外観検査（寸法・計測）
食品業界、製薬業界
外観検査（寸法・計測）とは
寸法を計測し、サイズを判断する検査
通常、製品を定規やメジャーで実際に寸法を計測する作業をカメラを使用して計測し、サイズ違いを判断する検査です。
外観検査（寸法・計測）の判別方法
カメラの視野と解像度から分解能を事前に計算し、画像内の対象物の測定ポイント間の画素数を抽出し、分解能をもとに実寸法に換算して対象のサイズを計測します。
外観検査（寸法・計測）のメリット
その他の検査を行いながら、カメラの視野内であれば、計測対象物のサイズを計測することが可能です。
外観検査（寸法・計測）の手順
STEP01
撮像
タイミング信号の入力で撮像します。
STEP02
対象切出
撮像した画像データから検査対象を切り出します。
STEP03
座標データ抽出
測定ポイントの座標（X,Y）を寸法計測に必要な数抽出します。
STEP04
実寸法計算
抽出された座標データの相対距離（画素）を視野と画素数から算出される分解能で実寸法に変換します。
STEP05
結果出力
検査結果が、判定基準内の場合は良品判定、判定基準外の場合は不良品判定を行います。
外観検査（寸法・計測）の具体例
食品業界、製薬業界
課題
- 封緘シールやアイキャッチシールの位置を検査したい
処理例
- 製品の中心からの距離や特定の高さにあることをカメラで計測する
成果
- 対象物の位置ズレや有無を高精度に検出が可能となった
関連製品
最大12カメラを装着1台で制御。
自動車業界、FA業界
外観検査（寸法・計測）とは
定型品・不定形品の認識
山積み状態の部品から、個々の部品を画像認識し、重心位置と法線ベクトルを算出します。
定型品の場合には、モデルデータとのマッチングを行い認識する方法や、表面積を認識させる面フィッティング、物体の外形の輪郭から個体を認識させる手法、不定形物の大まかな重心座標取得する方法等、ピッキング対象物やタクトタイム等の条件を加味した様々な認識方法とシステム構成を提案させていただきます。
外観検査（寸法・計測）の判別方法
3次元画像認識 ライブラリ構成
認識した物体からピッキングを行うには、複数認識した物体から、ロボットハンドの形状を認識した物体に当てはめ、アプローチ可能か干渉チェックを行い、どの物体からピックするか順位付けをします。
外観検査（寸法・計測）のメリット
3次元画像認識 メリット
当社の開発したソフトウェアでは、各種パラメーターの設定により、干渉チェックから、順位付けまで行いますので、システム構築にかかる工数を大幅に削減できます。また、各種ロボット通信にサンプルソフトウェアもご用意しています。
外観検査（寸法・計測）の具体例
定型品・幾何形状の認識（自動車・電子部品等）
処理例
自動車・電子部品などの幾何形状に近い製品は３CADなどのモデルデータと使用して３次元認識を行います。バラ積みピッキングの場合には、３Dカメラで取得した製品のバラ積み状態の点群データから、３次元認識により部品の位置を特定します。より単純な形状、例えば円筒、リングなどの部品は、３CADを使用せず、部品の形状の数値データを入力するとソフトウェア内部でモデルデータを自動で作成し認識を行います。
関連製品
「ENSENSO」、「Zivid」を取り扱っております。
ランダムワークのピッキング
課題
ランダムワークの形状は、主に、円筒ボトル系、箱物、袋・パウチ・ブリスターパック系、薄物（封筒）、異型物（洗剤ボトル等）様々、３Ｄモデルマッチング方式では認識はほぼ不可能に近い。無限に近い形状があり、混載状態にある製品の認識は非常に難易度が高い。
処理例
無限に近い形状があり、混載状態にある製品の認識は非常に難易度が高く、認識対象物の事前情報（次に流れてくるワークの種類も形状もわからない）が無い場合には、ロボットハンドが干渉せず、混載状態にある製品の形状情報（３Ｄの点群情報）から、ぞれぞれの点群の密度や２次元の色情報などを組合せ、個体認識をさせます。事前情報がないため、認識率は高いとは言い切れませんが、ピック＆プレースの場合は、本来の目的であるピックするという考えに基づき、認識し、ピックＮＧの場合には次の候補に以降する方法で稼働率を上げていきます。現在の当社にランダムワーク認識は、認識率を向上させるために、DeepLearningによる認識を併用して行う場合が増えてきています。
成果
当社では、個体認識で重要な、個々の分断ポイント・境界線などを３次元と２次元を組合せて認識させ、更に、精度向上を目的としてＡＩ（Deep Learningなどの機械学習）を使用し、認識を高めています。
関連製品
物流自動化を実現するためのデパレタイジングシステムです。
All-in-Oneの画像処理パッケージソフトウェア。