ITRM990741A1 - Sistema e metodo di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti indus - Google Patents

Description

DESCRIZIONE dell’invenzione industriale dal titolo:

"SISTEMA E METODO DI ACQUISIZIONE ED ELABORAZIONE DI IMMAGINI PER RICERCA DI DIFETTI SUPERFICIALI E PER VALUTAZIONE DI TONO DI PRODOTTI INDUSTRIALI"

DESCRIZIONE

La presente invenzione si riferisce ad un sistema e ad un metodo per acquisizione ed elaborazione in tempo reale di immagini. Tali immagini provengono in genere da trasduttori di immagini quali ad esempio telecamere lineari con uscita digitale e sono relative a prodotti industriali piani di tipo continuo quali ad esempio laminati metallici o tessuti, oppure prodotti discreti con superficie piana quali pezzi metallici, ceramici o plastici. Il sistema ed il metodo secondo la presente invenzione sono tali da permettere di valutare la qualità della superficie ispezionata, classificando la stessa sia. in funzione dei difetti riscontrati sia in funzione delle variazioni di tono misurate, dove per tono si intende la gradazione dell’intensità di grigio. Sono noti sistemi per la ispezione di superfici tramite registrazione ed elaborazione di immagini relative al prodotto da esaminare.

Lo svantaggio principale di tali metodi è quello di consentire la sola individuazione di una particolare tipologia di difetti su un particolare prodotto, quali ad esempio ammaccature o difetti di lucidatura su parti di carrozzeria. Inoltre la valutazione della gravità dei difetti riscontrati è normalmente lasciata ad un operatore specializzato, con conseguenti errori dovuti alle naturali limitazioni sensorie dell’essere umano.

La presente invenzione ovvia a tali problemi di tecnica antecedente in quanto prevede un metodo di acquisizione ed elaborazione di immagini di un prodotto industriale, per ricerca di difetti superficiali e per valutazione di tono di detto prodotto industriale, caratterizzato dal fatto di comprendere i seguenti passi:

acquisire immagini digitalizzate di detto prodotto;

eseguire una elaborazione di dette immagini digitalizzate per individuare una o più aree difettose di detto prodotto;

eseguire una prima classificazione di detto prodotto sulla base di dette aree difettose individuate;

attribuire un tono a detto prodotto; ed

eseguire una seconda classificazione di detto prodotto sulla base del tono attribuito.

Viene inoltre previsto un sistema di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti industriali comprendente:

un dispositivo di illuminazione lineare;

una prima intelaiatura atta a ruotare attorno ad un asse di rotazione di intelaiatura, sulla quale è disposto detto dispositivo di illuminazione lineare;

un primo trasduttore di immagini;

una seconda intelaiatura atta a ruotare attorno a detto asse di rotazione di intelaiatura, sulla quale è montato detto primo trasduttore di immagini; un secondo trasduttore di immagini;

una terza intelaiatura atta a ruotare attorno a detto asse di rotazione di intelaiatura, sul quale è montato detto secondo trasduttore di immagini; mezzi di acquisizione e digitalizzazione di immagini rilevate tramite detti primo e secondo trasduttore di immagini;

una unità di elaborazione, atta ad elaborare le immagini acquisite e digitalizzate tramite detti mezzi di acquisizione e digitalizzazione di immagini; e

mezzi di controllo,

detto primo trasduttore di immagini essendo posizionato in maniera tale da risultare sensibile all’intensità di luce diffusa da detti prodotti industriali, e detto secondo trasduttore di immagini essendo posizionato in maniera tale da risultare sensibile all’intensità di luce riflessa da detti prodotti industriali. Uno primo vantaggio della presente invenzione è quello di permettere il riconoscimento di difetti appartenenti ad un elevato numero di tipologie su qualsiasi tipo di prodotto.

Un secondo vantaggio è quello poi di permettere contemporaneamente sia una classificazione sulla base dei difetti riscontrati che una classificazione basata su una misura di tono. Si è così in grado di decidere automaticamente se un prodotto soddisfa predeterminati criteri di qualità, che combinino valutazioni riferite all’entità del difetto con valutazioni riferite al tono.

Un ulteriore vantaggio è inoltre quello derivante dal fatto che tramite la presente invenzione viene inoltre eseguita una ulteriore classificazione dei prodotti esaminati, espressa attraverso un codice atto ad essere fornito come ingresso di una macchina automatica di smistamento dei prodotti, eventualmente collegata al sistema.

Altri vantaggi, caratteristiche e modalità di impiego della presente invenzione risulteranno evidenti dalla seguente descrizione dettagliata di una forma di realizzazione preferita, presentata a scopo esemplificativo e non limitativo, facendo riferimento alle figure dei disegni allegati, in cui: la figura 1 mostra schematicamente una vista prospettica del sistema secondo la presente invenzione;

la figura 2 mostra le connessioni dei trasduttori di immagini di figura 1 con un elaboratore; e

la figura 3 mostra un diagramma a blocchi del metodo di acquisizione ed elaborazione di immagini secondo la presente invenzione.

Con riferimento innanzitutto alla figura 1, è presente una base 1 comprendente due supporti 50, verticalmente disposti. Su tali supporti 50 è girevolmente montata una prima intelaiatura 2, la quale può ruotare intorno all’asse X. Sulla intelaiatura 2 è montato un supporto 9 sul quale è installato un primo trasduttore di immagini 3 (d’ora in poi indicato come telecamera 3), girevole sia intorno all’asse A che intorno all’asse B di figura. Sui supporti 50 è inoltre montata una seconda intelaiatura 5, anch’essa girevole intorno all’asse X. Sulla intelaiatura 5 è montato un supporto 10 sul quale è installata un secondo trasduttore di immagini 4 (d’ora in poi indicato come telecamera 4), girevole sia intorno all’asse C che intorno all’asse D di figura.

