Εκπαίδευση του συστήματος οπτικής επιθεώρησης για νέες γραμμές προϊόντων.

Επιτρέψτε μου να ξεκινήσω με λίγη ειλικρίνεια. Η προσθήκη μιας νέας γραμμής προϊόντων είναι μια ευχάριστη ορόσημο, αλλά μπορεί επίσης να προκαλέσει σοβαρό πονοκέφαλο. Το σύστημα επιθεώρησης οράματός σας δεν γνωρίζει τα νέα εξαρτήματα. Δεν έχει επίσης καμία ιδέα τι συνιστά ένα καλό ή ένα κακό προϊόν. Πρέπει να το εκπαιδεύσετε. Αν το κάνετε με λανθασμένο τρόπο, θα καταλήξετε σε ψευδώς απορριπτόμενα προϊόντα, παραλειπόμενες ελαττώσεις και πολλούς απογοητευμένους χειριστές. Το καλό νέο είναι ότι η εκπαίδευση ενός συστήματος επιθεώρησης οράματος μπορεί να είναι γρήγορη και ανώδυνη, εφόσον ακολουθήσετε τα σωστά βήματα.

Η προετοιμασία ξεκινά με τη συλλογή δειγμάτων

Πριν ακόμα αγγίξετε το σύστημα, πρέπει να συλλέξετε τα δείγματά σας. Αυτό είναι το σημαντικότερο βήμα, και ωστόσο είναι αυτό που οι άνθρωποι επιταχύνουν περισσότερο. Μην είστε αυτός ο άνθρωπος.

Χρειάζεστε πολλαπλούς τύπους δειγμάτων. Πρώτον, συλλέξτε εντάξει προϊόντα. Δεν θα χρειαστείτε μόνο λίγες εικόνες προϊόντων που πληρούν τα πρότυπα ποιότητάς σας, αλλά πιθανώς δεκάδες ή ακόμα και εκατοντάδες. Όσο περισσότερες εικόνες έχετε, τόσο καλύτερα θα κατανοήσει το σύστημα τι σημαίνει «αποδεκτό». Αυτά τα εντάξει προϊόντα πρέπει επίσης να καλύπτουν τις φυσιολογικές παραλλαγές που περιμένετε να δείτε, όπως ελαφρές διαφορές στο χρώμα, μικρές μετατοπίσεις στη θέση ή ελάχιστες αλλαγές στην υφή. Εάν η εκπαίδευση περιλαμβάνει μόνο τέλεια προϊόντα, το σύστημα οπτικής επιθεώρησης θα απορρίπτει όλα τα προϊόντα που φαίνονται ελαφρώς διαφορετικά, ακόμα και αν είναι εντελώς εντάξει.

Δεύτερον, συλλέξτε τα ελαττωματικά εξαρτήματα. Δημιουργήστε μια εκτενή λίστα για κάθε τύπο ελαττώματος που έχει σημασία για εσάς. Αυτή η λίστα μπορεί να περιλαμβάνει γρατσουνιές, ρωγμές, εξαρτήματα που λείπουν, λανθασμένα χρώματα ή ετικέτες που δεν είναι σωστά ευθυγραμμισμένες. Όσο μεγαλύτερη είναι η ποικιλία των παραδειγμάτων ελαττωμάτων που διαθέτετε, τόσο καλύτερα θα μάθει το σύστημα τι πρέπει να αναζητά. Μία μελέτη έδειξε ότι ένα προ-εκπαιδευμένο μοντέλο ανίχνευσης ελαττωμάτων μπορεί να προσαρμοστεί σε νέα προϊόντα μετά τη λήψη ενός μετρίου αριθμού νέων δειγμάτων και μιας μικρής ποσότητας λεπτής ρύθμισης (fine tuning). Ωστόσο, «μετρίου» δεν σημαίνει «ελάχιστου». Ένα φτωχό σύνολο δεδομένων θα οδηγήσει ακόμη και σε φτωχά αποτελέσματα, επομένως βεβαιωθείτε ότι προετοιμάζετε καλά ορισμένα δείγματα.

Χρησιμοποιήστε τη λειτουργία Quick Teach για γρήγορη εκκίνηση

Μόλις ετοιμάσετε το σύνολο δειγμάτων σας, έρχεται η στιγμή να εκπαιδεύσετε το σύστημα. Έχετε τύχη, καθώς σχεδόν όλα τα σύγχρονα συστήματα οπτικής επιθεώρησης διαθέτουν μια ενσωματωμένη λειτουργία που ονομάζεται Quick Teach ή «εκπαίδευση με ένα κουμπί». Αυτό καθιστά τη διαδικασία πολύ πιο εύκολη όταν προσθέτετε μια νέα γραμμή προϊόντων.

