Το σκληρότερο τείχος της μηχανικής όρασης βρίσκεται στα ψηφία πέρα από την υποδιαστολή
Παρακολούθησα πρόσφατα ένα βίντεο για τη μηχανική όραση, με έναν τίτλο που προκαλεί σκέψη: "Οι αρχές είναι κοινή γνώση, ωστόσο η ακρίβεια παραμένει δύσκολο να επιτευχθεί σε εθνικό επίπεδο."
Για να είμαι ειλικρινής, αρχικά νόμιζα ότι ήταν απλώς ένα ακόμη κλισέ που έλεγε "η Κίνα δεν μπορεί να φτάσει". Αφού το παρακολούθησα, συνειδητοποίησα ότι η ιστορία είναι πολύ πιο σύνθετη.
Όσον αφορά τη μηχανική όραση, όλοι κατανοούν τη βασική αρχή – απλώς χρησιμοποιήστε μια κάμερα για να τραβήξετε εικόνες και να εκτελέσετε αλγορίθμους για αναγνώριση. Το OpenCV είναι ανοιχτού κώδικα εδώ και δεκαετίες, και τα σεμινάρια για τη βαθιά μάθηση είναι παντού. Φαίνεται ότι ο καθένας μπορεί να δημιουργήσει μια λύση μηχανικής όρασης.
Αλλά μόλις βρεθείτε μέσα σε εργοστάσια και σε γραμμές παραγωγής, βλέπετε ένα τεράστιο χάσμα μεταξύ της δημιουργίας ενός λειτουργικού συστήματος και της δημιουργίας ενός εξαιρετικού.
Πού βρίσκεται το χάσμα; Συνοψίζεται στα ψηφία μετά την υποδιαστολή.
Ας καθορίσουμε πρώτα ένα διαισθητικό πλαίσιο αναφοράς:
Μια ανθρώπινη τρίχα έχει περίπου 0,1 χιλιοστά, ισοδύναμο με 100 μικρόμετρα. Η τυπική επιθεώρηση μηχανικής όρασης προσφέρει ακρίβεια γύρω στα 0,01 χιλιοστά (10 μm), το ένα δέκατο της διαμέτρου μιας τρίχας. Αυτό ακούγεται ήδη εντυπωσιακό.
Ωστόσο, η υψηλή κατασκευή απαιτεί πολύ αυστηρότερες ανοχές – όχι απλώς 10 μm, ούτε καν 1 μm:
Τι σημαίνει πραγματικά 0,1 μm; Αν κόψετε μια ανθρώπινη τρίχα οριζόντια σε 1.000 τμήματα, κάθε τμήμα έχει μέγεθος 0,1 μm.
Σε αυτό το επίπεδο ακρίβειας, λεπτομέρειες που συνήθως παραβλέπονται υπό κανονικές συνθήκες γίνονται θανατηφόρες πηγές σφαλμάτων:
Η γραμμή διαχωρισμού μεταξύ έμπειρων μηχανικών μηχανικής όρασης και ερασιτεχνών δεν είναι το αν μπορούν να εντοπιστούν ελαττώματα, αλλά το αν η ακρίβεια μπορεί να κλειδωθεί σταθερά σε αυτές τις τιμές δεκαδικών ψηφίων σε δεκάδες χιλιάδες κύκλους επιθεώρησης.
Μια βιομηχανική κάμερα δεν είναι καθόλου σαν κάμερα smartphone.
Πολλοί άνθρωποι πιστεύουν λανθασμένα ότι οι αλγόριθμοι αποτελούν τον πυρήνα της μηχανικής όρασης. Αυτό είναι λάθος.
Το ανώτατο όριο οποιουδήποτε αλγορίθμου καθορίζεται από την απόδοση του υλικού. Κανένας αλγόριθμος, όσο εξελιγμένος κι αν είναι, δεν μπορεί να επιτύχει ακρίβεια υπο-μικρομέτρου με μια κάμερα καταναλωτικής ποιότητας που κοστίζει μερικές εκατοντάδες γιουάν. Είναι συγκρίσιμο με την προσπάθεια φωτογράφησης κυττάρων κάτω από μικροσκόπιο χρησιμοποιώντας κάμερα κινητού τηλεφώνου – οι θολές εικόνες δεν μπορούν να σωθούν.
Μια πλήρης στοίβα υλικού βιομηχανικής όρασης αποτελείται από τουλάχιστον τέσσερα επίπεδα: πηγές φωτός, φακούς, κάμερες και frame grabbers, καθένα από τα οποία απαιτεί αυστηρή βελτιστοποίηση.
Η πιο κρίσιμη παράμετρος για τις βιομηχανικές κάμερες δεν είναι ο αριθμός των pixel, αλλά το μέγεθος των pixel.
