مجله سورین فربد

بازرسی شیشه با تکیه بر هوش مصنوعی

glass

 

شیشه همه جا وجود دارد، از ساختمان­های براق تا نمایشگر گوشی­ های هوشمند می توان استفاده از قطعات شیشه ایی را مشاهده نمود. بر اساس آمار معتبر بیش از 65 میلیون تن شیشه تخت یا فلوت ( شکلی که به طور گسترده در ساخت و ساز و محصولات مصرفی استفاده می­شود )  در سال 2021 تولید شد تا بازاری که در حال حاضر 265 میلیارد دلار تخمین زده می­شود و انتظار می­ رود تا سال 2028 به 352 میلیارد دلار برسد را پشتیبانی کند.

از نظر فنی و تقاضای بازار، مشتریان به دنبال شیشه های با کیفیت و بدون عیوب ظاهری هستند. به همین جهت کارخانجات تولید شیشه ، هر محصول غیر استاندارد را قبل از اینکه به دست مصرف کننده برسد از چرخه تولید خارج می کنند و صنعت شیشه تمام تلاش خود را می­کند تا محصول خود را از نظر عیوب محصور شده، اشکالات سطحی و خطاهای ساخت بازرسی کند.1-min

این فرآیند در ابتدا شامل مقیاس ­های اندازه‌گیری مکانیکی و نگاه متخصصان انسانی ماهر بود، اما اکنون از طیف وسیعی از فرآیندهای نوری پیچیده و سیستم‌های بینایی ماشین با کارایی بالا استفاده می‌کند.

آنگوس دانکن، مدیر مجموعه تحقیق و توسعه جهانی برای کنترل فرآیند و دیجیتالی سازی در شرکت Pilkington، شرکت قدیمی تولید شیشه بریتانیا که بخشی از گروه NSG ژاپن را تشکیل می‌دهد، گفت: “عیوب می­تواند اشکال مختلفی داشته باشد، از جمله حباب، تراشه، خراش، و نقص در پوشش‌های لایه نازک یا چاپ سرامیکی.”

“ما معمولاً نیاز به تشخیص عیوب مجزا در شیشه در اندازه­ های کمتر از 0.5 میلی متر داریم. اما در برخی موارد، عیوب می­توانند به طور قابل توجهی کوچکتر باشند. نقص قلع تا چند میکرون روی شیشه پوشش دار می­تواند باعث مشکلات عملکردی شود و وضوح سیستم­های اندازه ­گیری درگیر معمولاً باید 10 برابر بهتر از این تلرانس‌ها باشد.”

 


نورپردازی شیشه برای شناسایی عیوب

تشخیص ایرادات کوچک بر روی شیشه به معنای به کارگیری طیف وسیعی از تکنیک­ های نوری است. منابع اصلی ابزارهای بازرسی امروزی شامل بازرسی های سه بعدی به کمک اسکنر لیزری و استفاده از دوربین های لاین اسکن به همراه نورپردازی تخصصی در این حوزه است.

به گفته دانکن، طیف‌سنجی نیز برای اندازه‌گیری ویژگی‌های طیفی پوشش‌های لایه نازک نیز مهم است، در حالی که انحراف‌سنجی به طور گسترده‌ای برای ارزیابی اعوجاج بازتابی، انحنا و صافی، که همگی بر عوامل زیبایی‌شناختی شیشه تأثیر می‌گذارند، در حال استفاده است.

نورپردازی در سیستم بازرسی شیشه از اهمیت ویژه ای برخوردار است. ایجاد یک تصویر زمینه تاریک، عیوب پراکندگی، مانند خراش یا حباب، را با روشنایی کم زاویه نزدیک ، عیوب را به شکل موثری برجسته می نماید. این بدان معنی است که به کمک نور بازتابیده شده از یک عیب و توسط دوربینی در حال تماشا که در موقعیت مناسب قرار گرفته است، عیب شناسایی می­شود.

