Kamerasystem für Bestückungsautomat
Das Projekt besteht aus einem stabilen Aufbau, welcher als ganzes bewegt werden kann. Die Kamera berechnet über ein RaspberryPi live die Bauteilmitten und kann diese, sowie einen livefeed über den dieser und die Positionen abrufbar sind.
Kamerasystem für Bestückungsautomat
Studiengang
ET - auslaufend
Projektbeschreibung
Das Projekt besteht aus einem stabilen Aufbau, welcher als ganzes bewegt werden kann. Die Kamera berechnet über ein RaspberryPi live die Bauteilmitten und kann diese, sowie einen livefeed über den dieser und die Positionen abrufbar sind.
Hauptziel des Projektes ist die Bauteilmittenerkennung von SMD-Wiederständen bis Größe 0603(Zoll), als Schüttgut über eine Kamera. Der Aufbau soll eine leichte, benutzerfreundliche Einstellung und Datenabfrage ermöglichen. Die Beleuchtung unterstüzt die Kamera bei der Ermittlung der Bauteilmitten.
Beteiligte Personen
Studierendengruppe: Sebastian Summer, Manuel Melcher, Tobias Ruisinger, Bablok Michael
Betreuer: Prof. Dr.-Ing. Christoph Zeuke
Veranstaltung
Systems Engineering 1 (IK)
Laufzeit
WS 2023/24
Anforderungen
Hardware:
- stabiler Aufbau in maximaler Größe von 80cm x 70cm x 70cm (BxHxT)
- dimmbare Beleuchtung für das Schüttgut
- leicht werkzeugfrei einstellbare Höhe der Kamera
Software:
- Webserver mit Zufgriff auf einen livefeed und die Positionsdaten
- Einzeichnen der Bauteilmitten
- Kalibrierung der Linsenverzerrung und Normierung der Pixelbreite
Umsetzung
Der Aufbau besteht aus
- Item-Profilen,
- 3D-gedrucketen Haltern,
- einem Metallschlitten mit Feinjustierung und
- einer Unterlage, welche leicht abmontiert werden kann.
- Eine RaspberryPi HQ Kamera
- mit einem Pentax C-Mount 35mm Objektiv,
- wird von einem RaspberryPi ausgewertet, der die Bauteilerkennung übernimmt.
Dieser erstellt auch lokal einen Webserver, über den ein livefeed aufgerufen und gestartet werden kann, eine JSON mit den Positionsdaten von erkannten Bauteilen und die Möglichkeit Bilder herunterzuladen bereitgestellt werden.
Die Beleuchtung kann auch angesteuert werden und für die eingestellte Kamerahöhe kann eine Kalibrierung durchgeführt werden, welche für weitere Bilder mit gleichen Kameraeinstellungen gültig ist. Letztere ermöglicht auch die Normierung der Pixelbreite und somit der Position über das auslesen eines bekannten Schabrettmusters.
Die Software ist in Python geschrieben und die Hauptbibliothek der Bildverarbeitung ist OpenCV.
Verwendung
Die Daten der Position können in einem weiteren Projekt für einen Bestückungsautomaten, z.B. mit einem Saugnapfarm bewegt werden.
Als Schüttgut kann selbstverständlich auch die Anzahl so leicht ermittelt werden und als Zähler eingesetzt werden.
Eine Einbindung von OCR würde auch die Bauteilwerterkennung ermöglichen, die Rohdaten im Pi würden dies hergeben, allerdings dieser nicht von seiner Leistung.
