ระบบวิชั่นฝังตัวแบบเปิดเผยต้นฉบับสำหรับการประยุกต์ใช้ในอุตสาหกรรม 4.0

Main Article Content

ธนยศ อริสริยวงศ์
ธีรพล คุ้มเสร็จ
ธีรวัฒน์ พรหมเมือง

บทคัดย่อ

ระบบวิชั่นถือเป็นส่วนสำคัญในกระบวนการผลิตสมัยใหม่ในยุคอุตสาหกรรม 4.0 ที่ใช้ภาพจากกล้องในการตรวจสอบและคัดแยกชิ้นงาน แต่จะพบว่าระบบวิชั่นมีต้นทุนที่สูงทั้งทางด้านฮาร์ดแวร์และซอฟต์แวร์ ทำให้โรงงานอุตสาหกรรมขนาดเล็กและกลางไม่สามารถเข้าถึงเทคโนโลยีนี้ได้ ดังนั้นงานวิจัยนี้จึงนำเสนอระบบวิชั่นฝังตัวแบบเปิดเผยต้นฉบับที่มีต้นทุนต่ำและสามารถสื่อสารกับตัวควบคุมในอุตสาหกรรมได้ โดยเป็นการรวมกันระหว่างโมดูลกล้องพิกซี่ 2 ซึ่งเป็นโมดูลกล้องสำเร็จรูปที่ใช้ปัญญาประดิษฐ์ในการตรวจจับสีและภาพ ร่วมกับสมองกลฝังตัวแบบเปิดเผยต้นฉบับอาดุยโน่ โดยอาดุยโน่จะทำหน้าที่รับข้อมูลจากโมดูลกล้องพิกซี่ 2 แล้วแปลงเป็นรูปแบบการสื่อสารตามโปรโตคอลมอดบัส ในการทดลองจะใช้ระบบวิชั่นฝังตัวแบบเปิดเผยต้นฉบับที่พัฒนาขึ้นทำการเชื่อมต่อกับตัวควบคุมแบบ พี แอล ซี และจอแสดงผลแบบสัมผัส เพื่อทดสอบประสิทธิภาพการตรวจจับและคัดแยกชิ้นงานที่มีสีต่างกัน ภายใต้ระยะห่างจากโมดูลกล้องและสภาวะแสงต่างๆ จากผลการทดลองพบว่า ระยะห่างสูงสุดจากโมดูลกล้องไปยังชิ้นงานที่สามารถตรวจจับและคัดแยกสีได้อย่างถูกต้องทั้งในสภาวะปิดและเปิดแสงไฟที่อยู่บนโมดูลกล้อง คือ 80 มิลลิเมตร ส่วนการเชื่อมต่อกับตัวควบคุมแบบ พี แอล ซี และจอแสดงผลแบบสัมผัส พบว่าสามารถรับส่งข้อมูลกันได้อย่างถูกต้องทุกครั้ง รวมถึงสามารถตรวจจับและคัดแยกสีชิ้นงานได้อย่างทันทีโดยไม่ต้องหน่วงเวลา

Article Details

รูปแบบการอ้างอิง
[1]
อริสริยวงศ์ ธ. ., คุ้มเสร็จ ธ. ., และ พรหมเมือง ธ., “ระบบวิชั่นฝังตัวแบบเปิดเผยต้นฉบับสำหรับการประยุกต์ใช้ในอุตสาหกรรม 4.0”, sej, ปี 20, ฉบับที่ 1, น. 14–22, ธ.ค. 2024.
ประเภทบทความ
บทความวิจัย

เอกสารอ้างอิง

M. A. M. S. Lemstra and M. A. de Mesquita, “Industry 4.0: a tertiary literature review,” Technol. Forecast. Soc. Change., vol. 186, pp. 122204, Jan. 2023.

D. P. Penumuru, S. Muthuswamy and P. Karumbu, “Identification and classification of materials using machine vision and machine learning in the context of industry 4.0,” J. Intell. Manuf., vol. 31, pp. 1229-1241, June. 2020.

R. L. Silva, O. Canciglieri Junior and M. Rudek, “A road map for planning-deploying machine vision artifacts in the context of industry 4.0,” J. Ind. Prod. Eng., vol. 39, pp. 167-180, Aug. 2021.

M. Javaid, A. Haleem, R.P. Singh, S. Rab and R. Suman, “Exploring impact and features of machine vision for progressive industry 4.0 culture,” Sensor. Int., vol. 3, pp. 100132, Jan. 2022.

E. Zancul, H. O. Martins, F. P. Lopes, F. A.T.V. da Silva Neto, “Machine Vision applications in a Learning Factory,” Pro. Manufacturing, vol. 45, pp. 516-521, April. 2020.

S. Răileanu, T. Borangiu, F. Anton and S. Anton, “Open source machine vision platform for manufacturing and robotics,” IFAC-PapersOnLine, vol. 54, pp. 522-527, Nov. 2021.

H. Benyezza, M. Bouhedda, I. Kratbi, A. Boukhtache, R. Kara and Y. Aniba, “Automated Fruits Inspection and Sorting Smart System for Industry 4.0 Based on OpenCV and PLC,” in The 2nd International Conference on Electronics, Energy and Measurement (IC2EM), Medea, Algeria, 2023, pp. 1-4.

S. B. Lee, T. H. Park and K. S. Han, “Development of Machine Vision System based on PLC,” J. of Institute of Control Robotics and Systems, vol. 20, pp. 741-749, July. 2014.

J. Hrbček and E. Bubeníková, “Embedded image processing on Raspberry Pi connectedto the industrial control system,” J. Multidisciplinary Aspects of Production Engineering, vol. 2, pp. 62-71, 2019.

Pixy Documentation. (2023, May. 11). [Online], Avialable: https://docs.pixycam.com/wiki/doku.php?id=wiki:v2:star

Arduino Uno Documentation.(2024, Sept. 25) [Online], Avialable: https://www.arduino.cc/

Modbus Documentation. (2024, Sept. 23). [Online], Avialable: https://en.wikipedia.org/wiki/Modbus