Οι κάμερες smartphone καταναλωτών επιδιώκουν υψηλούς αριθμούς megapixel. Ένας αισθητήρας 100 megapixel ακούγεται ελκυστικός, ωστόσο τα μεμονωμένα pixel μπορεί να είναι μόνο 0,8 μm ή μικρότερα. Τέτοια pixel υποφέρουν από χαμηλή πρόσληψη φωτός, υψηλό θόρυβο και περιορισμένο δυναμικό εύρος. Ενώ είναι επαρκή για την ομορφιά πορτρέτων, είναι ακατάλληλα για βιομηχανική επιθεώρηση.
Οι βιομηχανικές κάμερες ακολουθούν την αντίθετη λογική σχεδιασμού. Οι αισθητήρες υψηλής τεχνολογίας βιομηχανικών εφαρμογών συνήθως διαθέτουν μεγέθη pixel άνω των 2,5 μm, και μερικές φορές 5 μm ή 10 μm. Μεγαλύτερα pixel συλλαμβάνουν περισσότερα φωτόνια, παρέχοντας καθαρότερες εικόνες και πιο σταθερές μετρήσεις.
Μια άλλη κρίσιμη προδιαγραφή είναι το βάθος pixel. Οι συνηθισμένες φωτογραφίες καταναλωτών υιοθετούν κωδικοποίηση 8-bit με 256 επίπεδα γκρι. Η βιομηχανική επιθεώρηση χρησιμοποιεί συνήθως αισθητήρες 12-bit ή 16-bit, υποστηρίζοντας 4.096 ή ακόμη και 65.536 διακριτές τιμές γκρι. Η διαφορά μπορεί να φαίνεται αμελητέα με την πρώτη ματιά, ωστόσο οι υπολογισμοί ακρίβειας υπο-pixel βασίζονται εξ ολοκλήρου σε αυτές τις πλούσιες πληροφορίες γκρι.
Εάν η κάμερα καθορίζει την ελάχιστη εφικτή ακρίβεια, ο φακός καθορίζει τη μέγιστη δυνατή ακρίβεια.
Οι εικόνες που λαμβάνονται από συνηθισμένους φακούς παρουσιάζουν παραμόρφωση στις άκρες: οι ευθείες γραμμές φαίνονται καμπύλες. Τέτοια παραμόρφωση περνά απαρατήρητη από τα ανθρώπινα μάτια, ωστόσο γίνεται καταστροφική για τη μέτρηση μηχανικής όρασης σε επίπεδο μικρομέτρου.
Για την υψηλή βιομηχανική επιθεώρηση, τηλεκεντρικοί φακοί χρησιμοποιούνται αντί για συμβατικά οπτικά. Εντός ενός καθορισμένου εύρους εργασίας, οι τηλεκεντρικοί φακοί διατηρούν σταθερή μεγέθυνση ανεξάρτητα από την απόσταση του αντικειμένου και επιτυγχάνουν ρυθμούς παραμόρφωσης έως και μερικά δέκατα χιλιοστού ή χαμηλότερους. Όσον αφορά την τιμολόγηση, ένας premium τηλεκεντρικός φακός συχνά κοστίζει περισσότερο από τη βιομηχανική κάμερα που συνδυάζεται με αυτόν.
Επί του παρόντος, οι διεθνείς μάρκες εξακολουθούν να κυριαρχούν στην εγχώρια αγορά για βιομηχανικούς φακούς υψηλής ακρίβειας.
Ένα γνωστό βιομηχανικό αξίωμα λέει: "Στη μηχανική όραση, ο φωτισμός αποτελεί το 70% της επιτυχίας, οι αλγόριθμοι μόνο το 30%."
Πολλές προκλήσεις επιθεώρησης προκύπτουν όχι από ελαττωματικούς αλγορίθμους, αλλά από την αποτυχία σωστής φωταγώγησης των ελαττωμάτων για καθαρή απεικόνιση.
Η γωνία φωτός, το μήκος κύματος, η ομοιομορφία και η σταθερότητα διαμορφώνουν την τελική ποιότητα απεικόνισης. Οι μηχανικοί συχνά αφιερώνουν πολύ περισσότερο χρόνο προσαρμόζοντας το υλικό φωτισμού παρά ρυθμίζοντας τις παραμέτρους του αλγορίθμου.
Οι εγχώριοι κατασκευαστές ικανοί για σταθερή μαζική παραγωγή εξειδικευμένων πηγών φωτός υψηλής τεχνολογίας, όπως ο φωτισμός βαθύ υπεριώδους, παραμένουν σπάνιοι· οι περισσότερες προμήθειες εξακολουθούν να βασίζονται σε εισαγωγές.
Το υλικό καθορίζει τη βασική απόδοση, ενώ οι αλγόριθμοι ξεκλειδώνουν το πλήρες δυναμικό του υλικού. Η κρίσιμη τεχνολογία εδώ είναι η ακρίβεια υπο-pixel.
