Automatização do Controlo de Qualidade na Indústria
Cerâmica
Rafael Guerreiro Baeta
Dissertação para a obtenção do Grau de Mestre em
Engenharia Mecânica
Orientadores: Prof. João Rogério Caldas Pinto, Prof. Carlos Baptista Cardeira
Júri
Presidente: Prof. Viriato Sérgio de Almeida Semião
Orientador: Prof. João Rogério Caldas Pinto
Vogal: Prof. Paulo Alexandre Fernandes Ferreira
Novembro, 2014
Trabalho
“O trabalho vence tudo.” - José Guerreiro (Avô)
Dedicação
“O sucesso está nos pormenores.” - Jay Elliot (sobre Steve Jobs)
Ambição
“Não nasci para ser segundo.” - Ayrton Senna
Perfecionismo
“Quem pensa pouco erra muito. ” – Leonardo da Vinci
I
Agradecimentos
Sem o seu contributo, a elaboração desta dissertação não seria possível, como tal, não posso deixar de
agradecer:
Aos meus orientadores, João Rogério Caldas Pinto e Carlos Cardeira, pela orientação dada e pelas
horas despendidas na busca do rigor que este trabalho exige.
Numa primeira fase, ao CTCV, pelos contatos e apoio proporcionados e à empresa Matcerâmica, pela
disponibilidade demonstrada na visita efetuada à fábrica e disponibilização de material, tendo sido
fundamentais para a realização deste trabalho.
Aos meus amigos, que sempre me apoiaram neste meu percurso, em especial, ao Pedro Mota e à
Patrícia Ferreira, por todas as horas de companhia e paciência para me aturarem.
À Isabelle e ao António Luís, pelos conselhos e apoio, numa busca constante por um melhor trabalho.
À minha família, em especial aos meus pais. A eles agradeço aquilo que sou hoje, a educação que me
foi proporcionada, a dedicação constante e o amor diário por eles demonstrado.
Por fim agradecer à grande mulher que nos últimos 10 anos esteve a meu lado. Dedico este trabalho à
Ana, que abdicou de sonhos e projetos para que esta fase da minha vida fosse concluída com o maior
sucesso possível.
II
Resumo
O presente trabalho tem como objetivo projetar um sistema automático para deteção de defeitos em
pratos de cerâmica. São detetadas irregularidades ao nível do rebordo, bem como eventuais pontos
negros, em ambos os lados dos pratos.
A deteção de defeitos é feita através de fotografia e, com técnicas de processamento de imagem, é feita
uma interpretação das imagens, que permite uma decisão de rejeição ou aceitação dos pratos. Foi
projetado um sistema de iluminação especial, que impede a incidência de luz diretamente no prato,
evitando assim reflexos indesejáveis.
Para a análise das imagens, foram desenvolvidos três algoritmos, sendo o primeiro para deteção dos
pontos pretos na face superior do prato, o segundo com idênticas funções para a face inferior do prato e
o terceiro para análise da bordadura e geometria.
Nos algoritmos decidiu-se utilizar a binarização e técnicas de morfologia, como base, para a deteção
dos defeitos.
Nos ensaios realizados, com o protótipo de luz construído, recorreu-se a uma base de dados de 643
fotografias concluindo-se que o índice de fiabilidade é de 100%. As fotografias, foram realizadas a
pratos sem defeitos e com os defeitos mais usuais, tendo havido o cuidado de os rodar, para colocar as
imperfeições em diferentes posições em relação à câmara.
O tempo de deteção variou, nos diversos algoritmos, entre 2,95 e 3,46 segundos para cada operação.
Como conclusão, pode afirmar-se que foi projetado um sistema simples, de baixo custo de construção e
de funcionamento, com uma fiabilidade muito elevada.
Palavras-Chave
Controlo de qualidade em pratos de cerâmica, CAD, Inspecção Visual automática, Sistema de
Aquisição de Imagens, Defeitos em cerâmica, Imagem binarizada, transformada de Hough
III
Abstract
The goal of this project was to design an automatic system to detect flaws and edge irregularities on
ceramic plates. Edge irregularities are detected as well as black spots on both sides of the plates.
The detection of defects using photography and image processing techniques allows image
interpretation leading to a decision to accept or reject the plates. A special system of lightning was
designed. This lightning doesn’t focus directly on the plates, therefore avoiding undesirable reflects.
To analyse the data, 3 algorithms were developed, the first to detect the black dots on the upper side of
the plate, the second with identical role for the lower side of the plate and the third to analyse the edge
and the geometry.
For the algorithms, binarization and techniques of morphology were used to detect flaws on the plates.
In the tests performed, with the developed prototype and with a database with 643 photographs, we
concluded that the reliability is 100%. The photographs were taken from plates without flaws and with
the most common flaws. The plates were carefully rotated, to place the flaws in different positions
towards the camera.
The detection time varied, for the 3 algorithms, between 2,95 and 3,46 seconds for each operation.
To conclude, we can say that we have projected a simple system, of low construction cost and
functional, with an high reliability, which can contribute to enhance the quality of the plates and lower
its costs, increasing, therefore, national competitively.
Keywords
Quality control of ceramic plates, CAD, Automation Visual Inspection, Image Acquision System,
Ceramic Defects, Binary Image, Hough Transform
IV
Abreviaturas
PLC – Programmable logic controller
Grafcet – graphe fonctionnel de commande étapes / transitions
FPS – Frames per second
EXIF – Exchangeable image file format
CMOS – Complementary metal-oxide-semiconductor
CCD – Charge-coupled device
CTCV – Centro Tecnológico para a Cerâmica e Vidro
V
Índice
Agradecimentos ......................................................................................................................... II Resumo ..................................................................................................................................... III Palavras-Chave ......................................................................................................................... III Abstract.................................................................................................................................... IV Keywords ................................................................................................................................. IV Abreviaturas .............................................................................................................................. V Índice ....................................................................................................................................... VI Índice de figuras ...................................................................................................................... IX Índice de tabelas ..................................................................................................................... XII 1 Introdução ............................................................................................................................ 1 1.1. Enquadramento histórico ............................................................................................. 1 1.2. Motivação e Objetivos ................................................................................................. 4 1.3. Contribuições da dissertação ........................................................................................ 5 1.4. Organização da tese...................................................................................................... 5 2 Estado da arte ....................................................................................................................... 7 2.1. Inspeção e Controlo de qualidade ................................................................................ 7 2.2. Técnicas de processamento de imagem ..................................................................... 12 2.3. Técnicas de iluminação .............................................................................................. 14 2.4. Contribuições face ao estado da arte .......................................................................... 15 3 Sistema automático de inspeção......................................................................................... 17 3.1. Conceito ..................................................................................................................... 17 3.2. Desenvolvimento do conceito .................................................................................... 18 3.2.1 Sistema de centragem ........................................................................................... 18 3.2.2 Sistema de visão/iluminação ................................................................................ 21 3.2.3 Sistema de viragem .............................................................................................. 21 3.2.4 Sistema de rejeição ............................................................................................... 23 3.2.5 Sistema de estampagem ....................................................................................... 25 3.2.6 Sistema automático de inspeção completo ........................................................... 25 VI
3.3. Automatização............................................................................................................ 26 3.4. Produção e dimensionamento mecânico .................................................................... 29 3.5. Iluminação e câmaras ................................................................................................. 32 4 Técnicas de processamento de imagem ............................................................................. 35 4.1. Introdução teórica....................................................................................................... 35 4.1.1 Binarização ........................................................................................................... 35 4.1.2 Morfologia............................................................................................................ 36 4.1.3 Transformada de Hough ....................................................................................... 37 4.2. Tipos de defeitos ........................................................................................................ 37 4.3. Métodos implementados ............................................................................................ 38 4.3.1 Pré-processamento ............................................................................................... 38 4.3.2 Algoritmo deteção de defeitos pela face superior ................................................ 39 4.3.3 Algoritmo deteção de defeitos pela face inferior ................................................. 40 4.3.4 Algoritmo de análise da bordadura verificação de geometria .............................. 41 5 Apresentação e discussão de resultados ............................................................................. 43 5.1. Iluminação .................................................................................................................. 43 5.2. Base de dados ............................................................................................................. 45 5.3. Método implementado ............................................................................................... 48 5.3.1 Pré-processamento ............................................................................................... 48 5.3.2 Algoritmo deteção de defeitos pela face superior ................................................ 54 5.3.3 Algoritmo deteção de defeitos pela face inferior ................................................. 57 5.3.4 Algoritmo de análise da bordadura e verificação de geometria ........................... 60 5.4. Resumo global dos resultados .................................................................................... 62 6 Conclusões e trabalhos futuros........................................................................................... 64 6.1. Conclusões ................................................................................................................. 64 6.2. Trabalhos Futuros....................................................................................................... 65 6.2.1 Sistema automático de inspecção ......................................................................... 65 6.2.2 Iluminação ............................................................................................................ 66 6.2.3 Técnica de processamento de imagem ................................................................. 66 7 Bibliografia ....................................................................................................................... 68 8 Apêndice ............................................................................................................................ 70 VII
8.1. Apêndice A................................................................................................................. 70 8.2. Apêndice B ................................................................................................................. 71 8.3. Apêndice C ................................................................................................................. 75 8.4. Apêndice D................................................................................................................. 76 8.5. Apêndice E ................................................................................................................. 78 VIII
Índice de figuras
Figura 1 - Protótipo de inspeção ................................................................................................. 9 Figura 2 - Esquema tecnológico do setor de qualidade de inspeção .......................................... 9 Figura 3 - Sistema manipulador ............................................................................................... 10 Figura 4 - Esboço do equipamento de inspeção (Optomachine) .............................................. 11 Figura 5 – Optomachine – Equipamento de controlo de qualidade ......................................... 12 Figura 6 - Optomachine - Layout do equipamento .................................................................. 12 Figura 7 - Sistema de separação e centragem ........................................................................... 19 Figura 8 - Sistema de separação e centragem - Vista lateral .................................................... 20 Figura 9 - Pormenor de transição de tapetes ............................................................................ 20 Figura 10 – Sistema de visão/iluminação ................................................................................. 21 Figura 11 - Sistema de viragem ................................................................................................ 22 Figura 12 - Sistema de dedos de captação ................................................................................ 22 Figura 13 - Pormenor de captação do prato.............................................................................. 23 Figura 14 - Sistema de rejeição ................................................................................................ 24 Figura 15 - Rejeição - Tapete rolos motorizados ..................................................................... 24 Figura 16 - Sistema de estampagem ......................................................................................... 25 Figura 17 – Sistema automático de inspeção – Vista isométrica ............................................. 26 Figura 18 – Sistema automático de inspeção – Vista lateral .................................................... 26 Figura 19 - Montagem encoder no conjunto Motor-redutor .................................................... 28 Figura 20 - Grafcet do sistema automático de inspeção ........................................................... 29 Figura 21 - Sistema de iluminação e visão ............................................................................... 33 Figura 22 - Interior do sistema de iluminação .......................................................................... 33 Figura 23 - Quadro de comando iluminação ............................................................................ 34 Figura 24 - Imagem a cores (direita) e a mesma imagem binarizada (esquerda) ..................... 36 Figura 25 – Fluxograma de pré-processamento ....................................................................... 39 Figura 26 - Fluxograma do algoritmo de deteção de defeitos pela face superior..................... 40 Figura 27 - Fluxograma do algoritmo de deteção de defeitos pela face inferior ...................... 41 Figura 28 - Deteção das linhas limite do prato ......................................................................... 41 IX
Figura 29 - Imagem prato com luz direta ................................................................................. 43 Figura 30 – Aplicação de luz difusa. Prato completamente branco rebordo simples (esquerda)
e Prato completamente branco rebordo trabalhado (direita) ............................................ 43 Figura 31 - Aplicação de luz difusa. Prato decalque e rebordo simples (esquerda) e Prato com
rebordo simples invertido (direita) ................................................................................... 44 Figura 32 – Apresentação de defeito tipo A – luz directa (esquerda) e luz difusa (direita) ..... 44 Figura 33 - Canon EOS Utility - controlo remoto Canon 600D............................................... 46 Figura 34 - Fluxograma da base de dados ................................................................................ 47 Figura 35 - Imagem de um prato em formato RAW (esquerda) e em formato JPEG (direita)
.......................................................................................................................................... 48 Figura 36 - Detalhe de um defeito - Zoom 200%. Imagem em formato RAW (esquerda) e em
formato JPEG (direita) ..................................................................................................... 48 Figura 37 - Imagem de abertura do pré-processamento ........................................................... 49 Figura 38 - Pormenor do defeito do prato ................................................................................ 49 Figura 39 - Imagem binarizada - threshold 0,75 ...................................................................... 50 Figura 40 - Zoom out da imagem binarizada - threshold 0,75 ................................................. 50 Figura 41 - Imagem binarizada - threshold 0,635 .................................................................... 51 Figura 42 - Imtool - diâmetro prato .......................................................................................... 52 Figura 43 - Transformada de Hough ........................................................................................ 52 Figura 44 - Transformada de Hough - pormenor de contorno do prato ................................... 52 Figura 45 - Transformada de Hough optimizada - pormenor do contorno do prato ................ 53 Figura 46 - Crop da imagem reduzida em 50% ....................................................................... 54 Figura 47 - Imagem do prato com cor invertida ....................................................................... 55 Figura 48 - Prato defeituoso face superior ............................................................................... 55 Figura 49 - Prato pela face inferior com anel no rebordo......................................................... 57 Figura 50 - Prato defeituoso face inferior................................................................................. 58 Figura 51 - Contorno do prato .................................................................................................. 60 Figura 52 - Rebordo partido prato simples ............................................................................... 60 Figura 53 - Rebordo partido prato com decalque ..................................................................... 61 Figura 54 - Esquema elétrico sistema de iluminação ............................................................... 75 Figura 55 - Prato com defeito do tipo A ................................................................................... 76 Figura 56 - Prato com defeito do tipo A/B ............................................................................... 76 Figura 57 - Prato com defeito do tipo B ................................................................................... 76 X
Figura 58 - Prato com defeito do tipo C ................................................................................... 77 Figura 59 - Prato com defeito do tipo D (direita) e tipo E (esquerda)..................................... 77 Figura 60 - Prato com defeito do tipo F ................................................................................... 77 XI
Índice de tabelas
Tabela 1 - Descrição dos defeitos ............................................................................................. 38 Tabela 2 - Excerto do Excel da base de dados ......................................................................... 46 Tabela 3 - Resultados do nº defeitos encontrados na face superior.......................................... 56 Tabela 4 - Resultados do nº defeitos encontrados face inferior ............................................... 59 Tabela 5 - Resultados parciais da análise da geometria ........................................................... 62 Tabela 6 - Resultados finais globais ......................................................................................... 62 Tabela 7 – Resultados totais da análise da geometria .............................................................. 78 XII
1
Introdução
1.1. Enquadramento histórico
A cerâmica, ou arte do oleiro, consiste na fabricação de loiça de barro, ou objetos análogos.
A sua origem parece remontar a uma fase avançada do mesolítico, do período intermediário entre o
paleolítico e o neolítico, mas é no neolítico que se estabelece o uso corrente da cerâmica, inicialmente
sob a forma de vasilhas e de tigelas, recipientes utilitários, preciosos pelas suas funções. Mais tarde,
iriam ser preciosos, igualmente, pela sua arte. [1]
A cerâmica é um sinal de vida sedentária e coincide com a agricultura e outros hábitos de apego ao
solo, sendo avessa ao nomadismo, que prefere vasilhame de madeira e de outras matérias, que não
sejam frágeis.
Inicialmente o fabrico dos vasos era feito à mão, só aparecendo a roda de oleiro na Idade do Ferro. Os
vasos eram recipientes empregues para conterem alimentos, líquidos, etc., embora também fossem
utilizados como urnas funerárias, entre outras funções.
Alguns marcos na história da cerâmica incluem a arte egípcia, que utilizava a excelente argila do Nilo,
sendo os objetos, alguns dos quais muito esbeltos, revestidos com uma camada de esmalte. A cerâmica
assíria, babilónica e persa, tinha como particularidade a sua aplicação ornamental por meio de tijolos,
por vezes esmaltados, com um aspeto decorativo muito especial. A arte cipriota, em que os objetos de
cerâmica eram revestidos por uma massa protetora, com maior realce de cores, evitando a sua absorção.
A arte grega, em particular, a coríntia, que marca um dos períodos mais florescentes da arte grega,
tendo-se encontrado vasos coríntios em quase todos os sítios do Mundo; os vasos áticos com figuras
vermelhas, correspondem ao apogeu artístico de Atenas. A cerâmica muçulmana, é uma das mais belas
cerâmicas que se conhecem, sobretudo os exemplares de reflexos metálicos obtidos com silicatos de
cobre ou prata. A cerâmica hispano-mourisca marca a mais alta expressão artística de origem
muçulmana. Um dos seus legados foi a aplicação da sua indústria à produção de azulejos, pelos
ceramistas sevilhanos do século XV. A cerâmica italiana tem uma riqueza notável e uma grande
variedade, que inclui, por exemplo, as majólicas que têm origem na cidade de Faenza, da qual derivam
as louças vidradas produzidas em França, Portugal e outros países, que foram denominadas Fayence,
Faiance, Faiança, etc. A cerâmica de Siena teve como especialidade a produção de azulejos, no século
XVI. A cerâmica veneziana distingue-se pelo verniz, que era sempre azulado e espesso, como o da
cerâmica persa e turca. A cerâmica francesa com grande variedade de produção, nas manufaturas de
Monstiers, na Provença, de Lille, Valenciennes, Lião, Avinhão, Rennes, conheceu a celebridade
1
quando, nos meados do século XVIII, se estabeleceu em França, a fabricação de porcelana, em Sèvres.
