کاربرد بینایی ماشین در صنعت
تحقیقات
2026/07/11

کاربرد بینایی ماشین در صنعت

۱۰ کاربرد بینایی ماشین در صنعت برای هوشمندسازی تولید

در یک کارخانه، همه خطاها شبیه هم نیستند. گاهی یک لیبل کج، یک قطعه جاافتاده، رنگ نادرست محصول یا کد ناخوانا باعث دوباره‌کاری، ضایعات، مرجوعی یا توقف خط می‌شود. بینایی ماشین صنعتی کمک می‌کند این خطاها با دوربین و نرم‌افزار، در زمان تولید دیده و ثبت شوند.

اما کاربرد بینایی ماشین در صنعت فقط «دیدن با دوربین» نیست. ارزش واقعی زمانی ایجاد می‌شود که سیستم پس از دیدن، تصمیم قابل اجرا بگیرد: محصول معیوب را جدا کند، هشدار بدهد، خط را متوقف کند یا اطلاعات را در سامانه تولید ثبت کند. اگر می‌خواهید ابتدا با مفهوم و اجزای این فناوری آشنا شوید، راهنمای بینایی ماشین صنعتی چیست؟ را بخوانید.

در ادامه، ۱۰ کاربرد عملی را مرور می‌کنیم تا بتوانید تشخیص دهید کدام نقطه از خط تولید شما ظرفیت بیشتری برای هوشمندسازی دارد.

بینایی ماشین در کارخانه چگونه تصمیم می‌گیرد؟

یک سیستم بینایی ماشین ابتدا از محصول، قطعه یا محیط خط تولید تصویر می‌گیرد. سپس نرم‌افزار آن تصویر را با معیارهای تعریف‌شده مقایسه می‌کند و نتیجه را به تجهیزات کارخانه می‌فرستد.

برای نمونه، سیستم می‌تواند بررسی کند که درِ بطری وجود دارد یا نه، لیبل در جای درست قرار گرفته یا خیر، همه قطعات مونتاژ شده‌اند یا محصول دارای خراش است. دوربین، لنز، نورپردازی، پردازش و اتصال به PLC باید با هم طراحی شوند؛ جزئیات این اجزا در مقاله اجزای سیستم بینایی ماشین آمده است.

برای بررسی فنی ویژگی‌های دوربین‌های مورد استفاده در بینایی ماشین، استاندارد EMVA 1288 یکی از منابع تخصصی شناخته‌شده است.

۱. کنترل کیفیت و تشخیص عیوب ظاهری

رایج‌ترین کاربرد بینایی ماشین، پیدا کردن عیب‌هایی است که با چشم دیده می‌شوند: خراش، ترک، شکستگی، تغییر رنگ، آلودگی سطح، چاپ ناقص یا شکل نامنظم محصول. این کار در خطوطی که سرعت بالا دارند یا کیفیت باید در همه شیفت‌ها یکسان بماند، اهمیت بیشتری پیدا می‌کند.

فرض کنید قطعات پلاستیکی روی نوار نقاله حرکت می‌کنند. دوربین از هر قطعه تصویر می‌گیرد و نرم‌افزار، رنگ، شکل یا سالم‌بودن لبه‌ها را بررسی می‌کند. قطعه‌ای که معیارها را پاس نکند، می‌تواند با فرمان سیستم از خط خارج شود یا برای بازبینی علامت‌گذاری گردد.

نکته مهم این است که تعریف «عیب» باید روشن باشد. پیش از اجرا، نمونه سالم، نمونه معیوب و حالت‌های مرزی جمع‌آوری می‌شوند تا سیستم و تیم کنترل کیفیت زبان مشترک داشته باشند. برای جزئیات بیشتر، مقاله کنترل کیفیت با بینایی ماشین را ببینید.

تشخیص عیوب محصول با دوربین صنعتی

۲. بازرسی محصولات دارویی و بهداشتی

در صنایع دارویی و بهداشتی، اشتباه کوچک می‌تواند پیامد بزرگی داشته باشد. بررسی وجود یا نبود محصول، سلامت بسته، خوانایی کد، محل قرارگیری بروشور، کیفیت بلیستر و درست‌بودن چاپ از نمونه‌های کاربردی بینایی ماشین در این صنعت هستند.

سامانه تصویری می‌تواند تمام بسته‌ها را با سرعت خط بررسی کند و موارد مشکوک را جدا یا ثبت کند. البته طراحی این پروژه‌ها باید با حساسیت بیشتری انجام شود، زیرا تغییر نور، بازتاب سطح، تنوع بسته‌بندی و الزام‌های کنترل کیفیت روی دقت نهایی اثر می‌گذارند.