Τι ακριβώς είναι η ακρίβεια υπο-pixel;
Η θεμελιώδης μονάδα μιας ψηφιακής εικόνας είναι ένα pixel. Όταν η άκρη ενός εξαρτήματος διασχίζει ένα όριο pixel, οι παραδοσιακοί αλγόριθμοι μπορούν μόνο να επιβεβαιώσουν ότι η άκρη βρίσκεται κάπου εντός αυτού του pixel, περιορισμένη σε ακρίβεια ακέραιων pixel.
Οι αλγόριθμοι υπο-pixel αξιοποιούν τις σταδιακές διακυμάνσεις γκρι και τη μαθηματική μοντελοποίηση για να εξαγάγουν την ακριβή θέση της άκρης μέσα σε ένα μόνο pixel.
Η εφικτή ακρίβεια ποικίλλει ανάλογα με τον αλγόριθμο:
Τι σημαίνει 0,01 pixel στην πράξη; Ας υποθέσουμε ότι ένα pixel αντιστοιχεί σε μια φυσική διάσταση 10 μm. Μια ακρίβεια 0,01 pixel μεταφράζεται σε σφάλμα μέτρησης 0,1 μm, ή 100 νανόμετρα. Χωρίς αναβάθμιση υλικού, οι αλγόριθμοι μόνοι τους αυξάνουν την ακρίβεια κατά 100 φορές.
Εντυπωσιακό όσο ακούγεται, αυτή η τεχνολογία δεν είναι μυστικό. Η υποκείμενη θεωρία εμφανίστηκε δεκαετίες πριν, με άφθονες ακαδημαϊκές εργασίες και κώδικα ανοιχτού κώδικα διαθέσιμα δημόσια.
Γιατί λοιπόν παραμένει εμπόδιο; Η ακρίβεια που αναφέρεται σε ερευνητικές εργασίες μετράται υπό ιδανικές εργαστηριακές συνθήκες. Οι πραγματικές γραμμές παραγωγής αντιμετωπίζουν συνεχή παρεμβολή:
Διατήρηση σταθερής ακρίβειας έως δύο δεκαδικά ψηφία υπό αυτές τις χαοτικές συνθήκες αντιπροσωπεύει γνήσια μηχανική δεξιοτεχνία. Η συνέπεια είναι δέκα χιλιάδες φορές πιο δύσκολη από την ακρίβεια μιας εφάπαξ μέτρησης.
Αυτό το επίπεδο αποτελεί το πραγματικό ανταγωνιστικό τείχος.
Πολλοί εξωτερικοί παρατηρητές απλοποιούν τη μηχανική όραση ως "εγκατάσταση μιας κάμερας και συγγραφή κάποιων αλγορίθμων". Τίποτα δεν θα μπορούσε να απέχει περισσότερο από την πραγματικότητα. Οι λύσεις μηχανικής όρασης που κατασκευάζονται για διαφορετικούς κλάδους είναι ουσιαστικά διακριτές τεχνολογίες.
Πρόσθετοι τομείς εφαρμογής περιλαμβάνουν τη φωτοβολταϊκή, την αυτοκινητοβιομηχανία, τη φαρμακευτική και την επεξεργασία τροφίμων.
Τα οπτικά σχήματα, οι αρχιτεκτονικές αλγορίθμων, οι δομές μηχανολογικού εξοπλισμού και τα πρότυπα επικύρωσης διαφέρουν δραστικά μεταξύ των κλάδων. Η εμπειρία που αποκτήθηκε στα ηλεκτρονικά 3C προσφέρει μικρό πλεονέκτημα κατά την είσοδο στην κατασκευή ημιαγωγών. Η δεξιοτεχνία σε αυτούς τους τομείς απαιτεί τουλάχιστον οκτώ έως δέκα χρόνια συσσώρευσης στον κλάδο.
Επομένως, το βασικό εμπόδιο στη μηχανική όραση δεν είναι καμία μεμονωμένη απομονωμένη τεχνολογία, αλλά ολοκληρωμένες δυνατότητες που καλύπτουν οπτικά, μηχανικά, ηλεκτρονικά, αλγορίθμους και εξειδικευμένη γνώση διαδικασιών. Κανένας σύνδεσμος δεν μπορεί να παραμεληθεί.
Οι αγορές μεσαίας έως χαμηλής τεχνολογίας έχουν κατακτηθεί σε μεγάλο βαθμό· τα τμήματα υψηλής τεχνολογίας παραμένουν υπό ενεργή ανάπτυξη.