A louça inglesa introduziu a decoração estampada, passando a utilizar-se a porcelana nos serviços de
mesa de luxo e nas obras de arte. A porcelana tornou-se na principal indústria cerâmica inglesa após a
introdução, em Staffordshire de uma pasta branca, que foi aperfeiçoada por Wedgood, sendo exportada
para todo o mundo. A decoração consistia em aplicações de uma pasta de cor sobre a superfície branca,
ou vice-versa. A cerâmica germânica atinge o seu esplendor máximo com as porcelanas de Saxe. A
cerâmica espanhola, já referida a propósito das cerâmicas hispano-mouriscas, teve os seus centros
mais importantes em Palência, Córdova, Sevilha, Mérida, Sagunto e Ampurias. Merecem destaque as
olarias de Talavera de la Reina, onde nasce uma cerâmica bem espanhola, pela forma e decoração. A
cerâmica chinesa destaca-se pelo fabrico, pela primeira vez, de uma cerâmica branca de pasta
translúcida, chamada porcelana, no século III. A cerâmica das primeiras dinastias só é conhecida pelas
descrições históricas. A cerâmica da dinastia tártara, azul e branca, do século XIII, foi exportada para a
Síria e para a Pérsia e, daí, os exploradores portugueses e holandeses trouxeram-na para a Europa, nos
séculos XVI e XVII. O seu sucesso levou a uma exportação para a Europa, em grande escala, da
porcelana chinesa. [1]
A indústria da cerâmica em Portugal é tão antiga que se torna impossível determinar a sua origem,
sendo certo que em épocas muito anteriores à formação da nossa nacionalidade já os azulejos e outros
artefactos de barro existiam na Península, tendo estas manifestações artísticas sido provavelmente
transmitidas pelos Árabes.
Até meados do século XVII a produção de cerâmica em Portugal ressentiu-se da importação da louça
de China, muito utilizada pelas classes ricas. As classes menos abastadas utilizavam muito a louça
produzida nas olarias de Talavera ou, em alternativa, a louça nacional, que não tinha grande qualidade.
Nos meados do século XVIII o marquês de Pombal deu novo impulso a esta indústria, concedendo
privilégios e isenções e, ainda, avultados subsídios pecuniários aos empregados das fábricas, cujos
progressos e desenvolvimento patrocinava, sendo, nalguns casos, empresário o próprio Estado.
A produção oleira do país pode ser dividida em três grandes zonas: a do Norte, a do Centro e a do Sul.
No Norte o melhor fabrico pode atribuir-se às fábricas de Viana do Castelo, particularmente às de
Darque, às fábricas do Porto e de Gaia (como as fábricas de Massarelos e de Miragaia, do século XVIII
e as fábricas do Cavaco ou do Cavaquinho, e do Carvalhinho, do séculos XIX).
Por razões que não são bem conhecidas, a zona de Aveiro constitui um dos centros de produção de
cerâmica mais antigos do país. Supõe-se que o estabelecimento das primeiras olarias da região data do
século XVI, tendo a loiça vidrada aparecido mais tarde. O distrito de Aveiro, no final do século XIX
continha 17 fábricas, com um número considerável de operários, ocupando o segundo lugar nacional
nesta atividade. É justo fazer uma referência às fábricas da Vista Alegre, que tanta fama vieram a obter.
No Centro, data de tempos imemoriais a indústria da cerâmica conimbricense, que nalgumas épocas,
foi das mais florescentes do país. As Caldas da Rainha foram um dos centros oleiros mais antigos de
2
Portugal, podendo atribuir-se algumas peças de cerâmica ao século XV. A construção do um hospital
nas Caldas da Rainha, aproveitando as magníficas termas, poderá ter contribuído para a produção de
louça apropriada, levando à criação de várias fábricas. Sucederam-se várias gerações de oleiros até
atingirem o máximo de perfeição e desenvolvimento no tempo de Rafael Bordalo Pinheiro, nos finais
do século XIX e início do século XX. Com este notável artista apareceram novas formas, novas
estilizações da natureza, caricaturas em louça, obtendo ainda inovações técnicas, como a fixação de
cores, atingindo o próprio branco lácteo, que até então ainda não tinha sido conseguido. Reproduziu o
vermelho e o azul de Sèvres, até então inteiramente desconhecidos nas fábricas das Caldas. A sua
maior realização foi, no entanto, a modelação de figurinhas, como as da Via Sacra, destinadas às
capelinhas do Buçaco.
No Sul, no século XVIII, Lisboa foi o centro cerâmico mais importante do país, pela qualidade das
manufaturas e pela expansão das suas numerosas fábricas, das quais uma das mais valiosas foi a
Fábrica do Rato. As peças produzidas nesta fábrica foram das mais perfeitas e famosas, comparadas
com as das outras fábricas do país. Aí foram produzidos objetos de uso comum, assim como graciosas
estatuetas decorativas e os famosos boiões, potes e canudos de forma cilíndrica, de farmácia, ou para
conservar doces. Outras fábricas importantes incluíram a Real Fábrica da Bica do Sapato, a Fábrica da
Travessa dos Ladrões, a Fábrica da Panasqueira, a Fábrica de Belas, a Fábrica de Santo Amaro, a
Fábrica Constança, a Fábrica da Viúva Lamego, a Fábrica de Louça de Sacavém, entre outras.
A sul de Lisboa, no Alentejo e Algarve registam-se também atividades nesta área, nomeadamente das
fábricas de Estremoz. [1]
Técnica cerâmica
A cerâmica é a arte de fabricar objetos baseando-se na propriedade que os barros têm de formar com a
água uma pasta ligada, plástica, que depois de cozida se torna resistente e inalterável. Distinguem-se 2
tipos de barros: a) os caulinos, que em geral se encontram nos lugares onde se formaram; são brancos
ou pouco corados, pouco elásticos, refratários e essencialmente constituídos por caulinite. Em Portugal
existem jazigos de caulinos nos concelhos da Feira, Ovar, Matosinhos, Viana do Castelo, Cartaxo,
Viseu, Santarém, etc. São usados para a porcelana e faiança fina nas fábricas de Vista Alegre, Sacavém,
Carvalhinhos; b) as argilas, que resultam do transporte dos caulinos pelas águas até às partes mais
inclinadas, onde se depositam. Podem ser brancas, mas geralmente são mais ou menos coradas pelos
elementos que o caulino encontrou no seu caminho. Pela mesma razão são mais ou menos fusíveis ou
mesmo refratárias, consoante os elementos que foram incluídos, como compostos de ferro, manganês,
titânio, matérias orgânicas, cálcio, magnésio, etc. Por estes motivos, são muito mais plásticas do que os
caulinos. As argilas encontram-se, em maior ou menor abundância, em todas as regiões do país.
Os barros têm duas propriedades que lhes são características, a plasticidade e o endurecimento. A
plasticidade é a qualidade que os barros têm de formar com a água uma pasta ligada, que se molda
facilmente nas formas desejadas. Pela dessecação ao ar o objeto conserva a sua forma, diminuindo de
3
volume, mas a sua resistência é pequena. Submetidos ao calor rubro, os caulinos e as argilas perdem a
água de combinação, tornando-se a pasta dura, sonora, inalterável, desaparecendo a plasticidade.
A técnica cerâmica tem várias fases, que incluem: a) preparação das matérias-primas; b) preparação
das pastas; c) obtenção das peças; d) dessecação; e) vidrados; f) cozedura (parte fundamental,
insubstituível, da indústria cerâmica).
Os produtos cerâmicos podem ser classificados da seguinte forma: [2]
1.
Cerâmicas de pasta porosa, permeáveis
a.
Barros cozidos
i. Cerâmicas não refratárias (e.g. loiça comum, tijolos e telhas)
ii. Cerâmicas refratárias
b.
Faianças
i. Louça vidrada
ii. Faiança ou louça esmaltada
iii. Faiança fina
2.
Cerâmicas de pasta vítrea, impermeáveis – é neste grupo que se encontram as porcelanas, que
constituem o tipo mais perfeito da indústria cerâmica pela beleza da pasta, riqueza da
decoração, resistência maior em relação às outras loiças. Nomes de fábricas célebres de
porcelana incluem as fábricas de Sèvres, da Saxónia, de Copenhaga, da China, do Japão e, em
Portugal, da Vista Alegre.
1.2. Motivação e Objetivos
Na indústria cerâmica, atualmente, o processo de controlo de qualidade, na sua grande maioria, é
realizado através de inspeção visual humana. Para este tipo de controlo recorre-se a pessoas com
elevado grau de experiência na deteção de defeitos, tal é a sua especificidade e variedade.
Tendo em vista o aumento de produtividade e competitividade das empresas, é desejado o
desenvolvimento de um processo de controlo de qualidade mais adequado. Esse processo deverá ser
rápido, fiável e de baixo investimento. É com este objetivo que uma das empresas de referência do
setor de produção de faiança, Matcerâmica (ver Apêndice A), no âmbito do projeto PRODUTECH da
Agência de Inovação (AdI), se mostrou recetiva ao estudo de um processo automático, por forma a
aumentar a sua produtividade.
O desenvolvimento deste trabalho tem como principal objetivo melhorar o controlo de qualidade na
indústria cerâmica. Este será efetuado a dois níveis distintos, ao nível de equipamento de inspeção
visual automática e ao nível de software de controlo.
Por forma a propor um equipamento de inspeção visual automática, será necessário fazer um
levantamento dos processos inerentes atualmente realizados. Inicialmente, modelar-se-á o tipo de
4
operações manuais e, posteriormente, prosseguir-se-á automatização dos processos, tanto quanto
possível.
Apesar de este ser um dos principais objetivos, ter-se-á sempre presente o desenvolvimento de um
equipamento com o máximo de fiabilidade e, acima de tudo, de baixo investimento. Caso contrário, a
solução proposta poderá ser utópica, devido à sua complexidade e necessidade de grande investimento,
sendo a melhor solução o tipo de inspeção manual atualmente utilizada.
Complementando o equipamento proposto para inspeção visual automática, serão propostos algoritmos
que permitam o controlo de qualidade em tempo real. Os algoritmos deverão ser capazes de detetar a
presença de defeitos, caso existam, na faiança fornecida aos clientes pela empresa Matcerâmica. Os
pratos fornecidos para este trabalho apresentam defeitos nas faces superior e inferior. Assim, os
algoritmos terão que ser robustos ao ponto de detetar os mesmos defeitos nas faces côncavas e
convexas do prato. Para que a deteção seja feita com grande fiabilidade, a inspeção visual terá que ser
acompanhada por técnicas de luz e câmaras indicadas para o efeito, por forma a evitar brilhos ou ruídos.
Este tipo de problemas na deteção poderá originar falsos positivos no processo de análise por parte do
algoritmo.
Integrando o equipamento de inspeção visual automática e o melhor algoritmo encontrado, será
possível analisar toda a solução como um conceito completo.
1.3. Contribuições da dissertação
Este trabalho vem contribuir para o desenvolvimento da industria cerâmica a vários níveis:
•
Desenvolvimento de um sistema automático de inspecção para pratos de cerâmica;
•
Construção de um sistema de iluminação de luz difusa, para posterior criação de uma base de
dados de imagens;
•
Desenvolvimento e aplicação de diversos algoritmos para a deteção de defeitos em pratos de
cerâmica.
1.4. Organização da tese
Este trabalho encontra-se estruturado em 6 capítulos.
No capítulo 1 é feito um enquadramento histórico da evolução da cerâmica ao longo dos séculos. Além
disso permite ao leitor tomar conhecimento de técnicas utilizadas na arte da cerâmica. Ainda neste
capítulo são explanados os motivos e objetivos deste trabalho, bem como as contribuições deste
trabalho.
5
No capítulo 2 é feito um levantamento das técnicas e projetos existentes, nos âmbitos de: Inspecção e
controlo de qualidade, processamento de imagem e iluminação. Neste capitulo são descritos os
contributos que este trabalho fornece face ao levantamento realizado.
No capítulo 3 é efetuada uma descrição detalhada de todos os módulos integrantes do equipamento de
controlo de qualidade desenvolvido, incluindo: processo de automatização do sistema e produção e
dimensionamento dos componentes mecânicos. É apresentado o sistema de iluminação desenvolvido e
construído para a aquisição de imagens, assim como o tipo câmara utilizada.
De seguida, no capítulo 4, é feita uma introdução teórica das diversas técnicas a serem usadas,
completada pela apresentação dos diversos tipos de defeitos. São explanados os diversos algoritmos
desenvolvidos, em função dos tipos de defeitos abordados.
No capítulo 5, procede-se à apresentação dos resultados.
São apresentados os resultados ao nível do sistema de iluminação criado e de toda a base de dados
construída com os pratos fornecidos , em seguida, os resultados inerentes aos diversos algoritmos,
como a presença de defeitos e os tempos de execução, procedendo-se à discussão dos mesmos.
Por fim, no capítulo 6, é apresentada a conclusão do trabalho onde é verificado se este vai ao encontro
dos objetivos definidos inicialmente. São também apresentadas sugestões de trabalhos futuros nas
diversas áreas abordadas ao longo deste trabalho .
6
2
Estado da arte
2.1. Inspeção e Controlo de qualidade
O processo que permite determinar se um produto se desvia de um determinado conjunto de
especificações designa-se por inspeção. A inspeção de um produto, geralmente, envolve a medição de
características específicas, como a integridade da peça, o acabamento superficial e as dimensões
geométricas. Considera-se, então, como uma tarefa de controlo de qualidade, mas distinguindo-se de
ensaios, como, por exemplo, de análise de tensões [3], ao analisar aspetos visuais, de acabamento e
perfeição da peça inspecionada.
É possível considerar que o controlo de qualidade, em concreto, na indústria cerâmica, tem várias fases
que vão desde a escolha e preparação das matérias-primas, como a desagregação e a purificação dos
barros, a preparação das pastas, a obtenção das peças, a sua dessecação e vidragem e,
fundamentalmente, a sua cozedura. Após a obtenção das peças acabadas, o controlo de qualidade é
essencialmente visual, por forma a serem detetadas falhas no seu fabrico. Para esse trabalho, dependese de pessoas altamente treinadas [2] . Foi possível constatar, em visita às instalações da empresa
Matcerâmica, que o processo de controlo de qualidade, na sua grande maioria, é visual, com recurso a
pessoas especializadas/peritas neste processo. A descrição do trabalho realizado por esta empresa,
apesar de ter sido observado, é apresentada por Luís Martins [4]. Os operadores especializados
verificam visualmente as peças de cerâmica e, também, o som emitido por estas ao serem batidas por
um componente metálico. De seguida, a peça é colocada em um de dois lotes, um lote designado por
peças sem defeito, onde as peças seguirão para o processo seguinte da fábrica, e outro lote, designado
por peças com defeito. Neste lote, as peças seguirão dois caminhos distintos: (1) apresentam pequenos
defeitos e passiveis de serem recuperadas ou (2) caso contrário, as peças serão totalmente destruídas.
No seguimento da visita à empresa Matcerâmica, verificou-se que todas as peças, após a vitrificação,
são inspecionadas. Foi publicado um estudo onde, analisados os diversos tipos de inspeção visual,
conclui-se que será mais vantajosa a análise por lotes, em detrimento da inspeção total das peças [5].
Nesse estudo, é referido que a inspeção de uma amostra de um determinado lote, onde o resultado da
inspeção é aplicado ao lote correspondente, é mais preciso que uma inspeção a todas as peças do lote.
Isto deve-se ao simples facto dos operadores especializados apresentarem fadiga e inconsistência após
algum tempo de trabalho. Como tal, existe a necessidade, por parte das empresas, ao realizarem
inspeção à totalidade das peças, de um sistema de redundância de operadores. Este tipo de necessidade
leva a um aumento de custos e tempo de inspeção.
7
Assim, como referenciado em 1.2, algumas empresas procuram inovar e aumentar a sua produtividade
apostando na automatização.
Uma das principais razões para a modernização do processo de inspeção passa, então, pela redução da
presença humana, minimização do erro humano e redução dos custos atualmente elevados [6]. Um
sistema automático daria às empresas a hipótese de inspecionar todas as peças dos diferentes lotes de
forma rápida e com custos controlados.
Independentemente da necessidade das empresas e da automatização de determinados processos, deve
analisar-se a sua viabilidade. Esse estudo foi, mais uma vez, realizado há cerca de 20 anos por Newman
e Jay [3]. Apesar de escrito em 1995, e a tecnologia ter evoluído desde então, é possível obter uma
ideia das capacidades de base que um sistema deve ter, tais como: correr em tempo real, ser consistente,
robusto e rentável.
As capacidades que um sistema de inspeção automático poderá ter podem tornar o desenvolvimento do
mesmo bastante dispendioso e demorado. O custo de desenvolvimento de um equipamento robusto
poderá chegar às várias centenas de milhares de dólares [7], pois existem alguns componentes
dispendiosos que não poderão ser eliminados, tais como, uma iluminação especial, um sistema de
análise de imagem e, caso necessário, um sistema de orientação das peças. Contudo, existem
procedimentos que podem levar à redução da complexidade do sistema, bastando, para tal, o
posicionamento dos objetos a serem inspecionados. Para este efeito seriam usados guias de
posicionamento especiais, tapetes transportadores e mesas rotativas [3].
Apesar dos custos envolvidos no desenvolvimento, muitos sistemas de inspeção visual têm sido
desenvolvidos e construídos na última década, com aplicações que vão desde mosaicos até pratos de
cerâmica e todo o tipo de faiança.