Sui supporti 50 è infine montata una terza intelaiatura 6, girevole anch’essa intorno all’asse X. Sulla intelaiatura 6 è fissato un dispositivo di illuminazione lineare 7.

Entrambe le telecamere 3 e 4 risultano focalizzate su una linea di ispezione 8, contenuta nel piano XY. II piano XY rappresenta anche il piano di ispezione sul quale scorre la superfìcie del prodotto industriale da ispezionare. Per semplicità di esposizione tale superficie verrà considerata piana. Come si potrà notare dalla figura, le intelaiature 2 e 5 risultano ruotate rispettivamente di angoli a e β rispetto all’asse Z, vale a dire rispetto alla normale al piano d’ispezione. La intelaiatura 6 risulta invece ruotata di un angolo pari a -β rispetto all’asse Z.

Tramite la costruzione fin qui descritta, la telecamera 3 risulta sensibile alla intensità di luce diffusa dalla superficie da ispezionare generando così immagini in diffusione, mentre la telecamera 4 genera immagini in riflessione essendo disposta specularmente alla sorgente di illuminazione 7. Questa disposizione delle telecamere risulta particolarmente vantaggiosa in quanto permette di individuare diverse tipologie di difetti. Infatti, un difetto consistente ad esempio in una deformazione della superficie, provocherà un cambio di direzione nella luce riflessa dalla superficie stessa. Tale difetto sarà evidenziato dall’immagine ripresa tramite la telecamera 4. Invece, un difetto consistente ad esempio in una macchia o in una variazione di tono, sarà causa di un diverso assorbimento della luce da parte della superficie, per cui si avrà una diversa diffusione della luce in corrispondenza all’area difettosa. Tale difetto sarà invece evidenziato dall’immagine ripresa tramite la telecamera 3.

II valore degli angoli a e β varia in funzione del tipo di superficie da analizzare e del tipo dei difetti da rilevare.

La successiva figura 2 illustra la connessione delle telecamere 3 e 4 con una coppia di schede di acquisizione 11 e 12 da installarsi su un elaboratore elettronico 13 atto ad eseguire le successive procedure che verranno a realizzare il metodo di elaborazione secondo la presente invenzione.

L’inizio e la fine dell’acquisizione sono comandati da un segnale proveniente da un sensore 14 atto a rilevare la presenza/assenza del materiale da ispezionare.

Durante l’acquisizione vengono eseguite tramite l’elaboratore 13 procedure di analisi in tempo reale sui dati acquisiti dalle telecamere. Tali dati risultano immagazzinati nelle schede 11 e 12, oppure nella memoria dell’elaboratore.

Il metodo di acquisizione ed elaborazione di immagini prevede la vantaggiosa esecuzione di alcune procedure di servizio, atte sia ad effettuare l’impostazione dei parametri necessari per l’acquisizione, sia anche a calcolare coefficienti di equalizzazione e valori di soglia inferiori e superiori da utilizzare successivamente nella valutazione dei difetti e del tono del prodotto industriale di volta in volta analizzato.

Facendo riferimento al diagramma a blocchi di figura 3 si possono notare, nella parte destra della figura, le procedure di servizio da PI a P5, che saranno qui di seguito descritte in maniera dettagliata.

Una prima procedura PI è di tipo interattivo e consente di impostare, in qualità di parametri operativi, sia un file di configurazione delle schede di acquisizione sia anche il tempo di esposizione per le telecamere.

L’impostazione del file di configurazione viene effettuata secondo i parametri previsti dal costruttore.

Inoltre, per ogni telecamera collegata, la procedura PI consente di predisporre i seguenti quattro parametri operativi:

1. La posizione dei punti immagine che individuano un primo riferimento di grigio, qui di seguito indicato con il termine riferimento grigio 1, il campo prodotto ed un secondo riferimento di grigio, qui di seguito indicato con il termine riferimento grigio 2.

Dal punto di vista pratico l’individuazione dei riferimenti di grigio 1 e 2 avviene tramite il posizionamento di rispettivi cursori, al fine di individuare i punti immagine iniziali di ciascuno degli intervalli corrispondenti. Un terzo cursore comune sarà poi posizionato in maniera da definire la larghezza di ciascuno di tali intervalli.

Il campo prodotto, rappresentante finterà area presa in esame, viene invece localizzato tramite due cursori atti ad individuare rispettivamente il punto immagine di inizio e quello di fine di tale campo.

2. L’apertura del diaframma dell’obiettivo della telecamera, il quale può essere regolato ad esempio tramite visualizzazione sul monitor dell’elaboratore, di un segnale di telecamera.

3. L’intensità di luce della sorgente di illuminazione, regolata ad esempio tramite controllo della tensione di alimentazione di tale sorgente.

4. La messa a fuoco della telecamera. La regolazione di questo parametro avviene visualizzando una barra sul monitor, la cui lunghezza è proporzionale alla varianza dei toni di grigio dei punti immagine di una riga. Maggiore è la lunghezza della barra visualizzata, migliore sarà la messa a fuoco.

