La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Commande dun processus de fabrication par un système de vision El Sahmarani Khaled.

Présentations similaires


Présentation au sujet: "Commande dun processus de fabrication par un système de vision El Sahmarani Khaled."— Transcription de la présentation:

1 Commande dun processus de fabrication par un système de vision El Sahmarani Khaled

2 2 Sommaire 1.Contexte et motivation 2.Problématique – Étude préliminaire 3.La commande par vision 4.Applications et résultats 5.Conclusions et perspectives

3 3 Contexte et motivation Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives Besoins industrielles (SERPAC Industries) Optimisation de système de commande Limitation de câblage Imposer un système intelligent (robotique) La vision dans le monde industriel Investissement à léchelle mondiale Système matériel et logiciel complexes (technologie embarqué et algorithme de traitement) Impact économique Avantages et inconvénients

4 4 Système de commande actuel Partie opérative Partie commande Supervision, maintenance et surveillance Capteurs actionneurs Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

5 5 Diversité des capteurs diversité des modes de défaillance 80% des défaillances sont dus aux capteurs Défaillance de système de conduite (actionneur, câblage parfois des dizaines de mètres) La sûreté de linstallation (défaillances en cascade, diagnostic) Pertes en cours de production (rebut) Temps de mise en œuvre trop important Planification et Ordonnancement Maintenance Supervision Surveillance COMMANDE PARTIE OPERATIVE Structure Classique Capteurs Actionneurs Solution (SERPAC) : limiter le nombre de capteur Organisation dun système de commande Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

6 6 Limitez le nombre de capteur facilite la mise en œuvre (1 seul outil) Diminution de temps dinstallation Diminution de matériel de câblage Flexibilité de loutil de vision Facilité la phase de surveillance Facilité la phase de supervision Type de donnée exploitable (détection de mvt, reconnaissance, identification, position, vitesse) Vision system Proposition dune nouvelle structure Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

7 7 Étude préliminaire Maquette de tri de colis (SERPAC) Tri en fonction de la taille des colis Matériel vision : webcam, matlab Automate: TSX Micro, PL7 V4.2 Détection de présence Transfert vers lorgane de commande Port série Ethernet Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives Problèmes: perturbations et luminosité

8 8 Intégration de la vision Remplacer les capteurs classiques par un capteur intelligent (vision) Limiter le câblage Exploitation de la vision pour la minimisation des pertes en ligne Structuration de la partie opérative autour de la vision Améliorer la partie supervision et surveillance Planification et Ordonnancement Maintenance Supervision Surveillance COMMANDE PARTIE OPERATIVE Structure Nouvelle Actionneurs ??? Vision Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives Planification et Ordonnancement Maintenance Supervision Surveillance COMMANDE PARTIE OPERATIVE Structure Classique Capteurs Actionneurs Commande Partie Opérative Ordonnancement Traitement Actionneur Surveillance, Supervision PO, Capteur Ordonnancement Commande Vision, image Capteur Vision Commande Actionneur Capteur 1 … …… ……. Capteur.n Partie opérative Ordonnancement Supervision Surveillance PO, Capteurs Ordonnancement Commande

9 9 Comparaison entre capteurs classiques et système de vision Qualité dinformation des capteurs classiques Mesure vitesse, position, etc. Capteur de présence Mesure physique, pression, force, etc. Besoin dinstrumentation ou de convertisseur Signaux compatibles avec les cartes dentrée des automates (pour les analogique 4-20mA, 0-5/10V, pour les logiques 24V ) Qualité dinformation du système de vision Capture de mouvement Capture de position, vitesse, accélération Identification de défaut Localisation et reconnaissance de forme Possibilité de communiquer avec plusieurs terminaux ou automates. Plusieurs types de capteurs Système unique Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

10 10 Les limites Certaines mesures physiques (poids, volume…) Très haute cadences système de vision limité à quelques centaines dimages par seconde Défaut déblouissement (détectable mais pas inévitable) Défaut de pixellisation ( µm mais pour des petites distances) Fiabilité logicielle (traitement dimage, matlab!) Luminosité Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