Os equipamentos desenvolvidos e vocacionados para mosaicos têm uma particularidade, em regra,
existe apenas a necessidade de uma inspeção da face superior. Analisando dois sistemas conceptuais
para este fim [8] e [9] verifica-se que ambos partilham do mesmo número de etapas: Aquisição,
Análise e Atuação. No caso do protótipo desenvolvido em [8], como se pode ver na Figura 1, à
esquerda, existem dois módulos distintos, um de captura e outro de processamento, sendo o módulo de
captura inserido na linha de produção. Este módulo é constituído por duas câmara industriais, um
sistema de iluminação e duas fotocélulas que são utilizadas para a sincronização da aquisição imagem.
8
Peças cerâmicas
Figura 1 - Protótipo de inspeção
O módulo de processamento é constituído por um PC de alto desempenho, com uma placa de aquisição
de imagem. Neste módulo, é processada a imagem, segmentada e atribuída uma classificação ao
mosaico. Apesar destes dois módulos serem a base do protótipo, este contempla um sistema
pneumático integrado na linha de produção, que elimina os mosaicos de pior qualidade. Além disso,
existe um alarme que notifica o operador se um número elevado de mosaicos está a ser rejeitado. Ainda
num dos estudos [8] é feita uma análise das vantagens deste sistema. É agora possível, com este
protótipo, inspecionar automaticamente todos os mosaicos, podendo os operadores ficar alerta caso o
número de mosaicos com defeitos seja acima do espectável. Além disso, permitirá, caso o protótipo
seja montado antes do forno, inspecionar os mosaicos e, em caso de algum defeito, conseguir reciclar o
produto. Estas vantagens permitem melhorar os custos de produção.
Existem estudos onde o protótipo para inspeção de peças lisas em cerâmica está mais desenvolvido,
indo mais além do que um simples conceito, como os ilustrados nas Figura 2 e Figura 3 [10].
Figura 2 - Esquema tecnológico do setor de qualidade de inspeção
9
Figura 3 - Sistema manipulador
Neste trabalho são apenas analisados os defeitos de superfície, que, regra geral, ocorrem durante o
processo de pintura, criando variação da tonalidade de cor ou saliências. Contudo, é referida a
existência de outro tipo de defeitos no perímetro, como cantos partidos. O sistema apresentado na
Figura 2 promove o transporte das peças até a estação de inspeção, onde se irá efetuar o controlo de
qualidade da face superior do lote produzido. Na zona de controlo de qualidade encontra-se um
manipulador Figura 3. Este tem uma dupla função: 1) suporte do sistema de inspeção que irá
promover a análise de conformidade das peças produzidas e 2) o transporte, que irá retirar a peça e
colocá-la em dois pontos distintos, dependendo do estado em que se encontra a peça (defeituosa ou não
defeituosa).
Os trabalhos acima descritos, como referenciado anteriormente, têm um ponto em comum: a inspeção
de peças cerâmicas no face superior (mosaicos). Existindo a necessidade de uma inspeção mais
completa, como é exigida pela faiança, estes sistemas tornam-se incompletos, não existindo em
nenhum deles o conceito de virar as peças ou inspecionar inclusivamente pela face inferior.
Um sistema mais completo deverá permitir detetar múltiplos defeitos em todas as faces da peça. Um
desses sistemas é o representado na Figura 4. Apresentado em 2006, sob a forma de uma patente, este
sistema tem a capacidade de deteção de inúmeros defeitos, tais como: pontos pretos grandes e
pequenos, pontos brancos sobre um prato branco brilhante, rebordos danificados e defeitos na
estampagem [11].
10
Figura 4 - Esboço do equipamento de inspeção (Optomachine)
Conseguindo detetar diversos defeitos, recorrendo à ajuda de três braços motorizados (BR1, BR2 e
BR3), o sistema tem a capacidade de rodar os objetos e inspecionar todas as suas faces. As peças são
transportadas pelo tapete transportador A (Figura 4) até ao sistema onde o braço BR1, com recurso a
um gripper, fixa a peça e a transporta até à dome de iluminação 1. Após conclusão da inspeção, o braço
motorizado BR2 transporta a peça da dome de iluminação 1 e coloca-a sob a dome de inspeção 2. No
transporte do prato para a segunda dome no BR2, recorre-se de um sistema de ventosas para capturar a
peça e, assim, transportá-la. Concluída a segunda inspeção, o braço motorizado BR3 transporta a peça
para um de dois tapetes transportadores, tapete das peças aceites (posição BR3a) ou tapete das peças
defeituosas (posição BR3b). É anunciado um processamento de 1200 peças por hora.
Como resultado da patente acima descrita, a Optomachine (detentora da patente), construiu o
equipamento de controlo de qualidade que se vê na Figura 5 [12]. Apresentando umas dimensões
significativas (Figura 6), o equipamento demonstra algumas alterações face ao publicado por François
Paradis [11]. Com uma limitação de diâmetro nos pratos de cerâmica entre 130mm e 320mm, este
equipamento tem agora uma cadência apresentada de 700 peças/hora tendo sido reduzido para metade
do anunciado pela patente [11].
11
Figura 5 – Optomachine – Equipamento de controlo de qualidade
Figura 6 - Optomachine - Layout do equipamento
2.2. Técnicas de processamento de imagem
Qualquer equipamento de inspeção e controlo de qualidade requer um software que promova a deteção
e seleção do produto a ser inspecionado. É possível considerar-se que ambos os sistemas são
indissociáveis.
Independentemente do sistema desenvolvido para inspeção, um braço robótico ou um gripper a simular
a mão humana, é da maior relevância o desenvolvimento de um sistema que consiga ter os mesmos
resultados do olho humano e capacidade de decisão, de um operador especializado. Os produtos de
cerâmica são complexos de avaliar, devido às características inerentes como alto brilho, defeitos muito
pequenos e produtos bastante frágeis. Neste contexto, e com as capacidades tecnológicas atuais,
existem cada vez mais estudos para deteção de defeitos nestes produtos.
Um desses estudos foi feito por Silveira e col [6] que desenvolveram um sistema de inspeção, com o
objetivo de detetar três tipos defeitos específicos em pratos de cerâmica:
1) Fissuras;
2) Pontos pretos;
12
3) Relevos na superfície.
Neste estudo foram apenas usados pratos brancos, de cor uniforme e sem padrões decorativos.
Os autores afirmam, também ,que o desenvolvimento de sistemas de inspeção por visão computacional
têm vindo a aumentar nos últimos anos no setor da cerâmica, mas no setor das loiças em cerâmica há
ainda muito a desenvolver.
A deteção de defeitos é efetuada em duas fases: a segmentação e a identificação.
O principal objetivo da segmentação é isolar o defeito do fundo do prato. Depois, os módulos de
identificação procedem à classificação do mesmo. Para cada tipo de defeito, foi desenvolvido e
implementado, um algoritmo especifico.
No caso das fissuras, a segmentação é feita com recurso a um algoritmo Canny Edge, que começa por
aplicar um filtro Gaussiano para a redução do ruído. Numa segunda fase, é calculada a magnitude e
direção do gradiente de imagem.
De seguida, na fase de identificação, a imagem segmentada é dilatada, para minimizar a possibilidade
de segmentos com cantos partidos. No final, é aplicado o processo que permite identificar as fissuras e
diferenciá-las de outros defeitos. Depois de identificadas as fissuras, um retângulo em 2D é desenhado
à volta das mesmas.
No caso dos pontos pretos, é aplicado um algoritmo de threshold adaptativo. Esta abordagem permite
levar em consideração o tamanho reduzido destes defeitos e a dificuldade em ter condições de
iluminação aceitáveis. Neste método, o prato é dividido em regiões, de forma a tornar a iluminação
mais uniforme em cada um delas. O resultado é uma imagem binarizada que vai ser submetida a um
operador morfológico, de forma a eliminar algum ruído existente. Na fase de identificação, recorre-se a
um algoritmo desenvolvido para fissuras. Depois de obtidos os contornos para as fissuras que a peça
possa ter, obtemos uma nova imagem de fundo preto e contornos brancos. Após passar por um
operador de dilatação, são eliminadas as fissuras, deixando apenas os contornos dos pontos pretos.
Ao longo de muitos anos, muitos dos softwares comerciais para inspeção automática recorreram à
binarização. A binarização no sentido lato da sua aplicação [3] é, por vezes, mais que suficiente para a
determinação de defeitos em muitos objetos industriais. Além disso, economicamente, o uso de um
algoritmo como base na binarização é uma vantagem, pois não é necessário o uso de sensores caros em
conjugação como sistemas de luz simples. Este tipo de algoritmos reduz a quantidade de dados a ser
processada e é bastante usado na contagem de píxeis, tendo, inclusivamente, a capacidade de análise de
fronteiras de objetos. [13]
Nesta área de inspeção, as peças de cerâmica nem sempre apresentam defeitos que permitam o uso
exclusivo de técnicas como a binarização. Por vezes, é necessário recorrer a algoritmos mais poderosos,
e computacionalmente mais pesados, para a deteção de defeitos.
13
No trabalho apresentado por Luís Martins [4], o tipo de pratos a analisar (pratos com decalques)
impedia a utilização, única e exclusiva, de um algoritmo baseado na segmentação de imagem e
aplicação da binarização. Neste caso, foi necessário recorrer a técnicas do tipo SIFT ou SURF, de
modo a retirarem-se as características (descritores) dos pratos de cerâmica bons e com defeito. Obtidas
estas características, foram implementados algoritmos de redes neuronais para o processo de decisão. A
base de dados foi dividida em três partes por forma a treinar, validar e testar a rede construída.
O recurso a algoritmos de decisão e avaliação de dados é fundamental neste tipo de análises, existindo
para tal variadíssimas hipóteses. Num outro caso, onde o processo de análise de defeitos não é simples,
é quando se pretende analisar mosaicos ou ladrilhos [14]. Neste processo, recorreu-se a algoritmos de
lógica fuzzy. Foi necessário ter um processo de aprendizagem (em off-line), onde o algoritmo recolhe o
máximo de características do produto, desde cor à forma, dos diversos desenhos do mosaico. De
seguida, após serem criadas todas as regras fuzzy necessárias para o processo, são colocados novos
mosaicos por forma a validar-se o algoritmo.
Este tipo de algoritmos não é aplicado unicamente à inspecção e controlo de qualidade na indústria da
cerâmica. Como se pode ver no estudo realizado por Luiz Martins [15], estas técnicas podem ser
utilizadas em diversas indústrias, como a dos aços, por exemplo. Neste estudo foram realizadas
imagens numa linha de produção de laminação de aços da siderúrgica ArcelorMittal, para a deteção de
seis tipos de defeitos: solda laminada, grampo, furo de identificação, esfoliação, oxidação e marca de
ondulação ou repuxo. De seguida, para a deteção desses defeitos e sua classificação, foram usadas
técnicas de extração de características (Principal Component Analysis - PCA). Para a classificação dos
defeitos com formas geométricas de maior complexidade, recorreu-se ao modelo de redes neuronais.
2.3. Técnicas de iluminação
A escolha da iluminação na inspeção visual automática é um factor preponderante na obtenção de bons
resultados. No desenrolar de uma apresentação promovida pela empresa INFAIMON em 2010 no
Instituto Superior Técnico, o orador, especialista em técnicas de iluminação e deteção, referiu que 80%
da viabilidade de uma aplicação de visão depende da iluminação.
Existem diversos tipos de iluminação, desde luz direcional, luz difusa, passando pela iluminação
estroboscópica. Cada um destes tipos de iluminação adequa-se melhor a um determinado produto que
outro.
Recorrendo-se aos inúmeros estudos e artigos nesta área, todos têm em comum o tipo de iluminação
base, iluminação do tipo difusa, entre outras. Este tipo de luz, pelo facto de não ser direta, impede a
formação de brilhos parasitas no objeto a ser estudado.
No caso da patente [11] é referido que o sistema de luz usado é na sua maioria do tipo difuso, sendo
também usados lasers para análise de geometria. A luz difusa é produzida com recurso a um dome em
14
forma de semiesfera, existindo uma abertura para a introdução do objeto a ser estudado. Contudo, é
referenciado que o dome poderá ter a forma do tipo cilíndrica ou rectangular.
No estudo realizado por Joaquim Silveira e col [6] é realizada uma descrição mais aprofundada. Para a
deteção de relevos foi usado o método de reflexão de luz. Através deste método, todos os pratos sem
defeitos de superfície refletirão a luz de forma uniforme e todos os pratos com defeitos refletirão a luz
de forma não uniforme. Também neste método foi selecionada uma zona de interesse no prato, onde se
fará incidir a luz de forma uniforme.
Para a identificação de fissuras e pontos pretos, a iluminação foi feita com recurso a leds frontais, cuja
luz é refletida numa campânula oval de cor branca (iluminação difusa). O resultado é uma imagem de
um prato com iluminação uniforme.
No caso da inspeção para detetar relevos, o método é um pouco diferente, pois só se analisa uma parte
do prato. A iluminação utilizada é também de leds mas, vai incidir diretamente sobre o prato, a
contrário do método anterior.
Uma análise ao tipo de lâmpada usada foi feita por Ahmed Patel e col [16]. Neste artigo é descrito que
os requerimentos fundamentais no sistema de inspeção visual automática consistem no tipo de câmara
a usar e no sistema de iluminação. É referido que no tipo de luz difusa, poderá ser usada luz
fluorescente, halogéneo ou leds. Este artigo faz menção às mais recentes pesquisas, onde foi
demonstrado que comparando a luz fluorescente, halogéneo e leds, as imagens resultantes de um
sistema de iluminação com luz led apresentam menos ruído, sendo as imagens obtidas de melhor
qualidade.
2.4. Contribuições face ao estado da arte
Pretende-se a criação de um sistema de controlo de qualidade, com capacidade para a verificação das
peças (pratos de cerâmica), de ambos os lados.
O sistema desenvolvido, em comparação com o proposto pela Optomachine [12], tem como principal
diferença a versatilidade e simplicidade. O sistema não necessita de nenhum braço robotizado, para a
inversão dos pratos de cerâmica, nem de nenhum gripper para a fixação do prato no ato de transporte.
No sistema desenvolvido, o processo de viragem é mais simples. É usada uma peça de suporte para a
captação do prato num tapete próprio (tapete de recepção). O sistema é composto por diversas peças de
suporte formando um carrossel. Sempre que o carrossel rodar, de um lado um prato é captado e
simultaneamente do outro lado, outro prato é deixado invertido sobre um tapete (tapete de saída).
Além do sistema desenvolvido ser versátil, tem na sua génese o conceito de sistema modelar.
Analisando-se os desenhos da patente [11] que deu origem ao equipamento anteriormente mencionado,
e imagens do equipamento construído, rapidamente se percebe que após o sistema avaliar os defeitos
dos pratos, estes são colocados em dois tapetes: tapete pratos defeituosos e pratos não defeituosos.
Neste tipo de produto, nunca se sabe que tipo de defeito é que se vai encontrar no processo de inspeção.
15
O equipamento da Optomachine [12] poderá de forma correta avaliar a presença ou não de um tipo de
defeito, mas irá empilhar diversos pratos, com diversos defeitos, num único tapete de rejeição. O
sistema proposto neste trabalho permitira adicionar tantos módulos de rejeição consoante as
necessidades exigidas. A cada módulo poderá corresponder um tipo de defeito.
O sistema de iluminação proposto e construído é diferente dos demais existentes. No estudo realizado
por Silveira e col [6] é referido que o sistema de iluminação usado, para a deteção de defeitos do tipo
ponto preto, é campânula oval de cor branca. Este mesmo sistema é descrito na patente [11] como
sendo a forma de iluminar os pratos. No sistema proposto, foi explorado uma forma diferente da
campânula de iluminação. Continuando-se a usar um sistema de luz difusa, a campânula tem a forma
de um semicilindro, em detrimento da forma semiesférica usada nos estudos acima mencionados.
Contudo e como referido por Patel [16] é usada neste sistema luz do tipo led. Neste artigo é referido
que este tipo de luz permite a redução do ruído nas imagens obtidas pelo sistema de iluminação.
O algoritmo de suporte criado carateriza-se, à imagem do restante trabalho, por ser simples na sua
implementação e interpretação, rápido, aberto e sem qualquer constrangimento de uso. No estudo de
Silveira [6] é usado um algoritmo de fissuras para a identificação de pontos pretos. O algoritmo criado
classifica um prato como sendo defeituoso, a partir da presença de ponto pretos. Não necessita de
algoritmos suplementares para a sua identificação. Apenas são usadas técnicas de binarização e
morfologia matemática.
16
3
Sistema automático de inspeção
3.1. Conceito
Na criação do conceito de um equipamento, é fulcral ter presente as necessidades reais do cliente a que
este se destina. Os atuais sistemas de inspeção automáticos são equipamentos extremamente caros,
inacessíveis a grande parte das empresas e pouco versáteis. Tal como referido anteriormente, a solução
alternativa é a utilização de mão-de-obra qualificada neste tipo de indústrias. A criação de um
equipamento adequado às necessidades e dimensão de cada empresa será uma mais-valia. Pretende-se
um sistema automático de inspeção versátil, robusto e de custo inferior aos demais existentes.
No decorrer da visita à empresa Matcerâmica, foi possível constatar quais os procedimentos executados
pelos seus colaboradores mais experientes. Os pratos que se encontram inicialmente em estantes
móveis, provenientes do forno, são retirados manualmente por um colaborador e colocados sobre uma
palete. Os pratos são empilhados, existindo entre eles diversas folhas de cartão, impedindo que estes
sejam danificados. Colocados todos os pratos existentes na estante sobre a palete, esta é direcionada
para uma das diversas mesas, onde é feito o controlo de qualidade. Na mesa encontra-se uma pessoa
que analisa os diversos pratos de ambos os lados e agrupa-os consoante os diversos defeitos. Alguns
dos defeitos existentes poderão ser corrigidos e o prato reaproveitado, caso contrário, será destruído.