Una successiva procedura di servizio P2, anch’essa di tipo interattivo, è invece atta al calcolo dei coefficienti di equalizzazione statica. Tali coefficienti risultano necessari per una successiva correzione, tramite una procedura di equalizzazione più in avanti descritta, di ciascun punto immagine compreso in una riga all’interno del campo prodotto, allo scopo di rendere uniforme la dinamica di acquisizione. Vengono in tale modo corretti eventuali errori sistematici dovuti a disuniformità dell’intensità della luce emessa dalla sorgente di illuminazione, aberrazioni dell’obiettivo, e così via. La procedura P2 è di tipo interattivo in quanto indica all’operatore la sequenza di operazioni da eseguire tramite presentazione di una serie di messaggi sullo schermo ai quali l’operatore di volta in volta dovrà dare conferma ad operazione compiuta. Tale procedura, ai fini di ottenere una calibrazione significativa, può vantaggiosamente essere eseguita un predeterminato numero di volte, relativamente a prodotti dello stesso tipo. Per ciascuno di tali prodotti, la procedura P2 prevede i seguenti sei passi: 1. Acquisire e digitalizzare Γ immagine del prodotto.

2. Calcolare per ciascuna riga la media dei corrispondenti punti immagine secondo la seguente formula:

dove:

Xy rappresenta il punto immagine in posizione (i,j); n è il numero di righe dell’immagine; e

m è il numero di colonne dell’immagine.

3. Normalizzare i punti immagine di ciascuna colonna rispetto alla media di riga precedentemente calcolata, e sommare i valori così ottenuti secondo la seguente formula:

4. Calcolare per ogni colonna la media dei valori normalizzati secondo la seguente formula:

5. Memorizzare tali valori medi normalizzati al fine di poterli successivamente utilizzare in qualità di coefficienti di equalizzazione locale dei livelli di grigio durante l’elaborazione delle immagini relative al prodotto da esaminare.

6. Calcolare e memorizzare i valori medi di illuminazione R, e R2 di uno o più campioni relativi al Riferimento Grigio 1 ed al Riferimento Grigio 2 già definiti tramite la precedente procedura PI :

dove:

Lr è la larghezza dei campi Riferimento Grigio 1 e 2

rl,r2 sono i punti iniziali dei campi Riferimento Grigio 1 e 2.

II metodo di acquisizione e di elaborazione oggetto dalla presente invenzione prevede, come sarà meglio spiegato in seguito, la generazione di un predeterminato numero di immagini a risoluzione decrescente del prodotto da esaminare, a partire da una prima immagine del prodotto acquisita alla massima risoluzione.

Verrà qui di seguito innanzitutto descritta una procedura di servizio P3, Finalizzata ad individuare valori di soglia Sinf(nxn) e Ssup(nxn) per ciascuna risoluzione nxn usata.

Tali valori vengono a definire, per ciascuna risoluzione, un intervallo di valori di gradiente atto ad individuare l’intervallo di normalità dei punti immagine a seguito di una operazione di filtraggio derivativo, operazione che sarà meglio descritta con riferimento alla procedura PII, più in là descritta.

La procedura P3 prevede, per ciascuna immagine generata a risoluzione nxn, un primo passo di inizializzazione ad un valore minimo e ad un valore massimo delle due soglie Sinf(nxn) e Ssup(nxn). Iniziando dalla immagine a risoluzione più bassa, i passi successivi della procedura P3 sono i seguenti: 1. Eseguire il filtraggio derivativo della corrispondente immagine secondo le modalità che saranno descritte in dettaglio con riferimento alla procedura PI 1.

2. Generare una lista decrescente di punti a massima derivata.

3. Evidenziare sul monitor dell’operatore l’area a massima derivata, unitamente ad una richiesta di conferma se tale area sia da considerarsi difettosa o meno.

In caso di risposta affermativa da parte dell’operatore la soglia Sinf(nxn) ο Ssup(nxn) interessata viene aggiornata al valore evidenziato e viene presentata l’area con gradiente immediatamente inferiore, riprendendo la procedura dal punto 3 sino ad esaurimento della lista.

In caso di risposta negativa invece, i valori attuali delle Sinf(nxn) o Ssup(nxn) vengono lasciati inalterati e la procedura riprende di nuovo dal punto 1 passando ad esaminare l’immagine a risoluzione immediatamente superiore.

Inoltre, all’inizio di ciascuna iterazione della procedura P3, l’operatore viene interrogato circa la presenza di tre particolari difetti su una area dell’immagine denominata Cornice o della convoluzione lineare sui profili di una area dell’immagine denominata Area Interna. Per la definizione di Cornice e di Area Interna si rimanda alla descrizione di una successiva procedura P9 di ricerca bordi.

In base alla risposta dell’operatore vengono aggiornati i valori attuali di soglie indicate con Ss, Se e Sii, relative rispettivamente a tre tipologie di difetto denominate rispettivamente “sbeccatura”, “crepa” e “impronta lunga”. Tali valori di soglia partono da un valore iniziale nullo e vengono aggiornati al valore massimo delle convoluzioni lineari sulla Cornice o della convoluzione lineare sui profili dell’Area Interna, secondo quanto previsto da una procedura PI 7 di classificazione dei difetti, da descriversi nel seguito.

Similmente a quanto descritto con riferimento alla procedura P2, anche la procedura P3 può essere ripetuta un prefissato numero di volte relativamente a prodotti rappresentativi di una particolare tipologia di prodotti, in modo da rendere statisticamente significativi ed affidabili i valori di soglia raggiunti.

Tutti i valori ottenuti, relativi sia alle soglie Sinffaxn) e Ssup(nxn) che alle soglie Ss, Se e Sii possono eventualmente essere moltiplicati per un fattore percentuale di sicurezza, predefinito dall’operatore.

Al termine della fase fin qui descritta, la procedura P3 esegue una ottimizzazione dell’Area Interna e della Cornice. Tale ottimizzazione prevede i seguenti passi:

1. Impostare una costante Δ pari alla larghezza iniziale della Cornice. 2. Eseguire le procedure, in seguito descritte, di filtraggio derivativo e di individuazione di aree difettose, quest’ultima utilizzando le soglie finali già individuate dalla presente procedura.

