Casos de uso reales de sistemas de visión artificial en ......• Reconfigurabilidad de máquinas. • Industria 4.0. Concepto de fábricas inteligentes: Industria 4.0. • Integración

Porriño, 11 04 2018

Innovación y Tecnología

Casos de uso reales de sistemas de visión

artificial en trenes de laminación

2

Motivación del proyecto

www.aimen.es | [email protected]

Necesidades del sector:

• Introducción de robótica en el sector de laminación.

• Uso de sistemas basados en visión artificial.

• Reconfigurabilidad de máquinas.

• Industria 4.0.

Concepto de fábricas inteligentes: Industria 4.0.

• Integración con los sistemas de gestión de planta: ERP, MES... Enlace desde el nivel 1 hasta el nivel

de gestión. Rápida reconfiguración de mecanismos, máquinas y robots desde la capa de gestión de la

planta (capa MES).

• Plug&Produce: Conexión rápida, sencilla y sin necesidad de configuraciones.

• Fabricación de lotes cortos de productos de modo eficiente y reaccionar ante cambios rápidos en el

mercado. Flexibilidad.

3

PROYECTO TINTIN


Centros Investigación

Empresas Colaboradoras

Empresa Líder

4

PROYECTO TINTIN


Capa MES

Análisis geometría

Identificación de propiedades y

defectos

Control del bucle

Contaje de barras

Zonas dedespunte

Sistemacámara-

láser

Cámara multiespectral

Termografía Visión 2D

Cambio de anillos

Corte zonas de despunte

Readaptación canal

Cambio flexiblea la salida del

horno

MONITORIZACIÓN ACTUACIÓN

Sistema robotizado

Sistema robotizado

Rotosondabasada en

visión artificial

Sistema reconfigurable


MODELOS DE SIMULACIÓN DE

HORNOS

Velocidad trenlaminación

Visión 2D (flujo óptico)

Reconfiguración tren laminación


5

Casos de uso estudiados


RECONFIGURACIÓN RÁPIDA, FLEXIBILIDAD

• Comunicación entre la capa de gestión (MES) y de proceso.

• Fabricación flexible a la salida del horno.

ROBÓTICA

• Sistema robotizado de corte de las zonas de despunte.

• Sistema robotizado para el cambio de anillos.

SIMULACIÓN

• Modelo de simulación del horno para quemadores de bóveda.

VISIÓN ARTIFICIAL

• Sistema de contaje de barras.

• Adquisición 3D de la geometría de la palanquilla.

• Monitorización de velocidad.

• Sistema de monitorización multiespectral.

• Rotosonda basada en visión artificial.

6

Monitorización de la velocidad


7



Entrada caja de laminación 1








8



ALGORITMO

• Basado en sistemas de flujo óptico.

• El algoritmo está basado en la extracción de puntos característicos entre imágenes consecutivas, de

esta manera, podemos calcular la velocidad midiendo la diferencia en pixeles entre una imagen y la

siguiente y una calibración previa.

• Un ejemplo típico es el cálculo de la velocidad de un coche.

9



10



ALGORITMO

• Desarrollo de un algoritmo propio para mejorar la detección de la textura.

• Gran robustez frente a la presencia de vapor de agua en la imagen, ya que tan sólo se encuentran los

puntos de interés repetidos entre una imagen y la siguiente, es decir, puntos pertenecientes a la textura

en la superficie de la palanquilla, ya que, el vapor de agua tiene un comportamiento no repetitivo entre

una imagen y la siguiente.

11



Altura (mm)

Altura (px)

Factor conv.

(m/px)

Velocidad (px/s)

Velocidad software

CELSA (m/s)

Velocidad sistema visión (m/s)

Error (m/s)

Entr. Caja 1 160,00 770 0,000208 626,62 N/D 0,13021 N/D

160,00 770 0,000208 614,82 N/D 0,12775 N/D

Entr. Caja 2 112,00 545 0,000206 820,20 0,16711 0,16855 -0,00144

112,00 545 0,000206 830,83 0,16711 0,17074 -0,00363

112,00 545 0,000206 846,73 0,16711 0,17401 -0,00690

Entr. Caja 3(*) 118,00 678 0,000174 1165,87 0,23676 0,20291 0,03385

118,00 678 0,000174 1177,77 0,23676 0,20498 0,03178

118,00 678 0,000174 1150,48 0,23676 0,20023 0,03653

Entr. Caja 4 85,50 520 0,000164 1737,01 0,29911 0,28560 0,01351

85,50 520 0,000164 1773,51 0,29911 0,29161 0,00751

85,50 520 0,000164 1735,03 0,29911 0,28528 0,01383

Entr. Caja 5 61,50 425 0,000145 2585,62 0,39387 0,37415 0,01971

61,50 425 0,000145 2690,96 0,39387 0,38940 0,00447

61,50 425 0,000145 2640,48 0,39387 0,38209 0,01177

Entr. Caja 6(*) 86,00 514 0,000167 N/D 0,58663 N/D N/D

86,00 514 0,000167 N/D 0,58663 N/D N/D

86,00 514 0,000167 N/D 0,58663 N/D N/D

Entr. Caja 7 44,00 363 0,000121 N/D 0,76733 N/D N/D

44,00 363 0,000121 N/D 0,76733 N/D N/D

44,00 363 0,000121 N/D 0,76733 N/D N/D

Entr. Caja 8(*) 63,50 514 0,000124 N/D 1,06747 N/D N/D

63,50 514 0,000124 N/D 1,06747 N/D N/D

63,50 514 0,000124 N/D 1,06747 N/D N/D

12



13



14



CONCLUSIONES

• El algoritmo presenta una gran robustez frente a la presencia de vapor de agua en la imagen.

