Применение машинного зрения в лазерных технологий

Лазерные технологии, Научная библиотека, Промышленные лазеры Комментарии к записи Применение машинного зрения в лазерных технологий отключены

Андрей Андреевич Молотков, Ольга Николаевна Третьякова // ЖУРНАЛ Труды МАИ, 2022

Статья посвящена проблеме применения методов машинного зрения для практической реализации в производстве современных лазерных технологий. В частности, технологии селективного лазерного сплавления. Содержится описание созданной и внедренной в производство программной платформы машинного зрения. Приведены примеры решенных задач машинного зрения и научной визуализации в рамках промышленной реализации новых лазерных технологий.

Математическое моделирование и разработка программного обеспечения для анализа и исследования физических процессов при разработке различных технологий производства, в частности, авиационных двигателей широко используется в авиастроении. Исследованию различных аспектов проблем создания элементов авиационных двигателей. посвящены работы многих авторов, например, [1-3]. Элементами конструкций авиационных двигателей часто являются изделия сложной геометрической формы, которую сложно, неэкономично, а ряде случаев невозможно изготовить с использованием традиционных методов механической обработки.

Для решения этих задач может быть использована современная технология селективного лазерного сплавления (СЛС, selective laser melting, SLM), которая является технологией послойного аддитивного производства с использованием лазера. Суть метода: в результате нагревания слоёв мелкодисперсного металлического или керамического порошка лазерным излучением с последующим плавлением и отвердеванием создается трехмерная деталь сложной геометрической формы, которую часто невозможно изготовить традиционными методами механообработки. В последние годы метод SLM активно исследуется разными авторами, например [4-7], и различные варианты данной технологии технологией аддитивного производства широко применяются.

При промышленной реализации данной технологии мы столкнулись с проблемой визуального контроля, анализа и визуализации данных. Практика создания программного обеспечения для станков с числовым программным управлением, всё чаще требует решать задачи контроля и анализа при помощи методов машинного зрения. Применение методов машинного зрения в различных вариантах аддитивных технологий отражено в большом числе научных работ, посвященных как частным задачам [8-10], так и обзору применяемых методов и алгоритмов [11-14].

Для реализации SLM технологии и других лазерных технологий нами создана специализированная платформа машинного зрения. Многие практические задачи, с которыми мы встретились при разработке лазерных технологий для своего решения позволяют применять явные линейные алгоритмы. Примерами таких задач являются: нахождение QR-кода или штрих-кода, определение положения, количества и качества отверстий при перфорации материала, определение геометрии рабочего полотна, контроль качества шва, определение геометрии плоских изделий или изделий, изготовленных методом SLM. При помощи функции установления связи формируется связный направленный граф, по которому в последствии система будет передавать данные от источников в фильтры и далее, по указанному пользователем маршруту. Единственным условием работы данной конструкции является отсутствие циклов в графе решения.

Использование высокой степени абстракции позволяет снять ряд ограничений для разработчиков, позволив реализовать свои фильтры и обработчики и просто встраивать их в платформу при помощи API, API (Application Programming Interface) — программный интерфейс приложения, описание способов (набор классов, процедур, функций, структур или констант), которыми одна компьютерная программа может взаимодействовать с другой программой. Это позволяет сторонним пользователям, в том числе технологам и исследователям, не обладающим навыками программирования, решать широкий спектр задач машинного зрения.

Передача информации производится при помощи «портов» ввода-вывода, также с высокой степенью абстракции, дополнительных требований как к пользовательскому интерфейсу, так и к конкретной реализации не предъявляется. Таким образом, каждый фильтр и обработчик является объектом, реализующим интерфейс IProcessing, получающий данные для своей работы из портов ввода, выполняющий требуемое действие и передающий результат своей работы дальше по графу решения через порт вывода. Такой подход позволяет как использовать собственные реализации алгоритмов машинного зрения, так и задействовать сторонние библиотеки и фреймворки, в частности нами использовались решения AForge.NET и OpenCV.

В любых задачах распознавания объектов с помощью машинного зрения качество полученного результата зависит от качества изображения, освещения и точности подбора параметров обработки. Мы рассматривали задачи распознавания, возникающие в процессе разработки лазерных технологий. Одним из частных случаев задачи распознавания объектов в промышленности является нахождение листа в рабочем поле станка. Листы могут располагаться в разных частях рабочего поля, иметь различную форму и состоять из различных материалов, поэтому предполагается начать с поиска абстрактных объектов на изображении. Для этого можно использовать различные фильтры сравнения изображений. Идея подхода проста: получить изображение пустого рабочего пространства, затем получить новое изображение пространства уже с расположенным листом и выявить его расположение путем сравнения с изначальным изображением.

Разработан и реализован алгоритм определения контуров объекта по ранее найденным углам. Суть алгоритма проста: на основе фильтров, о которых говорилось ранее, проводится бинаризация изображения и определение набора углов, берётся верхний левый не использованный угол из набора определённых. Если верхний пиксель черный, то имеем дело с внешней границей, и обход осуществляется против часовой (рис. 2), если белый, то граница является внутренней, и обход осуществляется по часовой стрелке (рис. 3). Так мы разделяем контуры на внешние и внутренние.

При помощи задания палитры, искомого температурного интервала и использования направляемых сечений технолог может быстро находить критические области перегрева, которые приводят к возникновению дефектов в изделии и принимать необходимые шаги по оптимизации процесса изготовления.

4. Заключение В результате проведенной работы удалось: 1. Создать специализированную платформу машинного зрения, позволяющую упростить решение широкого спектра задач машинного зрения и научной визуализации для реализации лазерных технологий.

2. Решить ряд задач машинного зрения и научной визуализации в рамках промышленной реализации новых лазерных технологий, в частности БЬМ технологии.

3. Обеспечить возможность видеофиксации процессов в изолированных средах, определения границ объектов на изображении, анализа и обработки визуальных данных, формирования и представления картины распределения тепла в трехмерном объекте, на основе данных, полученных в результате проведения численного эксперимента в соответствии с реализованной нами математической моделью исследуемого процесса [18-20].

4. Реализовать совмещение расчетных данных о геометрии изделия, данных, полученных при помощи анализа видеоданных от средств визуального наблюдения, с данными теплового распределения. Предложенный подход позволяет упростить технологам анализ процесса производства, выявление критических областей, таких как зоны перегрева и не расплавления, а также подбор технологических параметров процесса селективного лазерного сплавления.

5. Разработанные программные решения используются в технологическом оборудовании, которое применяется на отечественных предприятиях, в частности, для изготовления лопаток турбин авиационных двигателей.

Полное содержание на https://cyberleninka.ru/article/n/primenenie-mashinnogo-zreniya-v-lazernyh-tehnologiyah/pdf

Рекомендуем для Вас


© Интернет журнал "ЛАЗЕРНЫЙ МИР", 2019
Напишите нам:
laser.rf.mail@yandex.ru

Back to Top