Συνοψίζοντας: οι εγχώριοι προμηθευτές έχουν εξασφαλίσει σταθερό έδαφος στις αγορές μεσαίας τεχνολογίας που καλύπτουν ηλεκτρονικά 3C, φωτοβολταϊκά και συσκευασία τροφίμων. Εταιρείες όπως οι Hikrobot, Dahua Technology, I-TEK OptoElectronics και TZTEK προσφέρουν ανταγωνιστικές βιομηχανικές κάμερες και συστήματα όρασης σε περίπου ένα τρίτο έως μισή τιμή των εισαγόμενων εναλλακτικών, καλύπτοντας πλήρως τις τυπικές απαιτήσεις επιθεώρησης.
Η I-TEK OptoElectronics, που ιδρύθηκε από τον Δρ. Dong Ning από το Πανεπιστήμιο Επιστήμης και Τεχνολογίας της Κίνας, I-TEK OptoElectronics ανέπτυξε την πρώτη εγχώρια παραγόμενη βιομηχανική κάμερα γραμμικής σάρωσης 8K στην Κίνα το 2012, καλύπτοντας ένα κρίσιμο εγχώριο κενό. Η εταιρεία έχει έκτοτε κυκλοφορήσει κάμερες γραμμικής σάρωσης 16K και κάμερες 150 megapixel με θερμοηλεκτρική ψύξη, κερδίζοντας μια θέση στο παγκόσμιο τραπέζι για υλικό απεικόνισης υψηλής τεχνολογίας βιομηχανικών εφαρμογών.
Η TZTEK επιτυγχάνει ακρίβεια επιθεώρησης 0,3 μm για καταναλωτικά ηλεκτρονικά, ανταγωνιζόμενη τις κορυφαίες προσφορές από τις Hexagon και Keyence. Οι λύσεις επιθεώρησης πλακετών της έχουν φτάσει σε ακρίβεια νανομέτρου, μειώνοντας το μακροχρόνιο μονοπώλιο της KLA.
Ωστόσο, εξακολουθούν να υπάρχουν σημαντικά κενά στους τομείς υψηλής τεχνολογίας, ιδιαίτερα στην επιθεώρηση ημιαγωγών στην αρχική φάση. Βασικά σημεία συμφόρησης περιλαμβάνουν:
Αυτοί οι επικαλυπτόμενοι περιορισμοί δημιουργούν το τρέχον μοτίβο της αγοράς: δυσκολία διείσδυσης σε τομείς υψηλής τεχνολογίας, ενώ η έντονη ανταγωνιστική τιμολόγηση κυριαρχεί στις αγορές μεσαίας τεχνολογίας.
Επιστρέφοντας στον τίτλο του βίντεο: "Οι αρχές είναι κοινή γνώση, ωστόσο η ακρίβεια παραμένει δύσκολο να επιτευχθεί σε εθνικό επίπεδο."
Αυτή η δήλωση ισχύει μόνο κατά το ήμισυ. Οι θεωρίες – αλγόριθμοι υπο-pixel, τηλεκεντρικά οπτικά, έλεγχος κίνησης ακριβείας – είναι όλες καταγεγραμμένες σε εγχειρίδια. Η πραγματική πρόκληση έγκειται στη μετάφραση της θεωρίας σε σταθερά βιομηχανικά προϊόντα, στο κλείδωμα της ακρίβειας αξιόπιστα σε αυτές τις τιμές δεκαδικών ψηφίων και στη μείωση του κόστους σε επίπεδα προσιτά για τους κατασκευαστές. Αυτή είναι η πραγματική δοκιμασία ικανότητας.
Η βιομηχανία μηχανικής όρασης δεν έχει χώρο για επαναστατικές ανακαλύψεις εν μία νυκτί ή για παντοδύναμες τεχνολογίες "μαγικής λύσης".
Τα ανταγωνιστικά της εμπόδια είναι ενσωματωμένα σε χιλιάδες λεπτές λεπτομέρειες:
Τέτοιες γνώσεις σπάνια δημοσιεύονται σε ακαδημαϊκές εργασίες ή αποκαλύπτονται πλήρως σε πατέντες. Σφυρηλατούνται χρόνο με το χρόνο, γραμμή παραγωγής με γραμμή παραγωγής, εξάρτημα με εξάρτημα.
Η βιομηχανία μηχανικής όρασης της Κίνας έχει αναπτυχθεί πάνω από δύο δεκαετίες: από την πλήρη εξάρτηση από εισαγωγές, στην πλήρη εγχώρια αντικατάσταση σε τμήματα μεσαίας έως χαμηλής τεχνολογίας, και τώρα σε σταδιακές ανακαλύψεις στην υψηλή τεχνολογία. Η πρόοδος ήταν επίπονη, ωστόσο η κατεύθυνση είναι σαφής.
Άλλωστε, αυτά τα μικροσκοπικά κενά μετά την υποδιαστολή μπορούν να κλείσουν μόνο μέσω επίμονων, σταδιακών βελτιώσεων.
