Oggi le aziende manifatturiere possono disporre di un “occhio bionico”, un alleato instancabile che rileva difetti invisibili a quello umano, ottimizza ogni fase della produzione e mantiene sotto controllo la qualità a velocità e precisione impossibili da raggiungere manualmente. Le nuove tecnologie legate alla machine vision servono a questo, a potenziare le capacità di una fabbrica.
In questo articolo, si spiega come funzionano, e quali settori sono dirette nello specifico. Ad esempio, si pensi alle lenti liquide che, con una messa a fuoco rapida e versatile, supportano l’ispezione di prodotti di dimensioni variabili, riducendo i tempi di fermo per la calibrazione. O alla tecnologia a tempo di volo, che consente ai veicoli autonomi di navigare con sicurezza, rilevando ostacoli e identificando la posizione dei pallet in magazzini o impianti. O ancora ai lettori di codici industriali con deep learning, che tracciano e catalogano automaticamente prodotti, riducendo errori e velocizzando la gestione delle merci nei magazzini. O ancora ai sensori polarizzati, che eliminano riflessi indesiderati su superfici lucide o trasparenti, migliorando l’ispezione di qualità su prodotti riflettenti; mentre le telecamere Swir penetrano materiali opachi, come il silicio, permettendo controlli interni senza danneggiare i prodotti: sono ideali per settori come l’elettronica e la farmaceutica.
Ma cos’è questa machine vision di cui le citate tecnologie costituiscono declinazioni? Permette alle macchine di “vedere” e analizzare immagini in modo automatico, raccogliendo e interpretando informazioni sull’ambiente o su oggetti specifici. Utilizza telecamere, sensori e software avanzati, spesso basati su intelligenza artificiale, per attività come il controllo della qualità, il riconoscimento di forme e il monitoraggio dei processi di produzione. Entro il 2030, il mercato globale della machine vision raggiungerà i 25 miliardi di dollari, diventando essenziale in settori chiave come automotive, elettronica, farmaceutica, medicale e packaging, centrali per il Made in Italy. La crescita di questo mercato è spinta da innovazioni come intelligenza artificiale e deep learning, che rendono i sistemi di visione più performanti. Anche nuove tecnologie come l’edge computing e l’integrazione con l’IoT industriale stanno migliorando l’efficacia e la potenza di questi sistemi. A svilupparli sono big multinazionali come Cognex, Sony, Keyence, Basler, Teledyne Dalsa, Omron, National Instruments, Stemmer Imaging, Sick e Baumer.
Perché la machine vision sta diventando sempre più importante? Le aziende italiane devono affrontare due grandi sfide: aumentare la produttività e garantire una maggiore qualità e sicurezza per i lavoratori, in un momento in cui cresce la domanda di automazione a causa della carenza di manodopera specializzata. Per questo, le imprese cercano sistemi che aumentino l’efficienza riducendo al minimo l’intervento umano e gli errori, abbassando i costi e adattandosi rapidamente a nuovi prodotti senza rallentare la produzione. La machine vision risponde proprio a queste esigenze.
Questo articolo trae spunto dalla sessione tecnologie dell’Italian Machine Vision Forum, mostra convegno itinerante promossa da Anie Automazione e organizzata da Messe Frankfurt Italia. Giunto alla terza edizione, l’evento si è tenuto giorni fa ad Alzano Lombardo. Alla sessione hanno partecipato rappresentanti di Wenglor, Visionlink, Opto Engineering, Ifm Electronic, Beckhoff Automation e Basler.
Il ruolo essenziale degli illuminatori nella machine vision industriale per garantire immagini nitide e affidabili durante l’ispezione automatizzata
Gli illuminatori nel machine vision servono a garantire un’illuminazione uniforme e di qualità, fondamentale per ottenere immagini chiare e ad alto contrasto, essenziali per una corretta analisi visiva. Grazie agli illuminatori, si possono ridurre problemi come riflessi, ombre, sfocature (motion blur) e distorsioni, permettendo al sistema di machine vision di identificare e ispezionare gli oggetti con precisione. Una buona illuminazione rende le applicazioni più affidabili, stabili e ripetibili nel tempo, migliorando così l’efficienza e l’accuratezza nei processi di automazione industriale.