به علاوه، نور منعکس شده مستقیم ممکن است برای ثبت وجود نواقص در لایه ­های سطحی ضروری باشد. و نوری که از طریق مواد از منابع نور پس زمینه در طرف دیگر شیشه منتقل می­شود، مواد اضافی و آلاینده ­ها را آشکار خواهد کرد.

اما با وضوح تصویر محدود شده ، حتی با آمدن لنزهای جدید و بهبود یافته و افزودن پیکسل­ های بیشتر به یک دوربین ، بازهم برای شناسایی دسته ایی از عیوب با چالش های فراوان مواجه هستیم.


بازرسی شیشه با نگاه جدید

2-min

ممکن است دستکاری نور یکی از جنبه­ های کلیدی عملیات بازرسی باشد، اما تنها جنبه آن نیست. دستگاه­های تصویربرداری مورد استفاده برای ضبط اطلاعات بصری و عملیات پردازش داده که بعد آن سیگنال­ها را تفسیر می­کند و نتایج ملموسی به دست می­دهند، به همان اندازه مهم هستند. “بازرسی نوری امروزه نمایانگر بازاری کلان برای بینایی ماشین صنعتی در صنایع مختلف است”، برتراند مرسیر رئیس BU Glass در Isra Vision آلمان بیان داشت. “اما بازرسی شیشه چالش­ های قابل توجه خود را ایجاد می­کند.”

شناسایی صحیح عیوب شیشه از سوی سیگنال­ های ضبط شده توسط یک پلتفرم بینایی ماشین، مانند مواردی که توسط Isra Vision ایجاد شده است، سیستم را درگیر دنباله­ای از تصمیم ­گیری­ها می­کند: تمایز بین یک نقص واقعی و کلاس دیگری از سیگنال ورودی؛ طبقه­ بندی شدت نقص در برابر الزامات از پیش تعیین شده یک کاربرد خاص؛ و ارزیابی دقیق محل قرارگیری آن عیوب.

ایجاد این تمایزات دقیق ممکن است نیاز به زوایای روشنایی متفاوتی داشته باشد، احتمالا با یک LED قابل تعویض با سرعت بالا به عنوان منبع نور واحد و استفاده از آن برای روشن کردن چندین نمای منحصر به فرد. اما این به نوبه خود پیامدهایی برای کمیت داده ­هایی که باید پردازش شوند، دارد.

مرسیر اظهار داشت: “ما ناچاریم با حجم عظیمی از داده­ها روبرو شویم و پردازش آن امروز تنها با پردازنده­های (FPGA)  امکان پذیر است.”

 Isra Vision بردهای FPGA مخصوص به خود را ایجاد کرد، زیرا همانطور که مرسیر گفت هیچ چیز در بازار وجود ندارد که نیازهای چندگانه شرکت را برآورده کند. در سال 2019، Isra Vision ، Photonfocus، که یک توسعه‌دهنده سوئیسی مختص سنسورهای تصویری CMOS، ماژول‌های دوربین OEM و دوربین‌های صنعتی بود را خریداری کرد.

“این قدم­ها لازم است زیرا استانداردهایی که ما روی آن­ها کار می­کنیم تنها با تکنیک­های صحیح، سخت افزار مناسب و الگوریتم­های درست قابل برآورده شدن هستند”، مرسیر افزود. ” به همین دلیل ورود به بازار بسیار سخت است.”


هوش مصنوعی

بخش بازرسی شیشه، مانند بخش های دیگر تولید، دریافته است که بهبود عملکرد مستمر به طور مستقیم منجر به چالش‌های پردازش داده می‌شود. حتی می­توان گفت کانون توجه اکنون از جنبه­ های صرفاً نوری به سوی این جنبه­ های محاسباتی و تصمیم­گیری تغییر کرده است.

هوش مصنوعی می­تواند مسیری رو به جلو باشد، به ویژه از آنجایی که شرکت­ های علاقه­ مند به هوش مصنوعی مانند گوگل و آمازون به شدت برای ورود آن به بازارهای جدید و نفوذ بیشتر به بازارهای موجود تلاش می­ کنند.

