Teksti Vili Kellokumpu, Juha Sumen, Jari Havisto, Katariina Rahkamaa-Tolonen, VTT
Kuvat Kirjoittajat

Uudet kuvantamismenetelmät sekä optisten innovaatiot yhdessä tekoälyn kanssa mahdollistavat uudenlaisten konenäkömenetelmien kehittämisen teollisiin mittauksiin. VTT:n soveltava tutkimus tuo uuden sukupolven konenäköratkaisuja tutkimuksesta teollisuuden tarpeisiin. Parhaimmillaan linjakäyttöön soveltuvia ratkaisuja pystytään luomaan jo tutkimusprojektien aikana.

Digitalisaatio mahdollistaa yhä autonomisempien prosessien kehittämisen teollisuudessa, missä tuotannon laatu, kunnossapito ja reaktionopeus ovat keskeisiä haasteita. Mittaustekniikka on mahdollistava tekijä digitalisaatiolle, sillä se mahdollistaa tiedon tuottamisen prosesseista. Monet laadunvarmistukseen ja kunnonvalvontaan liittyvät tehtävät ovat kuitenkin ihmisen tekemää käsityötä, vaikka tuotanto voi muuten olla hyvin pitkälle automatisoitu. Konenäkö tarjoaakin keinon viedä silmät prosessiin.

Uuden sukupolven konenäkö hyödyntää tekoälyä yhdessä uusien kuvantamismenetelmien sekä optisten innovaatioita kanssa kohteiden ja ilmiöiden tarkempaan tunnistukseen. Tarkkuudesta on hyötyä muun muassa huoltotarpeen ja -ajoituksen määrittelyssä, uusien ilmiöiden havainnointiin pohjautuvien prosessinohjausmenetelmien kehittämisessä ja laadunvarmistuksessa robotisoiduissa ympäristöissä. Tekoälyllä voidaan puolestaan luoda merkittävästi tarkempia menetelmiä kuva-analyysiin sekä nopeuttaa kuvankäsittelyalgoritmien kehitys- ja ylläpitotyötä.

Laaja tutkimusalue

Konenäkö on laaja tutkimusalue, jossa käytetään perinteisen kameratiedon lisäksi myös muita kuvantavat menetelmiä. Konenäössä voidaan hyödyntää esimerkiksi ihmissilmälle näkymättömiä valon spektrialueita korostamaan haluttuja ilmiöitä mitattavasta kohteesta. Innovatiivisilla valaistus ja optiikka ratkaisuilla pystytään korostamaan esimerkiksi mitattavien kohteiden muotoja tai vaikka pinnan ominaisuuksia. Teollisuusprosessien mittausympäristöt ja tarkkuusvaatimukset ovat usein haastavia perinteiselle kameratekniikalle, joten mittausten toteuttamiseen tarvitaan kehitystä mittausperiaatteen sekä mekaniikan osalta. VTT:n optisten mittausten ryhmä keskittyy kehittämään uusia ratkaisuja erityisesti haastaviin sovelluksiin, joissa tarvitaan tutkimusta sekä kuvantamismenetelmissä että kuva-analyysissä.

VTT on kehittänyt uuden sukupolven konenäköä laadunvalvonnan ja prosessinohjauksen automaatiosovelluksiin tiiviissä yhteistyössä laitevalmistajien ja loppukäyttäjien kanssa. Tutkimus on pohjautunut yritysten konkreettisiin ja ajankohtaisiin tarpeisiin ja parhaillaan matka ideasta toimivaksi tuotteeksi on usein ollut yllättävän lyhyt: linjakäyttöön soveltuvia ratkaisuja on saatu luotua jo tutkimusprojektin aikana, mikä on mahdollistanut nopeita kehitystoimia esimerkiksi tuotantovaatimusten kasvaessa äkisti, kuten alla olevat tapaukset osoittavat.

Automaattinen laadunvarmistus

Business Finlandin rahoittama Reboot IoT Factory -hanke digitalisoi Suomen valmistavaa teollisuutta ketterän yhdessä tekemisen, kokemusten jakamisen ja SME-yhteistyön kautta. Yksi tutkimuskohde projektissa on automaattinen laadunvarmistus.

GE Healthcaren potilasmonitorointilaitteiden komponenttien automatisoidun kokoonpanolinjan pullonkaulana oli hengityskaasuanalysaattoriin liittyvien komponenttien laadunvarmistuksen läpimenoaika. Reboot IoT Factory tutkimushankkeessa VTT kehitti innovatiivisen, erilaisiin spektrialueisiin perustuvan konenäköratkaisun, joka mittaa kyseisten komponentin toimivuutta. Kyseinen komponentti on kriittinen hengityskaasuanalysaattorin toiminalle ja siten myös potilasturvallisuudelle, joten jokainen valmistettu komponentti on testattava erikseen. Kehitetty mittausmenetelmä testattiin GE Healthcaren Vallilan tuotantolaitoksella ja vietiin SME yhteistyön kautta osaksi GE Healthcaren tuotantoa mahdollistaen moduulien nopeamman ympärivuorokautisen tuotannon.

”Reboot IOT Factory-projektin tuloksien ansiosta tuotantokapasiteettimme on kasvanut siinä määrin, että voimme siirtää loputkin potilasmonitoroinnissa käytettävien komponenttien valmistuksesta Suomeen” kertoo Heli Huhtala GE Healthcarelta.

Linjalle viedyllä mittauksella on myös selvä yhteys tämänhetkiseen globaaliin koronatilanteeseen liittyen: ”Mittaus tuli kuin tilauksesta koronan vastaiseen taisteluun, kun hengityskaasuanalysaattoreiden kysyntä moninkertaistui koronan myötä” toteaa Hannu Seppänen GE Healtcarelta.

