Статья посвящена решению задач разработки системы машинного зрения для автоматического контроля процесса маркировки шин после операции балансировки в ЗАО «Воронежский шинный завод». Разработана структура системы визуального контроля на базе контроллера SIMATIC S7-1500, модулей ввода/вывода SM 521, SM 522, панели оператора SIMATIC HMI TP1200 Comfort Panel и камеры машинного зрения AR0234. Выбор камеры AR0234 обусловлен не только её высоким разрешением и высокой частотой кадров, что позволяет фиксировать маркировочную точку на движущейся шине без смазывания изображения, но и спектральными характеристиками её КМОП-сенсора. Алгоритм функционирования системы контроля реализуется следующим образом. После завершения операции балансировки и нанесения маркировочной точки шина поступает в зону визуального контроля. Камера машинного зрения выполняет захват изображения поверхности шины в заданной области. Осуществляется предварительная фильтрация для подавления шумов и повышения контрастности изображения. Далее выполняется сегментация изображения с целью выделения области, которая соответствует маркировочной точке. Цветовое пространство RGB, традиционно используемое для представления изображений, объединяет информацию о цвете и яркости, что делает пороговую обработку чувствительной к перепадам освещенности. В отличие от RGB, пространство HSV разделяет цветовой тон, насыщенность и яркость, что позволяет выполнять сегментацию по цвету независимо от уровня освещения. В системе контроля предлагается преобразование пространства RGB в HSV. После преобразования каждого пикселя изображения в цветовое пространство HSV для выделения маркировочной точки применяется метод пороговой сегментации, основанный на сравнении цветовых характеристик пикселей с эталонными значениями, соответствующими типам маркировки. После выделения области изображения производится вычисление пространственного положения точки относительно принятой системы координат и определение ее цветовых характеристик. Результаты обработки изображения передаются в управляющий контроллер SIMATIC S7-1500, где выполняется их сопоставление с технологической информацией, полученной от балансировочного станка по протоколу PROFINET. Разработанная система машинного зрения позволяет минимизировать ошибки ручной проверки шин и повысить объективность контроля их качества.

1. Дик Дж.С. Технология резины: рецептуростроение и испытания. СПб.: НОТ, 2010. 620 с.

2. Алексеев М.В., Кудряшов В.С., Авцинов И.А., Гаврилов А.Н. и др. Разработка и реализация цифровой системы управления форматором-вулканизатором // Вестник ВГУИТ. 2024. Т. 86. № 2. С. 262–268.

3. Ikeda Y., Kato A., Kohjiya S., Nakajima Y. Rubber Science: A Modern Approach. Singapore: Springer, 2018. 226 p.

4. Rogers B. Tire Engineering: An Introduction. London: CRC Press, 2020. 256 p.

5. Mark J.E., et al.. The Science and Technology of Rubber. 3rd ed. London: Academic Press, 2005. 728 p.

6. Parker D.W. Tire Design and Manufacturing. Chichester: Wiley, 2018. 416 p.

7. Kumar A., Singh R. Quality Control in Tire Manufacturing: A Review of Nondestructive Testing Methods // Journal of Materials Engineering and Performance. 2021. Vol. 30. No. 8. P. 5890–5905.

8. Müller L., Weber K. Statistical Process Control (SPC) in Tire Production: Case Study at a European Plant // International Journal of Quality & Reliability Management. 2022. Vol. 39. No. 5. P. 1234–1250.

9. Корк П. Машинное зрение. Основы и алгоритмы с примерами на MATLAB / пер. с англ. В. Яценкова. Москва: ДМК Пресс, 2023. 584 с.

10. Обработка и анализ цифровых изображений с примерами на LabVIEW IMAQ Vision / Ю.В. Визильтер, С.Ю. Желтов, В.А. Князь и др. 2-е изд. Москва: ДМК Пресс, 2023. 465 с.

11. Bradski G., Kaehler A. Learning OpenCV: Computer Vision with the OpenCV Library. Sebastopol: O'Reilly Media, 2008. 556 p.

12. Forsyth D., Ponce J. Computer Vision: A Modern Approach. 2nd ed. Upper Saddle River: Pearson, 2011. 816 p.

13. Ронкин М.В., Долганов А.Ю. Глубокое обучение систем компьютерного зрения. Екатеринбург: Издательство Уральского университета, 2025. 124 с.

14. Сацюк А.В. Компьютерное зрение. Практика. Вологда; Москва: Инфра-Инженерия, 2025. 272 с.

15. Learning OpenCV 4: Computer Vision with Python. Birmingham: Packt Publishing, 2025. 372 p.

16. Berger H. Automating with SIMATIC S7-1200/S7-1500 in TIA Portal: Programming with SCL and Graph. Berlin: Wiley-VCH, 2020. 480 p.

17. Schröder D. SIMATIC S7-1500 Advanced Programming and Diagnostics. Munich: Siemens AG, 2022. 520 p.

18. WinCC flexible 2005. Компактная Стандартная Расширенная. Руководство пользователя. Siemens AG, 2005. 146 с.