بهتر است در چنین پروژه‌ای، معیار پذیرش از ابتدا مکتوب باشد: چه نوع چاپی قابل قبول است؟ چه میزان جابه‌جایی لیبل مجاز است؟ و اگر کد خوانده نشد، چه واکنشی باید انجام شود؟ پاسخ به این پرسش‌ها بخشی از طراحی راهکار است.

۳. کنترل سلامت بسته‌بندی در صنایع غذایی

در صنایع غذایی و آشامیدنی، بینایی ماشین می‌تواند وجود درپوش، سلامت پلمب، سطح پرشدن، شکل بسته، کیفیت لیبل و تاریخ تولید را بررسی کند. این کنترل‌ها هم روی کیفیت محصول اثر دارند و هم برای کاهش خطای بسته‌بندی و شکایت مشتری مفیدند.

برای مثال، دوربین صنعتی می‌تواند بطری‌های عبوری را بررسی کند تا درِ بطری، وضعیت برچسب یا سطح مایع با معیار تعریف‌شده مطابقت داشته باشد. در بسته‌های جعبه‌ای نیز می‌توان وجود تمام محتویات، محل درست چاپ یا چسب‌خوردن مناسب بسته را کنترل کرد.

محیط‌های مرطوب، بخار، بازتاب نور و سرعت بالای خط، طراحی نورپردازی و محافظت از تجهیزات را مهم می‌کنند. به همین دلیل نمونه‌برداری از محیط واقعی کارخانه باید پیش از انتخاب دوربین انجام شود.

۴. کنترل مونتاژ در خودرو و قطعه‌سازی

در خودرو و قطعه‌سازی، وجود همه قطعات، جهت صحیح نصب، فاصله‌ها، کیفیت سطح و کامل‌بودن مونتاژ اهمیت دارد. بینایی ماشین می‌تواند پیش از عبور محصول به ایستگاه بعد، این موارد را بررسی کند و از ادامه پیدا کردن خطای مونتاژ جلوگیری کند.

مثلاً سیستم می‌تواند نبود یک پیچ، قرارگرفتن وارونه یک قطعه یا ناقص بودن مجموعه را تشخیص دهد. در برخی موارد، کنترل ابعادی بدون تماس نیز انجام می‌شود تا قطعه‌ای که خارج از تلرانس قابل قبول است، زودتر شناسایی شود.

این کاربرد برای خطوطی مناسب است که خطای مونتاژ دیر کشف می‌شود و اصلاح آن در مراحل پایانی هزینه بیشتری دارد. هرچه خطا زودتر دیده شود، احتمال دوباره‌کاری و تولید محصول معیوب کمتر خواهد شد.

۵. بازرسی بردهای الکترونیکی و AOI

در تولید بردهای الکترونیکی، بازرسی اپتیکی خودکار یا AOI برای بررسی لحیم، وجود قطعات، جهت نصب، فاصله‌ها و عیب‌های قابل مشاهده روی برد کاربرد دارد. دوربین با کیفیت مناسب از برد تصویر می‌گیرد و آن را با الگوی مورد انتظار مقایسه می‌کند.

به‌دلیل کوچک‌بودن قطعات و حساسیت سطح برد، انتخاب رزولوشن، لنز، نور و روش تثبیت برد بسیار مهم است. در این نوع پروژه‌ها، یک لرزش کوچک یا بازتاب نامناسب می‌تواند نتیجه را تغییر دهد.

AOI جایگزین کامل همه آزمون‌های الکترونیکی نیست؛ اما یک لایه قدرتمند از کنترل ظاهری و مونتاژ ایجاد می‌کند. هدف آن، کشف سریع‌تر خطای قابل مشاهده و جلوگیری از ورود بردهای مشکوک به مراحل بعدی است.

۶. کنترل بسته‌بندی و کامل‌بودن محتویات

بسیاری از خطاهای پرهزینه در آخرین مرحله تولید رخ می‌دهند: بسته‌ای که یک قطعه کم دارد، محصولی که اشتباه در کارتن قرار گرفته، لیبلی که روی محصول دیگری نصب شده یا جعبه‌ای که به‌درستی بسته نشده است.

بینایی ماشین می‌تواند تعداد، شکل، رنگ، جایگاه و کامل‌بودن محتویات را بررسی کند. برای مثال، در خط بسته‌بندی قطعات، دوربین می‌تواند وجود همه اجزا را پیش از پلمب‌شدن کارتن تأیید کند. در نتیجه، خطا پیش از ارسال به مشتری دیده می‌شود.

برای موفقیت این کاربرد، باید مشخص کنید هنگام تشخیص خطا چه اتفاقی می‌افتد: توقف خط، هدایت محصول به مسیر جداگانه یا ارسال هشدار به اپراتور. این تصمیم روی طراحی مکانیکی و اتصال سامانه به خط اثر می‌گذارد.

