Содержание

1

БИТТУ УИТ -31 1

1

ВВЕДЕНИЕ 3

Лист 2

1 ОПИСАНИЕ АСУ 7

1.1 Структурная схема 7

2 ОПИСАНИЕ ПЕРВИЧНЫХ ДАТЧИКОВ 9

2.1 Весоизмерительная ячейка SIWAREX R серии ВВ. 9

2.2 Система технического зрения FZM1-350-ECT. 9

3 ОПИСАНИЕ МИКРОКОНТРОЛЛЕРА 11

4 ОПИСАНИЕ СИСТЕМЫ ВВОДА-ВЫВОДА 12

4.1 Модульная станция ввода-вывода Simantic ET200S. 12

4.2 Сенсорная панель Simantic TP 177B. 13

5 ОПИСАНИЕ ОБЪЕКТА УПРАВЛЕНИЯ 14

6 ОПИСАНИЕ ИНТЕРФЕЙСА 15

7 АЛГОРИТМ ОПРОСА ДАТЧИКОВ 16

8 РАСЧЕТ НАДЕЖНОСТИ АСУ 18

9 ПОДГОТОВКА СТАТИЧЕСКИХ ДАННЫХ О ВРЕМЕНИ НАРАБОТКИ И ВРЕМЕНИ ВОССТАНОВЛЕНИЯ КОМПОНЕНТА ССОИ. РАСЧЕТ ОЦЕНКИ СРЕДНЕЙ НАРАБОТКИ НА ОТКАЗ (Т0). 20

Расчет оценки среднего времени восстановления. 21

Расчет оценки среднего времени реакции ССОИ на получение входного сигнала. 22

Расчет значения коэффициента готовности ССОИ. 22

10 РЕЗУЛЬТАТЫ, ПОЛУЧЕННЫЕ ПРИ ОБРАБОТКЕ ИСХОДНЫХ ДАННЫХ 26

ЗАКЛЮЧЕНИЕ 27

Список литературы 28

Введение

Системы машинного зрения запрограммированы для выполнения узкоспециализированных задач, таких как подсчет объектов на конвейере, чтение серийных номеров или поиск поверхностных дефектов. 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. Тем не менее, люди обладают тонким восприятием в течение короткого периода и большей гибкостью в классификации и адаптации к поиску новых дефектов.

Компьютеры не могут «видеть» таким же образом, как это делает человек. Фотокамеры не эквивалентны системе зрения человека, и в то время как люди могут опираться на догадки и предположения, системы машинного зрения должны «видеть» путем изучения отдельных пикселей изображения, обрабатывая их и пытаясь сделать выводы с помощью базы знаний и набора функций таких, как устройство распознавания образов. Хотя некоторые алгоритмы машинного зрения были разработаны, чтобы имитировать зрительное восприятие человека, большое количество уникальных методов были разработаны для обработки изображений и определения соответствующих свойств изображения.

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

1. Одна или несколько цифровых или аналоговых камер (черно-белые или цветные) с подходящей оптикой для получения изображений

2. Программное обеспечение для изготовления изображений для обработки. Для аналоговых камер это оцифровщик изображений

3. Процессор (современныйПКcмногоядерным процессоромили встроенный процессор, например —ЦСП)

4. Программное обеспечение машинного зрения, которое предоставляет инструменты для разработки отдельных приложений программного обеспечения.

5. Оборудование ввода/вывода или каналы связи для доклада о полученных результатах

6. Умная камера: одно устройство, которое включает в себя все вышеперечисленные пункты.

7. Очень специализированные источники света (светодиоды, люминесцентные и галогенные лампы и т. д.)

8. Специфичные приложения программного обеспечения для обработки изображений и обнаружения соответствующих свойств.

9. Датчик для синхронизации частей обнаружения (часто оптический или магнитный датчик) для захвата и обработки изображений.

10. Приводы определенной формы используемые для сортировки или отбрасывания бракованных деталей.

Датчик синхронизации определяет, когда деталь, которая часто движется по конвейеру, находится в положении, подлежащем инспекции. Датчик запускает камеру, чтобы сделать снимок детали, когда она проходит под камерой и часто синхронизируется с импульсом освещения, чтобы сделать четкое изображение. Освещение, используемое для подсветки деталей предназначено для выделения особенностей, представляющих интерес, и скрытия или сведения к минимуму появление особенностей, которые не представляют интереса (например, тени или отражения). Для этой цели часто используются светодиодные панели подходящих размеров и расположения.

Изображение с камеры попадает в захватчик кадров или в память компьютера в системах, где захватчик кадров не используется. Захватчик кадров — это устройство оцифровки (как часть умной камеры или в виде отдельной платы в компьютере), которое преобразует выходные данные с камеры в цифровой формат (как правило, это двумерный массив чисел, соответствующих уровню интенсивности света определенной точки в области зрения, называемых пикселями) и размещает изображения в памяти компьютера, так чтобы оно могло быть обработано с помощью программного обеспечения для машинного зрения.

Программное обеспечение, как правило, совершает несколько шагов для обработки изображений. Часто изображение для начала обрабатывается с целью уменьшения шума или конвертации множества оттенков серого в простое сочетание черного и белого (бинаризации). После первоначальной обработки программа будет считать, производить измерения и/или определять объекты, размеры, дефекты и другие характеристики изображения. В качестве последнего шага, программа пропускает или забраковывает деталь в соответствии с заданными критериям. Если деталь идет с браком, программное обеспечение подает сигнал механическому устройству для отклонения детали; другой вариант развития событий, система может остановить производственную линию и предупредить человека работника для решения этой проблемы и сообщить, что привело к неудаче.

Хотя большинство систем машинного зрения полагаются на «черно-белые» камеры, использование цветных камер становится все более распространенным явлением. Кроме того, все чаще системы машинного зрения используют цифровые камеры прямого подключения, а не камеры с отдельным захватчиком кадров, что сокращает расходы и упрощает систему.

«Умные» камеры со встроенными процессорами, захватывают все большую долю рынка машинного зрения. Использование встроенных (и часто оптимизированных) процессоров устраняет необходимость в карте захватчика кадров и во внешнем компьютере, что позволяет снизить стоимость и сложность системы, обеспечивая вычислительную мощность для каждой камеры. «Умные» камеры, как правило, дешевле, чем системы, состоящих из камеры, питания и/или внешнего компьютера, в то время как повышение мощности встроенного процессора и ЦСП часто позволяет достигнуть сопоставимой или более высокой производительности и больших возможностей, чем обычные ПК-системы.