Co może obejmować system
Wizyjna kontrola jakości może analizować obecność elementów, położenie, orientację, wybrane cechy powierzchni lub zgodność wyglądu z przyjętym wzorcem. Dobór techniki zależy od tego, co ma być rozpoznane.
Typowy zakres projektu obejmuje:
- określenie cech i wad podlegających kontroli;
- wybór sposobu prezentacji detalu przed kamerą;
- dobór kamery, optyki, oświetlenia i ewentualnych dodatkowych czujników;
- przygotowanie oraz opisanie próbek właściwych i wadliwych;
- wybór reguł klasycznych, modelu AI lub połączenia obu metod;
- określenie decyzji i sygnałów przekazywanych do procesu;
- testy na niezależnym zestawie próbek;
- ustalenie zasad przeglądu i ponownej walidacji po zmianie procesu.
Najpierw definicja zgodności i wady
Zdjęcie same w sobie nie mówi, czy detal jest zły. Trzeba ustalić, które cechy są dopuszczalne, które wymagają odrzucenia, a które powinny trafić do dodatkowej oceny. Jeśli różne osoby klasyfikują tę samą próbkę odmiennie, najpierw należy uporządkować kryteria.
| Element analizy | Pytania do zamknięcia przed testem |
|---|---|
| Wada | Jak wygląda, gdzie występuje i jakie ma warianty? |
| Detal właściwy | Jaka zmienność jest akceptowana? |
| Prezentacja | Czy każda istotna powierzchnia będzie widoczna? |
| Decyzja | Jakie kategorie wyniku są potrzebne? |
| Błąd systemu | Jak obsłużyć fałszywe odrzucenie, przeoczenie i brak pewności? |
| Zmiana procesu | Kiedy trzeba powtórzyć testy lub uzupełnić próbki? |
Kiedy warto analizować AI
AI może być przydatna, gdy cechy są trudne do opisania prostymi regułami, a ich wygląd zmienia się między detalami. Potrzebne są jednak reprezentatywne dane i stabilny sposób pozyskiwania obrazu.
Dobry punkt wyjścia stanowi proces, w którym:
- można jednoznacznie opisać kategorie decyzji;
- dostępne są próbki odzwierciedlające rzeczywistą produkcję;
- istotne cechy są widoczne dla planowanego sposobu obrazowania;
- pozycja detalu i warunki obrazowania dają się kontrolować;
- można przeprowadzić testy na próbkach niewykorzystanych do uczenia;
- istnieje bezpieczna ścieżka obsługi przypadków niejasnych.
Kiedy nie jest to właściwe rozwiązanie
Nie rekomendujemy rozpoczynania od modelu AI, gdy kryteria jakości są sprzeczne, próbki nie pochodzą z rzeczywistego procesu albo wada nie jest widoczna w dostępnych danych. Problemem mogą być również silne refleksy, zabrudzenia, przesłonięcia i niekontrolowane położenie detalu — wtedy najpierw trzeba poprawić warunki obrazowania.
System wizyjny nie zastąpi pomiaru właściwości, których wybrana technika nie rejestruje. Nie należy też automatyzować decyzji bez ustalenia, kto odpowiada za kryteria, przegląd wyników i reakcję na błąd.
Rola próbek i testów
Zbieranie danych
Próbki powinny obejmować typowe detale, dopuszczalne odchylenia, znane wady i warunki graniczne. Opis danych musi być spójny z aktualnymi kryteriami jakości.
Podział pracy i oceny
Dane służące do budowy modelu nie powinny być jedynym materiałem do oceny jego działania. Osobny zestaw testowy pomaga sprawdzić zachowanie na przykładach, których model nie wykorzystywał podczas uczenia.
Kryteria odbioru
Przed testem trzeba uzgodnić, jakie rodzaje błędów są szczególnie istotne i jak będą liczone. Sam procent poprawnych decyzji bez podziału na typy detali i błędów może nie opisywać dobrze ryzyka procesu.
Zmiany po uruchomieniu
Nowy materiał, dostawca, wariant detalu, oświetlenie lub sposób ustawienia kamery mogą zmienić dane wejściowe. Takie sytuacje wymagają oceny i, w razie potrzeby, ponownej walidacji.
Integracja z procesem
Wynik analizy obrazu może zostać przekazany do sterowania, zapisany z identyfikatorem detalu albo pokazany operatorowi. Rzeczywisty sposób integracji i zakres danych ustala się w projekcie. Nie zakłada się z góry połączenia z konkretnym systemem ani dostępności gotowego interfejsu.