۷. خواندن کد، تاریخ و رهگیری محصول

OCR و OCV برای خواندن و تأیید نوشته‌ها استفاده می‌شوند. OCR متن چاپ‌شده را می‌خواند و OCV بررسی می‌کند که متن یا کد با الگوی مورد انتظار یکسان است. بارکد و دیتاماتریکس نیز برای رهگیری محصول، ثبت بچ تولید و کنترل اطلاعات استفاده می‌شوند.

این کاربرد در صنایعی که تاریخ تولید، سری ساخت، کد رهگیری یا شماره سریال اهمیت دارد، بسیار مفید است. سیستم می‌تواند نه‌فقط کد را بخواند، بلکه مطمئن شود کد درست روی محصول درست، در محل درست و با کیفیت قابل قبول چاپ شده است.

کیفیت چاپ، سطح محصول، زاویه دوربین، بازتاب نور و سرعت خط روی خوانایی کد اثر دارند. بنابراین پیش از قول‌دادن درباره نرخ خوانش، باید نمونه واقعی چاپ و شرایط خط در امکان‌سنجی بررسی شود.

کدخوانی و کنترل بسته بندی با بینایی ماشین

۸. سورتینگ و درجه‌بندی محصول

سورتینگ یعنی تفکیک محصول بر اساس ویژگی‌های قابل مشاهده؛ مانند رنگ، اندازه، شکل، کیفیت سطح یا وجود عیب. این کاربرد در صنایع غذایی، کشاورزی، بازیافت، تولید قطعات و بسیاری از خطوط بسته‌بندی دیده می‌شود.

در سورتینگ میوه، دوربین می‌تواند رنگ، اندازه یا عیب ظاهری را بررسی کند و محصول را به مسیرهای مختلف هدایت کند. در قطعه‌سازی نیز قطعات درست و نادرست یا درجه‌های کیفی متفاوت می‌توانند تفکیک شوند.

سامانه سورتینگ فقط به تشخیص وابسته نیست. بخش خروجی باید با سرعت، دقت و مکانیزم جداسازی خط هماهنگ باشد. اگر زمان‌بندی بین دوربین و جک یا ربات درست تنظیم نشود، ممکن است محصول درست یا نادرست در مسیر اشتباه قرار گیرد.

۹. اندازه‌گیری دقیق و کنترل ابعادی

بینایی ماشین می‌تواند برای اندازه‌گیری بدون تماس طول، عرض، قطر، فاصله، زاویه یا موقعیت به کار رود. این روش در قطعاتی که تماس با آن‌ها دشوار است، سرعت بالایی دارند یا باید به‌صورت مداوم اندازه‌گیری شوند، مزیت دارد.

راهکار دوبعدی برای بسیاری از اندازه‌گیری‌های سطحی کافی است. زمانی که ارتفاع، حجم، تاب‌برداشتن، عمق یا شکل سه‌بعدی قطعه مهم باشد، اسکن یا تصویربرداری سه‌بعدی مطرح می‌شود. انتخاب بین این دو باید بر اساس دقت لازم و شرایط واقعی خط باشد، نه صرفاً جدیدتر بودن فناوری.

کالیبراسیون دوربین، ثابت‌بودن فاصله، نورپردازی و محل قرارگیری قطعه، پایه دقت اندازه‌گیری هستند. اگر هدف کنترل ابعادی دارید، معیار تلرانس و روش آزمون باید پیش از اجرا با تیم کیفیت هماهنگ شود.

۱۰. هدایت ربات با بینایی ماشین

گاهی قطعه در مکان یا جهت ثابتی قرار ندارد و ربات نمی‌تواند با برنامه ثابت آن را بردارد. بینایی ماشین در اینجا موقعیت، زاویه یا شکل قطعه را پیدا می‌کند و اطلاعات لازم را به ربات می‌دهد.

این کاربرد در برداشتن قطعات از سبد، جابه‌جایی محصولات، مونتاژ و بارگیری استفاده می‌شود. برای قطعات نامنظم، راهکارهایی مانند bin picking می‌توانند مسیر خودکارسازی را باز کنند. برای مطالعه بیشتر، مقاله هدایت ربات با بینایی ماشین را بخوانید.

موفقیت هدایت ربات به دقت مکانی، زمان پاسخ، ایمنی، تنوع قطعات و ارتباط پایدار میان دوربین، نرم‌افزار و ربات وابسته است. این پروژه‌ها بهتر است با نمونه‌سازی و آزمون مرحله‌ای شروع شوند.