Per Alessandro Colombi head of sales della divisione CamTec di Wenglor Sensoric Italia, «ci sono diverse tipologie di illuminatori, ognuna delle quali ha caratteristiche specifiche per adattarsi a diverse esigenze. Ad esempio, il Ring Light e la Back Light sono usati per evidenziare i contorni degli oggetti, mentre il Flat Dome e le Bar Light offrono un’illuminazione uniforme per ridurre le ombre».
Ogni illuminatore aiuta anche a superare specifiche sfide tecniche. Un problema comune è l’effetto parallasse, che distorce la visione degli oggetti. Installando la telecamera a una certa distanza o utilizzando più telecamere, è possibile ridurre questo effetto. Un’altra sfida è la profondità di campo: per mantenere a fuoco l’intero campo visivo, l’illuminazione deve supportare un campo ampio e profondo senza perdita di nitidezza. Nel caso di oggetti riflettenti o ondulati, che creano fastidiosi riflessi, si utilizzano illuminatori a luce diffusa come il Flat Dome, in grado di eliminare riflessi diretti e fornire un’immagine omogenea. Infine, per evitare il motion blur (sfocature causate dal movimento), si impiegano illuminatori con overdrive, che aumentano temporaneamente la potenza per ridurre il tempo di esposizione, mantenendo le immagini nitide anche su oggetti in movimento.
Non a caso la soluzione di Wenglor nel campo del machine vision è un sistema avanzato composto da telecamere, sensori e illuminatori, supportati da un software intelligente. Questi componenti lavorano insieme per “vedere” e analizzare oggetti e componenti su una linea di produzione, senza bisogno di interventi manuali. «L’obiettivo è rendere possibili controlli di qualità, ispezioni e verifiche automatiche, in modo rapido, preciso e affidabile» – afferma Colombi. Questa tecnologia è particolarmente utile in settori industriali come l’automotive, il packaging, l’elettronica e l’alimentare, dove si richiede un alto livello di precisione nel controllo dei prodotti.
Tecnologie avanzate di machine vision per la gestione efficiente dei magazzini, dalla tracciabilità all’ottimizzazione dello stoccaggio
Un’esigenza industriale è quella di sviluppare sistemi di tecnologie di visione che consentano ai magazzini di monitorare, organizzare e ottimizzare ogni fase del flusso dei prodotti, dalla ricezione alla spedizione, compresi il controllo qualità, il picking, l’imballaggio e la gestione dei resi. Visionlink – un’azienda italiana specializzata nella distribuzione di componenti hardware e software per l’acquisizione e l’analisi di immagini – ha realizzato una soluzione di questo tipo. Il sistema di Visionlink utilizza lettori di codici industriali che tracciano automaticamente i prodotti, riducendo errori e velocizzando le operazioni. Questi lettori, grazie a algoritmi di deep learning, leggono dati come codici e lotti su ogni prodotto, sincronizzandoli in tempo reale con i gestionali aziendali.
Inoltre, Visionlink impiega telecamere tridimensionali (3D), che misurano con precisione il volume dei prodotti, grazie a tecnologie come la luce strutturata o il tempo di volo. Questo permette di ottimizzare lo spazio sia nello stoccaggio sia nell’imballaggio, evitando sprechi di materiale e migliorando l’efficienza nel carico dei mezzi di trasporto. Infine, per il controllo qualità e la gestione dei resi, il sistema utilizza soluzioni multitelecamera che rilevano automaticamente difetti o differenze rispetto alle specifiche, senza necessità di intervento umano. In questo modo, Visionlink garantisce un controllo rapido e accurato in ogni fase del processo.
«Questa soluzione permette alle aziende di ottimizzare le operazioni logistiche riducendo i margini di errore, abbassando i costi e migliorando l’efficienza operativa. Il sistema di machine vision è utile per aumentare la produttività, poiché automatizza operazioni che altrimenti richiederebbero molto tempo e sarebbero soggette a errori umani» – afferma il technical manager di Visionlink Mattia Alberto Salomao. Inoltre, con un’accurata gestione dello spazio e del packaging, le aziende possono ridurre i materiali di imballaggio, ridurre il numero di viaggi dei veicoli e, di conseguenza, limitare l’impatto ambientale.
