تشخیص ترک فلز با بینایی ماشین (با استفاده از دوربین‌های Basler)

تشخیص ترک در قطعات فلزی یک مرحله بسیار حیاتی در کنترل کیفیت صنایع خودروسازی، هوافضا، کشتی‌سازی و مهندسی سازه محسوب می‌شود. ترک‌های شناسایی نشده در سازه‌ها یا قطعات فلزی می‌توانند منجر به شکست‌های فاجعه‌بار، فراخوان‌های پرهزینه و خطرات ایمنی شوند.

روش‌های سنتی بازرسی مانند بررسی چشمی دستی و تست‌های اولتراسونیک، هرچند مزایایی دارند، اما با مشکلاتی مثل خطای انسانی، کاهش دقت در حجم تولید بالا و محدودیت سرعت روبه‌رو هستند.

بینایی ماشین در این زمینه یک تحول اساسی ایجاد کرده است — ترکیب تصویربرداری با وضوح بالا، الگوریتم‌های قدرتمند و سخت‌افزار صنعتی پایدار که حتی ترک‌های میکرومتری را در لحظه شناسایی می‌کند.

در این مقاله بررسی می‌کنیم:

• چرا بینایی ماشین برای تشخیص ترک فلزات ایده‌آل است
• نقش دوربین‌های Basler به عنوان پایه سخت‌افزاری
• تکنیک‌های نورپردازی و تنظیم سیستم برای وضوح ترک‌ها
• الگوریتم‌های پردازش تصویر (کلاسیک و مبتنی بر هوش مصنوعی)
• نمونه‌های واقعی کاربرد صنعتی
• مراحل راه‌اندازی دوربین Basler برای تشخیص ترک
• پرسش و پاسخ متداول مهندسان و مدیران کنترل کیفیت

۱. چالش‌های تشخیص ترک فلز

سطوح فلزی ویژگی‌های بازتابی پیچیده‌ای دارند. بسته به نوع پرداخت (صیقلی، برس‌خورده، رنگ‌شده، آنودایز شده)، ترک‌ها ممکن است در شرایط نور معمولی به سختی دیده شوند. چالش‌های رایج شامل:

• کنتراست پایین: ترک ممکن است بازتاب‌پذیری مشابهی با اطراف خود داشته باشد.
• بازتاب آینه‌ای و درخشش: سطوح براق نور را مستقیم به دوربین بازتاب می‌دهند و نقص را پنهان می‌کنند.
• هندسه متغیر: سطوح منحنی یا نامنظم الگوی نور را منحرف می‌کنند.
• وجود گرد و غبار، روغن یا پوشش‌ها: این لایه‌ها ترک‌های ظریف را پنهان می‌کنند.
• نیاز سرعت بالا: خطوط تولید نیاز به بازرسی در کسری از ثانیه دارند.

۲. چرا بینایی ماشین از بازرسی دستی بهتر است

سیستم‌های بینایی ماشین برای تشخیص ترک مزایایی دارند که شامل:

• تکرارپذیری — بدون خستگی، عملکرد یکنواخت در هزاران بازرسی.
• سرعت بالا — تشخیص ترک در چند میلی‌ثانیه.
• حساسیت میکرونی — شناسایی ترک‌های غیرقابل رؤیت با چشم انسان.
• پایگاه داده تصویری — ذخیره تصاویر برای گزارش یا آموزش مدل‌های هوش مصنوعی.
• سازگاری با اتوماسیون — اتصال مستقیم به PLC، روبات‌ها و سیستم‌های MES.

۳. دوربین‌های Basler: یک پایه محکم برای تشخیص ترک

Basler از برندهای مطرح دوربین صنعتی است که به دلیل کیفیت، پایداری و تنوع مدل مشهور است. در تشخیص ترک فلزات، دوربین‌های Area Scan و Line Scan این برند کاربرد زیادی دارند.

مزایای استفاده از دوربین‌های Basler

• وضوح بالا تا ۶۵ مگاپیکسل — ثبت جزئیات میکروسکوپی سطح فلز.
• سنسور CMOS با شاتر گلوبال — حذف تاری حرکت در قطعات سریع.
• سرعت فریم بالا — ضروری برای خطوط تولید سریع.
• ابعاد فشرده — نصب آسان در ایستگاه بازرسی.
• نرم‌افزار pylon Basler — SDK کامل برای Python، ++C، #C و سازگار با کتابخانه‌هایی مثل OpenCV و Halcon.

مدل‌های پیشنهادی Basler

• سری Basler ace 2 — اقتصادی، تا ۲۴ مگاپیکسل، مناسب اغلب کاربردها.
• سری Basler boost (CoaXPress 2.0) — سرعت و وضوح بسیار بالا برای خطوط بازرسی سنگین.
• سری Basler racer (Line Scan) — ایده‌آل برای ورق‌ها و پروفیل‌های طولانی.

۴. نورپردازی در تشخیص ترک

نورپردازی به اندازه انتخاب دوربین اهمیت دارد. ترک فلزات اغلب در شرایط کنتراست کنترل‌شده بهتر دیده می‌شوند.

روش‌های پرکاربرد نورپردازی:

1. نورپردازی میدان تاریک (Darkfield) — تاباندن نور با زاویه کم تا ترک‌ها روشن و پس‌زمینه تاریک شوند.
2. نورپردازی میدان روشن (Brightfield) — تاباندن مستقیم نور برای نمایش تفاوت بازتاب.
3. نور هم‌محور (Coaxial) — استفاده از beam splitter برای نوردهی هم‌راستا با لنز، مناسب سطوح صاف براق.
4. نور ساختاریافته — تابش الگوهای نوری برای آشکارسازی توپوگرافی سطح.

