I modern industrimiljö finns fortfarande en stor mängd analoga visarinstrument. Det är önskvärt att övervaka dessa instrument digitalt vilket medför att kontroll av mätdata kan göras utan att personal behöver vara på plats. På marknaden finns idag ingen aplikation som är utvecklad för att uppfylla denna funktion.  Detta examensarbete har undersökt metoder för hur en analog visares värde ska läsas av digitalt och utvecklat en prototyp som kan utföra uppgiften.  Prototypen utvecklades med hjälp av datorseende algoritmer för att läsa av den analoga visarens värde. Algoritmerna för datorseende implementerades på en Raspberry Pi4 Model B och en kamera, Rasperry Pi Kameramodul V2. Prototypen som utvecklades uppfyller de funktioner som efterfrågades, och uppnåde en noggranhet på 0.97% +- 0.75 av det procentuella uppmätta värdet hos en analog visares fulla mätspann med en upplösning på 2.5%

Within the timber industry the processing of sawn wood boards must be done in the right way to ensure that the product fulfills the requirements. Correct processing is crucial for wooden structures consisting of these will live up to their expectations. How the mounting of the board in wooden structures is performed to obtain satisfactory results is depending on how it is physically cupped. Due to this a curvature measuring device is used in the timber industry to detect how a sawn board is physically cupped. After detection, a proper processing can be performed to give a satisfactory product. The Swedish company Nolyx AB currently uses a curvature measuring device consisting of a smart camera with the task of taking a digital picture of the board end grain to determine its cupping. The smart camera currently has deficiencies that this work will investigate. The deficiencies are that the smart camera’s processing of images with certain properties do not give satisfactory results. The algorithms lack the robustness needed to cope with the variations of the item that might arise in the process. The desire of this study is that the smart cameras correctness in terms of variations in the object will increase, leading to financial gains for the company Nolyx AB and increased utilization of raw material for their customers. The result of this work is an algorithm that incrementally extracts and identifies the growth rings in the end grain of the board. The correctness of the image processing in this study is 82%, which is 22% higher compared to the smart camera. / Inom träindustrin måste bearbetning av sågade träbrädor ske på rätt sätt för att produkten skall uppfylla kraven. En korrekt bearbetning är avgörande för att träkonstruktioner bestående av dessa ska leva upp till sina förväntningar. Hur monteringen av brädan vid byggnation av träkonstruktioner utförs för att erhålla tillfredställande resultat beror på hur den fysiskt är kupad. På grund av detta används kupmätare inom träindustrin för att detektera brädans fysiska kupning. Efter detektering kan en korrekt bearbetning utföras vilket ger en tillfredsställande produkt. Företaget Nolyx AB använder idag en kupmätare som består av en smartkamera vars uppgift är att ta en digital bild av brädans ändträ för att avgöra dess kupning. Kupmätaren har idag brister som detta arbete skall angripa. Nämligen att smartkamerans behandling av bilder med vissa egenskaper inte ger tillfredsställande resultat. Algoritmerna saknar den robusthet som krävs för att klara de variationer på objektet som kan uppkomma i processen. Önskan med denna studie är att smartkamerans felfrihet vad gäller variationer i objektet ska öka, vilket leder till ekonomiska vinster för företaget Nolyx AB och ökat utnyttjande av råvaran för sina kunder. Resultatet av det här arbetet är en algoritm som stegvis extraherar och identifierar årsringarnas struktur. Felfriheten för bildbehandlingen i denna studie är 82 % vilket är 22 % högre jämfört med smartkameran.