ABB Porvoo tehdas valmistaa 100 henkilön ja 50 robotin voimin 25 miljoonaa kytkintä, pistorasiaa, jatkoholkkia ja asennusrasiaa vuosittain. ABB:n sähköasennustarvikkeiden tuotantoon kuuluu useita visuaalisia tarkastuksia, jotka aiheuttavat kuluja osaksi sinänsä yksinkertaisten ruiskuvalukappaleiden tuotannossa. Tällä hetkellä kappaleiden pinnan laadun tarkistus on käsityötä muun työn ohessa. Haasteita automaattiseen laadunvalvontaan ABB:lla tuovat kiiltävät kappaleet, vaihtelevat 3D muodot sekä tarkastuksen nopeusvaatimukset. Reboot IoT hankkeessa VTT tutki erilaisten konenäkömenetelmien soveltuvuutta pinnan laadun tarkistamiseen ja sopivan teknologian valintaa ABB:n tuotteille ja prosessille. ABB Porvoo jatkaa valitun teknologian kehitystä ja käyttöönottoa yhdessä SME yrityksen kanssa ja visiona on, että automaattisen laadunvarmistuksen tuottaman tarkan tiedon kytkeminen tuotantoprosessin tietoihin mahdollistaa jatkossa myös tarkemman prosessin optimoimisen.

Silmät prosessiin

Business Finlandin rahoittaman Apassi-projektin konsortio, joka koostuu useista suomalaisista tutkimus- ja teollisuuspartnereista, kehittää mittausinfrastruktuuria ja niihin liittyviä palveluita autonomisille suuren mittakaavan teollisille prosesseille. Uuden sukupolven konenäköteknologia mahdollistaa sovelluksien kehittämisen haastaviin mittaustarpeisiin. VTT on kehittänyt projektissa uusia konenäkömittauksia ja analyysimenetelmiä mineraalien prosessoinnin tarpeisiin yhdessä Metso Outotecin kanssa.

Flotaatioprosessi (Vaahdotus) on yleisesti käytetty mineraalien rikastusprosessi, missä arvomineraalit erotetaan sivukivestä kemikaalien avulla ja kerätään talteen nostamalla rikaste ilmakuplien avulla vaahtokerrokseen lietteen päälle. Prosessin tehokkuus riippuu monesta eri tekijästä, mutta ilmakuplien kokojakauma on yksi merkittävä tekijä, joka vaikuttaa kuplien kykyyn nostattaa rikastetta pintaan. Pienten, mikrometriluokan, kuplien koon mittaaminen läpinäkymättömästä lietteestä on kuitenkin haastavaa. Ratkaisuna tähän VTT on kehittänyt uuden kamerapohjaisen mittausmenetelmän, joka mahdollistaa kuplien koon mittaamisen suoraan lietteestä halutulta mittaussyvyydeltä. Yksittäiset kuplat kyetään erottamaan kuvista käyttämällä objektin tunnistukseen kehitettyjä neuroverkkoarkkitehtuureja. Tämä uusi mittausmenetelmä mahdollistaa lähes reaaliaikaisen mittaustiedon, jota voidaan hyödyntää prosessin optimoinnissa.

Partikkelikoko on tärkeä parametri mineraalien rikastusprosessissa. Partikkelikokojakauman määrittäminen murskatusta materiaalista ennen jauhatusta mahdollistaa jauhatuspiirin tarkemman ohjaamisen rikastusprosessin optimoimiseksi. Mineraaliseoksen ollessa kyseessä olisi hyödyllistä, jos partikkelikoko voitaisiin määrittää erikseen eri mineraaleille. Apassi projektissa VTT ja Metso Outotec tutkivat kamerapohjaisen partikkelikoon mittauksen mahdollisuutta tapauksessa, jossa arvomineraali on lähes läpinäkyvää. Tehtävä on erittäin vaikea perinteisille konenäön kuva-analyysimenetelmille, joten VTT kehitti tehtävään neuroverkkopohjaisen ratkaisun partikkelien segmentoimiseen, jonka perusteella partikkelikoko voidaan laskea kuvajoukosta.

VTT Optiset mittaukset tutkimusryhmä

•                          Johtaja: Katariina Rahkamaa-Tolonen
•                          Toimii Oulussa and Kuopiossa
•                          27 tutkijaa erilaisilla taustoilla matemaatikoista insinööreihin
•                          Erikoisosaamista konenäöstä, optisesta suunnittelusta ja spektroskopiasta
•                          30 vuotta kokemusta optisista ratkaisuista teollisuuteen

Reboot IoT Factory

Business Finlandin rahoittama Reboot IoT Factory kehittää digitaalisia ratkaisuja muun muassa tuottavuuteen, tuotannon laatuun ja reaktionopeuteen liittyviin teollisuuden haasteisiin. Hankkeen konsortio koostuu kahdeksasta tehtaasta ja neljästä tutkimuslaitoksesta. Hankkeen kokonaisvolyymi on noin 13 M€ ja kesto 18 kuukautta.

Apassi

Apassi on Business Finlandin rahoittama mittaustekniikan yhteishanke, jossa kehitetään autonomisia prosesseja ja tekoälyyn perustuvia ratkaisuja tuotannon ohjaukseen. Hankkeessa on mukana seitsemän yritystä ja kolme tutkimuslaitosta. Hankkeen kokonaisvolyymi on noin 10 M€ ja hankkeen tutkimusprojektien kesto on kaksi vuotta ja yritysprojektien 2-3 vuotta.