Här kommer en betraktelse från Linus Beccau, examinerad civilingenjör i teknisk fysik vid Umeå Universitet om Machine vision i bilindustri som har fler användningsområden än autonoma fordon:
”I fordonsindustrin används stenskott som en metod för att bedöma kvalitén på lackerade ytor genom att skjuta en bestämd mängd sten på en yta och sedan utvärdera skadornas omfattning. Manuell utvärdering av skadorna kan dock vara tidsödande och dessutom finns risk för bedömningsfel på grund av avsaknad av kvantifierbara parametrar.
Jag har undersökt om fotometrisk stereo är en lämplig metod för att automatiskt identifiera och analysera stenskottsskador på lackerade testpaneler. Fokus har varit att bestämma skadans omfattning och avgöra hur många lager lack som skadan har penetrerat.
Lackering är en kritisk process då det är kostsamt att åtgärda eventuella fel. Eftersom lackering oftast är en process som är långt bak i processkedjan så har produkten ett högt värde. Det är både mycket material och tid som har spenderats på produkten när den är klar för lackering, speciellt inom fordonsindustrin.
Fotometrisk stereo
Fotometrisk stereo är en metod som introducerades redan på 80-talet av Robert J. Woodham [1]. Metoden går ut på att använda kända ljuskällor tillsammans med modeller för hur ljus reflekteras för att bestämma normalen på en yta. Detta görs i praktiken genom att ta flera bilder samtidigt som man belyser ett objekt från olika håll. Därefter beräknas normalen genom att jämföra ljusförhållandena i de olika bilderna. Normalen till ytan kan sedan integreras för att återskapa en 3D-modell av ytan.
Projektet
För att undersöka om fotometrisk stereo är en lämplig metod utvecklades en kamerarigg som kan belysa ett objekt från förutbestämda vinklar. Algoritmer implementerades för insamling och brusreducering av bilddata, fotometrisk stereo, integrering av gradientfält, identifiering och klassificering av skador.
Under projektets gång har det visat sig att fotometrisk stereo är ett bra verktyg för den här typen av problem och det finns stor potential att ersätta kostsamma kvalitetskontroller som dessutom anses vara ett arbetsmiljöproblem då det är en monoton och tråkig arbetsuppgift.
Framtiden
De senaste åren har en ökad tillgång på billiga kamerasensorer och mikrokontroller tillsammans med molntjänster och bra internetkommunikation möjliggjort billigt insamlande och analys av stora datamängder. Detta kombinerat med stora framsteg i artificiell intelligens (AI), vilket har som styrka att kunna analysera stora datamängder och dra komplexa slutsatser, gör att computer vision och AI ser ut att ta en allt större roll i både vårt vardagliga liv och industriella applikationer. Vi har sett denna utveckling i allt från självkörande bilar till att Googles AlfaGo slog värden bästa Go-spelare 2017[2]. Fotometrisk stereo kan vara ett fördelaktigt sätt att samla in data jämfört med en vanlig bild eftersom det innehåller information om ytans form.
För Knightec är det viktigt att vara drivande i utvecklingen och genom att skapa bred kompetens kan vi ge kunden den bästa lösningen. Att Knightec är i framkant i den tekniska utvecklingen säkrar inte bara vår egen konkurrenskraft, det ger också möjlighet att hjälpa våra kunder bli konkurrenskraftiga.”
