\n\t\tHoe werkt robot vision?\n\t<\/h2>\n\t
Robot vision werkt door \u00e9\u00e9n of meerder camera’s te integreren in het robotsysteem. Aan het uiteinde van de robotarm wordt een camera gemonteerd die fungeert als ‘het oog’ van de machine. Het kan ook zijn dat de camera los van de robot wordt geplaatst. Deze camera’s en de bijbehorende software kunnen objecten herkennen en barcodes en QR-codes scannen. Tijdens het programmeren leert de robot objecten en codes te identificeren waarmee die moet werken. Hiervan worden 2D- of 3D-scans gemaakt, die worden opgeslagen in de software. Vervolgens is het mogelijk daar specifieke taken aan toe te kennen.<\/p>\n\t\t\t\t Door een ge\u00efntegreerd visionsysteem ontstaan er een aantal mogelijkheden voor robots die er daarvoor niet waren. Zo kunnen robot die uitgerust zijn met een camera optische inspecties uitvoeren, objecten sorteren en metingen uitvoeren.<\/p>\n\t Een robot zou dus aan het eind van een assemblageproces kunnen zien of de producten goed geassembleerd zijn. Een mooi voorbeeld daarvan is de inspectie van een moederbord<\/a> nadat die is gesoldeerd. Dankzij Artificial Intelligence leert de robot wanneer een product wel of niet aan de kwaliteitseisen voldoet om ze vervolgens te sorteren. Sorteren kan ook op basis van QR- of barcode, iets wat goed van pas kan komen binnen logistieke processen. De robot zou bijvoorbeeld aan de hand van de code op een doos kunnen leren op welke pallet die gestapeld moet worden.<\/p>\n\t\t\t\t Naast het feit dat de robot een aantal nieuwe taken leert, heeft vision ook een aantal voordelen voor gebruikelijke taken. Bijvoorbeeld bij de set-up van een relatief simpele pick-and-place. De grootste uitdaging om zo’n set-up werkend te krijgen, is dat de objecten steeds op exact dezelfde manier en op dezelfde plek aan de robot worden aangeboden. Dit betekent dat er apparaten of constructies toegevoegd moeten worden, zoals een feeding system, zodat willekeur wordt voorkomen en de robots precies weten waar het object zich bevindt.<\/p>\n\t\t\t\t De robot kan dankzij vision zien waar de producten zich bevinden. Een gestandaardiseerde aanvoer is dan niet essentieel en objecten zouden in bulk aan de robot aangevoerd kunnen worden. Bin picking<\/a> is hier een voorbeeld van.<\/p>\n\t En wat als de aanvoer gestandaardiseerd verloopt, maar er met verschillende soorten objecten in verschillende vormen gewerkt moet worden? Of wat als de oplage in kleinere aantallen is en er vaak van product gewisseld wordt? Dan is het van belang dat de robot snel omgezet kan worden en nieuwe objecten kan oppakken en herkennen. Dat kan met vision. Het is zelfs mogelijk om te schakelen tussen onderdelen en producten op dezelfde lijn. Doordat de robot het object herkent, weet die wat de volgende stap is in het proces. Dit biedt meer flexibiliteit om verschillende eenheden op dezelfde lijn te bouwen zonder dat een “blinde” robot die telkens hetzelfde verwacht, opnieuw moet worden geprogrammeerd.<\/p>\n\t![\"Bin](\"https:\/\/www.wiredworkers.io\/wp-content\/uploads\/2019\/08\/Pick-It-product-01-scaled.jpg\" "\\"Bin")
\n \n ![\"Mis](\"https:\/\/no-cache.hubspot.com\/cta\/default\/19989853\/interactive-153608921386.png\"\n)
\n <\/a>\n\n\t\tDe mogelijkheden van robot vision\n\t<\/h2>\n\t
![\"Techman-robot-computer-AI\"](\"https:\/\/www.wiredworkers.io\/wp-content\/uploads\/2022\/01\/Techman-robot-computer-AI-300x200.jpg\" "\\"Techman-robot-computer-AI\\"")
\n\n\t\tVoordelen van vision\n\t<\/h2>\n\t
![\"bin](\"https:\/\/www.wiredworkers.io\/wp-content\/uploads\/2021\/09\/bin-picking-300x169.jpg\" "\\"bin")
\n\t