AI による光学式距離センサの精度向上
Leuze は、最新の人工知能（AI）手法により、光学式距離センサの測定精度を大幅な向上に成功しました。この革新により、動作中に追加の計算機資源を必要とせずに測定の不確かさが半減しました。すべての計算作業は、本番フェーズで実行されます。新世代の精密光学式距離センサは、開発された方法を基礎としています。
距離測定の課題：物体表面の効果
光学式距離センサは、光を照射し、反射光が戻ってくるまでの時間を測定することで物体までの距離を測定する TOF（飛行時間）技術を利用しています。
TOF 距離センサは、光を照射し、反射信号が戻ってくるまでの時間を記録することで距離を測定します。
これは短い光パルスの放出によって達成され、その反射は対象物から返されます。この距離は、光パルスが送信されてから戻り信号が検出されるまでの移動時間から計算します。物体表面の反射率は、電子的な受信信号の振幅と形状の両方に影響を与えます。これによって信号検出時間が変化し、パルス幅が異なります。明るい表面はより強い信号が生成されてパルス幅が広くなるため検出が早くなりますが、暗い表面はパルスが弱く狭くなり、検出が遅くなります。
これは、戻り信号の強度が明暗といった物体の表面状態によって変化することを意味します。これにより、測定誤差が発生することがあります。
反射光信号の強度は、物体表面の明るさによって異なります
従来のソリューションアプローチ：計算モデル
最近まで、このようなエラーの修正には古典的な数学モデルが使われていました。補正値はさまざまな表面状態や距離に対して計算されており、後刻自動的に適用されます。このモデルは、いわゆる多項式関数に基づいています。
新たなソリューション：AI が補正を担う
Leuze は現在、厳密な数式を使用する代わりに人工知能の一種「ニューラルネットワーク」を使用しています。サンプルデータを使用して表面の明るさと質感が測定値に及ぼす影響を調べることで、測定値をより高い精度で補正できます。
ニューラルネットワークを用いた補正後の目標距離からの偏差
多項式 5 による補正後の目標距離からの偏差。次数
ニューラルネットワークの利点
- さまざまなタイプのセンサや表面状態に柔軟に適合
- 3D 曲線特性が強く振動する場合においても、実際のデータからより適切に学習します
- より精度の高い結果を提供
裏付けとなる技術 – 簡単に説明
表面の明暗やさまざまな質感、および距離といった数多くの測定値が製造プロセス中に収集されます。このような測定値は、生産施設の制御システムに伝達されます。これから、生産施設のニューラルネットワークがセンサに必要な補正値を計算します。つまり、センサは動作中に追加の計算能力を必要とせず、AI には予めすべてを「学習させておく」ことができます。
結果： エラーの低減、信頼性の向上
試験では、新たな方法によって AI ベースの較正による体系的な測定誤差（つまり、測定結果は表面状態と距離に依存）が半分以上削減されることが示されています。つまり、このセンサは測定が困難な表面でもより確実に測定できます。
イントラロジスティクスにおける距離センサ：パレット間の距離を確保するには、表面状態、色、角度に関係なく、シャトルと保管されたパレット間の距離を正確に決定しなければなりません。
正確な測定が必要：パレットをピックアップする際は、パレットと負荷レセプタクルの端面間の距離を正確に決定して、適切な時間内に前進動作を停止する必要があります。
一目でわかるメリット
- 測定誤差の低減 - より信頼性の高い結果
- 動作中に追加の計算負荷なし
- 異なる素材での柔軟な使用
- 将来性 – 最新の AI の使用
概要
Leuze は、人工知能を搭載し光学式距離センサの精度を新たなレベルに引き上げました。お客様には、操作を停止することなく、手間をかけずに、より堅牢かつ高精度な測定の恩恵を受けていただけます。インテリジェントな較正と効率的な使用の相乗効果により、このソリューションは要求の厳しい産業アプリケーションに最適です。