نکته: برای فلزات بسیار براق، استفاده از نور قطبی‌شده به همراه فیلتر روی لنز بازتاب را کاهش می‌دهد.

۵. الگوریتم‌های پردازش تصویر برای تشخیص ترک

پس از تصویربرداری، سیستم باید داده‌ها را پردازش کند.

روش‌های کلاسیک بینایی ماشین

• تشخیص لبه (Canny، Sobel) — مشخص‌کردن ناپیوستگی‌ها در بافت سطح.
• عملیات مورفولوژیکی — حذف نویز و بهبود شکل ترک‌ها.
• بخش‌بندی ناحیه‌ای و آستانه‌گذاری — جدا کردن نواحی ترک بر اساس شدت.

روش‌های مبتنی بر هوش مصنوعی

• شبکه عصبی کانولوشنی (CNN) — یادگیری الگوهای ترک از داده‌های برچسب‌خورده.
• Autoencoderها — مناسب برای شناسایی ناهنجاری به صورت بدون نظارت.
• مدل‌های YOLO و Faster R-CNN — شناسایی سریع و بلادرنگ ترک‌ها.

دوربین‌های Basler به راحتی با NVIDIA Jetson یا سیستم‌های مبتنی بر CUDA برای اجرای سریع مدل‌های AI یکپارچه می‌شوند.

۶. مراحل راه‌اندازی دوربین Basler برای تشخیص ترک

1. انتخاب دوربین

مدل را بر اساس وضوح، سرعت و میدان دید انتخاب کنید.

2. نصب نرم‌افزار pylon

دانلود از سایت Basler برای نصب درایور و SDK.

3. اتصال و پیکربندی دوربین

• ارتباط از طریق GigE Vision یا USB 3.0
• تنظیم زمان نوردهی، گین و حالت تریگر در pylon Viewer

4. یکپارچه‌سازی نورپردازی

نوع و زاویه نور را بر اساس نمونه آزمایشی ترک تنظیم کنید.

5. پیاده‌سازی پردازش تصویر

استفاده از OpenCV یا مدل‌های یادگیری عمیق.

6. آزمون و کالیبراسیون

نمونه‌های ترک‌دار و سالم را تست کنید و پارامترها را تنظیم نمایید.

۷. کد نمونه پایتون برای دریافت تصویر از Basler

from pypylon import pylon
import cv2
import numpy as np

camera = pylon.InstantCamera(pylon.TlFactory.GetInstance().CreateFirstDevice())
camera.Open()
camera.StartGrabbing()

converter = pylon.ImageFormatConverter()
converter.OutputPixelFormat = pylon.PixelType_BGR8packed
converter.OutputBitAlignment = pylon.OutputBitAlignment_MsbAligned

while camera.IsGrabbing():
    grabResult = camera.RetrieveResult(5000, pylon.TimeoutHandling_ThrowException)
    if grabResult.GrabSucceeded():
        image = converter.Convert(grabResult)
        img = image.GetArray()
        edges = cv2.Canny(img, 100, 200)
        cv2.imshow("Edges", edges)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

camera.StopGrabbing()
camera.Close()
cv2.destroyAllWindows()

۸. مثال‌های واقعی کاربرد صنعتی

• خودروسازی: بررسی ترک در سرسیلندر موتور قبل از مونتاژ.
• کارخانه‌های نورد فولاد: بازرسی ورق‌های پیوسته برای ترک‌های میکروسکوپی.
• هوافضا: کنترل قطعاتی مانند پره توربین و ارابه فرود.
• کشتی‌سازی: نظارت بر جوش‌ها و صفحات فلزی.

۹. نگهداری و نکات کاربردی

• تمیزکردن مداوم لنز و نور.
• کالیبراسیون مجدد فوکوس پس از لرزش دستگاه یا تغییرات خط تولید.
• آموزش مجدد مدل‌های AI با نمونه‌های ترک جدید.
• داشتن ماژول‌های نور جایگزین برای کاهش توقف خط تولید.

۱۰. روندهای آینده در تشخیص ترک

• هوش مصنوعی روی لبه (Edge AI) — دوربین‌های Basler با پردازش داخلی مدل.
• تصویربرداری هایپراسپکترال — شناسایی ترک‌های نامرئی در نور مرئی.
• پروفیلومتری سه‌بعدی — اندازه‌گیری عمق ترک با دقت بالا.

جمع‌بندی

تشخیص ترک فلز با بینایی ماشین یک راهکار اثبات‌شده برای کنترل کیفیت در صنایع تولیدی است. ترکیب دوربین‌های صنعتی Basler با نورپردازی مناسب و پردازش هوشمند تصویر، امکان شناسایی ترک دقیق و بلادرنگ را فراهم می‌کند.

این روش نه تنها هزینه شکست و خرابی را کاهش می‌دهد بلکه با رعایت استانداردهای ایمنی و افزایش اعتماد مشتری، مزیت رقابتی ایجاد می‌کند. با پیشرفت بینایی ماشین و هوش مصنوعی، استفاده از دوربین‌های Basler در تعمیرات پیشگیرانه و پیش‌بینی نقص‌ها نقش کلیدی خواهد داشت.