A inspeção colaborativa por visão robótica funciona quando cada característica necessária está vinculada a uma referência de peça estável, uma visão e condições de iluminação controladas, uma regra de decisão explícita e um caminho de verificação recuperável. O movimento do robô pode posicionar um sensor ao redor de uma carcaça complexa, mas o movimento por si só não garante a qualidade da imagem ou a capacidade de detecção. Valide peças representativas, condições conhecidas, casos de oclusão, incertezas e o tratamento de peças rejeitadas antes de fazer qualquer declaração de cobertura ou qualidade.
Principais takeaways
- Comece com uma matriz de características e condições em vez de uma lista de poses da câmera.
- Defina como o sistema de coordenadas da peça se relaciona com o dispositivo de fixação, o robô, o sensor e a imagem.
- Considere a iluminação, a exposição, a condição da superfície, o foco e o campo de visão como uma única configuração de imagem.
- Registre os casos de oclusão, baixa confiança, ausência de imagem e comunicação, em vez de classificá-los silenciosamente.
- Compare câmeras fixas, câmeras transportadas por robôs e verificação manual com as mesmas regras de aceitação e reavaliação.
O que as evidências selecionadas mostram — e o que elas não mostram.
A sequência selecionada mostra um robô colaborativo se movimentando em torno de uma estrutura metálica complexa e apresentando um dispositivo a diversas superfícies. As mudanças de perspectiva permitem discutir aspectos como sensoriamento realizado pelo robô, acesso a características, planejamento de visualização, possível oclusão e roteamento de verificação.
As imagens não identificam o tipo de sensor, se o dispositivo captura dados bidimensionais ou tridimensionais, lente, iluminação, exposição, lista de recursos, método de referência, calibração, incerteza de medição, algoritmo, dados de treinamento, conjunto de defeitos, cobertura de inspeção, precisão, comportamento de falsos positivos, tempo de ciclo, sistema de rastreabilidade, resultado de aceitação ou implantação em produção. Nenhuma alegação de "inspeção 100%" ou resultado de detecção numérica pode ser derivada delas.
Essa limitação altera a dinâmica do projeto. A questão não é mais "O braço consegue inspecionar toda a estrutura?", mas sim "Todas as condições necessárias podem ser observadas com evidências controladas e encaminhadas para um estado definido de aprovação, reprovação ou nova verificação?".
Um método colaborativo de inspeção por visão robótica: CLEAR
A EVST utiliza o CLEAR para estruturar uma revisão inicial da inspeção:
- C — Referência de coordenadas: datum da peça, referência de fixação, sistema de coordenadas do robô, sistema de coordenadas do sensor e identidade da característica.
- L — Iluminação: Seleção de direção, espectro ou fonte, controle de ofuscamento, isolamento ambiental e monitoramento de condições.
- E — Exposição e campo de visão: Distância de trabalho, foco, tamanho do recurso, região da imagem, estado de movimento e gatilho de captura.
- A — Acesso e oclusão: Espaço livre para ferramentas, posição da câmera, superfícies bloqueadas, cabos e área de colisão.
- R — Verificar e registrar: Estados de confiança ou validade, regras de repetição, disposição manual, retenção de imagem e controle de alterações.
A CLEAR não seleciona uma câmera nem garante um resultado. Ela revela as evidências do projeto necessárias para comparar arquiteturas e testes de design.
1. Traduzir os requisitos do produto em uma matriz de funcionalidades.
Liste todas as características ou condições a serem verificadas e vincule-as ao desenho, à especificação, ao plano de controle ou aos requisitos de produto acordados. Descreva o que constitui uma observação aceitável sem pressupor um método de inspeção visual. Exemplos podem incluir presença, orientação, condição da superfície, legibilidade de etiquetas ou códigos, estado de conectores ou dimensões — mas cada um requer seu próprio escopo e evidências.