Το σκληρότερο τείχος της μηχανικής όρασης βρίσκεται στα ψηφία πέρα από την υποδιαστολή
Παρακολούθησα πρόσφατα ένα βίντεο για τη μηχανική όραση, με έναν τίτλο που προκαλεί σκέψη: "Οι αρχές είναι κοινή γνώση, ωστόσο η ακρίβεια παραμένει δύσκολο να επιτευχθεί σε εθνικό επίπεδο."
Για να είμαι ειλικρινής, αρχικά νόμιζα ότι ήταν απλώς ένα ακόμη κλισέ που έλεγε "η Κίνα δεν μπορεί να φτάσει". Αφού το παρακολούθησα, συνειδητοποίησα ότι η ιστορία είναι πολύ πιο σύνθετη.
Όσον αφορά τη μηχανική όραση, όλοι κατανοούν τη βασική αρχή – απλώς χρησιμοποιήστε μια κάμερα για να τραβήξετε εικόνες και να εκτελέσετε αλγορίθμους για αναγνώριση. Το OpenCV είναι ανοιχτού κώδικα εδώ και δεκαετίες, και τα σεμινάρια για τη βαθιά μάθηση είναι παντού. Φαίνεται ότι ο καθένας μπορεί να δημιουργήσει μια λύση μηχανικής όρασης.
Αλλά μόλις βρεθείτε μέσα σε εργοστάσια και σε γραμμές παραγωγής, βλέπετε ένα τεράστιο χάσμα μεταξύ της δημιουργίας ενός λειτουργικού συστήματος και της δημιουργίας ενός εξαιρετικού.
Πού βρίσκεται το χάσμα; Συνοψίζεται στα ψηφία μετά την υποδιαστολή.
Ας καθορίσουμε πρώτα ένα διαισθητικό πλαίσιο αναφοράς:
Μια ανθρώπινη τρίχα έχει περίπου 0,1 χιλιοστά, ισοδύναμο με 100 μικρόμετρα. Η τυπική επιθεώρηση μηχανικής όρασης προσφέρει ακρίβεια γύρω στα 0,01 χιλιοστά (10 μm), το ένα δέκατο της διαμέτρου μιας τρίχας. Αυτό ακούγεται ήδη εντυπωσιακό.
Ωστόσο, η υψηλή κατασκευή απαιτεί πολύ αυστηρότερες ανοχές – όχι απλώς 10 μm, ούτε καν 1 μm:
Τι σημαίνει πραγματικά 0,1 μm; Αν κόψετε μια ανθρώπινη τρίχα οριζόντια σε 1.000 τμήματα, κάθε τμήμα έχει μέγεθος 0,1 μm.
Σε αυτό το επίπεδο ακρίβειας, λεπτομέρειες που συνήθως παραβλέπονται υπό κανονικές συνθήκες γίνονται θανατηφόρες πηγές σφαλμάτων:
Η γραμμή διαχωρισμού μεταξύ έμπειρων μηχανικών μηχανικής όρασης και ερασιτεχνών δεν είναι το αν μπορούν να εντοπιστούν ελαττώματα, αλλά το αν η ακρίβεια μπορεί να κλειδωθεί σταθερά σε αυτές τις τιμές δεκαδικών ψηφίων σε δεκάδες χιλιάδες κύκλους επιθεώρησης.
Μια βιομηχανική κάμερα δεν είναι καθόλου σαν κάμερα smartphone.
Πολλοί άνθρωποι πιστεύουν λανθασμένα ότι οι αλγόριθμοι αποτελούν τον πυρήνα της μηχανικής όρασης. Αυτό είναι λάθος.
Το ανώτατο όριο οποιουδήποτε αλγορίθμου καθορίζεται από την απόδοση του υλικού. Κανένας αλγόριθμος, όσο εξελιγμένος κι αν είναι, δεν μπορεί να επιτύχει ακρίβεια υπο-μικρομέτρου με μια κάμερα καταναλωτικής ποιότητας που κοστίζει μερικές εκατοντάδες γιουάν. Είναι συγκρίσιμο με την προσπάθεια φωτογράφησης κυττάρων κάτω από μικροσκόπιο χρησιμοποιώντας κάμερα κινητού τηλεφώνου – οι θολές εικόνες δεν μπορούν να σωθούν.
Μια πλήρης στοίβα υλικού βιομηχανικής όρασης αποτελείται από τουλάχιστον τέσσερα επίπεδα: πηγές φωτός, φακούς, κάμερες και frame grabbers, καθένα από τα οποία απαιτεί αυστηρή βελτιστοποίηση.
Η πιο κρίσιμη παράμετρος για τις βιομηχανικές κάμερες δεν είναι ο αριθμός των pixel, αλλά το μέγεθος των pixel.