11 11 Commande par vision Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives Développements, différents systèmes de commande: –Algorithme de traitement dimage très élaborés, tout embarqués (coût élevé) –Algorithme de traitement dimage classique, avec une structure de commande complémentaire (solution moins cher) Algorithmes classiques de traitement dimage Structuration de la commande par des modules Grafcet

12 12 Algorithmes de vision Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives –Détection de contour (Harris, Canny) –Reconnaissance de forme et identification de défaut Corrélation Hough Freeman –Identification de couleur

13 13 Algorithme de vision, comparatif Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives Étude morphologique, Reconnaissance de forme et identification de défaut Hough Freeman Résultat visuel, bleu (Hough) et rouge (Freeman) PerformanceRapiditéImplantationPrécisionStabilité Freeman++-- Trans. Hough--++

14 14 Architecture opérationnelle, principaux modules Grafcet Ma î tre Grafcet conditions Initiales (Macros 1) Grafcet Identification (Macro 6) Grafcet Localisation (Macro 5) Grafcet d é tection de pr é sence/mouvement (Macro 4) Grafcet initialisation Syst è me de vision (Macro 2) COMMANDETRAITEMENT Modèle choisi Acquisition dimage Filtrage Récupération ZOI ou capteurs virtuels Détection de mouvement ou de présence Localisation de pièce ou de forme Identification de défaut Modules ou algorithmes choisisModèle de commande Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

15 15 Probabilit é de d é faillance Perturbation Convoyeur V é rin hydro1 V é rin hydro2 vision Localisation identification Luminosit é Vibration Vision Localisation Identification D é tection de pr é sence Passage intempestif Acquisition Actionneur Probabilit é de d é faillance Perturbation Luminosit é Vibration Passage intempestif vision Localisation identification Vision 1 Localisation Identification D é tection de pr é sence Acquisition Convoyeur V é rin hydro1 V é rin hydro2 Actionneur vision identification Vision 2 Localisation Identification D é tection de pr é sence Acquisition Performances, Arbres de défaillance Perturbation Probabilit é de d é faillance T cap1 T cap2 T cap3 T cap4 Actionneur Convoyeur V é rin hydro1 V é rin hydro2 Système classique Système avec visionSystème avec vision redondant Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

16 16 Choix matériel et logiciel Redondance Choix des zones dintérêt Test et simulation par apprentissage Programmation et algorithme: –Acquisition et codage –Filtrage –Détection de contour –Localisation et reconnaissance de forme –Identification de défaut –Transmission des résultats à la partie commande Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives Applications, commande par vision Étape initiale, aspect matérielChoix fonctionnels

17 17 Cahier de charge, spécification de linstallation et des produits. Caméra usb, fire wire, ethernet (Imasys) Programme : Sherlock 6.0 Matlab Choix matériel et logiciel Redondance Choix des zones dintérêt Test et simulation par apprentissage Étape initiale, aspect matériel Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

18 18 Nombre de caméra Position pour les zones de redondance Choix de priorité (maître, esclave) Choix matériel et logiciel Redondance Choix des zones dintérêt Test et simulation par apprentissage Étape initiale, aspect matériel Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

19 19 Choix matériel et logiciel Redondance Choix des zones dintérêt Test et simulation par apprentissage Nombre de capteurs classiques à remplacer Dimensions des zones ou capteurs virtuels Choix des algorithmes correspondants à ces zones Étape initiale, aspect matériel Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

20 20 Choix matériel et logiciel Redondance Choix des zones dintérêt Test et simulation par apprentissage Choix des images de pièces types à contrôler Test des algorithmes de traitement dimage Maquette de simulation Étape initiale, aspect matériel Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

21 21 Programmation et algorithme: Acquisition et codage Filtrage Détection de contour Localisation et reconnaissance de forme Identification de défaut Transmission des résultats à la partie commande Conditions ambiantes de fonctionnement Vitesse dacquisition Type dimage couleur: RGB YCbCr Choix fonctionnels Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