هدایت ربات صنعتی با بینایی ماشین

چگونه کاربرد مناسب کارخانه را انتخاب کنیم؟

برای انتخاب کاربرد مناسب، از تجهیزات شروع نکنید؛ از مسئله شروع کنید. ابتدا مشخص کنید کدام خطا هزینه بیشتری ایجاد می‌کند یا بیشترین اتلاف زمان را دارد. سپس بررسی کنید آیا این خطا با تصویر قابل مشاهده است و آیا پس از تشخیص، امکان واکنش عملی وجود دارد.

این پنج پرسش کمک می‌کنند تصمیم دقیق‌تری بگیرید:

  1. محصول یا فرایند مورد بررسی چیست؟
  2. عیب هدف چگونه تعریف می‌شود؟
  3. سرعت واقعی خط و زمان مجاز تصمیم‌گیری چقدر است؟
  4. پس از تشخیص خطا، چه اقدامی باید انجام شود؟
  5. هزینه خطا، دوباره‌کاری، ضایعات یا مرجوعی چقدر است؟

پس از پاسخ به این موارد، امکان‌سنجی فنی انجام می‌شود. در این مرحله، نمونه سالم و معیوب، عکس یا ویدئو، نور محیط، فضای نصب و اتصال به خط بررسی می‌شوند. مقاله تست امکان‌سنجی پروژه‌های بینایی ماشین و رباتیک این مرحله را به زبان ساده توضیح می‌دهد.

بینایی ماشین چگونه خط تولید را هوشمند می‌کند؟

وقتی نتیجه بازرسی تصویری به PLC، ربات، مانیتورینگ یا داشبورد تولید متصل شود، بینایی ماشین به بخشی از هوشمندسازی خط تبدیل می‌شود. داده‌های آن نشان می‌دهند چه خطایی، در چه زمان و در کدام ایستگاه رخ داده است.

این اطلاعات به مدیر کارخانه کمک می‌کند به‌جای حدس‌زدن، تصمیم مبتنی بر داده بگیرد. برای مثال، اگر تعداد خطاهای چاپ در یک شیفت افزایش پیدا کند، می‌توان زودتر علت را در چاپگر، مواد اولیه یا تنظیمات خط بررسی کرد. نقشه کامل‌تر این مسیر در مقاله هوشمندسازی خطوط تولید با بینایی ماشین آمده است.

پرسش‌های متداول

آیا بینایی ماشین فقط برای کارخانه‌های بزرگ است؟

خیر. مقیاس پروژه به مسئله و بازگشت سرمایه آن وابسته است. یک ایستگاه کوچک کنترل کیفیت نیز، اگر ضایعات یا خطای مهمی را کاهش دهد، می‌تواند توجیه فنی و اقتصادی داشته باشد.

آیا همه عیب‌ها با دوربین دیده می‌شوند؟

خیر. عیب باید در تصویر قابل مشاهده باشد یا اثر قابل مشاهده‌ای ایجاد کند. امکان‌سنجی مشخص می‌کند که آیا نور، دوربین و روش پردازش می‌توانند تفاوت محصول سالم و معیوب را تشخیص دهند یا نه.

آیا برای هر کاربرد به هوش مصنوعی نیاز است؟

خیر. در بسیاری از پروژه‌های با شرایط ثابت، روش‌های ساده‌تر و قاعده‌محور مناسب‌تر هستند. هوش مصنوعی زمانی کاربرد دارد که تنوع محصول یا پیچیدگی عیب بالا باشد.

هزینه اجرای راهکار چگونه مشخص می‌شود؟

هزینه به نوع مسئله، تعداد دوربین، سرعت خط، نورپردازی، مکانیک، نرم‌افزار، اتصال به تجهیزات و سطح آزمون بستگی دارد. مقاله هزینه سیستم بینایی ماشین و بازگشت سرمایه آن چارچوب برآورد را توضیح می‌دهد.

جمع‌بندی: از نقطه پرهزینه شروع کنید

کاربرد بینایی ماشین در صنعت بسیار متنوع است؛ اما بهترین پروژه، پروژه‌ای نیست که پیچیده‌تر به نظر می‌رسد. بهترین نقطه شروع، جایی است که یک خطای تکراری، پرهزینه و قابل مشاهده وجود دارد و پس از تشخیص آن می‌توان اقدامی عملی انجام داد.

اگر می‌خواهید یکی از ایستگاه‌های کنترل کیفیت یا خط تولید را بررسی کنید، عکس یا ویدئو، نمونه سالم و معیوب، سرعت خط و شرح مسئله را آماده کنید. تیم رویتگر از طریق خدمات بازرسی صنعتی و راهکارهای هوشمند و صفحه تماس می‌تواند مسیر امکان‌سنجی و اجرای راهکار را آغاز کند.