AO464

72 | SETTEMBRE 2025 AUTOMAZIONE OGGI 464 Sistemi di visione AUTOMAZIONE OGGI deterioramento con un aumento della con- centrazione di acqua libera. Il risultato? Una perdita di croccantezza e sapore del frutto, con un inevitabile peggioramento delle sue qualità organolettiche. La presenza di una maggiore quantità di acqua nei tessuti am- malorati rispetto a quelli sani comporta un più intenso assorbimento della radiazione Swir, il che genera, come risultato, un con- trasto molto netto nelle immagini acqui- site dalla telecamera che, analizzate da un algoritmo che si avvale di una rete neurale avanzata, classifica il frutto come idoneo o da scartare. I successivi rilevamenti Effettuati i controlli necessari ad assicurare l’idoneità del frutto, il mover entra nella sta- zione di visione numero 5, dove opera uno scanner laser Zebra Altiz che rileva in tempo reale il volume della mela e i suoi principali parametri geometrici, ovvero la sua confor- mazione. Nella successiva stazione, la numero 6, viene effettuata una nuova ispezione gene- rale del frutto, mediante un sistema multica- mera composto da tre diverse telecamere che effettuano una mappatura a 360° della mela, rilevando in particolare la sua superficie la- terale e la parte superiore, dove si trovano la cavità peduncolare e il picciolo. Le telecamere utilizzate sono le seguenti: Lucid Vision Tri- ton2TRT124S-CC, Hikrobot MV-CS032-60GC e The Imaging Source DFK33GX178. L’utilizzo di tre telecamere di tre differenti produttori non è affatto casuale: lo scopo della linea Mela è quello di dimostrare la versatilità del sistema, all’interno del quale possono essere integrati non solo modelli diversi, ma addirittura pro- dotti di più vendor. Anche in questo caso, l’i- dentificazione di eventuali anomalie è affidata a un algoritmo di deep learning, che si avvale di una rete neurale CNN. Una tecnologia analoga viene utilizzata anche nella stazione numero 7, dove si trova installata una smar- tcamera Zebra Iris GTX a colori, equipaggiata con una rete convoluzionale di classificazione mediante la quale le mele vengono suddivise per tipologia: una funzionalità che risulta utile al corretto smistamento dei frutti, in base, ad esempio, alle loro colorazioni e dimensioni. Il fine linea Sul fine linea, integrata sul polso del terzo robot collaborativo di cui si avvale la linea demo Mela, si trova la stazione numero 8. Il robot che preleva il frutto dal mover utilizza una telecamera a tempo di volo (ToF, Time of Fly) Lucid Vision Helios+ per verificare il livello di riempimento delle ceste, all’interno delle quali le mele vengono delicatamente posizionate dal cobot. Un’ultima stazione di visione, la numero 9, è posizionata fuori linea e consta di un lettore di codici alfanumerici ad alte prestazioni Zebra FS42 con sistema di lettura OCR DL, che ha il compito di leggere le etichette posizionate sulle cassette movi- mentate dall’AMR Zebra Concept. In questo modo, la tracciabilità del prodotto risulta completa, comprendendo anche il rileva- mento delle ceste che, in relazione a tutte le operazioni che si svolgeranno a valle, man- tengono una precisa identità digitale. Un unico semplice ambiente di sviluppo Tutte le applicazioni di machine vision che riguardano le 9 stazioni che ospitano le varie telecamere precedentemente descritte, sono state sviluppate avvalendosi di un’unica piattaforma: Zebra Aurora Design Assistant (ADA). Aurora Design Assistant è un IDE (In- tegrated Development Environment, Am- biente integrato di sviluppo) che permette la realizzazione di applicazioni di visione il cui runtime può girare indifferentemente su PC o su un controller di visione, come ad esempio lo Zebra Matrox 4Sight. ADA opera in ambiente Microsoft Windows ed è stato concepito per facilitare la programmazione attraverso un approccio grafico intuitivo, ri- ducendo al minimo la necessità di scrivere codice nei linguaggi tradizionali. Grazie alla sua versatilità, consente di interfacciare fa- cilmente telecamere 2D e 3D di qualsiasi tecnologia e produttore, offrendo strumenti avanzati per lo scambio dati con le applica- zioni industriali. Alcune note sulle scelte progettuali La linea dimostrativa Mela è stata proget- tata prendendo spunto dalle tipiche esi- genze che caratterizzano un’applicazione reale. Per questo motivo, oltre alle funzio- nalità specifiche riguardanti gli aspetti di ispezione automatizzata, la linea è stata progettata con l’obiettivo di realizzare un sistema funzionale, rapido da assemblare e che al tempo stesso permetta ai visitatori dello stand la migliore esperienza, con la possibilità di osservare da vicino ogni fase del processo. La modularità del sistema ne permette lo spostamento e/o la riconfigu- razione in tempi molto rapidi, anche grazie all’ergonomia dei cablaggi, sia elettrici sia pneumatici, che si trovano integrati all’in- terno delle quattro stazioni su ruote che sorreggono ciascuno dei tre conveyor sui quali scorrono i mover. I vincoli legati agli ingombri ridotti e alla necessità di disporre di robot in grado di operare collaborativa- mente, ovvero anche con possibili interfe- renze provocate dai visitatori, ha portato a optare per l’impiego di unità cobot UR. Sulla prima e sull’ottava stazione della linea sono stati utilizzati due cobot Universal Robot UR10e, con payload di 12,5 Kg e sbraccio 1.300 mm. Per la stazione numero 4 si è invece optato per un UR3e, un cobot di di- mensioni contenute con payload di 3 Kg e 500 mm di sbraccio, sul cui polso è assicu- rata la telecamera Swir di Lucid Vision Triton con il relativo illuminatore. Visionlink - https://visionlink.it L’identificazione di eventuali anomalie è affidata a un algoritmo di deep learning, che si avvale di una rete neurale CNN