Fizik ve Mühendisliğin Ortak Çalışması: MACHINE VISION

Fizik ve Mühendisliğin Ortak Çalışması: MACHINE VISION

Sözlük çevirisi ‘yapay görme’ olan ‘machine vision’; yapay zeka (AI), makine öğrenmesi (Machine Learning) ve derin öğrenme (Deep Learning) gibi kavramların gelişmesiyle birlikte günümüzde yer alsa da halk arasında sıklıkla duyduğumuz bir kavram değil.

Türkçede görüntü işlenmesi olarak bahsedilen machine vision, isminden de anlaşılacağı gibi görüntüyü çekiyor ve işliyor. Basitçe söylemek gerekirse, machine vision, endüstriyel ekipmana ne yaptığını “görme” ve gördüklerine göre hızlı kararlar verme yeteneği verir. Machine vision’un en yaygın kullanımları, görsel inceleme ve kusur tespiti, parçaları konumlandırma ve ölçme ve ürünleri tanımlama, sıralama ve izlemedir.

Machine vision, endüstriyel otomasyonun kurucu teknolojilerinden biridir. Onlarca yıldır ürün kalitesini iyileştirmeye, üretimi hızlandırmaya ve üretim ile lojistiği optimize etmeye yardımcı oldu. Şimdi bu kanıtlanmış teknoloji yapay zeka ile birleşiyor ve Endüstri 4.0’a geçişe öncülük ediyor. Görüntü çekme kısmında optik, işleme kısmında ise yazılım programlarından yararlanılan machine vision için fizik ve mühendisliğin takım çalışmasıdır diyebiliriz.

Her Şey Nasıl Başladı: Klasik Yapay Görme Sistemleri

Makineler, yapay zeka ve makine öğreniminden önce “görebiliyordu”. 1970’lerin başında bilgisayarlar, görüntüleri işlemek ve temel özellikleri tanımak için belirli algoritmalar kullanmaya başladı. Bu klasik machine vision teknolojisi, bir parçayı konumlandırmak için nesne kenarlarını algılayabilir, bir kusuru gösteren renk farklılıklarını bulabilir ve bir deliği belirten bağlantılı piksel lekelerini ayırt edebilir durumdaydı.

Klasik machine vision, yapay zeka gerektirmeyen nispeten basit işlemleri içerir. Metin, bir barkod gibi basit ve keskin olmalıdır. Şekiller tahmin edilebilir olmalı ve kesin bir kalıba uymalıdır. Klasik bir machine vision sistemi el yazısını okuyamaz, kırışık bir etiketi çözemez veya bir elmayı portakaldan ayırt edemez.

Bununla birlikte, klasik machine vision’un üretim üzerinde büyük bir etkisi oldu. Makineler yorulmaz, bu nedenle kusurları insan gözlerinden daha hızlı ve daha güvenilir bir şekilde tespit edebilirler. Ayrıca, makineler insan görüşünün sınırlarına bağlı değildir. Özelleştirilmiş yapay görme kameraları, ısı anormalliklerini tespit etmek için termal görüntülemeyi ve mikroskobik kusurları ve metal yorgunluğunu tespit etmek için X-ışınlarını kullanabilir.

Görüntü sistemlerinde yeni olan kullanıcılar, bunların karmaşık olduğu, kurulum için çok zaman ve çaba gerektireceği fikrine sahip olabilir.
Gerçekten de birçok aydınlatma ve kontrol seçeneği içeren çok çeşitli modeller mevcuttur ve bu çok zor görünebilir. Yine de, bir görüntü sistemi seçme ve kurmanın kilit noktalarını iyi anlayan herhangi bir kullanıcı, bir görüntü sistemini başarılı bir şekilde kullanabilir.

Bir görüntü sistemini başarıyla kurmanın önemli noktaları nelerdir? 

  1. Gerekli cihazların seçilmesi: Örneğin bir otomotiv firması ile anlaştınız. Araçların kaportasındaki çizikleri algılayacak bir sistem geliştirmeniz isteniyor. Görüntü sistemi için öncelikle kaportanın görüntülerine ihtiyaç var. Kaportanın görüntüsünü çekmek için ise  çeşitli ekipmanlar kullanılır. Kamera, ışık, lensler, filtreler vb… Bunlar iyi bir görüntü çekmek için olmazsa olmaz parçalardır. Kullanılan kameralar yüksek çözünürlüklü ve genellikle monokrom (tek renk) tiptedir. Ayrıca kullanılan ışık da iyi bir görüntü için kilit noktalardan biridir. Görüntüyü çekerken parçanın parlamaması, ışığın yansımaması gibi olasılıklar hesaplanmalı ve duruma uygun ışık tipi seçilmelidir. Görüntünün çekilmesi diğer adımlar için oldukça önemlidir çünkü iyi bir görüntü elde edilmezse geri kalan süreç doğru ilerlemeyecektir.
  2. Kontrollerin Yapılması: Görüntüyü çektikten sonra bu görüntünün kullanılabilir olup olmadığına karar vermek gerekir. Görüntü işleme programlarında kullanılabilir düzeydeyse onay almıştır aksi takdir de hatalar saptanarak yeni bir görüntü çekilir.
  3. Görüntü İşlenmesi: Bu aşamadan sonra fizikçiler ve/veya optikçiler görevi yazılımcılara/mühendislere teslim ediyor. Görüntü işleniyor. Çeşitli kontroller yapılıyor, gerekirse kaporta fabrikaya gidip orada da deneme yapılıyor. Her şey onaylanırsa görüntü işleyen robotumuz hazır!

Machine Vision’ın Faydaları Nelerdir?

Üretimde uygulanan machine vision, ürün kalitesini ve genel sistem verimliliğini artırabilir, işçilik maliyetlerini azaltabilir ve personeli daha değerli işlere odaklanması için serbest bırakabilir. Endüstrilerde machine vision, kalite güvencesi için ürün içeriği, ambalaj ve etiketleme üzerinde sürekli kontroller sağlar. Tedarik zincirlerine uygulandığında, machine vision iş akışının her noktasındaki öğeleri otomatik olarak tarayıp izleyebilir ve envanterin doğru, anlık bir hesabını sağlar.

Yazan: Yaren YAKUT

Kaynak*

YouTube Kanalımız

Çılgın Fizikçiler (SEO Manager) hakkında 688 makale
Çılgın Fizikçiler ve Bilim İnsanları ekibi ve dışarıdan destek veren gönüllülerin yazıları.

İlk yorum yapan olun

Bir yanıt bırakın

E-posta hesabınız yayımlanmayacak.


*