Real-Time Visual Inspection of Spool Winding Quality

Abstract

V rychle se rozvíjejícím průmyslu 3D tisku, založeném na FFF metodě (Fused Fila- ment Fabrication), se užívají plastová vlákna. Proces tisku může negativně ovlivnit špatná kvalita navinutí cívky. Dosáhnout vysoké kvality navinutí vlákna je však překvapivě ob- tížné. V diplomové práci je předložen celistvý postup kontroly kvality navíjení během na- víjecího procesu. Navrhujeme sledování odrazu jasného viditelného světla. Tato metoda se jeví dostatečně účinná ke sledování všech barev vláken od černé po bílou, a dokonce i průsvitných materiálů. Navíc je možné vše provozovat na levném a snadno dostupném jednodeskovém počítači Raspberry Pi 4B s kamerovým modulem v2. Metoda využívá klasické přístupy počítačového vidění, určené k filtrování, segmento- vání a postupnému sledování poloh jednotlivých vláken mezi následujícími snímky. Ověřili jsme, že metoda je dostatečně rychlá, aby mohla v reálném čase zpracovat třicet snímků za sekundu přímo na Raspberry Pi. K tomu byl navíc vytvořen nástroj s grafickým uži- vatelským rozhraním (GUI) k rychlému vytvoření datasetu fotografií navíjené cívky a současně i samostatný malý dataset. Obojí by mohlo být užitečné pro budoucí vývoj systému, jenž by mohl předvídat problémy v kvalitě s předstihem, kdy je ještě možné je opravit a předcházet jim. 1

Plastic filaments are used in a fastly growing industry of 3D printing using the Fused Filament Fabrication (FFF) method. A poor quality of spool winding can negatively impact the printing process. On the other hand, producing high-quality filament winding is surprisingly difficult to achieve consistently. The thesis proposes a holistic approach to inspect winding quality during the winding process. We suggest tracking reflections of bright visible light. This method seems robust enough to track filament color from black to white and even transparent materials. Furthermore, it is possible to run everything on cheap and widely available Raspberry Pi 4 B with Camera Module v2. The system uses classical computer vision approaches for filtering, segmentation, and inter-frame tracking of individual filament strands between video frames. It was confirmed to be fast enough to process 30 FPS footage directly on the Raspberry Pi in real-time. Additionally, the GUI tool for quick dataset annotation of spool winding images was created along with a small dataset. Both might be useful for the future development of a system, which would predict the quality issues earlier when corrective action can still be carried out to prevent them. 1