Noutro local distinto da fábrica é efetuado o processo de estampagem dos pratos em perfeitas
condições e, posteriormente, a sua embalagem.
Analisada a dinâmica de trabalho existente na fábrica, foi possível começar a delinear quais seriam os
constituintes necessários para um sistema de controlo de qualidade automático:
1.
Sistema de centragem
2.
Sistema de visão/iluminação
3.
Sistema de viragem
4.
Sistema de rejeição
5.
Sistema de estampagem
Como referido o sistema deverá ser versátil, apresentando-se assim um conceito de sistema modelar.
Cada módulo da linha de inspeção automática poderá trabalhar de forma independente ou integrada,
consoante as necessidades de cada empresa.
17
Colocando-se a hipótese de a empresa Matcerâmica apenas pretender inspecionar a face superior do
prato, num dado ponto da fábrica, o sistema de viragem e estampagem serão dispensados.
3.2. Desenvolvimento do conceito
Determinado o conceito para um sistema de controlo de qualidade, é necessário desenvolvê-lo da
forma mais rigorosa possível. Para tal e por forma a mostrar-se um sistema o mais real possível
recorreu-se ao software Solidworks 2010.
Na secção 1.3 deste trabalho foi referido que seria interessante desenvolver o sistema da forma mais
económica. Tendo esse propósito sempre presente, foi desenvolvido um sistema com base em alguns
produtos existentes no mercado e de fácil obtenção.
Como será possível constatar ao longo de toda a explicação do desenvolvimento, o perfil de alumínio
será o denominador comum de todos os módulos. Com recurso a catálogos de uma empresa de
referência na área de perfis de alumínio, a ALUSIC [17], os diversos módulos foram formados de
forma simples, compacta e estruturalmente robusta.
3.2.1
Sistema de centragem
O primeiro módulo da linha de controlo de qualidade é composto pelo sistema de centragem. A
principal função deste sistema é centrar cada prato transversalmente no tapete (Figura 7).
Este sistema é constituído por duas estruturas em alumínio, sobre as quais assentam dois tapetes
transportadores. Este módulo apresenta dois tapetes independentes, pelo facto de ser necessário criar
uma separação entre os pratos, caso estes se apresentem seguidos. Dado que um operador pode colocar
dois pratos de seguida no tapete, torna-se necessário garantir a separação dos mesmos. Assim sendo, ao
serem detetados dois pratos seguidos, o primeiro tapete transportador para, enquanto o segundo
continua a trabalhar. A paragem do segundo tapete será efetuada após o prato chegar ao sistema de
centragem.
18
Figura 7 - Sistema de separação e centragem
Como é possível verificar na Figura 7, os dois tapetes têm motorizações independentes pois só assim
poderemos interromper a marcha de forma individual.
Analisando-se de forma detalhada o tipo de montagem escolhida para a motorização (Figura 8),
verifica-se que é bastante distinto nos dois tapetes. A peça de fixação do motoredutor (onde se encontra
o tambor motor) tem uma dimensão superior em relação à peça de fixação do tambor livre, não
permitindo uma grande aproximação dos tapetes, caso estes tenham o mesmo tipo de montagem. Assim
sendo, optou-se, no caso do primeiro tapete, pela montagem mais simples, colocando-se o motoredutor
na zona de introdução de produto.
Em tapetes transportadores de grande comprimento e sujeitos a transportes de grandes cargas, não é
aconselhada a colocação de um motoredutor no início do tapete mas, sim, no fim. A colocação da
motorização no final destes tapetes promove o efeito de pull e não push. Neste caso, visto o tapete ser
bastante curto e o produto a transportar ser de peso reduzido, a diferença entre as duas montagens
possíveis do motoredutor não é significativa.
Por sua vez, a motorização do segundo tapete é diferente do primeiro pois, ao invés de se optar por
uma montagem à frente ou atrás no tapete, foi escolhida uma montagem central inferior. Esta
montagem promove a possibilidade de a proximidade entre tambores ser muito reduzida (Figura 9)
facilitando a transição de um tapete para outro.
19
Figura 8 - Sistema de separação e centragem - Vista lateral
Figura 9 - Pormenor de transição de tapetes
Os dois tapetes transportadores usam o mesmo tipo e cor de tela transportadora. Como o produto não
apresenta grandes especificidades, não é obrigatório usar uma tela de características especiais. Assim
sendo e com recurso a catálogos de possíveis fornecedores [18], optou-se por uma tela robusta,
económica e de grande versatilidade: a tela do tipo U10.
A centragem de cada prato é efetuada com recurso a um cilindro pneumático. Este cilindro pneumático
faz atuar duas guias, que ajustam o prato transversalmente no tapete.
Estas guias não requerem qualquer tipo de afinação em função das diversas dimensões dos pratos. Esta
ausência de afinação deve-se ao regulador de pressão instalado antes da válvula elétrica 5/2, que faz
atuar o cilindro pneumático. Este regulador está afinado para uma pressão inferior à pressão utilizada
regularmente numa unidade industrial (6 bar). Desta forma, quando as duas guias entram em contacto
com o prato, centrando-o transversalmente no tapete, não irão exercer uma forca excessiva que poderia
levar o prato a saltar ou a ficar danificado.
20
3.2.2
Sistema de visão/iluminação
O segundo módulo do equipamento de controlo de qualidade compreende o sistema de visão e
iluminação.
Após sair do sistema de centragem, o prato entra neste módulo com o objetivo de ser
inspecionado/fotografado. É aqui que se encontram os sistemas de iluminação e de câmaras mais
adequados para o processo. Em 3.5 ambos irão ser explicados de forma detalhada.
Ao analisar-se a Figura 10 podemos verificar, em comparação com o módulo anterior, que a cor da
tela transportadora deste tapete é diferente, passando do usual verde para preto.
Apesar das características mecânicas desta tela serem as mesmas, tornou-se necessária a escolha de
uma tela preta para melhorar contraste durante o processo de recolha de imagem do prato.
Regra geral, os pratos são de cor clara. Assim, de forma a facilitar a obtenção de contornos por parte do
software integrante deste equipamento, optou-se por uma tela de cor escura. Esta poderá ser uma
limitação para indústrias que produzam pratos de cor escura ou preta e que queiram efetuar controlo de
qualidade neste equipamento.
Figura 10 – Sistema de visão/iluminação
A nível estrutural e mecânico (montagem do motoredutor), este módulo é igual ao módulo do sistema
de centragem, promovendo assim, o acoplamento de mais um tapete transportador o mais próximo
possível.
3.2.3
Sistema de viragem
O sistema de viragem de pratos cerâmicos é considerado o principal módulo de todo o sistema.
Diferente dos sistemas apresentados na secção 2.1, este sistema é totalmente mecânico e dispensa
qualquer tipo de braço mecânico, com auxílio de grippers para o movimento de inversão dos pratos.
Pensado apenas para inversão de pratos (diâmetro mínimo e máximo do prato respetivamente: 100mm
a 400mm), este sistema é constituído por três partes formando um único bloco (Figura 11): dois
21
tapetes iguais, um para receção de pratos e outro para saída destes e o sistema de viragem propriamente
dito. O facto das três partes serem inseparáveis deve-se ao modo de como é realizada a captação do
prato.
Figura 11 - Sistema de viragem
O sistema de viragem é constituído por diversas peças, com o nome de dedos de captação (Figura 12).
O prato, após sair do sistema de visão, desloca-se até ao fim do tapete de alimentação, onde se encontra
a primeira peça de captação. Este tapete promove o deslocamento dos pratos com recurso a correias
trapezoidais, pois, só assim, se permite criar uma abertura, que possibilita a passagem dos três dedos
interiores da peça pelo interior do tapete (Figura 13). A peça, designada por dedos de captação, ao
subir, permitirá ao prato, até então assente sobre o tapete, passar a estar sobre os dedos. Os apoios da
peça irão impedir o prato de rolar para fora do sistema, como se observa na Figura 12. O sistema
desenvolvido permite que, a cada subida de um prato, se promova a descida de outro, no lado oposto.
Sempre que um novo prato entra no sistema, outro sai invertido. Aquando do processo de descida dos
pratos para o tapete de extração, verifica-se que estes se irão encostar à peça de captação, que se
encontra à frente. Assim sendo, estas peças terão que ser forradas a borracha pela frente para a
captação do prato e pela parte traseira, de modo a que o prato que sucede se possa encostar no processo
de descida. Na Figura 11, à direita, é possível compreender o acima descrito.
Figura 12 - Sistema de dedos de captação
22
Figura 13 - Pormenor de captação do prato
A nível mecânico o sistema de viragem é constituído por três motores, um para cada tapete e outro para
o sistema de viragem em concreto. Os motores dos tapetes deste sistema irão andar em sincronismo
com os restantes tapetes e, aquando da paragem destes, o motor do sistema de viragem irá entrar em
funcionamento e proceder ao levantar de um prato do lado esquerdo e pousar outro sobre o tapete do
lado direito.
O desenvolvimento deste sistema teve ainda a preocupação de cumprir com os requisitos legais para
equipamentos a serem colocados no mercado com necessidade de avaliação de conformidade. Como é
possível ver na Figura 11 (imagem à esquerda) o sistema tem as suas partes mecânicas em movimento
protegidas com um acrílico. Caso haja a necessidade de uma manutenção, a retirada desta proteção
inviabilizará o movimento do sistema, levando a que o sistema só trabalhe quando devidamente
protegido. Esta preocupação durante o desenvolvimento vai de encontro ao Decreto-Lei nº 103/2008
Capítulo II Artigo 5º alínea 1 a), onde é descrito que o fabricante ou o mandatário, antes da colocação
da máquina no mercado ou a colocar em serviço, deve certificar-se de que a máquina cumpre os
requisitos essenciais pertinentes em matéria de saúde e de segurança.
3.2.4
Sistema de rejeição
O sistema de rejeição, como o próprio nome indica, é o sistema onde os pratos poderão ser rejeitados
ou prosseguir na linha. Após o prato ser invertido, entrará num segundo sistema de visão/iluminação.
Passando este processo, o prato deslocar-se-á para o sistema de rejeição. É neste percurso e durante a
sua duração, que todo o sistema terá que processar as imagens retiradas do sistema de visão/inspeção.
Caso tenha sido detetado algum tipo de defeito no prato, o sistema será ativado e o prato deslocado
para o tapete em tela. Caso contrário, prosseguirá sem qualquer ação sobre ele. Este sistema é
composto por um tapete de rolos motorizados e por um tapete em tela do tipo U10 Figura 14.
23
Figura 14 - Sistema de rejeição
A rejeição do prato defeituoso é feita com recurso a um sistema pneumático, onde um esbarro fixo a
um cilindro pneumático de fita (o espaço ocupado por este tipo de cilindro é muito inferior ao cilindro
tradicional com haste) empurrará o prato. Neste ponto do sistema, o tapete sob o prato não deverá ser
em tela como os restantes. Uma vez que o prato se encontra invertido, caso o tapete fosse igual aos
restantes, o esbarro não conseguiria empurrar o prato pela sua bordadura e o atrito sobre a tela
dificultaria o processo. Além disso, são de todo desaconselháveis movimentos perpendiculares ao
sentido de andamento de tapetes em tela, podendo provocar graves desalinhamentos da mesma. Assim
sendo, a solução passa pela utilização de um tapete de rolos motorizados (Figura 15). Por forma a
usar-se um sistema simples de tração existente no mercado, recorreu-se ao sistema apresentado pela
Interoll [19], onde o último rolo será o rolo motor, estando todos os outros ligados entre si por cordões
de borracha, proporcionando tração em todos eles.
Figura 15 - Rejeição - Tapete rolos motorizados
24
3.2.5
Sistema de estampagem
O sistema de estampagem é o último módulo de todo o sistema. Este módulo, montado no seguimento
do módulo de rejeição, é constituído por um tapete transportador e um equipamento de estampagem
(Figura 16). Como é possível observar nos demais pratos existentes, todas as empresas têm interesse
na marcação da marca e logótipo nos pratos por si criados. Assim, é necessário que, após o sistema de
rejeição e antes do sistema de agrupagem e embalagem, todos os pratos sejam marcados. No sistema de
rejeição, o prato, não tendo apresentado qualquer tipo de defeito, seguirá na linha onde parará apenas
no sistema de estampagem para marcação, completando-se, assim, todo o ciclo. Neste sistema, o tapete
transportador construído na mesma base dos restantes, apresentará a sua motorização no fim,
proporcionando, assim, uma maior aproximação entre o sistema de estampagem e o sistema de rejeição.
O equipamento de estampagem, não desenvolvido no âmbito deste trabalho, pode ser adquirido de
forma fácil no mercado e colocado junto ao tapete transportador em tela.
Figura 16 - Sistema de estampagem
3.2.6
Sistema automático de inspeção completo
Juntando todos os módulos definidos anteriormente, obtemos um sistema completo de controlo de
qualidade, que permite a inspeção dos pratos por cima e por baixo, com a capacidade de rejeição, dos
pratos com defeitos, e estampagem, para os pratos sem defeitos.
Após o sistema de rejeição, é possível montar sistemas equivalentes. Caso o sistema inclua algoritmos
de deteção, pode reencaminhar o prato para a linha de rejeição que corresponder ao tipo de defeito
detetado. Este facto leva a uma poupança de tempo, pois o operador no final da linha, saberá
exatamente qual o defeito detetado e poderá encaminhar o prato de acordo com o mesmo. Os diversos
módulos de rejeição podem ser acoplados sucessivamente, consoante as necessidades da empresa.
25
Caso a empresa pretenda, apenas, a inspeção da face superior da peça, o sistema incluirá apenas
centragem, visão pela face superior e rejeição. Não faz sentido incluir um sistema para virar os pratos,
nem o módulo para estampagem, pois esta é efetuada apenas na parte de baixo e, neste caso, o prato
não se encontra virado.
Figura 17 – Sistema automático de inspeção – Vista isométrica
Figura 18 – Sistema automático de inspeção – Vista lateral
3.3. Automatização
O sistema automático acima descrito é um processo de simples automatização. Os sistemas de
automatização, no passado, levariam algum tempo a serem implementados em relação ao atualmente
utilizado, pois o sistema de comando e controle (autómatos) era mais dispendioso, tal como o processo
de cablagem entre os diversos componentes era mais moroso.
Atualmente, os sistemas de automatização disponíveis no mercado permitem criar um sistema de
controlo compacto, robusto e de simples implementação. Para este sistema de inspeção foram pensados,
com recurso à vasta gama de produtos da marca OMRON [20], variadores de frequência, um PLC,
dois encoders e diversas células fotoeléctricas.
O variador de frequência permite o controlo de velocidade de rotação do motor, sendo que, para tal,
varia a frequência da corrente. O variador a utilizar neste sistema seria o modelo JX de 0,4Kw. Este
modelo é um dos variadores de velocidade mais simples e económicos da gama e permite ligar dois
motores ao mesmo variador. É de referir que a ligação de dois motores ao mesmo variador de
frequência, implicará a aplicação da mesma frequência a ambos os motores. Além disso e com vista a
um tipo de ligação mais rápida, este variador permite ligar-se ao PLC em Modbus. Este tipo de ligação
26
permitirá um tipo de programação e controlo mais simples, ao contrário da programação por trem de
impulsos.
O PLC para o sistema seria o CPU-CP1E. Este PLC é designado como um autómato de funcionalidade
máxima, com custos mínimos. Permite a instalação de uma porta série do tipo RS485, para
comunicação em Modbus e, assim, controlar os diversos variadores. Este PLC tem, nas suas
características standards, 4 entradas rápidas, isto é, entradas a 10kHz por forma a se ligarem encoders.
O sistema, como referido acima, necessitará apenas de dois encoders para o seu controlo. O encoder a
implementar neste sistema poderá ser o encoder incremental E6B2-C, com uma resolução (impulsos
por rotação) de 1000 pontos.
Recorrendo ao desenho Nº 002 presente no Apêndice B é possível verificar que a distância entre os
diversos sistemas é sempre a mesma, um metro exatamente. Esta distância foi idealizada desde o início
do desenvolvimento do sistema, a fim de permitir a montagem dos vários componentes do mesmo.
Assim sendo, sempre que um determinado prato estiver no sistema de centragem, ao serem ativados os
motores dos diversos tapetes, o prato percorrerá um metro até ao sistema de iluminação e visão. Da
mesma forma, o prato que se encontrava neste local percorrerá a mesma distância até à zona de
captação do sistema de viragem e assim por diante. Por forma a que os pratos em qualquer ponto do
sistema percorram efetivamente esta distância, a escolha da tela dos diversos tapetes teve em atenção as
propriedades da mesma. A tela U10 é revestida a PVC, provocando atrito, o que levará a uma
minimização dos deslizes do prato sobre o tapete. A existência de atrito permitirá a criação de rampas
de aceleração e desaceleração mais abruptas .
Toda a descrição acima realizada justifica a colocação de apenas um encoder num dos motores (e.g.
motor do tapete do sistema de centragem), para controlar a distância que todos os pratos, nas diversas
estações, têm que percorrer. Sendo a distância uma constante, o tempo em que esta é percorrida será
também constante entre os diversos sistemas, as rampas de aceleração e desaceleração, bem como a
frequência imposta será igual em todos os variadores de frequência. Estes parâmetros serão controlados
e modificados pelo PLC.
O segundo encoder será montado no motor, no sistema de viragem. Quando os diversos tapetes
pararem e os pratos estiverem a ser inspecionados, em simultâneo, o sistema de viragem encontrar-se-á
em funcionamento. Um prato irá ser captado para o sistema, enquanto outro o deixará no lado oposto,
já invertido. Após o tempo estipulado para a inspeção terminar, os diversos tapetes entrarão em
funcionamento e o prato já invertido avançará para o sistema de visão e iluminação. A montagem do
encoder no sistema poderá ser feita como demonstra a Figura 19.