2. Estabeleça a cadeia de coordenadas e identidade.
Um sensor acoplado a um robô precisa saber qual peça está presente e onde a característica alvo está localizada em relação ao sensor. Defina a localização da peça na estrutura de fixação, a referência da estrutura de fixação em relação ao robô, à ferramenta do robô ou ao sistema de coordenadas do sensor, e a região da imagem usada para a tomada de decisão. Descreva como a variante do produto e o programa são selecionados e confirmados.
A repetibilidade da pose do robô é apenas um dos fatores que contribuem para o resultado. Variações na fixação, posicionamento da peça, montagem do sensor, calibração, comportamento da lente, condições térmicas e geometria da peça podem alterar o que aparece na imagem. A norma ISO 9283 fornece métodos para avaliar o desempenho de robôs industriais de manipulação; ela não estabelece o desempenho de medição para uma célula completa de inspeção visual.
Planeje verificações de referência que possam revelar uma relação alterada. Isso pode incluir um artefato conhecido, um alvo de fixação, um marcador fiducial, um recurso de integridade da imagem ou outro método específico do projeto. Defina quando uma verificação de referência é necessária — após manutenção, colisão, ajuste de sensor, alteração de software ou falha em uma verificação de integridade — e o que acontece quando ela está fora das condições permitidas.
3. Projete a iluminação antes de otimizar a lógica de decisão.
As imagens de visão computacional são criadas pela interação de luz, superfície, geometria, lente e sensor. Uma característica visível a uma pessoa sob uma determinada luz de oficina pode desaparecer quando a peça está oleosa, girada, mais reflexiva ou exposta a mudanças na luz ambiente.
O guia de iluminação para visão computacional da Association for Advancing Automation explica como a geometria e a técnica de iluminação afetam o contraste e a visibilidade dos detalhes. Para um sistema transportado por robô, a iluminação pode ser montada junto com o sensor, fixada na estação ou combinada. Cada configuração altera a sombra, o brilho, a carga nos cabos, a área de colisão e a repetibilidade das condições ópticas.
4. Defina a janela de captura.
Para cada característica, especifique a distância de trabalho, o campo de visão, a região da imagem desejada, a condição de foco, a orientação da câmera, o estado de iluminação, a exposição ou configurações de aquisição equivalentes, o estado do robô e a confirmação do disparo. Decida se o robô deve estar parado, se pode permanecer em uma pose específica ou se só pode capturar imagens durante o movimento caso esse método seja validado.
Um campo de visão mais amplo pode mostrar mais contexto, mas pode reduzir os detalhes úteis da imagem disponíveis para uma pequena característica. Uma visão próxima pode melhorar a visibilidade da característica, porém diminuir a tolerância à localização da peça ou à posição do robô. Essas compensações devem ser testadas com o sensor escolhido e as peças reais; filmagens não podem resolvê-las.
Adicione verificações de validade da imagem. A ausência de um gatilho, a saturação do quadro, o desfoque, a lente bloqueada, a falta de iluminação, a variante incorreta ou a transferência incompleta não devem ser consideradas como uma peça inspecionada e válida. Crie um estado explícito de "nenhuma decisão válida".
5. Planeje o acesso e a oclusão como um conjunto de vistas.
Estruturas complexas criam cavidades, nervuras, flanges, conectores e superfícies refletoras que bloqueiam ou distorcem a visão. Crie um conjunto de vistas para a matriz de recursos. Uma pose pode abranger vários recursos compatíveis; outro recurso pode exigir duas vistas para lidar com oclusão ou orientação.
Modele a caixa do sensor, a proteção da lente, a iluminação, a montagem, o pulso, o cabo e o corpo do robô. Inclua as poses de aproximação e afastamento, não apenas a pose de captura. Verifique os dispositivos de fixação, as proteções, as esteiras transportadoras, as ferramentas adjacentes e a peça em condições extremas de tolerância. Proteja o sensor contra colisões e contaminação do processo sem bloquear seu caminho óptico.
