All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

Laboratory test facility for inspection of forgings defects

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F27696057%3A_____%2F23%3AN0000005" target="_blank" >RIV/27696057:_____/23:N0000005 - isvavai.cz</a>

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    čeština

  • Original language name

    Laboratorní testovací pracoviště pro kontrolu vad výkovků

  • Original language description

    Funkční testovací pracoviště zrealizováno z hliníkových profilů a uzpůsobeno k vytvoření a optimalizaci testovací rutiny pro výkovky o velikosti 200x200x100 mm (šířka x délka x výška) a maximální hmotnosti dílce do 10 kg. Sběr snímků pro vyhodnocení povrchových vad využívá 7 PoE kamer. Pro zvýraznění povrchu a kontrolovaných hran výkovku je v pracovišti použito celkem 6 typů světel (dome light, pruhová světla, backlight) s PWM modulací. Klasifikace vad řešena pomocí hluboké neuronové sítě EfficientNet.

  • Czech name

    Laboratorní testovací pracoviště pro kontrolu vad výkovků

  • Czech description

Classification

  • Type

    G<sub>funk</sub> - Functional sample

  • CEP classification

  • OECD FORD branch

    20205 - Automation and control systems

Result continuities

  • Project

    <a href="/en/project/EG20_321%2F0023805" target="_blank" >EG20_321/0023805: Robotized optical inspection system for gauging and shape defects detection of forgings and workpieces using artificial intelligence</a><br>

  • Continuities

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Others

  • Publication year

    2023

  • Confidentiality

    C - Předmět řešení projektu podléhá obchodnímu tajemství (§ 504 Občanského zákoníku), ale název projektu, cíle projektu a u ukončeného nebo zastaveného projektu zhodnocení výsledku řešení projektu (údaje P03, P04, P15, P19, P29, PN8) dodané do CEP, jsou upraveny tak, aby byly zveřejnitelné.

Data specific for result type

  • Internal product ID

    CV-20805_FV2023

  • Numerical identification

    CV-20805_FV2023

  • Technical parameters

    Laboratorní testovací pracoviště je ovládáno řídicím počítačem, který zajišťuje také vyhodnocování snímků. Řízení světel je realizováno pomocí speciálně vyvinutého kontroléru, který zajišťuje napájení světel a také řídí jejich intenzitu. Tento kontrolér umožňuje nezávislé ovládání až 6 světel. Intenzitu všech světel je možné řídit analogově případně pulsně šířkovou modulací (PWM). Komunikace kontroléru s řídicím počítačem probíhá po sériové lince. Testovací pracoviště je osazeno 7 PoE (Power over Ethernet) kamerami vyhovujícími standardu IEEE 802.3af. Pro napájení kamer je použit 1Gbit PoE switch. Pro snímání jsou použity následující kamery a objektivy: • horní barevná kamera 12 Mpx s objektivem 16 mm, • boční monochromatická kamera 12 Mpx s objektivem 16 mm, • čelní monochromatická kamera 12 Mpx s objektivem 25 mm, • 4 monochomatické kamery 5 Mpx s objektivem 25 mm pro izometrické pohledy. Pro každou pozici testovaného výkovku je pořízeno 9 snímků: • 4 isometrické pohledy • 1 horní pohled (půdorys) • 2 čelní pohledy (s rozptýleným světlem a silueta s backlight) • 2 boční pohledy (s rozptýleným světlem a silueta s backlight) Základem vyhodnocovacího algoritmu je implementovaná hluboká neuronová síť pro detekci anomálií, protože v praxi je většinou problém získat dostatek NOK vzorků všech typů vad. Aplikace využívá předtrénovanou neuronovou síť Efficient Net pro extrakci příznaků. V trénovací fázi, která využívá pouze OK kusy, je pro každý výřez vytvořen model Gaussovského rozdělení. Při testování výkovku je pak míra anomálie vypočtena jako vzdálenost mezi aktuálním testovacím vzorkem a Gaussovským modelem. Tím, že se aplikace se učí z obrazových dat pouze bezvadných produktů, se snaží rychle získat „zkušenosti“, které kontroloři získávají až v průběhu několika let.  Pro implementaci sítě je využit framework Pytorch. Grafické uživatelské rozhraní využívá PySide6 framework. Aplikace vyžaduje GPU na grafickém adaptéru s CUDA architekturou, kde je obraz zpracováván vysoce paralelně.   Vyhodnocovací metody umožňují nejen určit, zda testovaný výkovek vyhovuje požadavkům, ale také určit míru vady: velikost přesazení, rozměr, oblast, kde došlo k nedotečení materiálu apod. 

  • Economical parameters

    Pořizovací náklady laboratorního pracoviště jsou 380 000 Kč. Hlavními přínosy jsou ověření různých typů výkovků mimo sériové pracoviště. Hodinová sazba testovacího pracoviště je stanovena na 1200 Kč. Pro odladění testovací rutiny je potřebný čas 80 h na jeden výkovek, tedy 96 000 Kč. Návratnost laboratorního pracoviště při předpokládané přípravě 5 ks/ rok je 10 měsíců.

  • Application category by cost

  • Owner IČO

  • Owner name

    CV Machining s.r.o

  • Owner country

    CZ - CZECH REPUBLIC

  • Usage type

    A - K využití výsledku jiným subjektem je vždy nutné nabytí licence

  • Licence fee requirement

    A - Poskytovatel licence na výsledek požaduje licenční poplatek

  • Web page