Today, there is an increasing demand for smart robots that can make decisions on their own and cooperate with humans in changing environments. The application areas for robotic arms with camera vision are likely to increase in the future of artificial intelligence as algorithms become more adaptable and intelligent than ever. The purpose of this bachelor’s thesis is to develop a robotic arm that recognises arbitrarily placed objects with camera vision and has the ability to pick and place the objects when they appear in unpredictable positions. The robotic arm has three degrees of freedom and the construction is modularised and 3D-printed with respect to maintenance, but also in order to be adaptive to new applications. The camera vision sensor is integrated in an external camera tripod with its field of view over the workspace. The camera vision sensor recognises objects through colour filtering and it uses an edge detection algorithm to return measurements of detected objects. The measurements are then used as input for the inverse kinematics, that calculates the rotation of each stepper motor. Moreover, there are three different angular potentiometers integrated in each axis to regulate the rotation by each stepper motor. The results in this thesis show that the robotic arm is able to pick up to 90% of the detected objects when using barrel distortion correction in the algorithm. The findings in this thesis is that barrel distortion, that comes with the camera lens, significantly impacts the precision of the robotic arm and thus the results. It can also be stated that the method for barrel distortion correction is affected by the geometry of detected objects and differences in illumination over the workspace. Another conclusion is that correct illumination is needed in order for the vision sensor to differentiate objects with different hue and saturation. / Idag ökar efterfrågan på smarta robotar som kan ta egna beslut och samarbeta med människor i föränderliga miljöer. Tillämpningsområdena för robotar med kamerasensorer kommer sannolikt att öka i en framtid av artificiell intelligens med algoritmer som blir mer intelligenta och anpassningsbara än tidigare. Syftet med detta kandidatexamensarbete är att utveckla en robotarm som, med hjälp av en kamerasensor, kan ta upp och sortera godtyckliga objekt när de uppträder på oförutsägbara positioner. Robotarmen har tre frihetsgrader och hela konstruktionen är 3D-printad och modulariserad för att vara underhållsvänlig, men också anpassningsbar för nya tillämpningsområden. Kamerasensorn ¨ar integrerad i ett externt kamerastativ med sitt synfält över robotarmens arbetsyta. Kamerasensorn detekterar objekt med hjälp av en färgfiltreringsalgoritm och returnerar sedan storlek, position och signatur för objekten med hjälp av en kantdetekteringsalgoritm. Objektens storlek används för att kalibrera kameran och kompensera för den radiella förvrängningen hos linsen. Objektens relativa position används sedan till invers kinematik för att räkna ut hur mycket varje stegmotor ska rotera för att erhålla den önskade vinkeln på varje axel som gör att gripdonet kan nå det detekterade objektet. Robotarmen har även tre olika potentiometrar integrerade i varje axel för att reglera rotationen av varje stegmotor. Resultaten i denna rapport visar att robotarmen kan detektera och plocka upp till 90% av objekten när kamerakalibrering används i algoritmen. Slutsatsen från rapporten är att förvrängningen från kameralinsen har störst påverkan på robotarmens precision och därmed resultatet. Det går även att konstatera att metoden som används för att korrigera kameraförvrängningen påverkas av geometrin samt orienteringen av objekten som ska detekteras, men framför allt variationer i belysning och skuggor över arbetsytan. En annan slutsats är att belysningen över arbetsytan är helt avgörande för om kamerasensorn ska kunna särskilja objekt med olika färgmättad och nyans.

The use of external dimensions in products has great importance in numerous areas and a digital measurement can lead to a more streamlined workflow. In this project are the suitability of sensors for measuring irregularly shaped objects investigated and a prototype for digital measurement built. The prototype consists of a measuring cart, Raspberry Pi, two cameras and MQTT with React web front-end. Measurement is started by a client and reported back to the client with the measurement station’s established measurement values. The result is presented as 79% of measured dimensions ending up within ±10 mm margin of the manually measured value. The result is based on tests of 10 objects with deviating characteristics to challenge the measurement capacity. The biggest challenge that has arisen has been the handling of objects’ perspectives in relation to the cameras. It is one of the areas that could be further developed to improve the reliability of the measuring station. / Användningen av yttermått hos produkter har en stor betydelse inom en stor mängd områden och en digital mätning av detta kan medföra en mer strömlinjeformad arbetsgång. I detta projektet undersöks sensorers lämplighet för mätning av oregelbundet formade objekt och det byggs en prototyp för digital mätning. Prototypen består av en mätvagn, Raspberry Pi, två kameror och MQTT med React-baserat webbgränssnitt. Mätning startas av en klient och rapporteras tillbaka till klienten med mätstationens fastslagna mätvärdena. Resultatet slutar i att 79% av uppmätta dimensioner hamnar inom ±10 mm marginal av manuellt uppmätt värde. Ett resultat som baseras på tester av 10 objekt med avvikande egenskaper för att utmana mätkapaciteten. Det största utmaningen som uppkommit har varit hanteringen av objekts perspektiv i förhållande till kamerorna. Det är ett av områdena som fortsatt har möjlighet att vidarutvecklas för att ytterliggare förbättra mätstationens pålitlighet.