27
Figura 19 - Montagem encoder no conjunto Motor-redutor
Tendo sempre em mente o princípio de um sistema robusto e economicamente viável, a implementação
de apenas dois encoders em todo o sistema, reforça a preocupação de se cumprir com o conceito base.
O equipamento necessário para o controlo do sistema de inspeção fica concluído com a aplicação de
células fotoelétricas. Estas células fotoelétricas, também designadas por fotocélulas, usar-se-ão no
sistema para deteção e confirmação do produto. No caso do primeiro tapete, será usada uma fotocélula
para verificar se existem dois pratos seguidos. Esta deteção permitirá criar um espaço entre os dois
pratos. Como descrito em 3.2.1, por forma a promover esse espaço, o primeiro tapete irá parar,
continuando o segundo em marcha, até o prato se apresentar no sistema de centragem. Além da
presença de uma fotocélula nesta zona, todos os sistemas terão uma fotocélula de confirmação de
produto. A célula fotoelétrica a usar-se poderá ser a E3FA, sendo designado como um sensor fiável e
fácil de utilizar e direcionada para diversos tipos de indústria, como a embalagem e a cerâmica [20].
Apresentados de forma detalhada os diversos componentes de controlo e suas funções, é preciso criar o
programa de controlo. Contudo, antes de qualquer criação de programa, deve-se criar um pequeno
diagrama, permitindo assim uma melhor interpretação de todos os passos a serem executados desde o
início ao fim da linha bem como uma ideia dos diversos inputs e outputs do sistema de automação.
Esse diagrama, designado por Grafcet (Figura 20), deverá ter presente as diversas etapas que estão
associadas às ações e às transições que corresponderão a inputs do PLC.
28
Figura 20 - Grafcet do sistema automático de inspeção
3.4. Produção e dimensionamento mecânico
Um equipamento, além da sua robustez e fiabilidade, tem como uma das suas principais características
a sua capacidade de produção. Apesar do sistema ter sido pensado para um aumento de produção e
competitividade de uma empresa, dificilmente um único sistema automático de inspeção poderá
substituir 4 operadores especializados a trabalhar em simultâneo.
Na fase de conceção e desenvolvimento, definiu-se que um valor aceitável de produção para este
sistema automático, seria de 15 peças/min ou 900 peças/hora. O valor de produção anunciado é
considerado um valor perfeitamente exequível, pois foi tido em consideração todo o tempo de trabalho
do sistema de visão e distâncias a percorrer entre as diversas estações.
29
Como se pretende um sistema económico, foi considerado o tempo de 1 segundo para o sistema
inspecionar/fotografar o prato. Além desse tempo, considerou-se 3 segundos para o prato percorrer a
distância (um metro) que existe entre as diversas estações.
Analisando os tempos atribuídos a cada função, é possível concluir que o tempo para inspeção
permitirá uma câmara mais lenta, sendo desnecessária uma câmara rápida e com muitos FPS. Os 3
segundos irão influenciar o sistema de processamento de imagem.
Sendo fundamental um controle do custo de todo o sistema, um dos equipamentos essenciais é o
sistema de processamento das imagens, onde as imagens, captadas nos sistemas de visão, são
analisadas e classificadas. Quanto maior for a velocidade necessária para a classificação das imagens,
mais rápido terá que ser o hardware (processador) e software (algoritmos) de classificação. O sistema
terá apenas 3 segundos para classificar uma determinada peça, pois é o tempo que a peça demorará
entre o sistema de visão e o sistema de rejeição. Quando a peça chegar ao sistema de rejeição, terá que
existir uma decisão, ou a peça é rejeitada e o cilindro pneumático é ativo ou a peça continua na linha.
Por forma a cumprir com os tempos estabelecidos, é fundamental dimensionar a relação e o tamanho
das caixas redutoras acopladas aos motores. Além disso, o número de rotações do motor imposto pelo
variador de frequência é de extrema importância para os cálculos seguintes.
Para os tapetes transportadores, consideraram-se motores de 1380rpm (50Hz). Sendo que a frequência
de trabalho do variador será de 30Hz e considerando a velocidade de rotação proporcional à frequência
de alimentação, teremos:
1380×30 50 = 828 𝑟𝑝𝑚
Visto que o tambor motor de todos os tapetes tem um diâmetro de 95 mm e tendo em conta a distância
a percorrer entre cada sistema (um metro):
95×𝜋 = 298,45 𝑚𝑚
1000 298,45 = 3,35
Conclui-se, então, que o tambor terá que realizar 3,35 voltas ao fim de 3 segundos. Com este valor, é
possível chegar à relação ideal da caixa redutora.
Consultando o catálogo da Motovário Group [21] é possível definir que a caixa redutora a ser montada
nos tapetes dos diversos sistemas deverá ter uma relação 1:10, de modo a obter-se a velocidade do
tapete pretendida. Para o cálculo da dimensão da caixa redutora deverão ser feitos determinados
cálculos para uma aproximação o mais exata possível. Considerando que o coeficiente de atrito estático
entre a parte inferior do tapete e o tapete é de 0,2 e considerando que o prato pesa 1kg, temos que:
𝐹𝑎! = 0,2× 1×9,81 = 1,962𝑁
30
Considerando que o tambor do motor dos tapetes tem 95mm de diâmetro o binário exigido à caixa
redutora, contemplando um fator de segurança de 1,5, será de:
𝐵𝑖𝑛á𝑟𝑖𝑜 = 1,962× 0,095 2 = 0,093𝑁𝑚
𝐵𝑖𝑛á𝑟𝑖𝑜!á! = 0,093×1,5 = 0,14𝑁𝑚
Recorrendo ao catálogo já referido, na página 57, é possível verificar que a implementação de uma
caixa redutora de tamanho 30 (e.g. NMRV30), relação 1:10 e com o acoplamento de um motor de
0,18kw produzirá 5Nm. Este conjunto moto-redutor poderá ser uma solução para a motorização dos
diversos tapetes.
Apesar de todos os tapetes terem as mesmas características e, por conseguinte, as caixas redutoras
montadas serem as mesmas, o dimensionamento da caixa redutora do sistema de viragem terá que ser
avaliado de forma autónoma.
Assim sendo e considerando o mesmo número de rotações do motor (1380rpm) e uma frequência de
trabalho no variador de 30Hz teremos uma velocidade de rotação do motor de:
1380×30 50 = 828𝑟𝑝𝑚
Recorrendo ao desenho nº 003 presente no Apêndice B, verifica-se que, a cada movimento de
captação os dedos de captação irão executar uma rotação de aproximadamente 26,5º. Este movimento
terá que ser executado durante o tempo de paragem de um segundo pois, aquando da captação de um
prato, outro do lado oposto será depositado. Após o tempo de paragem de um segundo, o prato, já
invertido, irá percorrer em 3 segundos o metro de distância até ao sistema visão/iluminação.
A relação ideal para esta rotação será de:
360 26,5 = 13𝑠 (𝑇𝑒𝑚𝑝𝑜 𝑑𝑒 𝑢𝑚𝑎 𝑣𝑜𝑙𝑡𝑎 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑎)
60 13 = 4,6𝑟𝑝𝑚
Chegado ao valor de rotações por minuto à saída da caixa redutora é possível chegar-se à relação.
Recorrendo ao catálogo já referido [21], facilmente se percebe que a relação pretendida,
independentemente do tamanho, não se encontra disponível, sendo o máximo catalogado 1:100. Uma
solução seria baixar drasticamente a frequência do variador, fazendo com que a velocidade do motor
fosse consideravelmente mais baixa. Um motor a trabalhar a baixa frequência poderá ter um problema
de posicionamento, bem como aquecimento. Apesar de se conseguir colocar ventilação forçada para
arrefecimento do motor, esta solução não é a mais correta.
A solução passará pelo acoplamento de duas caixas redutoras. Observando a página 116 de supracitado
catálogo [21], chega-se à conclusão que a relação final de 1:200 será suficiente para este caso.
Considerando-se que a relação ideal foi a calculada anteriormente, diversas conjugações de tamanhos
31
de caixas redutoras podem ser feitas. A definição dos tamanhos será feita em função do binário
necessário para o sistema.
O desenho nº 003 do Apêndice B permite observar que o sistema de viragem é composto por 23 dedos
de captação. Contudo, apenas 15 dedos estão em contacto com o guiamento de deslizamento.
Considerando que a massa de cada dedo de captação e do prato são, respetivamente, 1,2kg e 1kg, é
possível chegar a uma aproximação da força de atrito estática. Supondo-se que o guiamento de
deslizamento tem um coeficiente de atrito de 0,2, temos que:
𝐹𝑎! = 0,2× 15×2,2×9,81 = 64,746𝑁
No desenvolvimento da motorização deste sistema foram colocados carretos de 48 dentes e um passo
de ½”. Tendo este carreto um diâmetro primitivo de 194,18mm e considerando um fator de segurança
de 1,5, temos:
𝐵𝑖𝑛á𝑟𝑖𝑜 = 64,746× 0,194 2 = 6,29𝑁𝑚
𝐵𝑖𝑛á𝑟𝑖𝑜!á! = 6,29×1,5 = 9,43𝑁𝑚
Recorrendo mais uma vez a [21], conclui-se que o acoplamento mais pequeno permitido (uma caixa
redutora de tamanho 30 com uma de tamanho 40), montando um motor de 0,25kw produzirá, com uma
relação final de 1:200, um binário de 65Nm.
3.5. Iluminação e câmaras
A iluminação é uma das técnicas fundamentais nos processos de inspeção. Tal como referido em 2.3,
existem diversos tipos de iluminação, sendo que 80% dos problemas, em visão computacional, se
resolvem recorrendo a uma boa e adequada iluminação.
Apesar de se verificar que o tipo de iluminação que se usa nesta área é do tipo difusa e formada por um
dome (semi-esfera), neste trabalho tentou-se explorar outra alternativa.
Sempre com a preocupação de se desenvolver algo económico e de fácil reprodução, criou-se um
sistema de iluminação difusa (campânula) com a forma de um semicilindro como mostra a Figura 21.
32
Figura 21 - Sistema de iluminação e visão
Com uma capacidade de receber pratos até 450mm de diâmetro, este sistema é formado pelas suas
laterais em aglomerado de madeira e uma cúpula em chapa metálica de 1,5mm. A cúpula é de fácil
produção, utilizando uma chapa e com recurso a um equipamento de curvar (calandra), foi possível
chegar à forma desejada. Por forma a evitarem-se brilhos parasitas aquando da reflexão da luz, todo o
sistema foi pintado de branco mate. Além da escolha da tinta, foi contemplada uma calha onde se
encontra instalado todo o sistema de iluminação (Figura 22). Esta calha não permite que a luz tenha
uma incidência direta no prato, sendo esta apenas emitida para a cúpula.
Figura 22 - Interior do sistema de iluminação
A iluminação implementada no sistema foi do tipo led. Adquirida uma fita de 5mt com 150 leds do tipo
SMD5630 (branco frio 6000K), esta foi cortada em partes iguais e distribuída pelas calhas. Devido à
potência da fita (40w), foi aplicada uma fonte de alimentação industrial da marca Mean Well modelo
S-100F-12 com um output de 12VDC e 8.5A. Descriminado o material utilizado no sistema de
iluminação, é possível ver na Figura 23 que foram ainda usados 6 interruptores. Ligando o sistema aos
33
220V, um troço da fita de cada uma das calhas acende de imediato e as restantes têm a possibilidade de
serem ligadas à medida que os interruptores vão sendo acionados. No Apêndice C é possível
encontrar um esquema eléctrico das ligações executadas.
Figura 23 - Quadro de comando iluminação
Como referido acima, a escolha de uma iluminação adequada é fundamental, mas a escolha de uma
câmara é um ponto crucial.
Em 3.4 foi definido que o prato estaria parado no sistema de visão e iluminação 1 segundo. Assim
sendo, foi possível utilizar-se uma câmara DSLR (digital single-lens reflex) com um sensor do tipo
CMOS (Complementary metal-oxide-semiconductor). Tendo sempre presente as necessidades do
trabalho mas com responsabilidade económica, verifica-se que, apesar de não ser usada a nível
industrial, enquadra-se perfeitamente neste trabalho. O uso de um sensor CMOS em detrimento do
sensor CCD (charge-coupled device) torna esta solução mais económica, apesar de, em casos de
necessidade de imagens em muito alta qualidade, os sensores CCD serem superiores aos CMOS.
Neste trabalho a DSLR usada foi a Canon 600D com 18 megapíxeis e uma lente Canon EF-S 15-85mm
f/3.5-5.6 IS USM. De forma a podermos comparar todas as imagens dos pratos com o mesmo rigor e
equidade, ao longo de todo este trabalho, as configurações da máquina não foram alteradas, tendo sido
escolhidas inicialmente de forma manual. Assim, observa-se que nas propriedades de todas as imagens
o exif (exchangeable image file format) será igual, com exceção do nome. Foi configurada uma
distância focal constante de 15mm, um índice de sensibilidade (ISO) de 100, uma velocidade de
abertura do obturador de 1/100 e um valor de abertura do obturador de 5,6.
34
4
Técnicas de processamento de imagem
4.1. Introdução teórica
O estudo das técnicas de processamento de imagem, a par do desenvolvimento de um sistema
automático de inspeção, é um dos principais objetivos deste trabalho, com vista a uma melhoria no
controlo de qualidade.
Sendo neste estudo abordados determinados conteúdos teóricos, será feita uma pequena introdução dos
mesmos.
4.1.1
Binarização
A binarização é a conversão de uma imagem RGB em uma de dois tons (imagem binária) a partir de
um determinado valor de threshold (variação do valor de 0 a 1).
A binarização é bastante útil quando se pretende separar um motivo do seu fundo (Figura 24) e é
realizada a partir dos níveis de cinzento de uma imagem a cores, sendo o threshold de dois tipos:
Global ou Local.
Quando um valor de threshold é do tipo Global, esse valor é constante para toda a imagem. No caso do
valor ser do tipo Local, existirão diferentes valores para diferentes regiões da imagem.
O valor de threshold pode ser definido de três formas diferentes:
•
Tentativa/erro;
•
Inspeção visual do histograma;
•
Métodos automáticos.
Por tentativa e erro, o operador poderá escolher qual o valor que, em sua opinião, melhor se adequa à
sua imagem. Caso a escolha do valor seja feita com recurso à análise do histograma, geralmente o valor
será o ponto de cruzamento entre os picos do histograma, onde cada pico corresponde a duas
características distintas da imagem. O grau de sobreposição irá depender da separação dos picos e da
sua largura e, assim, influenciar no valor de threshold. Existe um determinado risco nesta escolha, pois
alguns píxeis poderão ser incorretamente classificados. Apesar do erro inerente, não é fácil a obtenção
clara de um valor, quando não existem dois picos claramente distintos. Numa imagem praticamente
35
uniforme, sem textura da superfície e sem nenhuma variação de cor, irá dar origem a um pico no
histograma relativamente estreito.
Por fim, o valor de threshold pode ser calculado de forma automática. O método de Otsu é o mais
conhecido, onde o valor de threshold é escolhido para minimizar a variância intra-classe dos píxeis
pretos e brancos.
Figura 24 - Imagem a cores (direita) e a mesma imagem binarizada (esquerda)
4.1.2
Morfologia
O estudo morfológico concentra-se na estrutura geométrica das imagens. A morfologia pode ser
aplicada em diversas áreas de processamento de imagens, como, por exemplo, no realce, na filtragem,
na segmentação, na esqueletização e entre outros.
A ideia da morfologia é que numa imagem constituída por um conjunto de píxeis, estes são reunidos
em grupos, tendo estes uma determinada estrutura bidimensional, isto é, uma determinada forma.
Assim, existem determinadas operações matemáticas que podem ser utilizadas para realçar alguns
aspetos específicos das formas, permitindo então que sejam contabilizadas ou reconhecidas.
As operações morfológicas estão divididas em operações morfológicas binárias e operações
morfológicas de imagens a cores ou de tons de cinza. Cada operação em imagem binária tem a sua
correspondente para imagem em tons de cinza e a cores. Existem diversas operações básicas na
morfologia binária tais como:
Dilatação – É uma transformação morfológica que combina dois conjuntos usando adição vectorial
(conjunto da imagem mais o elemento estruturante). O resultado será uma imagem mais preenchida.
(conjunto com mais píxeis em relação ao inicial).
Erosão – É uma transformação morfológica que combina dois conjuntos usando subtração vectorial
(conjunto da imagem menos elemento estruturante). O resultado será uma imagem mais pequena
(conjunto com menos píxeis em relação ao inicial).
36
Abertura – é uma função morfológica que conjuga uma erosão seguida de uma dilatação. Em regra,
suaviza o contorno de uma imagem, elimina proeminências delgadas e pode, também, ser usada para
remover ruídos de uma imagem.
Fecho – é uma função com ordem contrária ao opening. Ocorre primeiro uma dilatação e, de seguida,
uma erosão. O closing irá fundir pequenas quebras na imagem e, eventualmente, fechar pequenos
orifícios.
4.1.3
Transformada de Hough
A transformada de Hough foi originalmente elaborada para detetar características analiticamente
representáveis em imagens binarizadas, assim como, linhas, círculos e elipses. Na última década, esta
ferramenta tornou-se comum na visão artificial para o reconhecimento dessas mesmas características.