• El frame rate de la cámara es más que suficiente para capturar a las velocidades a las que se mueven las

palanquillas a lo largo del tren de laminación.

• Se observa que la superficie de la palanquilla presenta más textura cuando sale de una caja donde se haya

producido una compresión vertical, mientras que la textura prácticamente desaparece al salir de una caja donde

se produzca una compresión lateral. Colocación de la cámara en una posición cenital para las cajas que realizan

la compresión lateral.

• El algoritmo de análisis de imagen propuesto funciona correctamente para el cálculo de velocidades en las

primeras 5 cajas, con un tiempo de exposición de 2500 microsegundos. En nuevas cajas sería necesario

reducirlo por debajo de 2000 microsegundos.

15

Sistema de monitorización multiespectral


OBJETIVOS

• Detección de posibles defectos visibles en longitudes de onda específicas.

• Caracterización espectral de varias series de producto laminado.

• Correlación de composición y propiedades del producto laminado con su espectro.

16



Espectrógrafo V10E de Specim Cámara Photonfocus MV1-D1312-C020-160

Espejo rotativo empleado para el barrido

17



18



Tiempo de exposición óptimo de entre 10 y 40 milisegundos.

Se ha acotado la región de interés del espectro de la palanquilla a las franjas del rojo y del infrarrojo cercano,

aproximadamente por encima de 675nm.

19



20



El espectro medio de las marcas segmentadas es diferente al espectro medio de la palanquilla.

Se aplica una corrección de iluminación (para descartar que la diferencia sea causada únicamente por una

intensidad menor) y se calcula la diferencia relativa en cada banda (espectro medio/espectro marcas)

21



Se ha realizado una comparación de los espectros de las palanquillas en las 3 series de capturas que se han

realizado, tras realizar la corrección de iluminación se puede observar que el espectro de las capturas tomadas en

la misma serie es muy parecido.

Se ha buscado una correlación entre la absorción en este punto del espectro y la composición/propiedades

medidas del producto laminado pero debido a los pocos datos todavía no se han obtenido resultados concluyentes.

22



CAMBIO DE ENFOQUE

Es muy tedioso ir a CELSA con todo el sistema.

Cada vez que se va, aunque se obtengan 40 imágenes hiperespectrales, el espectro obtenido en todas las

palanquillas es uniforme y prácticamente sólo se consigue un dato de composición para las 40 palanquillas (si se fue

5 días a CELSA es casi como tener 5 datos).

La idea es la de colectar luz y pasarlas por un espectrofotómetro. Son sistemas son más precisos que la cámara

hiperespectral, más baratos y con más rango y mayor resolución espectral.

En AIMEN trabajamos con uno que va de 200nm a 1000nm (la cámara va de 400 a 1000). Con el colector de luz

conectada a una fibra y al sistema, se podría tomar medidas a distancia de la palanquilla.

23



2

4

Rotosonda


OBJETIVOS

• Sustituir la rotosonda (loop scanner) habitualmente usada para saber la medida de la altura del bucle en

base a un valor umbral, siendo una salida analógica que mide la altura respecto a un origen

previamente ajustado.

• Menor coste del sistema.

• Mayor flexibilidad y posibilidad de más análisis.

• Posibilidad de usar el sistema como HMD (Hot Metal Detector).

2

5

Rotosonda


2

6

Rotosonda


2

7

Rotosonda


2

8

Rotosonda


2

9

Rotosonda


A partir de la implantación de la aplicación del sistema de visión artificial se plantean nuevas posibilidades de

desarrollo de la aplicación:

• Cálculo de la curvatura real.

• Comparación entre la curva del bucle y la curvatura teórica.

• Posible detección de vibraciones.

• Detección de madejas.

3

0

Proyecto TINTIN - 00083050/ITC-20151240


Sede Torneiros

Edificio Armando PriegueRelva 27 A – Torneiros

E36410 O PORRIÑO

Pontevedra – España

Telf. +34 986 344 000

Fax +34 986 337 302

Sede Central

Centro de Aplicaciones LáserPolígono Industrial de Catoboi

SUR-PPI-2 (Sector 2) Parcela 3

E36418 O PORRIÑO

Pontevedra – España

Telf. +34 986 344 000

Fax +34 986 337 302

Delegación A CoruñaPolígono Industrial de Pocomaco

Parcela D-22 Oficina 20

E15190 A Coruña - España

Telf. +34 662 119 796

Delegación MadridAvda. General Perón 32 8º H

Edificio Torre Castellana

E28020 Madrid - España

Telf. +34 687 448 915

[email protected]

www.aimen.esManuel Álvarez Souto | Técnico Senior I+D Robótica y Control

Tlf. 673 14 35 66 | e-mail: [email protected]

Gracias por su atención

mailto:[email protected]

http://www.aimen.es/

Documents

Casos de uso reales de sistemas de visión artificial en ......• Reconfigurabilidad de máquinas. • Industria 4.0. Concepto de fábricas inteligentes: Industria 4.0. • Integración