Questo tipo di tecnologia è pensato principalmente per il settore logistico e di stoccaggio, dove la gestione ottimizzata dello spazio, la rapidità nelle operazioni e l’efficienza nella tracciabilità sono cruciali.
Innovazioni di controllo qualità industriale: sensori polarizzati, telecamere swir e lenti liquide per garantire precisione e ridurre errori
Il controllo qualità, l’ottimizzazione dei processi, la riduzione degli errori e la velocizzazione delle operazioni sono cruciali per le aziende moderne. Opto Engineering, con sede a Mantova, fornisce un ampio range di prodotti – telecamere, illuminatori, ottiche e software – per rispondere a queste esigenze industriali. Nello specifico, ha dato vita ad una soluzione che contempla tre tecnologie particolarmente avanzate. I citati sensori polarizzati PolarSense vengono utilizzati per eliminare riflessi su superfici lucide o trasparenti, come metalli, vetri e plastiche, che possono interferire con l’acquisizione di immagini chiare e precise. Questi riflessi spesso complicano la lettura dei codici e l’ispezione di prodotti, causando errori e richiedendo un intervento umano. La tecnologia PolarSense, con i suoi polarizzatori integrati, permette una visione ottimale senza riflessi, rendendo possibile un controllo di qualità più accurato e senza interruzioni.
La menzionata tecnologia Swir (SensWear) permette di vedere lunghezze d’onda nell’infrarosso che l’occhio umano non percepisce, rispondendo a esigenze specifiche come la rilevazione di oggetti attraverso materiali non trasparenti al visibile (come il silicio), la differenziazione di materiali in processi di smistamento e l’ispezione in ambienti con fumo o polveri. Questo è essenziale per industrie che richiedono un’analisi profonda della struttura dei materiali, come quella dei semiconduttori, alimentare e farmaceutica. Le citate lenti liquide rispondono all’esigenza di una messa a fuoco rapida e versatile, simile a quella dell’occhio umano, senza necessità di movimenti meccanici, che possono usurarsi. Questo è ideale per ispezioni ad alta velocità o per prodotti di dimensioni variabili, come componenti elettronici o imballaggi. Le lenti liquide garantiscono affidabilità nel tempo e riducono il rischio di polvere o altre interferenze, migliorando la qualità e la velocità delle operazioni di ispezione.
Per Matteo Ferrari, product manager di Opto Engineering, «queste tecnologie permettono alle aziende di ridurre errori, migliorare la qualità dei prodotti e ottimizzare il controllo su linee produttive sempre più complesse. I sistemi di visione offrono una visibilità precisa e profonda su componenti e materiali, riducendo al minimo l’intervento umano e velocizzando i processi». Queste soluzioni trovano impiego nei settori dell’elettronica, semiconduttori, alimentare, farmaceutico e automazione industriale, rispondendo a esigenze di controllo qualità, smistamento materiali, rilevamento di difetti e ottimizzazione dell’imballaggio.
Tecnologia a tempo di volo per ottimizzare la navigazione di veicoli autonomi in ambienti industriali e logistici, garantendo sicurezza ed efficienza operativa
Un’esigenza molto sentita dalle aziende è quella di migliorare l’efficienza e la sicurezza dei veicoli autonomi in ambienti industriali. Si diceva che la citata tecnologia a tempo di volo (Time of Flight) è pensata per ottimizzare la navigazione e la gestione di robot Amr (Autonomous Mobile Robots) e Agv (Automated Guided Vehicles), in ambienti industriali e logistici. In pratica, consente a questi veicoli di rilevare ostacoli e gestire in modo automatizzato i pallet, migliorando l’efficienza operativa. Ma come funziona questa tecnologia? È un metodo che permette di misurare la distanza tra un sensore e un oggetto utilizzando la luce. Funziona inviando un impulso di luce (di solito infrarossa) verso un oggetto e calcolando il tempo impiegato dalla luce per colpire l’oggetto e tornare al sensore. Poiché la velocità della luce è nota, il sistema può usare questo tempo per calcolare con precisione la distanza dell’oggetto. Il risultato è una “mappa” 3D dell’ambiente, dove ogni punto rappresenta la distanza di una parte diversa dell’oggetto o dell’ambiente dal sensore.