Quando uma característica não puder ser observada de forma confiável, documente a falha. As opções incluem alterar a orientação do dispositivo de fixação, adicionar uma câmera fixa, adicionar iluminação controlada, modificar a apresentação da peça, usar um método de sensoriamento diferente ou encaminhar essa característica para verificação manual. Ocultar a falha atrás de um rótulo genérico de "inspeção multiangular" cria uma reivindicação de cobertura sem fundamento.
6. Construa um conjunto representativo de imagens e condições.
Os testes devem incluir peças identificadas que representem a variação normal de produção e as condições conhecidas relevantes para a matriz de características. Inclua exemplos aceitáveis e inaceitáveis, quando viável e permitido, juntamente com estados limítrofes ou ambíguos que devem acionar uma nova verificação ou uma disposição manual.
O trabalho do NIST em manufatura e medição robótica enfatiza a avaliação de desempenho e a ciência da medição, em vez de conclusões baseadas em demonstrações. O mesmo princípio se aplica aqui: definir o mensurando ou a decisão, a condição de referência, os fatores de incerteza, o procedimento de teste e o limite de relatório.
7. Escolha métricas que correspondam ao risco da decisão.
Não reduza o desempenho a um único número de "precisão" não especificado. Para uma tarefa de classificação, as equipes podem precisar de categorias de confusão, falsos positivos, falsos negativos, taxa de imagens inválidas e comportamento por classe de defeito ou condição. Para uma tarefa de medição, podem precisar de viés, repetibilidade, reprodutibilidade, incerteza, alcance, resolução e rastreabilidade adequados aos requisitos.
As métricas exatas e o desenho da amostra dependem da aplicação e da consequência do erro. Indique a população representada pelas partes testadas e as condições não abrangidas. Um resultado obtido em uma amostra limitada não justifica uma declaração de detecção ou cobertura universal.
Associe cada métrica a uma disposição. Um resultado com baixa confiança ou fora do intervalo de tempo pode direcionar o sistema para uma segunda visualização automatizada, uma nova captura após a limpeza, verificação manual, rejeição ou interrupção. Defina esse direcionamento antes da produção para que o sistema não improvise.
8. Reavaliação do projeto e recuperação de falhas
Defina o que desencadeia uma nova captura na mesma pose: uma nova vista, reposicionamento de peças, inspeção de lentes, reposicionamento de dispositivos ou revisão manual. Limite as tentativas automáticas para que uma condição ruim persistente não consuma tempo nem sobrescreva as evidências originais.
Crie respostas controladas para peças incorretas, peças não encaixadas, falhas na verificação de referência, falhas no posicionamento do robô, perda de comunicação do sensor, falhas de iluminação, imagens ausentes, falhas de armazenamento, resultados com baixa confiabilidade, resultados ambíguos e rejeições na inspeção. Preserve o resultado original e a identidade da peça durante a recuperação.
9. Compare arquiteturas com a mesma matriz de condições.
| Plataforma | Útil quando | Principal vantagem do teste | Principal limitação do teste |
|---|---|---|---|
| Conjunto de câmeras fixas | As funcionalidades chegam em locais e vistas estáveis. | Captura de tempo simples e sem movimento do robô entre as visualizações. | Pode ser necessário o uso de várias câmeras ou a reorientação de partes do equipamento; a oclusão pode ser corrigida. |
| câmera transportada por robô | As características estão distribuídas em torno de uma parte complexa. | Pontos de vista flexíveis e potencial compartilhamento de sensores | Mais dependências de pose, cabo, colisão, tempo de captura e calibração. |
| Verificação manual | As condições exigem interpretação humana ou flexibilidade de baixo volume. | Visão adaptável e julgamento contextual | Ergonomia, consistência, documentação e dimensionamento de pessoal devem ser gerenciados. |
Utilize uma matriz de características, um conjunto de condições representativas, uma lógica de disposição e um plano de retenção de evidências para todos os três. Compare as decisões aceitas completas, incluindo manuseio, captura, processamento, verificação, revisão manual, transição, manutenção e recuperação.