مایکل استلزل، موسسMSTVision ، اظهار کرد: “احساس من این است که بخش نوری اکنون نسبتاً پایدار است و چند سالی است که ثابت بوده است.”

او ادامه داد، ” اصول اساسی نورپردازی شیشه، یا دیدن محل جذب یا اعوجاج، به ثبات خوبی رسیده است.” “امروزه سوالات جالب این است که چقدر داده می­توانید پردازش کنید، نقص­ ها چگونه دسته­ بندی یا طبقه ­بندی می­ شوند، و اینکه هزینه انجام این کار چقدر خواهد بود. این جایی است که اکنون بر سرش جنگ است.”

اما به گفته استلزل این می‌تواند اشتباه باشد که فکر کنیم هوش مصنوعی به طور خودکار منجر به ساده‌تر شدن بازرسی شیشه می‌شود یا امکان استفاده از یک دوربین تصویربرداری ساده با هوش مصنوعی را می‌دهد و سپس می‌تواند بقیه کار را انجام دهد.

آموزش مناسب شبکه هوش مصنوعی برای موفقیت پروژه بسیار حیاتی است، اما کار آسانی نیست، این در حالی است که پیچیدگی بازرسی شیشه به چالش­ های ایجاد سیستم­های هوش مصنوعی قابل اطمینان می­ افزاید. و اگر نقایص مورد نظر به نحوی در داده ­های اصلی کدگذاری نشده باشند، هیچ سرمایه­ گذاری در هوش مصنوعی آن­ها را آشکار نخواهد کرد.


شیشه های آینده

همه این چالش‌ها در حال حاضر با توسعه محصولات شیشه‌ای تخصصی با هدف کاربردهای جدید هم­ راستا هستند و تعهدات تازه­ای برای بازرسی و کنترل کیفیت به همراه می­ آورند.

دانکن توضیح داد، تولید زیرلایه­ های رسانایی که Pilkington برای محصولات الکترونیکی فعال مانند سلول‌های خورشیدی تامین می‌کند، نیاز به بازرسی خودکار پوشش‌هایی با ویژگی‌های نوری و عملکردی بسیار یکنواخت دارد. در جای دیگر، شیشه‌های مرتبط با نمایشگرهای هدآپ خودرو و سیستم‌های رانندگی خودران باید بر طبق مشخصات مشتری متقاضی – و گاهی اوقات طبق قانون – بررسی شوند.

در محصولات مصرفی، شیشه ­های فوق نازک نمایانگر بخش در حال رشد دیگری است، بازاری که تخمین زده می­شود تا سال 2027 به 16.6 میلیارد دلار برسد. اگرچه اصولاً انواع شیشه‌های تاشو انعطاف‌پذیری که توسط توسعه‌دهندگان گوشی‌های هوشمند مانند سامسونگ تجسم شده­اند می‌توانند با کاهش ضخامت شیشه به مقادیر کمتر قابل دستیابی باشند، اما عواقب عملی برای بازرسی این شیشه شایان توجه است.

به گفته مرسیر، Isra Vision در حال حاضر روی روش‌هایی کار می‌کند تا ضخامت شیشه‌های اندازه‌گیری شده در چند ده میکرون را بررسی کند – شیشه‌هایی که قرار است مانند کاغذ برای تلفن‌های هوشمند نسل بعدی و نمایشگرهای تاشو خم می‌شوند.

او اظهار داشت، “این قطعا چالش برانگیز است.” “اگر شما یک ماده 10 میکرومتری را بررسی می­کنید، پس عمق کانون بسیار محدود است و مواد بسیار حساس است. مقابله با این چالش شامل کار با مشتریانمان، و به اشتراک گذاری دانش در کنار سرمایه­ گذاری زمانی و مالی است.”