Ifm Electronic – un’azienda tedesca fondata nel 1969, specializzata nella produzione di sensori e soluzioni per l’automazione industriale – ha realizzato un sistema basato su questa tecnologia che integra due algoritmi chiave. Anzitutto l’Optical Detection System (Ods), che aiuta i veicoli a rilevare ostacoli, sia fermi che in movimento, come scatole o strutture, e a trovare il percorso migliore per evitarli. Grazie a questo sistema, i veicoli possono muoversi senza fermarsi per errori di rilevamento, come riflessi sul pavimento, garantendo una navigazione più veloce e sicura. In secondo luogo il Pallet Detection System, che permette invece ai veicoli di riconoscere automaticamente i pallet, individuandone la forma e la posizione anche se sono leggermente spostati o danneggiati. Questo facilita e rende più efficiente il carico e scarico dei pallet.
Per Simone Pavan, technical e marketing manager di Ifm Electronic, «questa soluzione offre numerosi vantaggi alle aziende, affrontando le principali sfide tecniche e operative. Migliora l’efficienza operativa riducendo gli errori dovuti a falsi ostacoli e aumentando la quantità di pallet che i veicoli possono gestire in meno tempo». La tecnologia è anche molto adattabile, funzionando bene in diverse condizioni di illuminazione, con ostacoli di vari tipi e colori, e garantendo così prestazioni affidabili in ogni ambiente. Inoltre, i sistemi multimodali sono facili da integrare, poiché supportano strumenti di sviluppo comuni (come Python, C++ e Cuda), permettendo ai team di personalizzare facilmente la tecnologia secondo le proprie esigenze. Questa soluzione è utile per aziende nel settore della logistica, magazzini e produzione industriale, dove l’uso di robot autonomi e sistemi di visione avanzati è essenziale per ottimizzare il flusso di lavoro, ridurre i tempi di fermo e aumentare la sicurezza.
Integrazione del machine learning per potenziare la machine vision e ottimizzare il controllo qualità industriale su linee di produzione automatizzate
Unire il machine learning alla machine vision per migliorare l’analisi visiva nelle linee di produzione. Con l’intelligenza artificiale, il sistema diventa capace di rilevare dettagli e difetti che i metodi tradizionali di visione artificiale potrebbero non individuare. Questo rende il controllo qualità e la classificazione dei prodotti più accurati e automatici, adattandosi a diverse condizioni e riducendo la necessità di competenze specializzate. In pratica, il machine learning rende la machine vision più precisa e flessibile, permettendo alle aziende di migliorare l’efficienza e la qualità dei loro processi produttivi. È l’obiettivo che si è posto Beckhoff Automation, che ha realizzato un’apposita soluzione.
La tecnologia chiave è una piattaforma di AutoML (Machine Learning Automatico), che guida l’utente attraverso i passaggi essenziali: raccolta dei dati, addestramento del modello e implementazione del modello in un sistema automatizzato. Secondo l’Automation Product specialist Piergiorgio Romanò, «questa piattaforma non richiede competenze di programmazione, poiché offre un ambiente grafico intuitivo in cui è possibile caricare un dataset di immagini, impostare i parametri e addestrare il modello in modo automatico». La soluzione di Beckhoff per integrare machine learning e machine vision nell’automazione industriale inizia con la raccolta dei dati: le macchine acquisiscono immagini e dati direttamente dal processo produttivo, catturando ogni aspetto visivo e misurazione utile. Questi dati vengono poi elaborati e preparati, creando un dataset rappresentativo che servirà per l’addestramento del modello. Il passo successivo è l’addestramento automatico del modello. La piattaforma di machine learning è progettata per configurare e addestrare automaticamente il modello, anche senza necessità di programmazione o competenze avanzate. Una volta caricati i dati, la piattaforma sceglie e ottimizza le impostazioni necessarie per addestrare il modello AI, che impara a riconoscere difetti, pattern o caratteristiche rilevanti nelle immagini. Questo passaggio, che solitamente richiederebbe un intervento manuale complesso, viene quindi semplificato e reso accessibile anche ai tecnici di automazione.
