Следите за производством с помощью глубокого обучения

Bosch Car Multimédia, как поставщик электронных компонентов для различных клиентов в автомобильной промышленности, зависит от высокого стандарта качества производимых ею автомобильных датчиков. Для обеспечения соответствия этому стандарту дефекты должны обнаруживаться быстро и надежно. В данном конкретном случае задача состоит в проверке металлических пружин на наличие дефектов. Эти пружины образуют электронное соединение между основной платой и медной втулкой на крышке датчика. Поскольку это процесс ручной обработки, во время производства на металлической пружине могут возникнуть различные дефекты.

Оптимизация контроля качества с помощью машинного зрения

Компания Bosch раньше уже использовала автоматизированный процесс проверки, но хотела его еще больше оптимизировать. Цель заключалась в том, чтобы улучшить общее качество проверки, сделать новое решение более экономичным и сократить объем работ по техническому обслуживанию приложения. Компания Bosch выбрала программное обеспечение для машинного зрения MERLIC от MVTec Software GmbH в Германии. MVTec MERLIC — это простое в использовании программное обеспечение для машинного зрения, которое позволяет решать наиболее распространенные приложения машинного зрения даже без навыков программирования.

Глубокое обучение помогает обнаруживать дефекты

В приложении Bosch машинное зрение выглядит следующим образом: пятимегапиксельная камера снимает изображение сверху для каждого компонента. Обнаружение аномалий глобального контекста используется для проверки захваченных изображений с помощью металлических пружин. Технология глубокого обучения имеет две нейронные сети. «Локальная» сеть проверяет наличие мелких дефектов, таких как царапины, трещины или загрязнения. «Глобальная» сеть делает еще один шаг вперед и проверяет наличие логических дефектов, таких как погнутые или отсутствующие кронштейны. На основе взаимодействия двух сетей функция обнаружения аномалий глобального контекста определяет оценку аномалии. Затем это значение сравнивается с заранее определенным пороговым значением аномалии. Если показатель аномалии превышает этот порог, компонент неисправен и его следует отбраковать. После проверки каждое изображение можно просмотреть во внешнем интерфейсе MERLIC. Особенно полезно: тепловую карту можно использовать для прозрачного отслеживания того, какие части изображения вызвали обнаружение аномалии.

До сих пор процесс проверки осуществлялся с использованием методов машинного зрения, основанных на правилах. Однако одним из недостатков этого подхода было то, что все возможные типы дефектов приходилось извлекать индивидуально, используя «плохие изображения». Напротив, обучение методам глубокого обучения MERLIC требует только «хороших изображений» неповрежденных частей. Поскольку их очень легко приобрести, это экономит время и деньги.

Интеграция программного обеспечения машинного зрения в систему управления станком

Вопрос о том, как интегрировать программное обеспечение машинного зрения в существующий производственный процесс, был особенно интересен для Bosch, поскольку производственный процесс и интегрированный контроль качества не должны были меняться. Таким образом, основной упор был сделан на интеграцию программного обеспечения машинного зрения в систему управления станком. Программное обеспечение пришлось подключать непосредственно к станкам, поскольку на заводе нет программируемого логического контроллера (ПЛК). Протокол MQTT, интегрированный в MERLIC, обеспечивает необходимую межмашинную связь. Это позволило легко интегрировать программное обеспечение машинного зрения в процесс через стандартные протоколы связи Интернета вещей. Разработку программы калибровки системы машинного зрения можно ускорить с помощью простого в использовании программного обеспечения.

«Мы успешно завершили проверку концепции в конце 2022 года. В ходе этого процесса были достигнуты все наши цели с точки зрения уровня обнаружения, требований к обслуживанию системы и затрат. Таким образом, запуск новой производственной линии состоится в середине 2023 года. Затем планируется внедрение на другие существующие линии», — объясняет Жоау Паулу Силва, эксперт по испытаниям из Центра компетентности отдела оптики и механики компании Bosch Automotive Electronics в Португалии. Учитывая этот потенциал, Bosch планирует в будущем автоматизировать больше заводов по производству автомобильной электроники с помощью глубокого обучения.