Visual inspection is a crucial final step when manufacturing products, as it determines if a product can be sold or rejected. The inspection is often performed manually by trained inspectors, which is time-consuming and often subjective. By automating the inspection, it can be performed faster and more accurately. Additionally, with faster and better results from inspection, faults in production can be noticed quickly and prevented, thus saving both money and resources. The automation often involves capturing images of the productand then analysing the images with a computer program. When capturing the images, the product must be in focus and under correct lighting. This master thesis set out to compare autofocus methods in the context of capturing images of optical filters for inspection. As the optical filters were highly reflective in the visual spectrum, the comparison was limited to autofocus methods proven to work on reflective surfaces. The literature proposes four autofocus methods for reflective surfaces. These four methods were compared regarding time, resolution, and working range. As these methods were designed for microscopes with high amplification and limited working range, they were overly complex and not applicable to the context of capturing images of optical filters. Therefore a more straightforward method with a lower resolution and larger working range that uses readily available components is proposed. The proposed method is a hybrid method using light triangulation and contrast detection, two standard autofocus methods for matte surfaces. The light triangulation quickly gives a rough focus, and then the final focus can iteratively be found with contrast detection. In the tests performed, the proposed method found focus and captured an image within 12 seconds. The proposed method achieved a resolution of just over 0.1 millimetres with a working range of 200 millimetres. / Visuell inspektion är ett avgörande sista steg under tillverkning, då det avgör ifall en produkt kan säljas eller ska kasseras. Inspekitonen genomförs ofta manuellt av tränade inspektörer vilket är tidskrävande och ofta subjektivt. Genom att automatisera inspektionen kan den genomföras snabbare och mer exakt. Dessutom med snabbare och bättre resultat från inspektionen så kan fel under produktionen upptäckas tidigt och förebyggas vilket sparar både pengar och resurser. Automatiseringen genomförs ofta genom att bilder på produkten tas och analyseras med ett datorprogram. När bilderna tas så är det viktigt att produkten är i fokus och under rätt belysning. I detta mastersarbete så jämfördes olika autofokusmetoder i samband med att ta bilder på optiska filter för inspektion. Då de optiska filtren är högreflektiva i det synliga spektrumet så begränsades metoderna i jämförelsen till metoder som har visats fungera på reflektiva ytor. Litteraturen föreslår fyra autofokusmetoder för reflektiva ytor. Dessa fyra metoder jämfördes med avseende på tid, upplösning och arbetsområde. Då dessa metoder var designade för mikroskop med hög förstoring och begränsat arbetsområde så blev det tydligt att de var alltför komplicerade och inte applicerbara i samband med att ta bilder på optiska filter. Därför föreslås en enklare metod med lägre upplösning och större arbetsområde som använder lättillgängliga komponenter. Den föreslagna metoden är en hybridmetod som använder ljustriangulering och kontrastdetektering, två vanliga autofokusmetoder för matta ytor. Ljustrianguleringen ger snabbt ett ungefärligt fokus och därefter kan det slutliga fokuset iterativt tas fram med kontrastdetektering. I testerna som genomfördes så hittade den föreslagna metoden korrekt fokus och en bild togs inom 12 sekunder. Metoden uppnådde en upplösning på drygt 0,1 millimeter och ett arbetsområde på 200 millimeter.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-339054 |
| Date | January 2023 |
| Creators | Hedvall, Axel |
| Publisher | KTH, Skolan för industriell teknik och management (ITM) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ITM-EX ; 2023:594 |
Page generated in 0.0025 seconds