных цифровых компьютерных технологий.

Компьютерное зрение оформилось как самостоятельная дисциплина к концу 60х годов. Это направление возникло в рамках искусственного интеллекта в тот его период, когда еще были горячи споры о возможности создания мыслящей машины. Оно выделилось из работ по распознаванию образов.

Кратко история развития машинного зрения представлена на рисунке 1.1.1.

Рисунок 1.1.1 - История машинного зрения

В истории развития машинного зрения можно выделить следующие этапы:

    1955 г. - профессор Массачусетского технологического института (МТИ) Оливер Селфридж опубликовал статью «Глаза и уши для компьютера». В ней автор выдвинул теоретическую идею оснащения компьютера средствами распознавания звука и изображения.

    «1958 г. - психолог Фрэнк Розенблатт из Корнеллского университета создал компьютерную реализацию персептрона (от perception - восприятие) - устройства, моделирующего схему распознавания образов человеческим мозгом. Аппаратный вариант - Mark I Perceptron - был построен в 1960 г. и предназначался для распознавания зрительных образов [10]».

    1960-е гг.- появление первых программных систем обработки изображений (в основном для удаления помех с фотоснимков, сделанных с самолетов и спутников), стали развиваться прикладные исследования в области распознавания печатных символов. К началу 60-х годов задачи компьютерного зрения в основном охватывали область космических исследований, требовавших обработки большого количества цифровой информации.

    1970-е гг. - Лавренсе Робертс, аспирант МТИ, выдвинул концепцию машинного построения трехмерных образов объектов на основе анализа их двумерных изображений. На данном этапе стал проводиться более глубокий анализ данных. Начали развиваться различные подходы к распознаванию объектов на изображении, например структурные, признаковые и текстурные.

    1979 г. - профессор Ганс-Хельмут Нагель из Гамбургского университета заложил основы теории анализа динамических сцен, позволяющей распознавать движущиеся объекты в видеопотоке.

    В конце 1980-х годов были созданы роботы, способные более-менее удовлетворительно оценивать окружающий мир и самостоятельно выполнять действия в естественной среде

    80-е и 90-е годы ознаменовались появлением нового поколения датчиков двухмерных цифровых информационных полей различной физической природы. Развитие новых измерительных систем и методов регистрации двухмерных цифровых информационных полей в реальном масштабе времени позволило получать для анализа устойчивые во времени изображения, генерируемые этими датчиками.

    С начала 90-х годов в алгоритмическом аспекте последовательность действий по обработке изображения принято рассматривать в согласии с так называемой модульной парадигмой. Эта парадигма, предложенная Д. Марром на основе длительного изучения механизмов зрительного восприятия человека, утверждает, что обработка изображений должна опираться на несколько последовательных уровней восходящей информационной линии: от «иконического» представления объектов (растровое изображение, неструктурированная информация) – к их символическому представлению (векторные и атрибутивные данные в структурированной форме, реляционные структуры и т. п.).

    В середине 90-х годов появились первые коммерческие системы автоматической навигации автомобилей. Эффективные средства компьютерного анализа движений удалось разработать в конце XX века

    «2003 г. - на рынок были выпущены первые достаточно надежные корпоративные системы распознавания лиц [10]».

1.3 Компоненты системы машинного зрения

Хотя машинное зрение — процесс применения компьютерного зрения для промышленного применения, полезно перечислить часто используемые аппаратные и программные компоненты. Типовое решение системы машинного зрения включает в себя несколько следующих компонентов:

    скоростные видеокамеры,

    чувствительные датчики,

    специальную подсветку,

    контроллер — компьютер с предустановленным ПО,

    устройства для синхронизации работы элементов.

Датчик определяет, когда деталь, которая часто движется по столику, находится в положен

Похожие работы

1 2 3 4 5 > >>