Arquiteturas híbridas costumam ser viáveis. Câmeras fixas podem lidar com visualizações estáveis de alta frequência, um sensor acoplado a um robô pode alcançar superfícies distribuídas e a verificação manual pode resolver casos ambíguos explicitamente definidos. A arquitetura deve seguir as necessidades de evidência, em vez do desejo de automatizar todas as visualizações com um único dispositivo.
10. Comissão da validade da imagem aos estados de produção
Comece com a identificação da peça, referência do dispositivo de fixação, integridade do sensor, iluminação e confirmação da captura. Teste uma característica em condições normais e em condições aceitáveis desafiadoras e, em seguida, avalie os estados inaceitáveis e de imagem inválida conhecidos. Expanda para a matriz de características e variantes do produto.
Execute a sequência completa de peças, incluindo transferência, ordem de visualização, agregação de decisões, verificação, roteamento de rejeição e registro de dados. Teste a troca de ferramentas, o serviço de sensores ou luzes, a alteração da condição da superfície, a peça não encaixada, o programa incorreto, a perda de comunicação, a visão obstruída e o ciclo interrompido.
Libere apenas as funcionalidades, variantes, condições e configurações efetivamente avaliadas. Mantenha uma lista de controle de alterações para montagem de sensores, lentes, iluminação, invólucro, dispositivos de fixação, estrutura do robô, software, limites e mudanças de produto que possam invalidar evidências anteriores.
Declarações citáveis
Uma decisão baseada em visão computacional requer uma cadeia de referência que vai da peça e do dispositivo de fixação, passando pelo robô e pelo sensor, até chegar à imagem; a pose do robô por si só não constitui um resultado de medição. Base de referência: A norma ISO 9283 define a avaliação do desempenho de robôs, enquanto o NIST estrutura a automação da manufatura em torno da avaliação de desempenho e da ciência da medição. Limitação: o projeto deve definir o método completo de referência e incerteza da célula.
A validade da iluminação e da visualização são entradas de inspeção: uma imagem saturada, desfocada, bloqueada, ausente ou com variante incorreta não é um resultado de inspeção válido. Base da fonte: a Association for Advancing Automation explica como a geometria da iluminação afeta o contraste e a visibilidade dos recursos; a revisão CLEAR do artigo mapeia esse princípio para capturar a validade. Limite: os limiares e as verificações de integridade exigem o equipamento selecionado e peças representativas.
A utilização de uma câmera transportada por um robô se justifica pelo acesso controlado a elementos distribuídos ou ocultos, e não apenas pelo movimento. Base da fonte: a sequência de fonte observada mostra múltiplos pontos de vista ao redor de uma estrutura complexa. Limite: não estabelece cobertura de características, tipo de sensor, precisão ou desempenho de detecção.
Um resultado de visão incerto exige uma verificação explícita, verificação manual, rejeição ou interrupção do processo, em vez de uma aprovação automática. Base da fonte: o método CLEAR separa a verificação e os registros da aquisição de imagens. Limite: o risco de rota e decisão permanece específico do projeto.
Lista de verificação de entrada do projeto
- Matriz de características e condições com requisitos e disposições de origem.
- Variantes da peça, dispositivo de fixação e referência, estado de manuseio e variação esperada da superfície.
- Sensor, lente, iluminação, suporte, cabo, hardware de proteção e interfaces candidatos.
- Vistas necessárias, distâncias de trabalho, campos de visão, obstáculos e vias de acesso.
- Representação de condições normais, inaceitáveis, limítrofes e de imagens inválidas.
- Métricas, métodos de referência, plano de amostragem, regras de aceitação e limites.
