AES_6 2023

Automazione e Strumentazione n Settembre 2023 Speciale 83 IDENTIFICAZIONE E VISIONE Sistemi di visione per la produzione In termini di controllo della produzione i sistemi MV (Machine Vision) permettono di riconoscere la quasi totalità delle difettosità di un prodotto. Tutto ciò ha un immediato riscontro economico in quanto si riflette sia nella riduzione degli scarti, sia nell’abbattimento dei costi di manodo- pera e manutenzione. Importanti driver per l’evoluzione dei sistemi MV sono l’affermazione di tecnologie emergenti come la realtà aumentata, le misure tridimen- sionali, i sistemi di illuminazione LED di nuova generazione. C’è poi un tema legato all’organizzazione della produzione che vede i sistemi MV come stru- mento ideale al servizio di metodologie di tipo Six Sigma, Kaizen, Lean e modelli Rule-Based (basati su rigide procedure), accomunate dall’obiettivo di portare i processi aziendali sotto controllo stati- stico e di renderli più efficaci ed efficienti. La maggioranza delle telecamere progettate per applicazioni MV opera nell’intervallo della radiazione elettromagnetica nel visibile, sfruttando la grande varietà di sensori CCD e CMOS. Alternative interessanti alle telecamere CCD e CMOS sono quelle termiche con sensori LWIR (Long Wavelenght InfraRed), MWIR (Medium Wavelength InfraRed), SWIR (Short Wavelength InfraRed) e VISNIR (Visible Near Infrared), oltre alle tecnologie non intrusive come l’olografia conoscopica (utilizzata per controlli dimensionali in abbinamento a micro- scopi ottici) e i sistemi di visione a raggi X, in grado di effettuare scansioni tridimensionali dei componenti. In alcune applicazioni (mobili e IoT ad esempio) le soluzioni di machine vision possono essere di tipo embedded dove l’elaborazione delle immagini avviene all’interno del dispositivo stesso, senza la necessità di un computer esterno o di un sistema separato. Ciò consente di eseguire elaborazioni di immagini in tempo reale, riducendo la necessità di trasferire dati a un sistema esterno, migliorando l’efficienza e la velocità delle operazioni. Sistemi di visione e AI L’intelligenza artificiale (AI) e l’apprendimento automatico (ML, Machine Learning) stanno rivoluzionando la visione industriale. In particolare gli algoritmi di deep learning consentono alle macchine di riconoscere e classificare oggetti con maggiore precisione, migliorando la qualità del controllo di qualità, la sicurezza e l’efficienza dei processi indu- striali. Alla base del Deep Learning vi sono le reti neurali, ossia particolari algoritmi in grado di decidere autonomamente, in base a determi- nati input dati dal sistema. A seconda dello svi- luppo e del livello di avanzamento, le reti neu- rali possono migliorarsi con l’esperienza, ossia riconoscere le variabili che causano errori ed eliminarle quando sia necessario ripetere una stessa iterazione. In definitiva, nell’ambito dell’identificazione automatica e dei sistemi di visione, la tecnologia di Deep Learning simula l’intelligenza umana al fine di distinguere anomalie, componenti e carat- teri, tollerando al contempo variazioni naturali in modelli complessi. Sistemi di visione e identificazione basati su IoT e blockchain I sistemi di visione e identificazione basati su IoT (Internet of Things) e blockchain possono essere utilizzati per monitorare e tracciare il percorso e la provenienza dei prodotti lungo l’intera catena di fornitura. Essi combinano la potenza della tecnologia IoT per la raccolta di dati, con la con- nettività e la tecnologia blockchain per garantire la sicurezza, l’autenticità e l’integrità dei dati tra- mite registri digitali immutabili. I dispositivi IoT, come sensori e telecamere, vengono utilizzati per raccogliere dati e informazioni sulla posizione, le condizioni ambientali e le caratteristiche degli oggetti o degli individui. Le tecnologie di tracciamento ottico, grazie anche all’assenza di contatto, rendono i processi di tracciabilità più efficienti, riducendo i rischi di danni o contaminazione