Infine, il modello addestrato viene integrato direttamente nel sistema di controllo della macchina. Una volta installato, il modello opera in tempo reale, analizzando continuamente i dati raccolti e offrendo previsioni immediate. Questo permette al sistema di rispondere rapidamente a condizioni operative variabili e ottimizzare ogni fase del processo produttivo. Inoltre, grazie al codice generato automaticamente dalla piattaforma, il modello può essere implementato in modo standardizzato, rendendo l’intero sistema facile da adattare e da aggiornare.
«Questa soluzione permette alle aziende, anche medio-piccole, di sfruttare il machine learning senza dipendere da esperti esterni, aumentando l’efficienza e l’autonomia nei processi produttivi. Inoltre, l’integrazione facile e standardizzata del modello nel sistema di automazione consente di ottimizzare la qualità dei prodotti e migliorare la competitività aziendale» – afferma Piergiorgio Romanò.
Questa tecnologia è particolarmente utile in ambiti industriali che richiedono un controllo qualità avanzato, come l’automazione industriale, la produzione manifatturiera e la logistica, dove la machine vision può migliorare notevolmente la produttività e ridurre errori.
Utilizzo delle Fpga per sistemi di visione industriale ad alta velocità e precisione: un’opzione per accelerare l’ispezione e ridurre l’elaborazione dei dati visivi su linee di produzione
Molti processi industriali richiedono l’analisi immediata dei dati visivi, specialmente in linee di produzione ad alta velocità. Queste ultime utilizzano telecamere ad alta risoluzione o sensori che producono enormi quantità di dati, la cui gestione è un problema. Secondo Basler – un’azienda tedesca specializzata in tecnologie di visione artificiale, che produce telecamere industriali, componenti e software per l’analisi visiva automatizzata – una soluzione c’è.
Le Fpga sono circuiti programmabili, configurati a livello hardware, che permettono di eseguire elaborazioni dati in parallelo, a differenza delle Cpu o Gpu tradizionali che processano le informazioni in sequenza. Questo parallelismo massiccio consente all’Fpga di eseguire più operazioni simultaneamente, garantendo un’alta capacità di banda, latenze molto basse e tempi di risposta deterministici. Queste caratteristiche le rendono ideali per applicazioni di machine vision ad alte prestazioni, come il controllo visivo in tempo reale su linee di produzione.
Nel sistema di visione industriale, l’Fpga può essere usata in diversi modi. In modalità di pre-elaborazione, acquisisce le immagini dalle telecamere, applica filtri o estrae dettagli rilevanti e invia i dati già lavorati alla Cpu, riducendo così il carico sulla quest’ultima e migliorando l’efficienza del sistema. In modalità di elaborazione condivisa, la Cpu riceve le immagini e affida all’Fpga solo una parte dell’elaborazione, creando una sinergia tra i due processori per gestire il carico di lavoro in modo ottimale. Infine, l’Fpga può gestire l’intera elaborazione delle immagini senza coinvolgere la Cpu, minimizzando la latenza e garantendo una risposta rapidissima, ideale per applicazioni che richiedono velocità immediata.
Per Matteo Seregni, senior Computer Vision Software engineer di Basler Italy, «l’uso delle Fpga offre alle aziende numerosi vantaggi: accelera i tempi di analisi e rende il sistema più reattivo, ideale per l’ispezione di prodotti in movimento; gestisce grandi quantità di dati; migliora la precisione, poiché consente di configurare l’hardware per compiti specifici con alta efficienza; e rende la tecnologia più accessibile anche ai tecnici meno esperti, grazie a strumenti che semplificano l’uso delle Fpga». Un esempio di applicazione è nel controllo della qualità delle batterie, dove bisogna monitorare velocemente il rivestimento degli elettrodi. «In questo caso, l’Fpga pre-elabora le immagini delle telecamere, isolando solo le parti che mostrano difetti, e riduce così il flusso di dati da gestire. Questo permette alla Cpu di concentrarsi solo sulle aree critiche, ottimizzando la velocità e l’efficienza dell’ispezione».