3. Ridurre il valore di tale costante Δ.

4. Ripetere i passi 2 e 3 fino ad ottenere una prima segnalazione di area difettosa. A questo punto il valore di Δ usato nel passo immediatamente precedente può essere considerato come ottimale.

Anche in questo caso la fase di ottimizzazione può essere ripetuta un numero di volte prefissato relativamente a prodotti rappresentativi di una particolare tipologia di prodotti, aggiornando di volta in volta il valore di Δ qualora il valore attuale superi il valore ottenuto nelle iterazioni precedenti. Verrà qui di seguito descritta una procedura P4 di calcolo delle soglie dei toni, ai fini della determinazione di soglie di divisione tra classi di tono. Si tratta di una procedura di apprendimento di tipo interattivo che comprende i seguenti due passi:

1. Acquisire immagini relative ad un prestabilito numero di prodotti.

2. Identificare ciascuna classe di tono secondo uno a scelta dei seguenti due metodi:

a) Metodo dei k-medi. Tale primo metodo prevede l’identificazione di ciascuna classe di tono con un valore pari al valore medio di una popolazione di campioni di riferimento di tale classe. Ogni classe di tono è caratterizzata da un vettore x di parametri statistici comprendente il valore medio del tono di grigio, la varianza del tono di grigio, la mediana del tono di grigio ed i valori medi dei gradienti di ciascuna immagine a risoluzione nxn. Infine, anche le matrici di covarianza di detti parametri relative a ciascuna classe di tono vengono archiviate in un file di caratteristiche.

b) Metodo dei k punti più vicini. In tale secondo metodo l’identificazione di una classe è calcolata dalla distribuzione delle distanze tra i campioni della classe scegliendo come valore significativo l’opportuno percentile, ad esempio il valore mediano.

Una successiva procedura P5 è poi tale da calcolare le soglie di gravità dei difetti. Tale procedura visualizza un menù di scelta che consente all’operatore di selezionare una maschera di predisposizione per ciascuna classe di difetti. Tali classi verranno definite in una procedura PI 7 di classificazione dei difetti.

In relazione alla maschera selezionata, l’utente inserisce i valori limite, corrispondenti a ciascuna classe di gravità, che definiscono gli intervalli dimensionali e di frequenza del particolare difetto. Inoltre, l’utente può inserire, per ciascuna classe di gravità, un codice che potrà vantaggiosamente essere utilizzato per pilotare macchine di selezione e smistamento di prodotti, eventualmente collegate al sistema descritto.

Sempre con riferimento alla figura 3, il metodo di acquisizione ed elaborazione delle immagini relative al prodotto di cui si desidera ispezionare la superficie verrà da qui in poi descritto con riferimento alle procedure rappresentate nella parte sinistra di figura.

Si nota in particolare la presenza di una prima procedura P6, il cui compito è quello di acquisire, digitalizzare e memorizzare una immagine del prodotto da esaminare proveniente da ciascuno dei trasduttori di immagini previsti. Ciascuna di tali operazioni avviene tramite modalità di per sè note. Nella forma di realizzazione descritta ed in linea con quanto indicato nelle figure 1 e 2, è prevista la presenza di due trasduttori di immagini, in particolare due telecamere lineari con uscita digitale. La prima telecamera è posizionata in maniera da risultare sensibile all’intensità di luce diffusa dalla superficie del prodotto in esame, mentre la seconda telecamera è posizionata in maniera da risultare sensibile all’intensità di luce riflessa dalla superficie del prodotto in esame, essendo disposta specularmente ad un dispositivo di illuminazione lineare.

A seguito della procedura di acquisizione P6 viene eseguita una procedura P7, qui di seguito descritta, atta ad eseguire una normalizzazione del valore associato a ciascun punto immagine rispetto ad un parametro che risulta funzione dei riferimenti di grigio allo scopo di eliminare errori di deriva della calibrazione del sistema di ripresa e di illuminazione. La procedura P7 normalizza quindi i valori attuali di livello di grigio, utilizzando i parametri calcolati tramite la già descritta procedura P2, secondo la seguente trasformazione lineare:

1 < i ≤ numero di righe per immagine

1 < j < numero di punti per riga di immagine

dove:

A seguito di ciò, viene eseguita una procedura P8 di equalizzazione, il cui compito è quello di eliminare errori sistematici del sistema di ripresa e di illuminazione. A tale scopo la procedura P8 esegue una trasformazione lineare dei livelli di grigio misurati per ciascun punto immagine, secondo la seguente equazione:

dove:

A seguito di questa operazione di equalizzazione, viene eseguita una procedura P9 di ricerca dei bordi del prodotto in esame all’interno del campo prodotto già individuato dalla procedura di servizio PI. Ad esempio, nella elaborazione di immagini relative a prodotti discreti, tale procedura ricerca i bordi di un oggetto interamente contenuto nel'immagine acquisita.

I bordi vengono ricercati tramite scansione delle righe e delle colonne dell’ immàgine acquisita, in maniera tale da definire per ciascuna riga e per ciascuna colonna una coordinata di inizio prodotto ed una coordinata di fine prodotto. Tali coordinate vengono poi memorizzate in vettori rappresentanti appunto i bordi puntuali del prodotto.

A partire da tali vettori vengono calcolati i bordi medi del prodotto ottenuti per filtraggio digitale delle coordinate dei bordi puntuali tramite il seguente filtro passa-basso:

dove:

I punti d’intersezione tra i bordi medi così calcolati definiscono i vertici del prodotto. A partire da tali vertici, le zone Area Interna e Cornice del prodotto verranno definite come segue:

dove:

Abisx ascissa sinistra del bordo del prodotto

AbiDX ascissa destra del bordo del prodotto

Obisup ordinata superiore del bordo del prodotto

ObilNF ordinata inferiore del bordo del prodotto

Una successiva procedura PIO da qui in poi descritta è tale da generare, come già accennato in precedenza, un predeterminato numero di immagini del prodotto da esaminare. Tali immagini sono ottenute a partire da una prima immagine del prodotto acquisita (tramite la procedura P6) alla massima risoluzione, mediante successive riduzioni della risoluzione.

