Visie- en beeldtechnologieën blijven groeien buiten de fabrieksvloer

Visie en beeldvorming zijn lange tijd sleuteltechnologieën geweest in zeer uiteenlopende markten. Machine vision-systemen kunnen industriële processen aanzienlijk verbeteren en de productiviteit, efficiëntie en kwaliteit helpen verhogen, terwijl de kosten voor veel uiteenlopende gebruikssituaties worden verlaagd.

De groei van industriële machinevisie gaat in een recordtempo. Alex Shikany, VP Marketing en Member Services voor de Association for Advancing Automation (A3) meldt dat de machine vision-markt in Noord-Amerika in de eerste helft van 2021 met 26% is gegroeid tot een recordbedrag van $ 764 miljoen. In een A3-enquête verwacht meer dan 95% van de bedrijven en analisten dat de markt de komende zes maanden niet zal dalen. Dr. Chris Yates van Vision Ventures merkt op dat de belangrijkste drijfveren voor het bevorderen van de voortdurende implementatie van machine vision-technologieën een groter bewustzijn van mogelijkheden en waarde zijn; afnemende component-, software- en engineeringkosten; bredere technologische compatibiliteit en interoperabiliteit; en meer focus op en succes in gebruiksgemak.

Het is duidelijk dat zowel volwassen als opkomende industrieën visie en beeldvorming blijven omarmen. Maar wat zijn de volgende industriële toepassingen voor machinevisie?

Uit de fabriek, de velden in

Landbouw is een bedrijfstak die aanzienlijk voordeel begint te zien van de brede implementatie van geavanceerde automatiseringstechnologieën zoals machine vision. Volgens de USDA zal het bruto landbouwinkomen in de VS naar verwachting met 7,3% stijgen in 2021 tot $ 486 miljard, waarbij technologische vooruitgang een grote invloed zal hebben op het resultaat. Een snelgroeiende sector is verticale landbouw, waar planten (groenten, fruit, kruiden en meer) voornamelijk binnenshuis worden gekweekt in verticale torens onder gecontroleerde omgevingen.

"Precisielandbouw" in de landbouw is al geruime tijd een doelwit voor automatisering, met veel verschillende toepassingen in ontwikkeling en/of onderzoek. Het gebruik van autonome robots bij het planten en oogsten van gewassen is een gebied dat enige groei en acceptatie kent. Tractoren zonder bestuurder kunnen voornamelijk worden bestuurd met behulp van GNSS/GPS (Global Navigation Satellite Systems en Global Positioning Systems). Volledige autonomie vereist echter het vermogen om onverwachte obstakels, met name mensen en dieren, te detecteren en erop te reageren. Perceptiesystemen die gebruikmaken van technologieën zoals infraroodbeeldvorming, lidar en 3D Time of Flight worden met succes geïmplementeerd in landbouwrobots. Er zijn zelfs autonome robots met vision- en deep learning-modellen gebruikt om sommige gewassen zonder chemicaliën te wieden.

Automatiseringssystemen voor oogsten zijn sterk afhankelijk van visie en beeld. Zo gebruiken cobots (samenwerkingsrobots) en machines die zijn uitgerust met autonome beweging camera's en AI om rijp fruit van niet-rijp fruit te onderscheiden en begeleiding te bieden bij het automatisch plukken. Abundant Robotics (www.abundantrobotics.com) rapporteerde aanvankelijk succes met hun appelplukrobot, die visie gebruikt om rijp fruit te detecteren. Ook het oogsten van groenten staat op tafel. Cambridge University heeft een slaplukrobot gedemonstreerd die meerdere camera's en machine learning gebruikt om gezonde en rijpe kroppen te detecteren en de oogst te begeleiden.

Verticale landbouw is bij uitstek geschikt voor automatisering vanwege de beperkte aard van de gewassen en de omgeving. Visiegestuurde robots zijn de sleutel tot productiviteit tijdens het plantproces om zaailingen te vangen en in de verticale groeitorens te plaatsen. Het oogsten kan ook op dezelfde manier worden geautomatiseerd.

In de algemene landbouw kan machine vision worden gebruikt om gewassen te inspecteren en droogte of ziekte op te sporen. Multispectrale en hyperspectrale beeldvorming, zowel op fabrieksniveau als op veldniveau met behulp van drones, is een veelgebruikte technologie met bewezen succes. Afhankelijk van de inspectie en de uitsnede kunnen ook infraroodbeelden worden gebruikt.

Perceptie voor precisiebewerking

Nieuwe toepassingen voor visie en beeldvorming worden steeds meer geaccepteerd in de precisiebewerkingsindustrie. De precisiebewerkingsindustrie (CNC-bewerkingscentrum) is behoorlijk volwassen en welvarend, met een marktomvang van sommige bronnen op ongeveer $ 400 miljard en een verwachte groei in 2021 van ongeveer 7%. Naast de invoering van geavanceerde automatisering om de kwaliteit en productiviteit te verbeteren, zijn de belangrijkste drijfveren in deze markt die kunnen bijdragen aan groei, het vinden en efficiënt gebruiken van mankracht, het verlagen van de bedrijfskosten, het elimineren van bewerkingsfouten en het vroegtijdig signaleren van defecten om verspilling te voorkomen. Deze en andere factoren wijzen deze industrie op een nieuwe acceptatie van visie en beeldvorming, evenals robotica in het productieproces.

Hoewel het verzorgen van robotmachines niet helemaal nieuw is in de precisiebewerkingsindustrie, wordt het steeds breder geaccepteerd en wordt de taak gevorderd met machinevisie om meer autonomie te bieden. Robots voor het laden en lossen van machines kunnen worden geleid voor het picken en plaatsen van onderdelen, wat een grotere efficiëntie oplevert voor kleine batches met een hoge mix die gebruikelijk zijn bij precisiebewerking. En 3D-beeldvorming komt naar voren als een potentiële technologie voor het ondersteunen van willekeurige bin-pick van onderdelen of onbewerkte stukken die moeten worden bewerkt, waardoor de noodzaak voor harde opspanning en operatorbelasting wordt geëlimineerd.

Deze nieuwe industrievoorbeelden zijn slechts een klein deel van de markten die profiteren van vision- en beeldtechnologieën. Naarmate nieuwe toepassingen in de industrie zich ontwikkelen, zullen deze technologieën de processen en kwaliteit blijven verbeteren.