Η λειτουργία Quick Teach λειτουργεί λαμβάνοντας μια αναφορά εικόνας ενός εξαρτήματος χωρίς ελαττώματα και ρυθμίζοντας αυτόματα τις παραμέτρους του συστήματος βάσει αυτής της εικόνας. Το σύστημα εξετάζει την εικόνα αναφοράς, μετρά τα κύρια χαρακτηριστικά και εφαρμόζει τις ανοχές. Δεν χρειάζεται να εισάγετε χειροκίνητα αριθμούς ούτε να μαντέψετε πού πρέπει να τοποθετηθούν τα όρια. Το σύστημα αναλαμβάνει το δυσκολότερο μέρος για εσάς.

Αυτή η μέθοδος λειτουργεί καλά για τη γρήγορη επιθεώρηση ενός φακέλου εξαρτημάτων που έχουν όλα την ίδια εμφάνιση. Για παράδειγμα, εάν επιθεωρείτε ταυτόσημα εξαρτήματα από εμπρεσαρισμένο μέταλλο ή πλαστικά εξαρτήματα που έχουν κατασκευαστεί με χύτευση, η λειτουργία Quick Teach μπορεί να ολοκληρώσει την εργασία σε λίγα λεπτά αντί για λίγες ώρες. Ορισμένες σύγχρονες κάμερες μειώνουν τον χρόνο ρύθμισης από ώρες σε μόλις λεπτά, μαθαίνοντας αυτόματα από μερικές δειγματικές εικόνες. Το κλειδί είναι να διασφαλίσετε ότι η εικόνα αναφοράς σας αποτελεί μια καλή αντιπροσωπευτική εικόνα της εμφάνισης των εξαρτημάτων που προσδοκάτε να δείτε στον φάκελο.

Μεταβείτε στην προετοιμασία με τη μέθοδο Standard Teach όταν τα εξαρτήματα παρουσιάζουν διαφορές

Η λειτουργία Quick Teach έχει ένα μειονέκτημα. Εάν τα εξαρτήματά σας παρουσιάζουν σημαντική διακύμανση στην εμφάνισή τους, η λειτουργία Quick Teach τείνει να απορρίπτει έναν μεγαλύτερο αριθμό εξαρτημάτων που είναι στην πραγματικότητα καλά. Σε αυτήν την περίπτωση, το σύστημα πρέπει να εκπαιδευτεί μέσω πολλαπλών επαναλήψεων με εξαρτήματα.

Η λειτουργία Standard Teach λειτουργεί διαφορετικά. Αντί να χρησιμοποιεί μία μόνο αναφορά-εικόνα, διερχόμενα μία ολόκληρη παρτίδα καλών εξαρτημάτων από το σύστημα. Το σύστημα οπτικής επιθεώρησης εξετάζει όλα αυτά τα εξαρτήματα, μετρά τη φυσική διακύμανση και ρυθμίζει τις ανοχές του έτσι ώστε να περιλαμβάνουν ολόκληρο το φάσμα των αποδεκτών αποτελεσμάτων. Με αυτόν τον τρόπο, το σύστημα μαθαίνει τι σημαίνει «καλό» στις πραγματικές συνθήκες παραγωγής σας, και όχι μόνο σε μία ιδανική εργαστηριακή ρύθμιση.

Δεν υπάρχει όριο στον αριθμό των δειγμάτων που μπορείτε να χρησιμοποιήσετε κατά τη διαδικασία Εκπαίδευσης (Teach). Όσα περισσότερα καλά εξαρτήματα παρουσιάσετε στο σύστημα, τόσο καλύτερα θα κατανοήσει τι είναι αποδεκτό. Και εδώ είναι μια επαγγελματική συμβουλή: χρησιμοποιήστε μόνο καλά εξαρτήματα κατά την τυπική διαδικασία Εκπαίδευσης. Αν κατά λάθος συμπεριλάβετε ένα ελαττωματικό εξάρτημα, το σύστημα θα μάθει ότι το ελάττωμα είναι αποδεκτό, με αποτέλεσμα να δημιουργηθεί μεγάλο πρόβλημα.