Partendo da una prima immagine alla massima risoluzione, una immagine a risoluzione inferiore può essere derivata da tale prima immagine eseguendo una operazione di media su gruppi di nxm punti immagine. Nell’ipotesi semplificativa che risulti n=m ed entrambi siano pari ad una potenza di 2, ogni immagine a risoluzione inferiore può essere generata da quella a risoluzione immediatamente superiore eseguendo la media di gruppi di 2x2 punti alla volta, ottenendo una immagine avente una risoluzione pari alla metà, per ogni coordinata, della risoluzione dell’ immagine da cui questa deriva. In questo caso particolare, l algoritmo di calcolo risulta fisso, vale a dire:

dove:

A seguito di ciò viene eseguita una procedura PII di filtraggio derivativo, nella quale ciascun punto di ciascuna immagine prodotta tramite la precedente procedura PIO viene sottoposto a filtraggio derivativo tramite la seguente formula:

Il risultato dell’operazione di filtraggio ora descritta viene fornito alla successiva procedura PI 2, compito della quale è quello di individuare le aree difettose del prodotto in esame. Tale procedura, per ciascuna immagine ad ogni risoluzione, confronta il risultato del filtraggio di cui alla precedente procedura PI I con le corrispondenti soglie precedentemente calcolate tramite la procedura P3. Infatti, come già visto, in corrispondenza a ciascuna risoluzione (n x n) sono state calcolate due soglie Sinf(n x n) e Ssup(n x n) le quali definiscono un intervallo al'interno del quale il risultato del filtraggio viene considerato conforme al prodotto di buona qualità.

Nell’evenienza che, per un punto immagine, il risultato del filtraggio cada al di fuori di tale intervallo, il punto immagine viene considerato appartenente ad un’area difettosa e come tale viene marcato nella corrispondente posizione di memoria in cui l’immagine è immagazzinata.

Viene successivamente eseguita una procedura P13 di “sogliatura” delle aree difettose in cui, per ciascuna immagine prodotta, in corrispondenza ad ogni punto difettoso, viene calcolata una soglia locale definita dalla seguente equazione:

dove:

Viene poi determinata, sul'immagine a risoluzione massima, un area di (2nx2n) punti centrata sull’area difettosa individuata dal punto di coordinate (i,j) deH’immagine a risoluzione (nxn). Al’interno di tale area si esegue il confronto di ciascun punto dell’immagine alla massima risoluzione con la soglia locale calcolata come sopra descritto.

I punti che oltrepassano tale soglia vengono considerati difettosi.

I punti tra loro contigui verranno poi raggruppati in oggetti tra loro disgiunti tramite una procedura di unione PI 4 qui di seguito descritta.

Facendo riferimento all’immagine alla massima risoluzione, e definiti con il punto difettoso attuale e con

i corrispondenti punti adiacenti che definiscono un intorno I del punto

la procedura PI 4 scandisce punto per punto l’intera immagine

decidendo volta per volta l’operazione da compiere in base alle seguenti condizioni:

1. Creare un nuovo oggetto se:

2. Aggiungere il punto di coordinate (i j) all’oggetto attuale A se:

3. Unire due oggetti A e B se

dove i simboli e x hanno il significato rispettivamente di OR e AND logico.

L’operazione di unione dei punti difettosi contigui avviene tenendo conto del segno del corrispondente gradiente. Ciò significa dire che punti contigui vengono raggruppati solamente se presentano lo stesso segno del gradiente. In questo modo vengono generate due liste di oggetti disgiunti, delle quali la prima contiene punti a gradiente positivo e la seconda contiene punti a gradiente negativo.

La seguente procedura P15 è tale da calcolare i seguenti parametri degli oggetti: posizione normalizzata, area, perimetro, risoluzioni interessate, distanza da soglia difetto, angolo di ripresa.

La posizione normalizzata è data dalle quattro coordinate che individuano i punti estremi della diagonale del rettangolo circoscritto all’oggetto, rapportate alle dimensioni massime del prodotto lungo i due assi di riferimento.

L’area è data dal numero di punti immagine costituenti l’oggetto.

Il perimetro è calcolato come somma dei punti immagine di confine deiroggetto.

Le risoluzioni interessate sono rappresentate da una variabile binaria i cui bit, a partire dal meno significativo, indicano che l’oggetto è stato rilevato dall’operatore di derivazione alla corrispondente risoluzione nxn.

La distanza da soglia difetto rappresenta la differenza tra il valore massimo dell’ intensità di grigio del difetto ed il valore di soglia locale utilizzato.

L’angolo di ripresa è rappresentato da una variabile binaria i cui primi quattro bit indicano il tipo di contrasto e l’angolo di vista dell’oggetto, cioè: Bianco in riflessione, Bianco in diffusione, Nero in riflessione, Nero in diffusione e loro combinazioni.

Dopo aver generato tali due liste di oggetti disgiunti, viene eseguita una procedura di aggregazione degli oggetti vicini, indicata con PI 6. Tale procedura esegue l’unione di oggetti tra loro vicini in macro-oggetti composti da più oggetti disgiunti provenienti da entrambe le liste generate dalla precedente procedura PI 4. Tali liste vengono fuse in una unica lista raggruppando oggetti tra loro contigui.

