「製造業特化型データサイエンティスト集中講座」
Data Science Intensive Training in Manufacturing
名前が長いのでDSITって呼びます^^*
講座の第１期が後半にさしかかり、
内容もぐっと進化しましたので、そちらをお伝えします！
Raspberry Piを導入
Raspberry Pi（ラズベリーパイ）とはとっても安価で小さいコンピュータです。
これを使って、現場で実際に設備からデータを取る練習を行います！
ラズパイに馴染みの無い人も大丈夫！
環境構築からサポートしてもらえるし、実際に現場で使う際も
講義資料を見返せば、同じように環境構築から行えます(^^V
こちらはモニター裏にラズパイを取り付け、
マウスとキーボードに加えカメラを接続しています。
また、Coralという最新のTPUも使って、学習のスピードをアップさせます(☆O☆)！
DOBOTでNG部品を排除
以前の記事でご紹介したDOBOTを使って
搬送設備の上を流れている部品がNGの場合は
DOBOTが搬送設備からそのNG部品を取り除いてくれるのです( ´艸｀*)！
画像の判定や、DOBOTの制御はラズパイで行っています。
ds-blog.tbtech.co.jp
ではその流れをご紹介します^^*
部品について
この搬送装置は品種１を流すものですが、誤って品種２が混入してしまいました。
OK or NGを判定
搬送装置の途中に近接センサとカメラが付いています。
部品が近接センサの下を通ると、コンベアが一時停止しカメラで撮影します。
その画像からOKかNGかを判定します！
こちらは品種１の部品。
部品の位置が矩形で囲まれ、しっかり形状が捉えられています。
部品は品種１なのでOKと正しく判定されました。
続いて、品種２の部品が流れてきます。
こちらも部品の位置も、エッジも捉えられました。
この部品は品種２なのでNGと判定されました。
NGの判定の下には、部品の中心座標と、部品の個数が表示されます。
この中心座標を基にDOBOTに排除命令がいきます！！
DOBOTで排除
ラズパイからの排除命令を受け、DOBOTは部品の中心を捕らえ
エアーを吸引して部品を取り、コンベアの外へ出します。
排除完了！！
工夫と改善
ここまでの流れをさらっとご紹介しましたが、
もちろんさらっと一発成功したわけではありません！
何度も壁にぶち当たってきました。（やったの私じゃないけど）
以下がその工夫と改善点です。
①ワークの異常を見つけやすくするために焦点距離を短くした結果
DOBOTの可動範囲と干渉→【カメラやフレームの移設】
②上記の改造でカメラの画郭が狭くなった為、確実にワークが入るように調整
→【コンベアスピードの調整、制御（ラダー）の修正】
③カメラ照明によるハレーション対策→【囲い＆LED照明追加】
④カメラ画像座標からDOBOT座標への変換式の為のデータ取り
→Excelで散布図を描いて近似線から変換式の傾きと切片値の算出
③のハレーションとは、カメラのフラッシュがコンベアに反射することで
部品に重なって、部品の形状が大きく囲われてしまっています。
そのためDOBOTに間違った中心座標の値が伝わり、排除ができませんでした。
さらに時間帯による周りの明るさにも影響を受けます。
この対策としてカメラをすっぽり囲い、照明を追加しました。
囲いの中にDOBOTが入っていけるようにカーテンを付けました。
以上の流れをこちらの動画で見られます(o^^o)♪
手作り感たっぷりの異品種除去デモをご覧ください。
youtu.be
今回ご紹介したツールを活用して、DSIT講座は後半に突入します！
これからも進化するDSIT講座の様子をお伝えしますヽ(*^^*)ノ