O algoritmo inicia-se com a leitura da imagem original convertendo-se esta imagem para uma imagem
binarizada. De seguida, é utilizado o método de Canny para a obtenção da imagem que contém os
píxeis das bordas. Dá-se, então, início a um processo de eleição de círculos, onde os votos são
atribuídos aos pontos de passagem dos possíveis círculos existentes na imagem. Os votos são
acumulados numa matriz de acumulação de votos, sendo que a deteção de um possível círculo é obtida
quando um valor máximo é obtido no acumulador de votos. No caso da transformada de Hough do
círculo, a pesquisa dos píxeis do círculo da imagem fornecida (binária) é feita com recurso à definição
matemática do círculo 𝑥 − 𝑎 ! + 𝑥 − 𝑏
!
= 𝑟 ! onde a e b são as coordenadas do centro do círculo e r
o raio do mesmo. O operador deverá, de início, fornecer o valor aproximado do raio do círculo.
4.2. Tipos de defeitos
Uma parte não menos importante deste trabalho é a obtenção das peças para serem analisadas. No caso
deste trabalho, as peças, pratos em cerâmica, foram fornecidas aquando da visita às instalações da
empresa Matcerâmica. Nessa visita, além de se constatarem os procedimentos executados pelos seus
colaboradores como referido em 3.1, foi possível recolher amostras dos pratos com os defeitos mais
comuns. Nesta visita verificou-se, ainda, que existe um procedimento de inspeção que não será
contemplado neste trabalho, o toque. O operador, com recurso a uma peça metálica, bate no prato e,
consoante o som emitido, o operador especializado tem a perceção de uma possível falha no interior do
prato.
Foram fornecidos pratos de três famílias: completamente brancos com rebordo trabalhado,
completamente brancos com rebordo simples e pratos com um decalque na face superior e rebordo
simples.
Os defeitos presentes e que foram recolhidos nos pratos encontram-se descritos na Tabela 1.
37
Tabela 1 - Descrição dos defeitos
Tipo de prato
Tipo de defeito
Letra atribuída ao defeito
Completamente
Pontos pretos
A
branco
Grânulos escuros
A/B
Grânulos claros
B
Partido/lascado
C
Bordas partidas/lascadas
F
Bolha
D
Decalque
E
Bordas partidas/lascadas
F
Sem defeito
X
Com decalque
Ambos
No Apêndice D é possível visualizar figuras de todos os defeitos acima mencionados.
Neste trabalho, para além da criação de uma base de dados com todos os pratos (apresentada em 5),
foram usados os pratos completamente brancos e simples. Foram considerados defeitos do tipo ponto
preto (parte de cima e parte de baixo do prato) e defeitos/irregularidades na borda tais como quebra ou
pequenas protuberâncias. A análise da borda permitirá, ainda, saber se um determinado prato se
encontra com a geometria correta. O prato, apesar de não apresentar nenhum defeito dos acima
descritos, poderá ter as suas dimensões maiores ou menores do que foi previamente estabelecido, sendo
possível neste trabalho a análise deste parâmetro.
4.3. Métodos implementados
Conhecidos e apresentados os diversos defeitos a detetar, procede-se à descrição dos algoritmos
implementados neste trabalho. Estes foram desenvolvidos no software Matlab versão R2009b 64bit
Mac OSx.
Foram elaborados três algoritmos:
•
um algoritmo para deteção de pontos pretos (tipo A) na face superior do prato;
•
outro para o mesmo defeito mas, na face inferior;
•
um terceiro para análise da bordadura (defeitos do tipo F) e verificação de geometria.
38
4.3.1
Pré-processamento
Todos os algoritmos acima descritos têm em comum um pré-processamento.
No pré-processamento teremos sempre os seguintes passos:
Abertura da imagem – A imagem obtida do sistema de visão/iluminação é lida pelo algoritmo com o
seu nome original. O algoritmo tem a capacidade de ler a imagem onde esta se encontra gravada, não
existindo a necessidade do operador a introduzir dentro do programa.
Redimensionamento da imagem – é realizada uma redução face ao tamanho original da imagem.
Binarização – é definido um valor de threshold e binarizada a imagem inicial.
Novo redimensionamento da imagem – é realizada uma nova redução, mais acentuada, da imagem
anteriormente binarizada.
Aplicação transformada de Hough – Com a imagem reduzida, é introduzido o algoritmo da
transformada de Hough, de modo a calcular os contornos do prato. Os outputs obtidos são o raio da
figura e as coordenadas do seu centro.
Crop – Permite fazer um corte na imagem e deixar apenas o prato com um pequeno rebordo. A
realização deste corte só é possível devido às coordenadas do centro do prato, bem como o raio obtido
pela transformada de Hough.
Redimensionamento
da imagem
Abertura da imagem
Aplicação da
transformada de
Hough
Crop
Binarização
Novo
dimensionamento da
imagem
Figura 25 – Fluxograma de pré-processamento
Descrita a fase do pré-processamento, comum aos três algoritmos, as diferenças entre os três
algoritmos serão significativas.
4.3.2
Algoritmo deteção de defeitos pela face superior
No caso do algoritmo responsável pela deteção de pontos pretos pela face superior, numa abordagem
inicial do desenvolvimento, foi delineado um algoritmo com base nos descritores SURF. Este tipo de
39
algoritmo é um detetor de caraterísticas locais robusto, sendo atualmente utilizado nos processos de
visão computacional em reconhecimento de objetos.
Esta abordagem levaria à obtenção das características das diversas imagens (pratos), pelos descritores,
mas, implicaria, à partida, a presença suplementar de um algoritmo de decisão. O algoritmo de decisão,
a ser implementado, poderia ser uma rede neuronal ou um algoritmo de lógica fuzzy baseado no modelo
Takagi-Sugeno, por exemplo.
Este tipo de abordagem, e com referência em alguns trabalhos já desenvolvidos na área e apresentados
na secção 2.2, poderia ser de grande interesse no cumprimento dos nossos objetivos, encontrar defeitos
na face superior e inferior do prato. Contudo, o algoritmo delineado levou muito tempo para obtenção
dos necessários outputs. Assim, era necessário um tipo de processamento mais robusto, de modo a ser
capaz de fornecer em tempo útil o resultado das análises das imagens. O aumento do poder de
processamento levaria a um aumento substancial do valor de investimento da linha de controlo de
qualidades.
Assim sendo, e não marginalizando de todo a possível solução acima descrita, decidiu-se utilizar uma
abordagem mais simples e com a necessidade de recursos mais básicos.
Procedeu-se, então, no caso da deteção de defeitos na face superior, à utilização da binarização e
técnicas de morfologia para a deteção.
Neste processo, o ponto crítico será o valor de threshold a ser usado. A câmara usada neste trabalho,
apesar de não ser considerada uma câmara de alta velocidade, é considerada uma câmara de alta
resolução. Esse facto leva à deteção nas imagens de pormenores do prato, que são praticamente
impercetível ao olho humano. Assim sendo, aquando da binarização, caso o valor do threshold seja
demasiado alto, além dos defeitos constituintes do prato, aparecerão os pormenores indesejáveis. Neste
caso, o objetivo é aparecerem no prato única e exclusivamente os pontos pretos considerados defeitos.
Optou-se por um threshold escolhido de forma manual, sendo este valor afinado para o defeito que se
considera mais pequeno (aproximadamente 1mm).
Escolhido o valor de threshold, o algoritmo procede à inversão da cor de todos os píxeis e conta o
número de defeitos (conjunto de pontos brancos) existentes na imagem.
Valor do threshold (pré-­‐processamento)
Inversão de cor
Contagem de defeitos
Figura 26 - Fluxograma do algoritmo de deteção de defeitos pela face superior
40
4.3.3
Algoritmo deteção de defeitos pela face inferior
No caso da deteção de defeitos pela face inferior do prato, o algoritmo implementado é praticamente o
mesmo, existindo uma pequena nuance. Como é possível verificar nas imagens do Apêndice D, os
pratos não têm qualquer tipo de vitrificação no rebordo que assenta o prato sobre uma superfície. A
presença de sujidade nesse rebordo poderia levar à deteção de um defeito (falso positivo). Assim sendo,
procedeu-se à eliminação do rebordo na imagem com recurso ao centro calculado no préprocessamento. De notar que a eliminação deste rebordo só é possível, visto neste trabalho apenas se
analisarem defeitos do tipo ponto preto. Caso fossem analisados bordos partidos ou lascados, este tipo
de abordagem não poderia ser feita. O método de deteção e contabilização de defeitos, é o mesmo que
foi aplicado para a face superior do prato.
Escolha do
threshold (préprocessamento)
Eliminação do
rebordo
Inversão de cor
Contagem de
defeitos
Figura 27 - Fluxograma do algoritmo de deteção de defeitos pela face inferior
4.3.4
Algoritmo de análise da bordadura verificação de geometria
Após o pré-processamento é realizada a deteção do perímetro de todos os componentes da imagem. Por
conseguinte, é obtida uma imagem onde é mostrada apenas a bordadura do prato, assim como os
contornos dos defeitos, caso existam.
De seguida são analisadas todas as linhas limite do prato, por forma a obter-se o centro exacto do prato.
Sendo detetada a primeira linha (linha a vermelho da Figura 28) e a última linha (linha a azul da
Figura 28) é possível obter a coordenada exata no espaço dentre as linhas. Realiza-se o mesmo
procedimento para as colunas e obtém-se o centro do prato.
41
Figura 28 - Deteção das linhas limite do prato
Calculado o centro do prato são eliminados todos os píxeis interiores e exteriores, em relação ao bordo
do prato. É então feito um levantamento da posição de todos os píxeis da bordadura em relação ao
centro calculado.
A posição em (x,y) de todos os píxeis permite, com recurso ao centro, saber a distância de cada um ao
centro. Obtidas todas as distâncias é elaborada a média das distâncias e o desvio padrão. A deteção de
uma quebra no rebordo, é feita com recurso à distância mínima detetada na tabela de distâncias dos
diversos píxeis ao centro. Caso esse valor seja inferior à média calculada, menos o desvio padrão, nesse
ponto é assinalada uma falha. Caso se pretenda analisar a existência de uma protuberância no rebordo,
o processo de deteção é idêntico, sendo, nesse caso, utilizado como referência o máximo valor da
distância encontrada.
42
5
Apresentação e discussão de resultados
5.1. Iluminação
Um sistema de iluminação correto é um elemento primordial na obtenção de bons resultados.
A escolha do tipo de iluminação é feita em função do tipo de objeto que se pretende visualizar, sendo,
neste caso, um prato vitrificado e com características altamente refletivas.
Neste trabalho tentou obter-se um sistema de luz omnidireccional e através de uma forma diferente
(semicilíndrica) chegar a resultados em muito idênticos aos obtidos com sistemas descritos em 2.3.
Figura 29 - Imagem prato com luz direta
Figura 30 – Aplicação de luz difusa. Prato completamente branco rebordo simples (esquerda) e Prato
completamente branco rebordo trabalhado (direita)
43
Figura 31 - Aplicação de luz difusa. Prato decalque e rebordo simples (esquerda) e Prato com rebordo
simples invertido (direita)
Figura 32 – Apresentação de defeito tipo A – luz directa (esquerda) e luz difusa (direita)
Como é possível constatar pelas imagens obtidas, visualmente foi possível chegar ao resultado previsto.
Comparando os resultados de luz difusa com a imagem de luz direta, foram eliminados todos os brilhos
parasitas. As imagens provenientes de sistema desenvolvido permitem ver todas as características do
prato, desde rebordos, decalques bem definidos e possíveis defeitos.
No sistema de iluminação foram utilizadas todas as fitas de leds ligadas. A intensidade da luz presente
dentro do sistema é, assim, a mais intensa possível. Além de se promover um contraste superior, entre
os defeitos e o restante prato, este fator permite, na afinação de abertura do obturador, aumentar o valor
de abertura, isto é, permite ter o obturador mais fechado. Com um valor de abertura mais alto, a
profundidade de campo é maior. Caso a intensidade de luz dentro do sistema fosse mais reduzida, a
afinação da câmara teria que ser ajustada de modo a promover a entrada de mais luz na câmara
fotográfica. Aumentando-se a abertura do obturador, a profundidade de campo seria reduzida
substancialmente. Como o prato não é uma superfície plana, com a redução da profundidade de campo,
a imagem do prato poderia estar bem focada no centro, mas perderia definição à medida que se avançase para o rebordo.
Em todas as imagens foi colocado um pano preto por baixo do prato. Este pano preto simula a tela
preta descrita em 3.2.2. Apesar da existência de pratos pretos, e tornando-se esta cor de tela propícia a
problemas na deteção do contorno, na sua grande maioria, os pratos existentes no mercado são de cor
clara. Assim, o sistema de iluminação, incluindo a cor da tela transportadora, está visualmente
preparado para a generalidade dos casos existentes.
44
5.2. Base de dados
No decorrer da visita à empresa Matcerâmica, foram fornecidos diversos pratos com diversos defeitos.
Os pratos fornecidos representam a generalidade dos defeitos encontrados pelos operadores
especializados.
Com vista à criação de uma base de dados, essencial para este trabalho, foi possível dividir os pratos
fornecidos em três famílias:
•
Prato branco com rebordo trabalhado (Quantidade - 35);
•
Prato branco com rebordo simples (Quantidade - 25);
•
Prato com decalque e rebordo simples (Quantidade - 24).
Como é possível verificar, a quantidade de pratos fornecida não é significativa. Constatou-se que são
poucos os pratos de cada família que têm o mesmo defeito. Esta situação levanta o problema de
validação de quaisquer resultados obtidos, pois a amostragem de uma família de pratos com um
determinado defeito é muito baixa.
Assim sendo, definiu-se que, para cada prato, colocado no sistema de iluminação e visão desenvolvido
(Figura 21), fossem tiradas, em média, 5 a 6 fotografias. Contudo, na amostra recolhida, havia um
prato que apresentava não um ponto preto na face inferior, mas um risco, sendo, neste caso, tiradas 13
fotografias.
Um prato, ao ser centrado e colocado sob a câmara fotográfica manualmente, era fotografado, rodado
(sobre si mesmo) e, de seguida, fotografado novamente. Este processo foi repetido até se atingir a
média de fotografias pretendida.
Existem duas razões inerentes à rotação do prato. Numa primeira situação, existe o interesse de se criar
uma base de dados de imagens mais completa. Rodando-se o prato, os defeitos, caso existam,
encontrar-se-ão noutra posição da imagem, considerando-se, assim, que as imagens são diferentes entre
si. Por conseguinte, existe o objetivo de se testar se os diversos algoritmos são invariantes à rotação.
Uma segunda situação será a influência da luz. Implementando um sistema de luz difusa do tipo
semiesfera, sempre que um prato fosse rodado, a distância de um defeito à fonte de luz seria sempre
constante. No sistema desenvolvido com luz difusa, mas do tipo semicilindro, o prato, ao ser rodado,
terá variação da distância à fonte de luz. Parte-se do princípio que a iluminação dentro deste sistema é
constante em toda a sua área, contudo, existe interesse em avaliar esta situação.
Para a construção de toda a base de dados foram usados dois softwares distintos. A câmara fotográfica
Canon 600D, foi controlada remotamente com recurso ao software da Canon EOS utility. Este software
permite controlar per computador a imagem em tempo real, verificando-se, desta forma, se o prato
estava centrado na imagem, bem como verificar o exif, como se pode ver na Figura 33.
45
Figura 33 - Canon EOS Utility - controlo remoto Canon 600D
Simultaneamente foi usado o software Microsoft Office Excel 2013, onde foram registados os
seguintes parâmetros:
•
Quantidade: Mostra o número da fotografia dentro de toda a base de dados;
•
Identificação: Identificação da fotografia registada pela câmara fotográfica;
•
Definição: Existem três colunas com a descrição de Defeito por cima, Defeito por baixo ou
Sem defeito. É identificada com o número 1 a coluna de definição daquela imagem e com o
número 0 as restantes colunas;
•
Família: A família a que pertence o prato é marcada com uma cor, por uma questão de
filtragem de dados;
•
Tipo de defeito: É colocada nesta coluna a letra correspondente ao defeito encontrado. Tabela 2 - Excerto do Excel da base de dados
46
O resultado de todo o trabalho fotográfico, com recurso ao sistema de iluminação, foi uma base de
dados com 643 imagens de pratos. O fluxograma apresentado na Figura 34 resume a base de dados
construída bem como a quantidade de imagens tiradas a cada família de pratos e seus defeitos.
643 imagens de pratos 568 imagens de pratos por cima 178 imagens de pratos brancos com rebordo trabalhado 178 imagens de pratos brancos com rebordo simples 75 imagens de pratos por baixo 212 imagens de pratos com decalque e rebordo simples 31 imagens com defeitos de tipo A 43 imagens com defeito do tipo A 17 imagens com defeito do tipo A 45 imagens com defeitos de tipo A/B 21 imagens com defeito do tipo A/B 46 imagens com defeito do tipo B 19 imagens com defeitos do tipo B 54 imagens com defeito do tipo B 106 imagens com defeito do tipo E 11 imagens com defeito do tipo C 5 imagens com defeito do tipo F 6 imagens com defeito do tipo F 4 imagens com defeito do tipo D 55 imagens sem defeitos 37 imagens sem defeito 29 imagens com defeito do tipo A 8 imagens com defeito do tipo A/B 38 imagens sem defeito 68 imagens sem defeito Figura 34 - Fluxograma da base de dados
Cada imagem da base de dados foi tirada no formato RAW da Canon (extensão .CR2), existindo uma
imagem em formato JPEG correspondente. Foi avaliada inicialmente a correspondente JPEG da
imagem, devido à possível perda significativa de qualidade gráfica, aquando da compressão automática
da Canon. Com recurso ao software Photoshop CS5, verificou-se que apesar da perda de informação e
relativa perda da qualidade, estas apresentam qualidade mais que suficiente para uso no trabalho
proposto. Na Figura 35 pode constatar-se que existe uma diferença a nível da luminosidade de cada
formato. No exemplo da Figura 36, com um zoom 200%, demonstra-se que, apesar de uma visível
perda de qualidade, esta não parece ser significativa. Assim sendo, no trabalho foram usadas imagens
do tipo JPEG, evitando-se, assim, formatos com menos compressão (TIFF ou PNG), mas mais pesadas.