La procedura infine esegue anche un raggruppamento di macro-oggetti derivanti da immagini riprese da telecamere poste ad angolazioni differenti rispetto al prodotto, ma che si riferiscono ad uno stesso difetto relativo ad una stessa area del prodotto.

La procedura P16 comprende i seguenti passi:

1. Riunire in una unica lista sia gli oggetti a gradiente positivo che quelli a gradiente negativo.

2. Normalizzare le posizioni degli oggetti rispetto al prodotto. La normalizzazione si effettua rapportando le coordinate che individuano la posizione di un oggetto rispetto alla dimensione trasversale e longitudinale del prodotto.

3. Unire gli oggetti in macro-oggetti se si verifica la seguente condizione:

dove:

4. Ricalcolare i parametri dei macro-oggetti a partire da quelli precedentemente calcolati dalla procedura PI 5. In questo caso i parametri si ottengono nel seguente modo.

La posizione normalizzata è rappresentata dalle coordinate degli estremi del rettangolo circoscritto al macro-oggetto.

L’area ed il perimetro sono calcolati come somma dei punti immagine degli oggetti componenti, rispettivamente.

Le risoluzioni interessate sono date come OR logico delle risoluzioni interessate degli oggetti di partenza.

La distanza da soglia difetto è data dal massimo delle rispettive variabili di partenza.

L’angolo di ripresa è dato come OR logico degli angoli di ripresa degli oggetti di partenza.

Dopo aver individuato tutte le aree da considerarsi difettose, il metodo in questione prevede una classificazione dei difetti riscontrati. Tale classificazione viene eseguita da una procedura indicata con PI 7 e risulta essere diversificata a seconda che si tratti di difetti localizzati nell’Area Interna o nella Cornice.

Per quanto riguarda l’Area Interna, le aree vengono classificate secondo tre classi generali di difetti, e precisamente:

difetto “cavità”: tale cavità può essere positiva o negativa a seconda del verso della deformazione locale della superficie del prodotto rispetto al piano di ispezione;

difetto “macchia”: il difetto non produce una deformazione della superficie del prodotto; e

difetto “impronta lunga”: l’area interessata dal difetto si estende lungo una striscia longitudinale o trasversale della superificie per tutta l’estensione del prodotto.

L’attribuzione di una classe a ciascuna area ritenuta difettosa avviene in base al verificarsi di una delle seguenti condizioni:

se una area risulta essere difettosa sia nella elaborazione relativa airimmagine in riflessione che nella elaborazione relativa all’immagine in diffusione, a tale area verrà attribuita la classe di difetto cavità; se una area risulta essere difettosa solo nella elaborazione relativa all’ immagine in diffusione, ad essa verrà attribuita la classe di difetto macchia; e

all’area individuata tramite il seguente calcolo verrà attribuita la classe di difetto impronta lunga. Tale calcolo prevede i seguenti passi:

1) Calcolare, a partire dall’immagine alla massima risoluzione e considerando solamente i punti appartenenti all’Area Interna, i profili medi di riga e di colonna, proiettando i relativi punti immagine sugli assi dell’immagine, accumulando i valori dei livelli di grigio e dividendo la somma totale di ciascuna riga e ciascuna colonna per il numero di punti accumulati per ciascuna riga e ciascuna colonna:

dove:

2) Calcolare su tali profili medi una convoluzione con un nucleo monodimensionale 3xm secondo la formula:

dove:

3) Confrontare il valore di convoluzione ottenuto con il valore di soglia Sii definito nella procedura P3. Nel caso in cui il valore di convoluzione risulti maggiore di tale soglia, il corrispondente punto del profilo medio verrà marcato come difettoso.

4) Raggruppare i punti difettosi contigui del profilo medio, posizionarli sul rispettivo asse del'immagine alla massima risoluzione, al fine di evidenziare un rettangolo i cui lati colorati hanno rispettivamente dimensioni pari a ciascun raggruppamento e all’intera lunghezza dell’Area Interna. L’area di tale rettangolo è considerata tutta appartenente alla classe di difetto impronta lunga.

Per quanto riguarda la Cornice la classificazione delle aree difettose viene eseguita rispetto a due categorie generali di difetti rilevati tramite specifici procedimenti di calcolo, in particolare:

difetto “sbeccatura”:

il procedimento prevede in questo caso i seguenti passi:

a) Accumulare, per ogni riga ed ogni colonna dell’immagine alla massima risoluzione, i valori numerici dei punti immagine giacenti sull’intervallo [i,j] a partire dal bordo medio fino all’Area Interna ed appartenenti alla riga n ovvero alla colonna m, dividere il risultato ottenuto per la numerosità di ciascun intervallo e memorizzare il risultato in appositi vettori.

b) Operare su detto vettore di valori medi di segmento una convoluzione con un nucleo monodimensionale 3xm o mx3, a seconda che sia un lato orizzontale o verticale della Cornice, tramite la formula del punto 2) del caso precedente.

c) Confrontare il valore di convoluzione così ottenuto con il valore di soglia Ss definito nella procedura P3. Nel caso in cui tale valore di convoluzione sia maggiore di tale soglia, il punto corrispondente verrà marcato come difettoso.

d) Raggruppare i punti difettosi contigui al fine di individuare l’area caratterizzata dal difetto sbeccatura.

difetto “crepa”:

il procedimento prevede in questo caso i seguenti passi:

a) Calcolare, a partire dal'immagine a risoluzione 2x2, la convoluzione con un nucleo monodimensionale 5x1 o 1x5, a seconda che si tratti di un lato orizzontale o verticale della Cornice, applicando la formula:

dove:

b) Confrontare il valore di convoluzione ottenuto con il valore di soglia Se definito nella procedura P3. Nel caso in cui tale valore di convoluzione sia maggiore di tale soglia, il punto corrispondente verrà marcato come difettoso.

c) Raggruppare i punti difettosi contigui al fine di individuare l’area caratterizzata dal difetto crepa.

