Grazie all’Industry 4.0 sarà possibile ottenere dei processi di lavorazione mai visti prima: sempre più precisi, veloci ed economici.
A fare la differenza è l’alto grado di integrazione tra computer, apparecchiature e software di alto livello, che in interdipendenza sono la base per il raggiungimento di livelli di efficienza difficilmente raggiungibili in altro modo.
La computer vision e l’intelligenza artificiale stanno diventando sempre più comuni anche in ambito industriale, dato che in certi processi, come quelli che richiedono l’impiego di robot, si cominciano ad avere delle esigenze sempre più elevate.Nell’Industria 4.0, tutte le apparecchiature, macchine e computer devono essere opportunamente collegati tra loro al fine di garantire un’efficace elaborazione dei dati su larga scala e l’autocorrezione di errori verificatosi durante l’intero processo produttivo. Un altro beneficio della fusione tra i vari elementi è dato dalla possibilità di poter sfruttare un tipo di manutenzione predittiva.
Ogni singolo dato acquisito dai sensori ed informazione elaborata dal sistema, deve poter essere accessibile a chi di competenza, in modo tale da rendere il funzionamento dell’impianto più efficiente ed evitare inutili fermi macchina, oltre che a ridurre così i tempi di lavorazione e di logistica.
Robotica industriale
Nulla di nuovo: la robotica industriale è una tecnologia che viene sfruttata da molti anni, specialmente nelle catene di assemblaggio. Nonostante non si tratti di una tecnologia particolarmente moderna, negli anni non sono mancate delle innovazioni che l’hanno resa sempre più versatile ed economica, facendo si che sempre più aziende iniziassero ad integrare i robot industriali nelle proprie fabbriche, potendo ridurre al minimo i costi di produzione e allo stesso tempo aumentare le prestazioni.
Nell’industria 4.0 la tendenza è quella di utilizzare i robot per creare delle fabbriche completamente automatizzate, ma esistono dei casi in cui la cooperazione tra uomo e robot è indispensabile.
Proprio per questo motivo, è di fondamentale importanza prevedere dei parametri di sicurezza e dei sistemi, che siano in grado di valutare in tempo reale le situazioni potenzialmente pericolose ed intervenire in tempo.
In base alla tipologia di robot industriale, possono essere prese in considerazione delle soluzioni di sicurezza più o meno classiche, che vanno dall’impiego di specifici sensori installati in modo strategico fino ad arrivare ad un sistema avanzato di computer vision ed intelligenza artificiale.
Cosa è la computer vision
Una sfida nella robotica riguarda l’integrazione dell’intelligenza artificiale al fine di acquisire, interpretare e gestire gli input visivi. Per questo motivo, è importante che a pari passo di altri sistemi, vengano progettati ed innovati dei sensori ottici e sistemi di acquisizione immagini.
Negli ultimi anni l’intelligenza artificiale e il machine learning sono diventati dei punti di riferimento per un gran numero di applicazioni, principalmente grazie alle prestazioni dei moderni sistemi di calcolo, ai big data e alle nuove soluzioni di cloud. Questo è dovuto anche alla nascita di nuovi sistemi in grado di garantire un’efficace raccolta dei dati visivi per applicazioni di machine learning.
A questo punto entra in gioco la computer vision.
Ogni volta che si fa un passo in avanti, si apre un mondo di possibilità. Ne è un esempio la computer vision, che è un’applicazione derivata dalla combinazione tra machine learning ed intelligenza artificiale, nata con lo scopo di acquisire da immagini e video digitali, una gamma di informazioni utili all’esecuzione di certi compiti decisionali e di analisi statistica.
Come la maggior parte dei sistemi di machine learning, la computer vision richiede una notevole mole di dati per addestrare gli algoritmi a interpretarli, oltre che ad un hardware e software altamente performante. Nell’industria 4.0 il gioco vale la candela.
Comunque sia, in molte applicazioni non è necessario integrare una tecnologia simile, come in tutti quei sistemi che per apprendere ed operare sono bastevoli delle informazioni espresse sotto forma di rappresentazioni numeriche.
