Desenvolvimento de sistema de visão de máquina baseado em técnicas de segmentação para inspeção automatizada de motores elétricos

Abstract

A inspeção visual tem papel importante no controle da qualidade da produção em diferentes setores. A automação desse tipo de inspeção pode ser feita utilizando sistemas de visão de máquina, que combinam hardware de aquisição de imagens e algoritmos para o processamento das imagens adquiridas. Neste trabalho, é proposto o desenvolvimento de um sistema de visão de máquina com potencial de automatizar a inspeção de parte dos defeitos que podem estar presentes em estatores de motores elétricos de indução. O sistema proposto é composto por uma câmera que captura imagens coloridas, lente e sistema de iluminação com controle de luminosidade. O processamento das imagens explora técnicas de segmentação de imagens para localização dos diferentes elementos do motor na imagem e posterior avaliação da existência ou não de defeitos. São testados três tipos de segmentação: pela forma; pela textura; pela cor. Na segmentação pela forma, empregam-se a correlação normalizada cruzada e a transformada de Hough para identificar o centro do motor. Na segmentação pela textura, são usados os filtros de Gabor para identificar padrões que se repetem na imagem, como o padrão ondulado formado pelos fios condutores. A segmentação pela cor é usada para identificar a região dos fios condutores. Nesse tipo de segmentação foram testadas diferentes métricas aplicadas ao espaço de cor das imagens para calcular a distância entre a cor de uma amostra dos fios condutores e o restante da imagem. Nas métricas empregadas na segmentação pela cor é avaliado o uso da distância polinomial de Mahalanobis, técnica recente que possibilita capturar características de maior complexidade nas imagens. Como estudo de caso, foi empregada uma amostra de motores de indução monofásicos, para testar as técnicas de segmentação de imagens e os algoritmos de inspeção. Uma parte dos motores da amostra apresentava algum tipo de defeito real da produção e a outra serviu como referência. Os algoritmos de inspeção desenvolvidos foram capazes de identificar defeitos relacionados aos fios condutores na região do rotor, ao fio de bandagem solto na região do rotor e à falta do isolante de cobertura nas ranhuras do estator. Os resultados obtidos indicam que é possível usar um sistema de visão de máquina para identificar e automatizar a inspeção de defeitos característicos de motores elétricos.

Abstract : Visual inspections play an important role in ensuring production quality in a range of different sectors. This task might be automated by using machine vision systems, i.e. systems which combine image acquisition hardware and image processing algorithms. This work proposes the development of a machine vision system which potentially automates the inspection of some of the typical defects present in stators of induction motors. The proposed system consists of a colored camera, a lens and an illumination system with luminosity control. The image processing is based on image segmentation techniques for locating different motor features, which allows further evaluation of defective parts. Three types of segmentation were tested: by form, by texture, and by color. In the segmentation by form, normalized cross-correlation and Hough transform are used to identify the center of the motor. In the segmentation by texture, Gabor filters are used to identify patterns which repeat in the image, such as the wavy pattern formed by the winding wires. The color segmentation is used to identify the region which contains winding wires. In this type of segmentation, different metrics applied in the image color space to calculate the distance between the color of a sample of the wires and the rest of the image were tested. Special attention is given to the metric known as polynomial Mahalanobis distance, a recent technique which allows the capture of higher complexity features in an image. A sample composed of single-phase AC induction motors was used as a case study in order to test the image segmentation techniques and the inspection algorithms. Some of the motors in the sample presented some kind of typical defect from their manufacturing line, while the other had no defects and were used as a control group. The inspection algorithms which were developed were capable of identifying winding-wire-related defects in the rotor region, loosened lace cords in the rotor region and the lack of insulation cover in the stator grooves. The results indicate that it is possible to use a machine vision system to identify and automate the inspection of characteristic defects in electric motors.