Jednoduše konfigurovatelný kontrolní kamerový systém pro průmyslové aplikace

Abstract

Cílem této práce je vytvořit prototyp jednoduše konfigurovatelného kamerového systému, sloužícího ke kontrole výrobků na automatizované montážní lince. Práce je zvláště zaměřena na problematiku detekce LED. Detekována je jejich samotná přítomnost ve snímku a dále systém vyhodnocuje, zda LED svítí, a pokud ano, tak jakou barvou. Výsledné řešení umožňuje uživateli jednoduše definovat kontrolní metriky pro vyhledávaní kruhových objektů v obraze, a to pomocí konfigurační aplikace s grafickým uživatelským rozhraním. Příslušná konfigurace se ukládá do souboru ve formátu JSON. Dále byl implementován runtime, který na základě konfigurace samostatně zpracovává záznam z kamery, kontroluje výrobky a podává o nich zprávy dalším součástem systému. K detekci objektů v obraze systém využívá Houghovu kruhovou transformaci. K otestování efektivnosti systému byl vytvořen datový soubor za pomoci nástroje FitKit s maticí LED. Při testování runtime na datovém souboru se podařilo dosáhnout celkové správnosti detekce LED 97,79%.

The aim of this thesis is to create a prototype of an easily configurable camera system, used to control products on an automated assembly line. The thesis is especially focused on the issue of LED detection. Their very presence in the image is detected and the system also evaluates whether the LED is lit and, if so, in what color. The final solution allows the user to easily define control metric for searching for circular objects in the image in a configuration application with a graphical user interface. The configuration is saved in a JSON file. Furthermore, a runtime which independently processes the recording from the camera, checks the products and reports on them to other components of the system based on the configuration was implemented. The system uses the Hough circular transformation to detect objects in the image. To test the efficiency of the system, a dataset was created using the FitKit tool with a LED matrix. When testing the runtime on the dataset, the overall accuracy of LED detection was 97,79%.