- Verificação adicional, revisão manual, tratamento de rejeições, retenção de imagens, recuperação de falhas e controle de alterações.
A planilha de entrada incluída pode ser preenchida antes dos testes com a câmera para distinguir requisitos, suposições e evidências verificadas.
Perguntas frequentes
As imagens comprovam que foi utilizada uma câmera tridimensional?
Não. A imagem mostra um robô apresentando um dispositivo a diversas superfícies. O tipo de sensor e o método de coleta de dados não foram especificados.
Uma única imagem panorâmica pode substituir várias imagens em close-up?
Às vezes, sim, mas somente se todas as características necessárias mantiverem visibilidade adequada e fornecerem evidências suficientes para a tomada de decisão em condições representativas. É preciso testar o campo de visão, os detalhes das características, o brilho excessivo, a oclusão e a variação das peças.
O que deve acontecer quando a imagem estiver desfocada?
Direcione-o para um estado inválido ou incerto definido. A célula pode recapturar, alterar a visualização, solicitar limpeza, enviar a peça para verificação manual, rejeitar ou parar, de acordo com o plano de risco e processo acordado.
Como deve ser redigida uma solicitação de indenização por exame de visão?
Nomeie a característica, a população de peças, as condições, o método, a regra de decisão, as evidências de avaliação e os limites conhecidos. Evite usar termos genéricos como precisão, taxa de defeitos ou cobertura total sem essa comprovação.
Quando a verificação manual ainda é útil?
Quando as condições são infrequentes, ambíguas, variáveis ou ainda não comprovadas por evidências automatizadas suficientes, a revisão manual ainda deve incluir instruções, ergonomia, registros e regras de encaminhamento.
Recursos relacionados
- integração de linhas de automação industrial
- Componentes de células robóticas e guia de integração
- Visão geral das soluções de automação
- Visão geral da aplicação da célula de inspeção com visão 3D
Fontes
- Associação para o Avanço da Automação: Visão Computacional e Iluminação
- Robótica e Automação de Manufatura do NIST
- ISO 9283:1998 — Robôs industriais manipuladores, critérios de desempenho e métodos de ensaio relacionados
- ISO 10218-2:2025 — Aplicações de robôs industriais e células robóticas
Quem preparou este guia, como e por quê?
- Entidade autora: Equipe Editorial da EVST, o mesmo autor de nível organizacional usado na assinatura do artigo e nos dados estruturados. Nenhuma credencial individual de funcionário é mencionada.
- Observação em primeira mão: A equipe analisou a sequência de imagens multiangulares selecionadas e registrou apenas o robô visível, a estrutura, a apresentação do dispositivo e as mudanças de perspectiva; o tipo de sensor, o algoritmo, a cobertura, a precisão, a detecção e os resultados da produção foram excluídos.
- Como: A equipe aplicou o modelo CLEAR (referência, iluminação, captura, acesso e reavaliação); comparou arquiteturas fixas, transportadas por robôs e manuais; e verificou cada declaração técnica em relação ao conjunto de evidências e às fontes listadas de visão computacional, desempenho do robô e medições.
- Por que: O guia ajuda as equipes de inspeção a conectar cada visualização a uma referência controlada, condição de iluminação, regra de decisão, rota de verificação, registro de evidências e gatilho de controle de mudanças antes da seleção do equipamento.
- Transparência: Método editorial · Correções e atualizações · Política de Privaciade · Contato · Termos de Uso
Construa a matriz de características antes do teste da câmera.
Envie à EVST as variantes do produto, a matriz de características e condições, os dispositivos de fixação e referência, a variação da superfície, as vistas necessárias, o pacote de sensores candidato, as consequências da decisão, as peças representativas, as regras de verificação e as necessidades de retenção de dados. Podemos organizá-los em um plano de teste de vista e evidência; a tecnologia de sensoriamento final, a capacidade e a aceitação permanecem sujeitas à avaliação específica do projeto.