Quando per l’analisi basta considerare pochi parametri, possono essere implementate delle tecnologie più semplici (es. geometria – misura, peso, valutazione delle proprietà dei materiali, …). In alternativa se da prendere in esame ci sono parecchie variabili, è preferibile adottare un metodo di analisi per immagini.
Alcuni aspetti della computer vision
La computer vision è un topic particolarmente complesso, dato che i parametri da tenere in considerazione per il raggiungimento dello scopo sono non soltanto parecchi, ma anche intrecciati in modo tale che alla variazione di un parametro, può cambiare tutto.
Come avviene il riconoscimento immagini di una macchina? Gli algoritmi di Computer Vision possono effettuare indagini più o meno approfondite su un’immagine, a seconda delle tecniche utilizzate, della tipologia di immagine e del tipo di task di cui si ha bisogno.
Tra i task più utilizzati in ambito industriale si individuano quelli relativi all’Image Classification, che permette l’esecuzione dell’analisi del contenuto di un’immagine e l’attribuzione di un’etichetta (es. persona, cane) e quello relativo all’Object Detection che si occupa di identificare una o più entità all’interno di un’immagine.
Un terzo task molto importante è quello deIl’Action Recognition, che permette non soltanto di identificare una o più entità, ma anche la loro relazione nel tempo e nello spazio, al fine di riconoscere e descrivere delle azioni specifiche.
Quando l’immagine acquisita potrebbe risultare ambigua e corrispondere a più associazioni, l’algoritmo deve essere in grado di attribuire l’etichetta più adeguata, motivo per il quale è indispensabile l’utilizzo di algoritmi altamente specifici ed addestrati in base al campo di applicazione.
Il metodo di riconoscimento più appropriato e di conseguenza la scelta del giusto hardware, dipende dal task richiesto, dal tipo di oggetto da riconoscere e dal numero di parametri che entrano in gioco nel processo di riconoscimento.
Parametri per il riconoscimento di immagini
Come si può sicuramente intuire, non basta una semplice webcam per lo scopo né tanto meno ci si può permettere di fare un’analisi superficiale di tutte quelle che sono le regole che bisogna rispettare per questo tipo di applicazione. Comunque sia, qui di seguito si fa riferimento ad alcuni punti che vengono affrontati quando si implementa un sistema di riconoscimento di immagini in un contesto industriale.
Fonti di illuminazione diverse, presentano differenti spettri, ai quali sia l’occhio umano che i sensori ottici rispondono in modo diverso. In base all’oggetto o al contesto che si vuole identificare tramite il sistema di riconoscimento di immagini, va studiato come incide quella specifica fonte di illuminazione che si decide di utilizzare. Questo per evitare il verificarsi di determinate condizioni, per le quali l’acquisizione dell’immagine risulta problematica o falsata (es. riflessi o colore oggetto falsato).
Specialmente nei sistemi di acquisizione immagini più moderni, la messa a fuoco non è un grosso problema, ma si tratta comunque di un parametro che deve essere preso in considerazione. Quando la camera non è direttamente montata sul robot, un cambiamento parziale dello scenario potrebbe rendere necessaria una nuova messa a fuoco che in nessun modo deve interferire con il processo di elaborazione delle immagini.
In molte applicazioni è necessario calcolare con un buon grado di precisione la posizione occupata nello spazio di un certo elemento, meccanico o umano che sia. Generalmente la posizione di un oggetto non può essere determinata esclusivamente da un’immagine 2D, motivo per il quale in tutti quei casi dove non si può rinunciare ad un buon grado di precisione, è indispensabile che all’immagine acquisita vengano integrate delle altre informazioni.
Queste informazioni supplementari vengono acquisite principalmente tramite dei sensori specifici installati in modo strategico nella zona da attenzionare, ma in un contesto di Industry 4.0 possono provenire anche dalle altre macchine, robot e dispositivi collegati alla rete, che sono in grado di fornire informazioni utili allo scopo.
Conclusione
Manutenzione predittiva, monitoraggio dei prodotti per il controllo della qualità e maggiore sicurezza nei luoghi di lavoro sono soltanto alcuni dei benefici offerti dalla tecnologia emergente. Con le innovazioni che riserva il futuro, non mancherà sicuramente l’occasione di espandere la gamma di funzionalità atte ad ottenere una maggiore integrazione tra il mondo fisico e quello software.