هزینه های بازرسی شیشه

3-min

وقتی نوبت به اتخاذ رویکردهای جدید برای بازرسی یا دور شدن از سیستم‌هایی می‌شود که صنعت با آن راحت است، به ویژه به دلیل هزینه‌های موجود، تولید شیشه به طور مشخص و احتمالا قابل درکی، محافظه‌کارانه است.

طبق گفته دانکن ازPilkington ، یک اسکنر تشخیص عیب تمام عرض و چهار متری برای یک خط تولید شیشه فلوت معمولاً حدود 250000 پوند هزینه دارد و در خطوط تولیدی که در آن سیستم‌های اندازه‌گیری پیچیده یا کاربردهای نهایی دقیق‌تر درگیر هستند، هزینه‌ها می‌تواند به طور قابل توجهی بالاتر باشد.

او بیان داشت، “ما به خاطر نیازهای اساسی مشتریانمان یا به عنوان ابزاری برای کنترل فرآیند، روی تجهیزات سرمایه­ گذاری می­کنیم”، “با شناسایی عیوب در زمان تولید، می‌توانیم با سرعت بیشتری علت را برطرف کنیم و از انتقال عیوب به مرحله بعدی فرآیندمان جلوگیری کنیم. به عنوان مثال، تشخیص عیوب یا آلایندگی لایه‌های شیشه‌ای شکل داخلی و خارجی شیشه جلو اتومبیل قبل از لایه­ بندی بسیار مطلوب است، زیرا هزینه لایه پلاستیکی مابین که در آن مرحله از فرآیند اضافه می‌کنیم می‌تواند بیش از نیمی از هزینه تولید نهایی شیشه جلو اتومبیل باشد.”

این چالش­ها و هزینه ­های انباشته همچنین منجر به اتخاذ مدل­های کسب­ وکاری مختلف توسط شرکت­های توسعه دهنده تجهیزات بازرسی نوری شده است. استلزل از MSTVision، موضع شرکت خود را که در آلمان واقع می­باشد، به ‌جای توسعه‌دهنده سخت‌افزار به عنوان ارائه‌دهنده راهکارها معرفی کرده است.

استلزل توضیح داد، “ما در درجه اول فروشنده سیستم نیستیم.” ” بلکه خدمات توسعه­ ای می­فروشیم و دانش فنی ارائه می­دهیم. این بدین معناست که ما هم با نرم افزار و سخت افزار و هم با جنبه ­های صنعتی گسترده ­تر، مانند توسعه استانداردهای مورد توافق برای بازرسی نوری کار می­کنیم.”

MSTVision یک محصول مالتی پلکس حوزه زمان به نام MultiChannel ایجاد کرده است، که این امکان را می­دهد تا تصاویر با یک دوربین اسکن خط تک رنگ، در یک گذر از چندین تنظیم نور ثبت شوند. اما به جای استفاده از قطعات نوری سفارشی، پلتفرم شرکت می‌تواند از دوربین‌های اسکن خط موجود، ال‌ای‌دی‌ها و ‌گیرنده­ های قاب تصویر که بر روی نرم‌افزارهای کامپیوتری استاندارد اجرا می‌شوند، استفاده کند.

به گفته استلزل، امروزه این بازتابی از انگیزه نهایی برای همه تولیدکنندگان شیشه است: فشار نزولی بر هزینه­ ها و میل به ارزان­تر شدن سیستم­های بازرسی.

او گفت، “ده سال پیش، تقاضا بر افزایش وضوح تصویر و دستیابی به سرعت‌های بالاتر و سپس توسعه الگوریتم‌های پیچیده‌تر برای طبقه‌بندی عیوب متمرکز بود.” ” اما از آنجایی که در حال حاضر سرعت­های بازرسی به اندازه کافی سریع هستند که اکثر کاربردها را برآورده کنند، انگیزه فعلی کاهش قیمت­ها و در دسترس قرار گرفتن سیستم ­های بازرسی ارزان­تر است.”

4-min

 

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.

فهرست