Οι κάμερες smartphone καταναλωτών επιδιώκουν υψηλούς αριθμούς megapixel. Ένας αισθητήρας 100 megapixel ακούγεται ελκυστικός, ωστόσο τα μεμονωμένα pixel μπορεί να είναι μόνο 0,8 μm ή μικρότερα. Τέτοια pixel υποφέρουν από χαμηλή πρόσληψη φωτός, υψηλό θόρυβο και περιορισμένο δυναμικό εύρος. Ενώ είναι επαρκή για την ομορφιά πορτρέτων, είναι ακατάλληλα για βιομηχανική επιθεώρηση.
Οι βιομηχανικές κάμερες ακολουθούν την αντίθετη λογική σχεδιασμού. Οι αισθητήρες υψηλής τεχνολογίας βιομηχανικών εφαρμογών συνήθως διαθέτουν μεγέθη pixel άνω των 2,5 μm, και μερικές φορές 5 μm ή 10 μm. Μεγαλύτερα pixel συλλαμβάνουν περισσότερα φωτόνια, παρέχοντας καθαρότερες εικόνες και πιο σταθερές μετρήσεις.
Μια άλλη κρίσιμη προδιαγραφή είναι το βάθος pixel. Οι συνηθισμένες φωτογραφίες καταναλωτών υιοθετούν κωδικοποίηση 8-bit με 256 επίπεδα γκρι. Η βιομηχανική επιθεώρηση χρησιμοποιεί συνήθως αισθητήρες 12-bit ή 16-bit, υποστηρίζοντας 4.096 ή ακόμη και 65.536 διακριτές τιμές γκρι. Η διαφορά μπορεί να φαίνεται αμελητέα με την πρώτη ματιά, ωστόσο οι υπολογισμοί ακρίβειας υπο-pixel βασίζονται εξ ολοκλήρου σε αυτές τις πλούσιες πληροφορίες γκρι.
Εάν η κάμερα καθορίζει την ελάχιστη εφικτή ακρίβεια, ο φακός καθορίζει τη μέγιστη δυνατή ακρίβεια.
Οι εικόνες που λαμβάνονται από συνηθισμένους φακούς παρουσιάζουν παραμόρφωση στις άκρες: οι ευθείες γραμμές φαίνονται καμπύλες. Τέτοια παραμόρφωση περνά απαρατήρητη από τα ανθρώπινα μάτια, ωστόσο γίνεται καταστροφική για τη μέτρηση μηχανικής όρασης σε επίπεδο μικρομέτρου.
Για την υψηλή βιομηχανική επιθεώρηση, τηλεκεντρικοί φακοί χρησιμοποιούνται αντί για συμβατικά οπτικά. Εντός ενός καθορισμένου εύρους εργασίας, οι τηλεκεντρικοί φακοί διατηρούν σταθερή μεγέθυνση ανεξάρτητα από την απόσταση του αντικειμένου και επιτυγχάνουν ρυθμούς παραμόρφωσης έως και μερικά δέκατα χιλιοστού ή χαμηλότερους. Όσον αφορά την τιμολόγηση, ένας premium τηλεκεντρικός φακός συχνά κοστίζει περισσότερο από τη βιομηχανική κάμερα που συνδυάζεται με αυτόν.
Επί του παρόντος, οι διεθνείς μάρκες εξακολουθούν να κυριαρχούν στην εγχώρια αγορά για βιομηχανικούς φακούς υψηλής ακρίβειας.
Ένα γνωστό βιομηχανικό αξίωμα λέει: "Στη μηχανική όραση, ο φωτισμός αποτελεί το 70% της επιτυχίας, οι αλγόριθμοι μόνο το 30%."
Πολλές προκλήσεις επιθεώρησης προκύπτουν όχι από ελαττωματικούς αλγορίθμους, αλλά από την αποτυχία σωστής φωταγώγησης των ελαττωμάτων για καθαρή απεικόνιση.
Η γωνία φωτός, το μήκος κύματος, η ομοιομορφία και η σταθερότητα διαμορφώνουν την τελική ποιότητα απεικόνισης. Οι μηχανικοί συχνά αφιερώνουν πολύ περισσότερο χρόνο προσαρμόζοντας το υλικό φωτισμού παρά ρυθμίζοντας τις παραμέτρους του αλγορίθμου.
Οι εγχώριοι κατασκευαστές ικανοί για σταθερή μαζική παραγωγή εξειδικευμένων πηγών φωτός υψηλής τεχνολογίας, όπως ο φωτισμός βαθύ υπεριώδους, παραμένουν σπάνιοι· οι περισσότερες προμήθειες εξακολουθούν να βασίζονται σε εισαγωγές.
Το υλικό καθορίζει τη βασική απόδοση, ενώ οι αλγόριθμοι ξεκλειδώνουν το πλήρες δυναμικό του υλικού. Η κρίσιμη τεχνολογία εδώ είναι η ακρίβεια υπο-pixel.