Oltre che rispetto alle tipologie di difetto, occorre poter classificare il prodotto anche in base al tono rilevato. Qui di seguito sarà descritta una procedura PI 8 di attribuzione del tono, il cui scopo è quello di eseguire tale classificazione.

Una apposita maschera di configurazione consente all’operatore di decidere quale metodo adottare per il calcolo, da scegliersi tra il “metodo dei k medi” ed il “metodo dei k punti più vicini”. Tali metodi verranno qui di seguito descritti, in particolare:

i) Il metodo dei k medi prevede il calcolo della distanza di un campione incognito dai valori medi rappresentativi di ciascuna delle classi di tono, tramite le matrici di covarianza memorizzate tramite la procedura P4. La metrica usata per calcolare la distanza è quella di Mahalanobis, definita come:

dove:

La classe per la quale verrà riscontrata la minima distanza, verrà assegnata al prodotto in esame. Il valore di minima distanza viene inoltre comparato con un valore di soglia prestabilito e, in caso di superamento, al campione incognito non viene assegnata alcuna classe di tono. Tale mancanza di assegnazione può essere definita come difetto per “tono non conforme” ed essere usata successivamente come un ulteriore codice di classificazione. Nel caso in cui tale mancanza di assegnazione si ripeta per una prefissato numero k degli ultimi n prodotti in esame, viene segnalato all’operatore un “probabile cambio di tono”. I valori k e n possono vantaggiosamente essere preimpostati tramite una maschera interattiva. ii) Il metodo dei k punti più vicini consiste invece nel calcolare le distanze di un campione incognito da ciascun campioni di riferimento usati durante la procedura P4 e quindi ordinare in senso crescente le distanze ottenute.

In questo metodo la distanza è calcolata, diversamente dal caso precedente, secondo una metrica euclidea, pertanto la matrice V1 di covarianza sarà in questo caso una matrice unitaria.

Detto k il valore di un parametro preimpostabile dall’operatore, il metodo prevede: la selezione di campioni corrispondenti alle prime k distanze tra quelle precedentemente calcolate ed il calcolo della frequenza di apparizione delle classi di tono tra i campioni selezionati. La classe che fa riscontrare la massima frequenza verrà assegnata al campione incognito.

Inoltre, la distanza tra il campione incognito e il punto più distante scelto tra i campioni di riferimento della classe assegnata, viene confrontata con la soglia calcolata dalla procedura P4. In caso di superamento di tale soglia, al campione incognito non viene assegnata alcuna classe di tono. La mancanza di assegnazione della classe può essere usata come nel caso precedente. In una successiva procedura PI 9 viene poi valutata la gravità dei difetti riscontrati prendendo in considerazione i seguenti parametri:

a) la classificazione del difetto;

b) la dimensione del difetto (area o lunghezza o larghezza); e c) il numero di difetti appartenenti alla stessa classe rilevati sul prodotto in esame.

Per ogni prodotto ed ogni classe di difetti viene quindi calcolata l’appartenenza a uno degli intervalli definiti tramite la procedura P5 e conseguentemente viene assegnata al prodotto la corrispondente classe di gravità definita dalla procedura P5.

Inoltre viene automaticamente associato al prodotto in esame un codice di smistamento, secondo la configurazione eseguita tramite la procedura P5, atto ad essere fornito ad una eventuale macchina di selezione automatica. Infine, verrà qui di seguito descritta una procedura P20 denominata “Uscita dei risultati”. Tale procedura viene eseguita al termine dell’ ispezione di ogni prodotto e rende disponibili, su una porta di comunicazione dell’elaboratore, i seguenti dati:

lista dei difetti rilevati sul prodotto, ogni difetto essendo descritto dai seguenti parametri:

a) parametri calcolati dalla procedura PI 5, cioè: posizione normalizzata, area, perimetro, risoluzioni interessate, distanza da soglia difetto, angolo di ripresa;

b) codice di classificazione del difetto calcolato dalla procedura PI7; e c) codice di classificazione del tono calcolato dalla procedura PI8; classe di gravità calcolata dalla procedura PI9; e

codice per una macchina di selezione calcolato dalla procedura P 19. La presente invenzione è stata fin qui descritta secondo una sua forma di realizzazione preferita presentata a scopo esemplificativo e non limitativo. E’ da intendersi che altre possono essere le forme previste, tutte da considerarsi rientranti nell’ambito di protezione della stessa.

Claims (10)