Este tipo de formatos poderia, no decorrer no algoritmo, atrasar todo o processamento da imagem,
devido ao seu peso.
47
Figura 35 - Imagem de um prato em formato RAW (esquerda) e em formato JPEG (direita)
Figura 36 - Detalhe de um defeito - Zoom 200%. Imagem em formato RAW (esquerda) e em formato JPEG
(direita)
5.3. Método implementado
5.3.1
Pré-processamento
Como descrito em 4, todos os algoritmos desenvolvidos para deteção de defeitos ou análise de
geometria, têm em comum o mesmo pré-processamento.
48
O pré-processamento é iniciado com a abertura da imagem. A Figura 37 mostra a imagem de um prato,
escolhida da base de dados, da família dos pratos completamente brancos de rebordo simples. A
imagem é lida pelo algoritmo onde esta foi gravada pelo sistema de visão e iluminação.
Figura 37 - Imagem de abertura do pré-processamento
Após a leitura da imagem, o algoritmo procede ao redimensionamento da imagem original. Este
redimensionamento deve-se à grande dimensão da imagem original. O redimensionamento é feito a
uma escala de 50% inferior ao tamanho inicial.
Este processo de redimensionamento teve em atenção a possível perda de definição provocada por esta
ação. Na Figura 38 é possível ver a imagem do prato lido inicialmente após o redimensionamento.
Como se constata, os defeitos deste prato, três pontos pretos (defeito tipo A), são claramente visíveis.
Figura 38 - Pormenor do defeito do prato
Trabalhando-se, agora, com uma imagem mais “leve”, mas com um bom grau de definição, procede-se
à binarização e, por conseguinte, à escolha de um valor de threshold. Como descrito em 4.3 a escolha
do valor de threshold é feita de forma manual.
Para determinar o melhor valor de threshold existiu o cuidado de se escolher um prato, da base de
dados, que tivesse o tipo de defeito A (ponto preto) mais pequeno. Este facto permite afinar o valor, de
modo a captar apenas os defeitos do prato e não outro tipo de pontos imperceptíveis ao olho humano.
Iniciando-se com o valor de 0,75 (valor de threshold varia de 0 a 1), foi possível obter o resultado da
49
Figura 39. Como se constata, além dos três defeitos do prato, foram mostrados outros dois pontos que
pela Figura 38 não aparentam existir.
Figura 39 - Imagem binarizada - threshold 0,75
Apesar do resultado obtido, aquando da escolha do valor de threshold, foi aplicada uma transformação
morfológica, a erosão. Esta transformação permitiu, de forma fácil, verificar se, além daqueles dois
pontos acima mencionados, outros eram mostrados na imagem. Pela Figura 40 verifica-se visualmente
que existe mais um ponto, de dimensão ainda mais reduzida, e que sem esta transformação morfológica,
seria bastante difícil de detetar.
Figura 40 - Zoom out da imagem binarizada - threshold 0,75
Após algumas tentativas, chegou-se ao valor de threshold de 0,63. Com este valor, apenas os três
defeitos foram encontrados como mostra a Figura 41.
50
Figura 41 - Imagem binarizada - threshold 0,635
De seguida, pretende-se executar um crop da imagem, de modo a existir apenas a imagem do prato. A
razão da execução de um crop da imagem prende-se com dois factores: primeiro, ter na imagem apenas
o que se pretende analisar, eliminando-se excesso de informação, propícia ao aparecimento de
problemas no ato da análise e, em segundo lugar, criar uma imagem mais rápida de se analisar.
Apesar de se saber que o sistema de centragem desenvolvido, e explanado em 3.2.1, centra o prato
transversalmente e de se ter escolhido um tipo de tela transportadora que minimizasse os
escorregamentos, o crop não deverá ser feito sempre no mesmo ponto da imagem. O crop da imagem
deverá ser feito em função da posição do prato. Assim, será possível ter toda a imagem do prato na
figura cortada. Caso contrário, existindo a possibilidade do prato sofrer um escorregamento sobre o
tapete e o crop executado sempre no mesmo ponto da imagem, a imagem resultante apresentaria um
corte sobre o prato.
Para a execução do crop, recorreu-se à transformada de Hough. A transformada de Hough permite
determinar o centro do prato e seu diâmetro aproximado. Com estes dois outputs é possível fazer o
crop da imagem em função da localização do prato.
Para se proceder à transformada de Hough, é necessário introduzir um intervalo de valores para o raio
do prato a ser encontrado. Por forma a encontrar esses valores, foi usado o Imtool do Matlab (Figura
42), obtendo-se uma ideia mais concreta desses valores. Assim, chegou-se ao intervalo de 1100 e 1200
píxeis.
51
Figura 42 - Imtool - diâmetro prato
Aplicada a transformada de Hough sobre a imagem diminuída em 50%, o resultado obtido é mostrado
na Figura 43. Como se pode constatar, da aplicação desta transformada, resultou um círculo bem
definido, a vermelho, em torno do prato (Figura 44). Conseguiu-se, assim, obter as coordenadas do
centro do prato, bem como o seu raio aproximado.
Figura 43 - Transformada de Hough
Figura 44 - Transformada de Hough - pormenor de contorno do prato
52
Numa primeira discussão para este resultado, poder-se-ia dizer que foi obtido com sucesso o que se
pretendia. Contudo, ao longo do desenvolvimento de todo o algoritmo, todos os tempos de todos os
processos até agora mencionados foram controlados. Aplicada a transformada de Hough, o tempo
obtido não se coaduna com o desejado. O algoritmo de pré-processamento antes da aplicação da
transformada de Hough apresentava um tempo de 2,8s. Após a aplicação da transformada, registou-se
um tempo de 244s ou, aproximadamente, 4 minutos. Considerando-se a implementação direta deste
algoritmo na linha de controlo de qualidade desenvolvida em 3.2, o bottleneck da linha passaria a ser o
algoritmo, visto não cumprir com os 3 segundos de processamento desejados.
É de referir que os tempos obtidos são bastante voláteis. Verificou-se que o computador, quando usado
noutras tarefas em simultâneo com o algoritmo, atrasa o processo do algoritmo, chegando-se a valores
bastante mais elevados. Durante a realização destes testes, os processos do computador foram
reduzidos ao mínimo.
Com vista à optimização do algoritmo, foi testada uma abordagem de redimensionamento, por forma a
tornar a aplicação da transformada mais rápida. Assim, foi introduzida uma imagem reduzida em 90%
em relação à imagem previamente reduzida. Os parâmetros obtidos (centro do prato e raio) não foram
expressos na imagem reduzida em 90%, mas sim na imagem reduzida previamente. Apenas se
pretendeu com a redução aumentar significativamente a velocidade de obtenção dos parâmetros. Estes,
ao serem expressados na imagem inicialmente reduzida em 50%, tiveram que ter em conta a posterior
redução (90%), de modo a expressarem-se na mesma escala da imagem reduzida em 50 %.
A Figura 45 mostra que o resultado obtido não foi de todo o mais perfeito, existindo um
escorregamento em relação ao real. Esta é a consequência de se obterem os resultados numa imagem e
expressá-los noutra significativamente maior. Apesar disso, estes resultados cumprem com o
pretendido, realizar um crop da imagem, garantindo sempre a presença de todo o prato. Além disso,
com este passo de optimização, o algoritmo demorou aproximadamente 3,08s até a conclusão da
transformada de Hough. Existiu, assim, uma redução de tempo de 98% face ao inicialmente testado.
Figura 45 - Transformada de Hough optimizada - pormenor do contorno do prato
53
Recorrendo-se aos parâmetros da transformada de Hough e aplicando um crop na imagem reduzida em
50% chega-se ao resultado mostrado na Figura 46.
Figura 46 - Crop da imagem reduzida em 50%
Com a obtenção da imagem acima dá-se por encerrado o pré-processamento. Após a conclusão do crop,
todo o pré-processamento demorou 3,11 segundos aproximadamente.
Os resultados obtidos são satisfatórios, visto termos chegado a um valor de threshold que permite
visualizar apenas os defeitos do prato. Além disso, de modo a se obter um crop da imagem recorreu-se
à transformada de Hough, sendo que após a optimização desta se conseguiu chegar a tempos de
processamento mais satisfatórios.
5.3.2
Algoritmo deteção de defeitos pela face superior
Após o pré-processamento de uma determinada imagem, existe o interesse de se saber se o prato da
imagem apresenta algum defeito na sua face superior.
De modo a determinar se um prato é defeituoso ou não, procedeu-se a contagem, caso existam, de
pontos pretos na imagem. O software Matlab tem uma função inerente de cálculo de pontos brancos.
Assim sendo, foi necessário recorrer a uma inversão da cor de cada píxel. Os píxeis brancos passaram a
pretos e os inicialmente pretos passaram a brancos. Continuando a usar-se a imagem resultante do préprocessamento, chegou-se à Figura 47.
54
Figura 47 - Imagem do prato com cor invertida
De notar que na Figura 47 existem 4 elementos brancos, 3 defeitos e o fundo do prato. A qualquer
contagem de defeitos será sempre subtraído 1, de modo a obter-se única e exclusivamente a contagem
do número de defeitos.
Como se pode perceber, o processo de cálculo do valor de threshold é um passo fundamental para o
processo, permitindo observar-se na imagem apenas a presença de ponto pretos (antes da inversão),
caso estes existam.
O resultado final da avaliação deste prato resulta na deteção de 3 defeitos (assinalados com um círculo
a vermelho), como se pode ver na Figura 48.
Figura 48 - Prato defeituoso face superior
55
Desde a introdução da imagem, passando pelo pré-processamento, até à obtenção do resultado da
inspeção, onde se inclui a apresentação da Figura 48, passaram apenas 4,86s. Caso não se procedesse
à apresentação da figura e fosse apenas emitido o output do sistema (para o sistema de rejeição da linha
de controlo de qualidade), em como o prato apresentava defeito, o tempo de processamento seria de
3,7s.
Demonstrado o algoritmo com um caso de estudo iniciado no pré-processamento, é agora necessário
percorrer o algoritmo com todos os pratos com defeito do tipo A (ponto preto). Foi inicialmente criada
uma folha de Excel, onde estão registadas as imagens introduzidas no algoritmo, bem como o número
de defeitos que estas apresenta. Como é possível observar na Tabela 3, as imagem de 1 à 55
correspondem aos pratos sem defeito, sendo as restantes correspondentes aos 43 pratos com defeito do
tipo pontos pretos.
Tabela 3 - Resultados do nº defeitos encontrados na face superior
Os resultados obtidos estão conforme o esperado. Numa primeira análise, o algoritmo consegue
diferenciar a 100% um prato defeituoso de um prato bom, não existindo assim falsos positivos. Todos
os pratos detectados como defeituosos têm, de facto, um defeito e serão reencaminhados para o tapete
de rejeição.
56
Apesar de serem detectados defeitos, nem sempre se chega ao número real de defeitos. Na Tabela 3
está marcada a vermelho a imagem nº 69. Neste conjunto de 98 imagens de pratos defeituosos e não
defeituosos, foi o único prato onde o algoritmo não contou o número exacto de defeitos.
Na Tabela 3 também existe a possibilidade de analisar o tempo de processamento de cada prato. O
tempo médio gasto pelo algoritmo, desde a entrada da imagem até a obtenção de uma decisão, foi de
3,46s. Contando, que no decorrer desde trabalho, foi usado um computador normal e sem qualquer tipo
de processador exclusivamente dedicado ao algoritmo, o tempo de 3,46s é bastante razoável face aos 3s
contemplados para a linha de controlo de qualidade.
5.3.3
Algoritmo deteção de defeitos pela face inferior
Na implementação do algoritmo para deteção de defeitos pela face inferior, foi necessário realizar uma
modificação em relação ao algoritmo pela face superior. Foi necessário eliminar o bordo que assenta
sobre a superfície. Verificou-se na construção da base de dados que alguns pratos apresentavam
sujidade, sendo esta facilmente removida com um pano. Esta sujidade fixava-se pela falta de
vitrificação do prato nesse rebordo. Assim sendo, não se considerou, para este trabalho, a presença do
rebordo, podendo criar resultados do tipo falsos positivos, como anteriormente mencionado.
Recorrendo ao centro calculado com a transformada de Hough, é possível delinear um anel de modo a
tapar esse rebordo. Apesar do pequeno desfasamento conhecido que existe no cálculo do centro do
prato face ao real, o anel criado elimina apenas o rebordo e não outras características do prato, como se
pode ver na Figura 49.
Figura 49 - Prato pela face inferior com anel no rebordo
Recorrendo a um prato escolhido aleatoriamente e aplicando exactamente o mesmo pré-processamento,
rapidamente foi perceptível que o valor de threshold se encontrava desajustado para esta face do prato.
Notou-se que a pigmentação do prato e os pontos pretos nesta face era maiores em relação à face
superior do prato. Assim sendo , e mantendo inalterados todos os passos do pré-processamento, o valor
de threshold fixou-se em 0,45.
57
Como resultado desse ajustamento, conseguiu-se obter um algoritmo que detecta única e
exclusivamente a presença de pontos pretos, caso existam. Neste algoritmo, à imagem do algoritmo de
deteção pela face superior, foi necessário inverter as cores, de modo a serem contados os pontos pretos.
Como é possível observar na Figura 49, o prato contém 3 zonas pretas, um ponto preto, o anel do
rebordo e o fundo do prato. Na contagem será preciso subtrair sempre dois, de modo ter o número de
defeitos do prato, caso estes existam. A Figura 50 mostra um prato que contém um defeito do tipo
ponto preto. Desde a introdução da imagem até à obtenção deste resultado, o algoritmo demorou 3,2s.
Figura 50 - Prato defeituoso face inferior
Testado o algoritmo com um prato defeituoso, é agora necessário recorrer à base de dados e recolher
todas as imagens possíveis de modo a validá-lo.
Recrutando-se as 29 imagens de pratos com defeito do tipo A e as 38 imagens de pratos sem defeito,
foi possível criar a Tabela 4. Nesta tabela está indicado o número das fotografias, bem como o número
real de defeitos. De notar que as imagens de 1 a 13 não apresentam qualquer número de defeitos. Estas
imagens referem-se a um prato com um risco totalmente descontínuo. O facto de o risco ser
descontínuo faria com que o programa o encarasse como diversos pontos pretos. Ao olho humano é
difícil quantificá-los, por conseguinte, optou-se pela não contabilização dos mesmos e encarar este
prato apenas como defeituoso ou não.
58
Tabela 4 - Resultados do nº defeitos encontrados face inferior
Analisando a tabela dos resultados obtidos, numa primeira análise estes são satisfatórios. Nenhum
prato bom é considerado como defeituoso, e o contrário também não se verifica. Todos os pratos com
defeitos do tipo A foram marcados como defeituosos. Contudo, o número de defeitos detectados não é
coerente. No caso das 13 primeiras imagens, apesar de não se ter quantificado inicialmente o número
de defeitos existentes, o algoritmo deveria detetar sempre a mesma quantidade de defeitos, uma vez
que os quantifica. Verificou-se que o algoritmo quantificou o risco como tendo de 1 a 5 pontos
desconectados. Tendo sido o algoritmo percorrido de forma automática com todas as imagens do início
ao fim e sem qualquer intervenção, a única diferença encontrada são as imagens. Estas, apesar de
representarem o mesmo prato, estão rodadas entre si. Levanta-se a questão se, de fato, a luz se encontra
uniformizada dentro do sistema desenvolvido. Os defeitos apresentam-se, aquando da rotação, a
distâncias diferentes da fonte de luz. Além do prato com o risco, outros quatro pratos falharam na
contagem do número de defeitos, tendo sido sempre contado um a menos.
Os resultados desta face do prato (lado convexo) apresentam-se, no sentido estrito da contagem de
defeitos, piores que na face superior (lado côncavo).
Percorrido o algoritmo com todos os pratos, o tempo médio de processamento encontra-se estabelecido
em 3,04s.
59
5.3.4
Algoritmo de análise da bordadura e verificação de geometria
Este algoritmo, como explicado em 4.3.4, tem duas funções: analisar a bordadura quanto à presença de
quebras ou saliências e verificar se o prato da imagem apresenta a dimensão que lhe é característica.
Após o pré-processamento, o algoritmo detecta o contorno de todas as características do prato, desde o
rebordo aos defeitos. Apesar de na Figura 51 não ser possível visualizar, o contorno detetado é
contínuo.
Figura 51 - Contorno do prato
Foi introduzido no algoritmo uma imagem do prato com rebordo simples e uma imagem do prato com
decalque, ambos com quebras no rebordo. Calculado o centro e analisadas as diversas distâncias entre
os pontos do contorno e o centro, chega-se ao resultado da Figura 52 e Figura 53.
Figura 52 - Rebordo partido prato simples
60
Figura 53 - Rebordo partido prato com decalque
Como se constata, o algoritmo tem a capacidade de detetar e assinalar a presença de quebras no
rebordo de um prato. Esta deteção foi realizada em 4,8s.
Nas 5 imagens de pratos brancos com rebordo partido e 6 imagens de pratos com decalque com
rebordo partido, o prato foi sempre classificado como defeituoso.
De seguida, foi introduzido no algoritmo o conjunto de 98 imagens pratos usado em 5.3.2.