Τι ακριβώς είναι η ακρίβεια υπο-pixel;
Η θεμελιώδης μονάδα μιας ψηφιακής εικόνας είναι ένα pixel. Όταν η άκρη ενός εξαρτήματος διασχίζει ένα όριο pixel, οι παραδοσιακοί αλγόριθμοι μπορούν μόνο να επιβεβαιώσουν ότι η άκρη βρίσκεται κάπου εντός αυτού του pixel, περιορισμένη σε ακρίβεια ακέραιων pixel.
Οι αλγόριθμοι υπο-pixel αξιοποιούν τις σταδιακές διακυμάνσεις γκρι και τη μαθηματική μοντελοποίηση για να εξαγάγουν την ακριβή θέση της άκρης μέσα σε ένα μόνο pixel.
Η εφικτή ακρίβεια ποικίλλει ανάλογα με τον αλγόριθμο:
Τι σημαίνει 0,01 pixel στην πράξη; Ας υποθέσουμε ότι ένα pixel αντιστοιχεί σε μια φυσική διάσταση 10 μm. Μια ακρίβεια 0,01 pixel μεταφράζεται σε σφάλμα μέτρησης 0,1 μm, ή 100 νανόμετρα. Χωρίς αναβάθμιση υλικού, οι αλγόριθμοι μόνοι τους αυξάνουν την ακρίβεια κατά 100 φορές.
Εντυπωσιακό όσο ακούγεται, αυτή η τεχνολογία δεν είναι μυστικό. Η υποκείμενη θεωρία εμφανίστηκε δεκαετίες πριν, με άφθονες ακαδημαϊκές εργασίες και κώδικα ανοιχτού κώδικα διαθέσιμα δημόσια.
Γιατί λοιπόν παραμένει εμπόδιο; Η ακρίβεια που αναφέρεται σε ερευνητικές εργασίες μετράται υπό ιδανικές εργαστηριακές συνθήκες. Οι πραγματικές γραμμές παραγωγής αντιμετωπίζουν συνεχή παρεμβολή:
Διατήρηση σταθερής ακρίβειας έως δύο δεκαδικά ψηφία υπό αυτές τις χαοτικές συνθήκες αντιπροσωπεύει γνήσια μηχανική δεξιοτεχνία. Η συνέπεια είναι δέκα χιλιάδες φορές πιο δύσκολη από την ακρίβεια μιας εφάπαξ μέτρησης.
Αυτό το επίπεδο αποτελεί το πραγματικό ανταγωνιστικό τείχος.
Πολλοί εξωτερικοί παρατηρητές απλοποιούν τη μηχανική όραση ως "εγκατάσταση μιας κάμερας και συγγραφή κάποιων αλγορίθμων". Τίποτα δεν θα μπορούσε να απέχει περισσότερο από την πραγματικότητα. Οι λύσεις μηχανικής όρασης που κατασκευάζονται για διαφορετικούς κλάδους είναι ουσιαστικά διακριτές τεχνολογίες.
Πρόσθετοι τομείς εφαρμογής περιλαμβάνουν τη φωτοβολταϊκή, την αυτοκινητοβιομηχανία, τη φαρμακευτική και την επεξεργασία τροφίμων.
Τα οπτικά σχήματα, οι αρχιτεκτονικές αλγορίθμων, οι δομές μηχανολογικού εξοπλισμού και τα πρότυπα επικύρωσης διαφέρουν δραστικά μεταξύ των κλάδων. Η εμπειρία που αποκτήθηκε στα ηλεκτρονικά 3C προσφέρει μικρό πλεονέκτημα κατά την είσοδο στην κατασκευή ημιαγωγών. Η δεξιοτεχνία σε αυτούς τους τομείς απαιτεί τουλάχιστον οκτώ έως δέκα χρόνια συσσώρευσης στον κλάδο.
Επομένως, το βασικό εμπόδιο στη μηχανική όραση δεν είναι καμία μεμονωμένη απομονωμένη τεχνολογία, αλλά ολοκληρωμένες δυνατότητες που καλύπτουν οπτικά, μηχανικά, ηλεκτρονικά, αλγορίθμους και εξειδικευμένη γνώση διαδικασιών. Κανένας σύνδεσμος δεν μπορεί να παραμεληθεί.
Οι αγορές μεσαίας έως χαμηλής τεχνολογίας έχουν κατακτηθεί σε μεγάλο βαθμό· τα τμήματα υψηλής τεχνολογίας παραμένουν υπό ενεργή ανάπτυξη.
