Attività di sviluppo di un sistema di controllo in anello chiuso con feedback ottico

Nata agli inizi degli anni Sessanta la visione artificiale ha subito negli ultimi decenni un rapido sviluppo grazie all'avvento di sensori e dispositivi sempre più performanti. Con l'integrazione di algoritmi di deep learning e intelligenza artificiale è stata ampiamente utilizzata in robotica, applicazioni per guida autonoma, video sorveglianza e tanto altro. L'introduzione di tale soluzione nell'ambito dei servosistemi risulta interessante per svariati motivi di natura tecnica e applicativa. Anzitutto utilizzare una videocamera come feedback di posizione risulta essere una soluzione non intrusiva e contactless a differenza dei tradizionali trasduttori impiegati nei servosistemi. Questo è particolarmente vantaggioso poiché esclude il contatto diretto tra sensore e attuatore eliminando tutti gli errori sistematici a cui può andare incontro l'elemento di misura. Nel controllo e regolazione l'introduzione di videocamere permette lo sviluppo di strategie di retroazione sofisticate basate sul processamento di immagini che permettono di adattarsi in tempo reale a differenti condizioni ambientali e a disturbi esterni sul sistema. Attraverso le videocamere vi è la possibilità di effettuare misurazioni della posizione lungo diverse direzioni spaziali, contrariamente ai trasduttori mono-assiali. Vi sono diverse soluzioni proposte in letteratura riguardo questo tema, poche si concentrano sull'impostazione e le prestazioni del sistema. Scopo della presente attività di tesi è quello di sviluppare un sistema di controllo in anello chiuso con feedback ottico, ovvero mediante un sistema di visione in grado di identificare l'oggetto di cui si vuole controllare il movimento. L’attività è condotta su un banco didattico già esistente, un sistema controllo posizione elettrico rispetto al quale si analizza la sostituzione del trasduttore potenziometrico tradizionale con un sistema basato su videocamere. La posizione controllata è quella del carrello di una stampante per computer, movimentato da un motore elettrico in corrente continua che trasmette il moto a una cinghia tramite una ruota dentata. Si definisce la scelta dei sensori (due videocamere o più), degli algoritmi di riconoscimento di immagine e di triangolazione della posizione e si effettua una valutazione preliminare delle prestazioni del set-up così configurato in termini di accuratezza statica, dinamica e risoluzione a fronte della soluzione in anello chiuso con sensore potenziometrico tradizionale. Si effettua, tramite modello, uno studio geometrico relativo al posizionamento delle videocamere scelte, individuando il numero minimo di videocamere per ricostruire la posizione e le configurazioni ottimali che massimizzano la risoluzione combinata dei sensori. Si evidenziano gli errori nella ricostruzione della posizione introdotti da un sistema di visione artificiale, si determina la caratteristica statica delle videocamere acquistate e si sottolinea la necessità di introdurre un processo di calibrazione che coinvolge quest'ultima durante il posizionamento del sensore. Si analizza l'introduzione delle videocamere nel loop di posizione e come questo si può tradurre in termini di performance dinamiche del controllo posizione e si verifica la banda passante del sistema, confrontandola con quella risultante dalla soluzione con trasduttore potenziometrico. Infine, si implementa un algoritmo di riconoscimento del carrello basato sull’addestramento di una rete YOLO, dimostrando la concreta fattibilità della soluzione proposta.