Riconoscimento dell'angolo di piega di una flangia mediante elaborazione di immagini

This thesis addresses the development of a computer vision system for the automatic recognition and measurement of the bending angle of a flange during the bending process, with application to panel bending machines of TRUMPF Macchine Italia. The main goal is to minimize manual intervention during zoom, focus, and inclination calculation operations, in order to ensure stable and repeatable results in highly variable production environments. The system uses the camera already present on board the machine, integrated in a desktop application developed in C#, to process the images acquired during the bending process. The automatic zoom adjustment is based on a mathematical model of the camera, combined with the 3D geometry of the bending model, provided by the machine’s HMI. For autofocus, two distinct approaches were implemented and compared: one based on image processing and the other on deep learning techniques. After image acquisition and pre-processing (filtering and masking), the angle recognition algorithm uses edge detection and line extraction techniques to calculate the inclination. In this way, a numerical feedback of the angle is obtained, which is used to calculate the correction needed to adjust the trajectory in the bending process. This approach, validated directly on the "TruBend Center 7030", has proven effective in terms of precision, speed, and reliability, paving the way for further developments in the industrial field.

Questa tesi affronta lo sviluppo di un sistema di visione artificiale per il riconoscimento e la misurazione automatica dell’angolo di piega di una flangia durante il processo di piegatura, con applicazione alle macchine pannellatrici di TRUMPF Macchine Italia. L’obiettivo principale è ridurre al minimo l’intervento manuale durante i processi di zoom, messa a fuoco e calcolo dell’inclinazione, così da garantire risultati stabili e ripetibili in contesti produttivi ad alta variabilità. Il sistema utilizza la telecamera già presente a bordo macchina, integrata in un’applicazione desktop sviluppata in C#, per elaborare le immagini acquisite durante il processo di piega. La regolazione automatica dello zoom si basa su un modello matematico della camera, combinato con la geometria 3D del modello di piega, fornita dall’HMI della macchina. Per l’autofocus, sono stati implementati e confrontati due approcci distinti: uno basato sull’elaborazione di immagini e l’altro su tecniche di deep learning. A valle della cattura e pre-elaborazione delle immagini (filtraggio e mascheramento), l’algoritmo di riconoscimento dell’angolo di piega sfrutta tecniche di rilevamento di bordi ed estrazione di linee per calcolare l’inclinazione. In questo modo si ottiene un riscontro numerico dell’angolo, utilizzato per calcolare la correzione necessaria a regolare la traiettoria nel processo di piegatura. Questo approccio, validato direttamente sulla "TruBend Center 7030", ha dimostrato la sua validità in termini di precisione, rapidità e affidabilità, aprendo la strada a ulteriori sviluppi in ambito industriale.