Συνοψίζοντας: οι εγχώριοι προμηθευτές έχουν εξασφαλίσει σταθερό έδαφος στις αγορές μεσαίας τεχνολογίας που καλύπτουν ηλεκτρονικά 3C, φωτοβολταϊκά και συσκευασία τροφίμων. Εταιρείες όπως οι Hikrobot, Dahua Technology, I-TEK OptoElectronics και TZTEK προσφέρουν ανταγωνιστικές βιομηχανικές κάμερες και συστήματα όρασης σε περίπου ένα τρίτο έως μισή τιμή των εισαγόμενων εναλλακτικών, καλύπτοντας πλήρως τις τυπικές απαιτήσεις επιθεώρησης.
Η I-TEK OptoElectronics, που ιδρύθηκε από τον Δρ. Dong Ning από το Πανεπιστήμιο Επιστήμης και Τεχνολογίας της Κίνας, I-TEK OptoElectronics ανέπτυξε την πρώτη εγχώρια παραγόμενη βιομηχανική κάμερα γραμμικής σάρωσης 8K στην Κίνα το 2012, καλύπτοντας ένα κρίσιμο εγχώριο κενό. Η εταιρεία έχει έκτοτε κυκλοφορήσει κάμερες γραμμικής σάρωσης 16K και κάμερες 150 megapixel με θερμοηλεκτρική ψύξη, κερδίζοντας μια θέση στο παγκόσμιο τραπέζι για υλικό απεικόνισης υψηλής τεχνολογίας βιομηχανικών εφαρμογών.
Η TZTEK επιτυγχάνει ακρίβεια επιθεώρησης 0,3 μm για καταναλωτικά ηλεκτρονικά, ανταγωνιζόμενη τις κορυφαίες προσφορές από τις Hexagon και Keyence. Οι λύσεις επιθεώρησης πλακετών της έχουν φτάσει σε ακρίβεια νανομέτρου, μειώνοντας το μακροχρόνιο μονοπώλιο της KLA.
Ωστόσο, εξακολουθούν να υπάρχουν σημαντικά κενά στους τομείς υψηλής τεχνολογίας, ιδιαίτερα στην επιθεώρηση ημιαγωγών στην αρχική φάση. Βασικά σημεία συμφόρησης περιλαμβάνουν:
Αυτοί οι επικαλυπτόμενοι περιορισμοί δημιουργούν το τρέχον μοτίβο της αγοράς: δυσκολία διείσδυσης σε τομείς υψηλής τεχνολογίας, ενώ η έντονη ανταγωνιστική τιμολόγηση κυριαρχεί στις αγορές μεσαίας τεχνολογίας.
Επιστρέφοντας στον τίτλο του βίντεο: "Οι αρχές είναι κοινή γνώση, ωστόσο η ακρίβεια παραμένει δύσκολο να επιτευχθεί σε εθνικό επίπεδο."
Αυτή η δήλωση ισχύει μόνο κατά το ήμισυ. Οι θεωρίες – αλγόριθμοι υπο-pixel, τηλεκεντρικά οπτικά, έλεγχος κίνησης ακριβείας – είναι όλες καταγεγραμμένες σε εγχειρίδια. Η πραγματική πρόκληση έγκειται στη μετάφραση της θεωρίας σε σταθερά βιομηχανικά προϊόντα, στο κλείδωμα της ακρίβειας αξιόπιστα σε αυτές τις τιμές δεκαδικών ψηφίων και στη μείωση του κόστους σε επίπεδα προσιτά για τους κατασκευαστές. Αυτή είναι η πραγματική δοκιμασία ικανότητας.
Η βιομηχανία μηχανικής όρασης δεν έχει χώρο για επαναστατικές ανακαλύψεις εν μία νυκτί ή για παντοδύναμες τεχνολογίες "μαγικής λύσης".
Τα ανταγωνιστικά της εμπόδια είναι ενσωματωμένα σε χιλιάδες λεπτές λεπτομέρειες:
Τέτοιες γνώσεις σπάνια δημοσιεύονται σε ακαδημαϊκές εργασίες ή αποκαλύπτονται πλήρως σε πατέντες. Σφυρηλατούνται χρόνο με το χρόνο, γραμμή παραγωγής με γραμμή παραγωγής, εξάρτημα με εξάρτημα.
Η βιομηχανία μηχανικής όρασης της Κίνας έχει αναπτυχθεί πάνω από δύο δεκαετίες: από την πλήρη εξάρτηση από εισαγωγές, στην πλήρη εγχώρια αντικατάσταση σε τμήματα μεσαίας έως χαμηλής τεχνολογίας, και τώρα σε σταδιακές ανακαλύψεις στην υψηλή τεχνολογία. Η πρόοδος ήταν επίπονη, ωστόσο η κατεύθυνση είναι σαφής.
Άλλωστε, αυτά τα μικροσκοπικά κενά μετά την υποδιαστολή μπορούν να κλείσουν μόνο μέσω επίμονων, σταδιακών βελτιώσεων.