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 d’un processus de fabrication par un système de vision

Présentations similaires


Présentation au sujet: "Commande d’un processus de fabrication par un système de vision"— Transcription de la présentation:

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

2 Sommaire Contexte et motivation Problématique – Étude préliminaire
La commande par vision Applications et résultats Conclusions et perspectives

3 Contexte et motivation
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Contexte et motivation 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 l’échelle mondiale Système matériel et logiciel complexes (technologie embarqué et algorithme de traitement) Impact économique Avantages et inconvénients

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

5 Organisation d’un système de commande
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Organisation d’un système de commande 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 l’installation (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

6 Proposition d’une nouvelle structure
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Proposition d’une nouvelle structure Limitez le nombre de capteur  facilite la mise en œuvre (1 seul outil) Diminution de temps d’installation Diminution de matériel de câblage Flexibilité de l’outil 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

7  Problèmes: perturbations et luminosité
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives 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 l’organe de commande Port série Ethernet  Problèmes: perturbations et luminosité

8 Intégration de la vision
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Intégration de la vision Planification et Ordonnancement Maintenance Supervision Surveillance COMMANDE PARTIE OPERATIVE Structure Nouvelle Actionneurs ??? Planification et Ordonnancement Maintenance Supervision Surveillance COMMANDE PARTIE OPERATIVE Structure Classique Capteurs Actionneurs Commande Actionneur Capteur 1 …… ……. Capteur .n Partie opérative Ordonnancement Supervision Surveillance PO, Capteurs Commande Partie Opérative Ordonnancement Traitement Actionneur Surveillance, Supervision PO, Capteur Vision, image Capteur 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 Vision

9 Comparaison entre capteurs classiques et système de vision
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Comparaison entre capteurs classiques et système de vision Qualité d’information des capteurs classiques Mesure vitesse, position, etc. Capteur de présence Mesure physique, pression, force, etc. Besoin d’instrumentation ou de convertisseur Signaux compatibles avec les cartes d’entrée des automates (pour les analogique 4-20mA, 0-5/10V, pour les logiques 24V ) Qualité d’information 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. Système unique Plusieurs types de capteurs

10 Les limites Certaines mesures physiques (poids, volume…)
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Les limites Certaines mesures physiques (poids, volume…) Très haute cadences  système de vision limité à quelques centaines d’images par seconde Défaut d’éblouissement (détectable mais pas inévitable) Défaut de pixellisation ( µm mais pour des petites distances) Fiabilité logicielle (traitement d’image, matlab!) Luminosité

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

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

13 Algorithme de vision, comparatif
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Algorithme de vision, comparatif Étude morphologique, Reconnaissance de forme et identification de défaut Hough Freeman Performance Rapidité Implantation Précision Stabilité Freeman + - Trans. Hough Résultat visuel, bleu (Hough) et rouge (Freeman)

14 Architecture opérationnelle, principaux modules
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Architecture opérationnelle, principaux modules Grafcet Maître Grafcet conditions Initiales (Macros 1) Grafcet Identification (Macro 6) Localisation (Macro 5) Grafcet détection de présence/mouvement (Macro 4) Grafcet initialisation Système de vision (Macro 2) COMMANDE TRAITEMENT Modèle choisi Acquisition d’image Filtrage Récupération ZOI ou capteurs virtuels Détection de mouvement ou de présence Localisation de pièce ou de forme Identification de défaut Modules ou algorithmes choisis Modèle de commande

15 Performances, Arbres de défaillance
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Performances, Arbres de défaillance Probabilité de défaillance Perturbation Luminosité Vibration Passage intempestif vision Localisation identification Vision 1 Identification Détection de présence Acquisition Convoyeur Vérin hydro1 Vérin hydro2 Actionneur Vision 2 Probabilité de défaillance Perturbation Convoyeur Vérin hydro1 Vérin hydro2 vision Localisation identification Luminosité Vibration Vision Identification Détection de présence Passage intempestif Acquisition Actionneur Perturbation Probabilité de défaillance Tcap1 Tcap2 Tcap3 Tcap4 Actionneur Convoyeur Vérin hydro1 Vérin hydro2 Système classique Système avec vision redondant Système avec vision

16 Applications, commande par vision
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Applications, commande par vision Étape initiale, aspect matériel Choix fonctionnels Choix matériel et logiciel Redondance Choix des zones d’intérêt 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

17 Étape initiale, aspect matériel
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Étape initiale, aspect matériel Cahier de charge, spécification de l’installation et des produits. Caméra usb, fire wire, ethernet (Imasys) Programme : Sherlock 6.0 Matlab Choix matériel et logiciel Redondance Choix des zones d’intérêt Test et simulation par apprentissage

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

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

20 Étape initiale, aspect matériel
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Étape initiale, aspect matériel Choix matériel et logiciel Redondance Choix des zones d’intérêt Test et simulation par apprentissage Choix des images de pièces types à contrôler Test des algorithmes de traitement d’image Maquette de simulation

21 Choix fonctionnels Programmation et algorithme:
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Choix fonctionnels 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 d’acquisition Type d’image couleur: RGB YCbCr

22 Choix fonctionnels Programmation et algorithme:
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Choix fonctionnels 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

23 Choix fonctionnels Programmation et algorithme:
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Choix fonctionnels 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

24 Choix fonctionnels Programmation et algorithme:
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Choix fonctionnels 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

25 Choix fonctionnels Programmation et algorithme:
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Choix fonctionnels 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

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

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

28 Contexte et motivation. problématique. commande par vision
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Application à l’AIP 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 d’algorithme de détection de défaut par colorimétrie

29 Application, tri de noix
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Application, tri de noix Convoyeur    Identification de qualité par couleur Rejet des noix de mauvaise qualité Calcul d’angle Réorientation des noix mal placer Machine pour casser les noix Entrée des noix Première tâche Deuxième tâche Localisation des noix Troisième tâche Convoyeur Qualité du cerneau Cerneau intact et de bonne qualité Cerneau endommagé ou de mauvaise qualité Quatrième tâche Détection de contour  nb de noix / image Identification de couleur  qualité des noix (supérieur ou non) Orientation des noix (par Hough) Qualité du cerneau (identification de couleur) Interface homme machine pour la supervision

30 Application, tri de noix
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Application, tri de noix Détection de contour  nb de noix / image

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

32 Application, tri de noix
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Application, tri de noix Orientation des noix (par Hough) Transformée de Hough Orientation de noix par Hough, l’angle où le fuseau de Hough est le plus large représente l’orientation du noix

33 Application, tri de noix
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Application, tri de noix Qualité du cerneau (identification de couleur) Nb de pixels identifiés 1940 1277

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

35 Conclusions Optimisation du système de commande
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives 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 d’alléger 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

36 Contexte et motivation. problématique. commande par vision
Contexte et motivation problématique commande par vision applications et résultats conclusions et perspectives Perspectives Validation de l’architecture sur une maquette industrielle Tester la sûreté de l’installation, essai sous contraintes (luminosité, vibration…) IHM (Interface Homme Machine) Proposition de systèmes multi-capteurs Test de fiabilité logicielle (algorithme de traitement d’image). Système de vision sans fil


Télécharger ppt "Commande d’un processus de fabrication par un système de vision"

Présentations similaires


Annonces Google