1. RIVENDICAZIONI 1. Metodo di acquisizione ed elaborazione di immagini di un prodotto industriale, per ricerca di difetti superficiali e per valutazione di tono di detto prodotto industriale, caratterizzato dal fatto di comprendere i seguenti passi: acquisire immagini digitalizzate di detto prodotto; eseguire una elaborazione di dette immagini digitalizzate per individuare una o più aree difettose di detto prodotto; eseguire una prima classificazione di detto prodotto sulla base di dette aree difettose individuate; attribuire un tono a detto prodotto; ed eseguire una seconda classificazione di detto prodotto sulla base del tono attribuito.
2. 2. Metodo di acquisizione ed elaborazione di immagini secondo la rivendicazione 1 , caratterizzato dal fatto che detta elaborazione di dette immagini digitalizzate comprende i passi di: calcolare una molteplicità di immagini a risoluzione descrescente a partire da una immagine iniziale; eseguire, su ciascuna di dette immagini a risoluzione descrescente, una operazione di convoluzione di tipo derivativo in maniera da ottenere rispettive immagini filtrate; determinare, per ciascuna risoluzione, un insieme di punti di soglia inferiore ed un insieme di punti di soglia superiore; confrontare, per ciascuna risoluzione, ciascun punto di dette immagini filtrate con detti punti di soglia inferiore e superiore, in maniera da individuare punti fuori soglia rappresentanti punti difettosi; e raggruppare detti punti difettosi in aree difettose.
3. 3. Metodo di acquisizione ed elaborazione di immagini secondo la rivendicazione 1 o 2, caratterizzato dal fatto che detta prima classificazione di detto prodotto sulla base di aree difettose individuate, è tale da suddividere dette aree in aree difettose di Cornice ed aree difettose di Area Interna.
4. 4. Metodo di acquisizione ed elaborazione di immagini secondo la rivendicazione 3, caratterizzato dal fatto che detta prima classificazione di detto prodotto viene eseguita in base a difetti di tipo cavità, di tipo macchia e di tipo impronta lunga per aree difettose di Area Interna, ed in base a difetti di tipo sbeccatura e di tipo crepa per aree difettose di Cornice.
5. 5. Metodo di acquisizione ed elaborazione di immagini secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto di comprendere inoltre un passo di eseguire una terza classificazione di detto prodotto sulla base di altri prodotti presentanti un similare numero e similari dimensioni di aree difettose.
6. 6. Metodo di acquisizione ed elaborazione di immagini secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto di comprendere un passo di generare un codice di raggruppamento dei prodotti atto ad essere essere utilizzato da una macchina automatica.
7. 7. Sistema di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti industriali comprendente: un dispositivo di illuminazione lineare (7); una prima intelaiatura (6) atta a ruotare attorno ad un asse di rotazione di intelaiatura, sulla quale è disposto detto dispositivo di illuminazione lineare; un primo trasduttore di immagini (3); una seconda intelaiatura (2) atta a ruotare attorno a detto asse di rotazione di intelaiatura, sulla quale è montato detto primo trasduttore di immagini; - un secondo trasduttore di immagini (4); una terza intelaiatura (5) atta a ruotare attorno a detto asse di rotazione di intelaiatura, sul quale è montato detto secondo trasduttore di immagini; mezzi (11,12) di acquisizione e digitalizzazione di immagini rilevate tramite detti primo e secondo trasduttore di immagini; una unità di elaborazione (13), atta ad elaborare le immagini acquisite e digitalizzate tramite detti mezzi di acquisizione e digitalizzazione di immagini; e mezzi di controllo, detto primo trasduttore di immagini essendo posizionato in maniera tale da risultare sensibile al'intensità di luce diffusa da detti prodotti industriali, e detto secondo trasduttore di immagini essendo posizionato in maniera tale da risultare sensibile alFintensità di luce riflessa da detti prodotti industriali.
8. 8. Sistema di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti industriali secondo la rivendicazione 7, caratterizzato dal fatto di comprendere inoltre un sensore di prossimità (14), collegato a detti mezzi di acquisizione e digitalizzazione, atto a comandare inizio e fine dell’ acquisizione in base alla presenza di detti prodotti industriali nel campo d’azione dell’apparecchio.
9. 9. Sistema di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti industriali secondo la rivendicazione 7 o 8, caratterizzato dal fatto che detti mezzi di controllo sono tali da: eseguire una elaborazione di immagini per individuare una o più aree difettose di detto prodotto; eseguire una prima classificazione di detto prodotto sulla base di dette aree difettose individuate; attribuire un tono a detto prodotto; ed eseguire una seconda classificazione di detto prodotto sulla base del tono attribuito.
10. 10. Sistema di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti industriali secondo la rivendicazione 9, caratterizzato dal fatto che detta elaborazione di dette immagini comprende i passi di: calcolare una molteplicità di immagini a risoluzione descrescente a partire da una immagine iniziale; eseguire, su ciascuna di dette immagini a risoluzione descrescente, una operazione di convoluzione di tipo derivativo in maniera da ottenere rispettive immagini filtrate; determinare, per ciascuna risoluzione, un insieme di punti di soglia inferiore ed un insieme di punti di soglia superiore; confrontare, per ciascuna risoluzione, ciascun punto di dette immagini filtrate con detti punti di soglia inferiore e superiore, in maniera da individuare punti fuori soglia rappresentanti punti difettosi; e raggruppare detti punti difettosi in aree difettose. l l· Sistema di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti industriali secondo la rivendicazione 9 o 10, caratterizzato dal fatto che detta prima classificazione di detto prodotto sulla base di aree difettose individuate è tale da suddividere dette aree in aree difettose di Cornice ed aree difettose di Area Interna. 12. Sistema di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti industriali secondo la rivendicazione 11, caratterizzato dal fatto che detta prima classificazione di detto prodotto viene eseguita in base a difetti di tipo cavità, di tipo macchia e di tipo impronta lunga per aree difettose di Area Interna, ed in base a difetti di tipo sbeccatura e di tipo crepa per aree difettose di Cornice. 13. Sistema di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti industriali secondo una qualsiasi delle rivendicazioni da 9 a 12, caratterizzato dal fatto che detti mezzi di controllo sono tali da eseguire una terza classificazione di detto prodotto sulla base di altri prodotti presentanti un similare numero e similari dimensioni di aree difettose. 14. Sistema di acquisizione ed elaborazione di immagini per ricerca di difetti superficiali e per valutazione di tono di prodotti industriali secondo una qualsiasi delle rivendicazioni da 9 a 13, caratterizzato dal fatto che detti mezzi di controllo sono tali da generare un codice di raggruppamento dei prodotti atto ad essere essere utilizzato da una macchina automatica.