Sabe-se, à partida, que um prato com um diâmetro correto tem exactamente 210mm. Colocado esse
prato sob a câmara e fotografando-o, após a introdução da imagem no algoritmo, constata-se que este
tem um diâmetro correspondente a 1165 píxeis. Considerando-se este passo como uma calibração,
toma-se como referência o valor de 1165 píxeis para um prato geometricamente perfeito. Como a
distância da câmara ao prato é uma constante para cada imagem e sendo todos os passos efetuados, os
mesmos, é possível, pela medição do diâmetro do prato de cada imagem, afirmar se o prato tem a
forma geométrica correta ou não.
No algoritmo foi colocado um intervalo de tolerância, isto é, caso o prato apresente um diâmetro
superior ou inferior a 1%, será considerado defeituoso geometricamente. O valor de 1% corresponderá
a um prato com 212,1mm, caso seja maior, ou 207,9mm, caso seja menor. Assumindo
proporcionalidade entre o tamanho do prato e o número de píxeis, ao nível da quantidade de píxeis 1%
corresponderá a 1177 e 1153, respectivamente.
Na Tabela 5 estão apresentados os resultados de alguns dos pratos. É possível observar todos os dados
necessários para análise da geometria do prato. A última coluna, apelidada de geometria, apresenta
valores de 0 ou 1. Caso o prato se apresente dentro do intervalo de tolerância, este será marcado com 0
e considerado geometricamente perfeito. Caso o resultado seja o valor 1, o prato será considerado
defeituoso geometricamente.
61
Tabela 5 - Resultados parciais da análise da geometria
Analisando-se os resultados das 35 primeiras imagens, conclui-se que nenhuma das imagem contém
um prato defeituoso. Constata-se no Apêndice E, onde são apresentados todos os resultados de todas
as 98 imagens, que nenhum prato apresenta uma geometria defeituosa. Apesar de não se encontrar
indicado na tabela, o tempo médio por cada análise geométrica foi de 2,95s.
5.4. Resumo global dos resultados
Sintetizando os resultados obtidos, observam-se na Tabela 6 os principais resultados nos algoritmos de
inspecção pela parte superior e inferior.
Tabela 6 - Resultados finais globais
Algoritmo face
superior
Algoritmo face
inferior
Algoritmo
análise da
bordadura
Pratos corretamente
classificados
100%
Precisão no nº
defeitos contados
98,97%
Tempo médio de
Processamento
3,46s
100%
74,63%
3,04s
100%
-
4,8s
62
Constata-se que ambos os algoritmos têm a mesma capacidade de classificar corretamente os pratos
(defeituosos e não defeituosos). Apesar disso, o algoritmo destinado ao processamento da face superior,
apresenta uma precisão superior, visto conseguir contar praticamente todos os defeitos. Os dois
algoritmos apresentam os resultados dentro de um valor aceitável de tempo, permitindo praticamente a
implementado direta no sistema automático de inspeção.
No algoritmo de análise de bordadura, os 11 pratos que apresentavam o rebordo partido foram todos
assinalados como defeituosos. Neste caso, o tempo necessário para a obtenção de um resultado, em
comparação com os outros algoritmos, foi superior em mais de 1 segundo.
Este algoritmo teve ainda a capacidade de analisar a geometria de um conjunto de 98 pratos. Em
nenhum destes foram detectadas irregularidades em relação ao seu diâmetro. Todos os pratos foram
classificados como sendo perfeitos em relação à sua geometria. Este algoritmo, comparando com os
restantes, apresenta tempos de trabalho bastante satisfatórios. Em média, foram necessários 2,95s para
analisar a geometria de um prato.
63
6
Conclusões e trabalhos futuros
6.1. Conclusões
Findo este trabalho, é possível concluir que a maioria dos objetivos inicialmente propostos foram
atingidos.
Numa primeira fase, foi realizada uma visita à empresa Matcerâmica, sendo esta essencial para a
aquisição de conhecimentos necessários ao desenvolvimento e realização deste trabalho. Nessa visita
foram feitos levantamentos de todos os processos a serem realizados no controlo de qualidade dos
pratos de cerâmica.
Numa segunda fase da visita foram recolhidos um total de 84 pratos, correspondendo a três famílias
distintas. Para cada família, foram-nos fornecidos pratos com os defeitos mais comuns. Feito o
levantamento das necessidades que este tipo de indústria tem, procedeu-se ao desenvolvimento de um
sistema de controlo de qualidade automático. Este desenvolvimento teve sempre em mente a satisfação
das necessidades deste tipo de empresas, tendo sido desenvolvida uma solução o mais fiável possível,
ao mais baixo custo.
Deste desenvolvimento, resultou um sistema modelar, em que as empresas podem adquirir apenas os
módulos que necessitarem, contrariando-se, assim, os equipamentos existentes no mercado. Além disso,
e reforçando o conceito de baixo custo, o sistema é idealizado com recurso a materiais já existentes no
mercado. Um exemplo concreto deste sistema ser mais barato face a outros, é a utilização de um
sistema mecânico, simples e fiável, para a rotação dos pratos, em detrimento de um sistema com
diversos braços robóticos, com recurso a grippers.
O desenvolvimento deste equipamento teve, na sua génese, o seu processo de automatização. Foi
pensado de forma a serem utilizados o menor número de equipamentos possível e, os que foram de fato
usados, foram os mais económicos.
Para a aquisição das imagens neste trabalho, desenvolveu-se um sistema de iluminação difusa diferente
dos normalmente utilizados. Este sistema, devido à sua forma, é de mais fácil reprodução e construção
do que os restantes. Foi utilizado um sistema de iluminação led (energeticamente mais eficiente). A
câmara utilizada para a recolha de imagens, tem em consideração o tipo de produto, o tipo de defeito a
analisar e a cadência de produção da linha.
Neste trabalho foram desenvolvidos 3 algoritmos para 3 situações distintas. No caso do algoritmo de
controlo de qualidade pela face superior do prato, onde se pretendia detetar defeitos do tipo ponto preto,
64
concluímos que este é 100% fiável. Todos os pratos defeituosos foram classificados como tal e todos
os pratos não defeituosos, também. Além disso, o algoritmo teve a capacidade de detetar, em todos os
pratos, excepto em 1, a quantidade exata de defeitos que o prato daquela imagem tinha.
No segundo algoritmo, de controlo de qualidade pela face inferior, os resultados obtidos foram
satisfatórios, pois os pratos foram bem classificados, existindo assim 100% de fiabilidade. Tanto neste
algoritmo, como no anterior, não foram obtidos resultados do tipo falso positivo. Contudo, neste
algoritmo em concreto, a contagem do número de pontos pretos não foi completamente satisfatória.
Verificou-se que imagens do mesmo prato, estando este rodado sob a câmara, no algoritmo, não
apresentavam sempre o mesmo número de defeitos. Seria de esperar que o algoritmo,
independentemente da rotação daquele prato, devolvesse sempre o mesmo número de defeitos. Pode-se
concluir que, nestes casos, a única explicação possível para estes acontecimento é a forma do sistema
de iluminação desenvolvida. Ao contrário de sistemas usados industrialmente, este sistema não tem
uma forma semiesférica (distância do defeito à luz é sempre o mesmo) mas, sim, uma forma
semicilíndrica. Apesar deste problema, o sistema de iluminação comporta-se melhor do lado côncavo
de uma peça vitrificada, em comparação com o lado convexo.
Em ambos os algoritmos foi controlado o tempo de processamento. Constatou-se que, apesar de os
algoritmos terem sido aplicados num computador convencional, os tempos obtidos têm diferenças de
décimas de segundo, face à cadência exigida pelo equipamento desenvolvido. Conclui-se, então, que
aplicando este algoritmo a um processador ligeiramente mais evoluído, ou completamente dedicado, os
tempos de processamento ficarão abaixo do valor máximo.
No último algoritmo desenvolvido propôs-se detetar quebras nos rebordos dos pratos e análise da
geometria do prato (diâmetro normalizado). Conclui-se que os objetivos propostos para este algoritmo
foram completamente atingidos, existindo a capacidade de detetar alterações de diâmetro, face ao
normalizado, de ± 2 mm.
6.2. Trabalhos Futuros
6.2.1
Sistema automático de inspecção
Durante o processo de construção da base de dados, verificou-se a existência de sujidade sobre os
pratos. Foi necessário, antes da fotografia, proceder à limpeza dos pratos um a um. É natural que num
ambiente fabril, a existência de poeiras e sujidade seja ainda maior em relação ao ambiente em que foi
realizado este trabalho.
Assim, para a introdução dos pratos no sistema de inspeção, é aconselhável um sistema de limpeza
prévio. Tratando-se de um processo de inspeção automático, com base em câmaras de visão, um grão
de poeira é interpretado pelo sistema como um defeito, podendo criar assim, um falso positivo. A
deteção de falsos positivos poderá ser um fator de redução da fiabilidade do sistema e aumentar
significativamente os custos de produção para a empresa.
65
Diversos sistemas de limpeza podem ser aplicados, tais como o sopro de ar sobre o prato ou a lavagem.
A decisão sobre qual o tipo de sistema a introduzir, deverá ter em conta a secção da fábrica onde o
sistema de inspeção se encontra instalado. Neste tipo de indústria, a sílica livre cristalina é utilizada em
praticamente todos os tipos de processos cerâmicos. Segundo um estudo elaborado pelo Centro
Tecnológico da Cerâmica e do Vidro (CTCV), o risco de contrair cancro do pulmão é duas vezes
superior nos silicóticos que na restante população. Por conseguinte, a limpeza do espaço e do prato a
ser analisado deve ser uma constante preocupação, sendo necessário uma apreciação global do risco.
Sugere-se a leitura do Guia de Boas Práticas para a Redução da Exposição à Sílica Cristalina respirável
na Indústria Cerâmica [22].
Como complemento do sistema de inspeção, seria interessante o desenvolvimento de um equipamento
para empilhar e embalar o conjunto de pratos sem defeitos à saída da linha de inspeção.
6.2.2
Iluminação
Obtidos os resultados acima descritos, e concluído que o factor decisivo para obtenção dos mesmos
poderá ser o sistema de iluminação desenvolvido, torna-se necessário executar uma comparação. Esta
comparação deverá ser feita com os sistemas de iluminação usualmente utilizados na indústria e, para
posterior análise de resultados, deverão ser usados exactamente a mesma base de dados e os mesmos
algoritmos.
Esta comparação, ao ser executada, deverá validar se o sistema de iluminação desenvolvido poderá
passar para uma fase de produção.
6.2.3
Técnica de processamento de imagem
Como referenciado em 4.3.2, uma solução possível para a deteção de defeitos seria a utilização do
SURF e, consequentemente, o uso de um sistema de decisão (e.g., redes neuronais). Sabendo-se que
este tipo de abordagem requer um nível de processamento mais elevado para o cumprimento dos
tempos exigidos, seria interessante a aplicação deste por duas razões: estabelecer uma comparação com
os algoritmos acima desenvolvidos e, não modificando o sistema de iluminação, perceber se existe de
facto invariância à rotação.
Apesar da base de dados criada, seria interessante proceder a mais testes do algoritmo de modo a
validá-lo o melhor possível. Para tal seria interessante aumentar o número de pratos com defeitos do
tipo ponto preto, em ambas as faces e pratos de rebordo partido.
Relativamente aos tempos adquiridos, seria interessante implementar os algoritmos num processador
dedicado, por forma a obter-se tempos o mais reais possíveis. Contudo, e por forma a alcançarem-se
tempos ainda melhores, e considerando os algoritmos desenvolvidos fiáveis, seria necessário convertêlos para a linguagem C. Apesar disso, hoje em dia, existem autómatos que permitem a introdução
66
directa de código executado em Matlab. É o caso do mais recente sistema da OMROM apelidado de
SYSMAC.
Seria interessante, utilizando uma câmara de alta definição da OMROM, ligada ao sistema SYSMAC,
onde os algoritmos desenvolvidos estariam já incluídos, perceber quais as velocidades de resposta que
se consegue obter num sistema comercial e desenvolvido, única e exclusivamente, para a indústria.
67
7
Bibliografia
[1] Grande Enciclopédia Portuguesa e Brasileira. Lisboa-Rio de Janeiro: Editorial
Enciclopédia, Lda, 1960, vol. VI.
[2] José Queirós, Cerâmica Portuguesa e Outros Estudos, 2nd ed., Editorial Presença, Ed.
Lisboa, Portugal, 2002.
[3] Timothy S. Newman and Anil K. Jay, "A survey of Automated Visual Inspection,"
Computer Vision and Image Understanding, vol. 61, no. 2, pp. 231-262, March 1995.
[4] Luis Martins, "Inspeção Visual Automática em Problemas Industriais," Departamento
Engenharia Mecânica, Instituto Superior Técnico, Lisboa, 2013.
[5] G. Barrie Wetherill, Sampling inspection and quality control. London: Chapman and
hall, 1977.
[6] Joaquim Silveira, Manuel F. Ferreira, Cristina Santos, and Teresa Martins. (2009)
Computer Vision Techniques Applied to the Quality Control of Ceramic Plates.
[Online]. http://repositorium.sdum.uminho.pt/
[7] P. Wambacq. and A. Oosterlinck L. Van Gool, "Intelligent Robotic Visions Systems,"
Inteligent Robotic Systems, pp. 457-507, 1991.
[8] J.M. Valiente Gonzalez, F.Acebron Linuesa, and F. Lopez Garcia, "An automatic visual
inspection system for ceramic tile manufacturing defects," Departamento de Ingenieria
de Sistemas, Computadores y Automática, Universidade Politécnica de Valência,
Valência, 2010.
[9] M. Stemmer, P. Silva Borges M. Bueno, "Inspecção Visual Automática de Peças
Cerâmicas via Inteligência Artificial," Cerâmica Industrial , vol. 5, Setembro/Outubro
2000.
[10] Paulo R. Silveira and Silvia M. Nassar, "Projeto de Aplicação de um Sistema de
inspeção de peças Lisas em Cerâmica, Utilizando Lógica Fuzzy," CEFETPR e UFSC,
2012.
[11] Francois Paradis, "Device and method for optical control under diffuse illumination and
observation means of crockery items or any glazed ceramic products," US 2006/0180775
A1, Aug. 17, 2006.
[12] Optomachine. (2011) Optomachine.fr. [Online].
http://www.optomachines.fr/machine_de_controle_vaisselle_347.htm
[13] B. G. Batchelor and D. W. Braggins, Computer Vision: Theory and Industrial
Application, Torras ed. New York: Springer-Verlag, 1992.
68
[14] M. Aly Ahmed and A. El-Badry Waleed, "Design and Implementation of Flexible
Manufacturing Cell for Quality Inspection of Garnished Ceramic Wall Plates," in 19
Congres Français de Mécanique, Marseille, 2009, p. 4.
[15] Flávio L. C. Pádua, Paulo E. M. de Almeida, Marco A. B. Carone Luiz A. O. Martins,
"Sistema de Inspeção Visual Automática Aplicado à Detecção de Defeitos em Aços
Laminados," in XVIII Congresso Brasileiro de Automática, Bonito, 2010.
[16] Ahmed Patel, Leila Yazdi, Anton Satria Prabuwono Ehsan Golkar, "Ceramic Tile Border
Defect Detection Algorithms in Automated Visual Inspection System," Journal Of
American Science, vol. 7, pp. 542-550, 2011.
[17] Alusic S.R.L. (2013) [Online]. http://www.alusic.com/prodotti.htm
[18] Sampla Belting S.R.L. [Online]. http://www.samplabelting.it/pdf/nastri_tabelle.pdf
[19] Interroll. (2014) [Online]. http://www.interroll.com/en/interroll-group/products/drummotors/standard-asynchronous-drum-motors/
[20] Omron Corporation. (2014) [Online]. http://industrial.omron.pt/pt/products/cataloguepdf
[21] Motovário Group. (2013) [Online]. http://www.motovariogroup.com/data/files/Catalogo_VSF_2014%20REV.0_WEB_722014133330.pdf
[22] "Guia de Boas Práticas para a Redução da Exposição à Sílica Cristalina Respirável na
Indústria Cerâmica," Centro Tecnológico da Cerâmica e do Vidro, Coimbra, Relatório de
trabalho nº: 333.18146-4/10 2012.
69
8
Apêndice
8.1. Apêndice A
“A Matcerâmica sedeada em vale de Ourém – Batalha, no litoral do centro de Portugal, é a maior
empresa produtora de faiança da Península Ibérica e uma das maiores da Europa. Numa área coberta de
25000m2, mão de obra especializada e tecnologicamente avançada, tem uma alta capacidade produtiva
superior a 1 milhão peças mês. Contudo tem flexibilizado a sua produção para responder às
necessidades do mercado para menores quantidades e produção mais exclusiva. Exporta a quase
totalidade da sua produção, essencialmente para a Europa e também Estados Unidos da América,
estando presente tanto em grandes superfícies, como no mais importante e sofisticado retalho
especializado. A Matcerâmica tem se destacado cada vez mais com uma oferta de produto diversificada
tanto em faiança como em grés, da mesa ao forno passando pelo decorativo, no estilo tradicional,
casual ou contemporâneo”
Informação retirada do site http://www.matceramica.com/pt , consultado em Setembro 2014
70
8.2. Apêndice B
71
72
73
74
8.3. Apêndice C
Figura 54 - Esquema elétrico sistema de iluminação
75
8.4. Apêndice D
Figura 55 - Prato com defeito do tipo A
Figura 56 - Prato com defeito do tipo A/B
Figura 57 - Prato com defeito do tipo B
76
Figura 58 - Prato com defeito do tipo C
Figura 59 - Prato com defeito do tipo D (direita) e tipo E (esquerda)
Figura 60 - Prato com defeito do tipo F
77
8.5. Apêndice E
Tabela 7 – Resultados totais da análise da geometria
78