22 22 Programmation et algorithme: Acquisition et codage Filtrage Détection de contour Localisation et reconnaissance de forme Identification de défaut Transmission des résultats à la partie commande Transformation en niveau de gris Filtre sélectif de couleur Choix fonctionnels Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

23 23 Programmation et algorithme: Acquisition et codage Filtrage Détection de contour Localisation et reconnaissance de forme Identification de défaut Transmission des résultats à la partie commande Filtre bidimensionnel, moment supérieur Harris Canny Choix fonctionnels Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

24 24 Programmation et algorithme: Acquisition et codage Filtrage Détection de contour Localisation et reconnaissance de forme Identification de défaut Transmission des résultats à la partie commande Localisation par corrélation Localisation dans la transformée de Hough Choix fonctionnels Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

25 25 Programmation et algorithme: Acquisition et codage Filtrage Détection de contour Localisation et reconnaissance de forme Identification de défaut Transmission des résultats à la partie commande Par étude morphologique comme: Par la transformée de Hough Par le code de Freeman Choix fonctionnels Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

26 26 Programmation et algorithme: Acquisition et codage Filtrage Détection de contour Localisation et reconnaissance de forme Identification de défaut Transmission des résultats et commande Choix fonctionnels Par réseau Ethernet Par Serial Link Firewire Autres…. Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

27 27 Étude de cas, cahier des charges Spécifications techniques et outillage Montage et programmation Simulation et essai en plate-forme Application chez SERPAC, Tri de colis reconnaissance de forme Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

28 28 Identification de défaut et reconnaissance de forme –Algorithmes de détection de défaut ou de reconnaissance par étude morphologique Tri de noix, par identification de couleur –Élaboration dalgorithme de détection de défaut par colorimétrie Application à lAIP Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

29 29 Application, tri de noix 1.Détection de contour nb de noix / image 2.Identification de couleur qualité des noix (supérieur ou non) 3.Orientation des noix (par Hough) 4.Qualité du cerneau (identification de couleur) Interface homme machine pour la supervision Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives Convoyeur Identification de qualité par couleur Rejet des noix de mauvaise qualité Calcul dangle Réorientation des noix mal placer Machine pour casser les noix Entrée des noix Première tâcheDeuxième tâche Localisation des noix Troisième tâche Convoyeur Machine pour casser les noix Qualité du cerneau Cerneau intact et de bonne qualité Cerneau endommagé ou de mauvaise qualité Quatrième tâche

30 30 Application, tri de noix Détection de contour nb de noix / image Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

31 31 Application, tri de noix Identification de couleur qualité des noix (supérieur ou non) Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives La couleur recherchée est mieux identifiée dans le premier noix

32 32 Application, tri de noix Orientation des noix (par Hough) Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives Transformée de Hough Orientation de noix par Hough, langle où le fuseau de Hough est le plus large représente lorientation du noix

33 33 Application, tri de noix Qualité du cerneau (identification de couleur) Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives Nb de pixels identifiés

34 34 Application, tri de noix Interface homme machine pour la supervision Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

35 35 Conclusions Optimisation du système de commande –Remplacement des capteurs matériels par des virtuels. –Exploitation de la vision pour la supervision et le surveillance –Technologie embarqué permet dalléger la programmation de la partie commande (temps de cycle automate) Adaptation à divers modèles de commande Compatibilité des algorithmes aux différentes applications (mouvement, présence, colorimétrie…) Détection de défaut, limitation des pertes de fabrication Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives

36 36 Perspectives Validation de larchitecture sur une maquette industrielle Tester la sûreté de linstallation, essai sous contraintes (luminosité, vibration…) IHM (Interface Homme Machine) Proposition de systèmes multi-capteurs Test de fiabilité logicielle (algorithme de traitement dimage). Système de vision sans fil Contexte et motivationproblématiquecommande par vision applications et résultats conclusions et perspectives


Télécharger ppt "Commande dun processus de fabrication par un système de vision El Sahmarani Khaled."

Présentations similaires


Annonces Google