Ρύθμιση Χειροκίνητα, Όταν Απαιτείται

Μερικές φορές η αυτόματη εκπαίδευση δεν είναι επαρκής. Τα εξαρτήματά σας μπορεί να έχουν πολύπλοκα χαρακτηριστικά με τα οποία το σύστημα αντιμετωπίζει δυσκολίες. Σε αυτές τις περιπτώσεις, πρέπει να ρυθμίσετε χειροκίνητα τις παραμέτρους.

Τα περισσότερα συστήματα οπτικής επιθεώρησης επιτρέπουν να μπείτε στα εργαλεία και να ρυθμίσετε χειροκίνητα τις ρυθμίσεις. Μπορείτε να ρυθμίσετε την περιοχή ενδιαφέροντος, να αλλάξετε τα όρια ανοχής και να βελτιστοποιήσετε τη λογική επιτυχίας ή αποτυχίας. Αυτό απαιτεί περισσότερο χρόνο και κάποια εμπειρία, αλλά σας προσφέρει τον μέγιστο έλεγχο. Για εφαρμογές υψηλής ακρίβειας, όπου ακόμη και οι μικρότερες αποκλίσεις έχουν σημασία, η χειροκίνητη ρύθμιση αξίζει την επιπλέον προσπάθεια.

Εάν εργάζεστε με ένα νέο προϊόν που είναι παρόμοιο με ένα παλαιότερο, μερικές φορές μπορείτε να εξοικονομήσετε πολύ χρόνο χρησιμοποιώντας μια υφιστάμενη επιθεώρηση ως σημείο εκκίνησης. Μια μελέτη για τη μεταφορά μάθησης (transfer learning) έδειξε ότι ένα μοντέλο που είχε εκπαιδευτεί σε παλαιότερα προϊόντα μπορούσε να προσαρμοστεί σε νέα προϊόντα με μόνο μέτριες ποσότητες νέων δεδομένων εκπαίδευσης, διατηρώντας ακρίβεια πάνω από 98 τοις εκατό. Αυτό σημαίνει ότι δεν χρειάζεται πάντα να ξεκινάτε από το μηδέν. Μπορείτε αντίθετα να δημιουργήσετε βάσει υφιστάμενων μοντέλων.

Αξιοποιήστε την Τεχνητή Νοημοσύνη για Περίπλοκες Επιθεωρήσεις

Τα παραδοσιακά συστήματα οπτικής επιθεώρησης βασίζονται σε σταθερούς κανόνες. Είναι η γρατζουνιά μεγαλύτερη από Χ χιλιοστά; Βρίσκεται η απόχρωση εκτός του εύρους Υ; Αυτό λειτουργεί ικανοποιητικά για απλές επιθεωρήσεις. Ωστόσο, όταν τα ελαττώματα είναι ακανόνιστα, ασυνεπή ή δύσκολο να περιγραφούν με σταθερούς κανόνες, τα συμβατικά συστήματα συνήθως αντιμετωπίζουν δυσκολίες.

Η επιθεώρηση οράσεως με δυνατότητες τεχνητής νοημοσύνης αλλάζει τους κανόνες του παιχνιδιού. Αντί να ακολουθεί ένα προκαθορισμένο σύνολο κανόνων, το σύστημα μαθαίνει από παραδείγματα. Του προσφέρετε εκατοντάδες ή χιλιάδες εικόνες καλών και κακών προϊόντων, και αυτό ανακαλύπτει μόνο του τα μοτίβα. Η επιθεώρηση οράσεως με δυνατότητες τεχνητής νοημοσύνης είναι ιδιαίτερα ευεργετική για τους κατασκευαστές που επιδιώκουν τη διατήρηση της ποιότητας των προϊόντων τους και την ελαχιστοποίηση των αποβλήτων. Είναι επίσης εξαιρετικά προσαρμόσιμη σε αλλαγές των προϊόντων. Ορισμένες πλατφόρμες συνδυάζουν επιβλεπόμενη και μη επιβλεπόμενη μάθηση με τεχνητή νοημοσύνη με εργαλεία βασισμένα σε κανόνες, προκειμένου να μειωθούν οι ψευδώς θετικές ενδείξεις και να αποτραπεί η παράδοση ελαττωματικών προϊόντων στους πελάτες.

Το εξαιρετικό στα σημερινά συστήματα είναι ότι είναι φιλικά προς τον χρήστη. Ορισμένες κάμερες περιλαμβάνουν πλέον ενσωματωμένη τεχνητή νοημοσύνη (AI), η οποία μαθαίνει αυτόματα από μόνο λίγες δειγματικές εικόνες, εξαλείφοντας την ανάγκη για επίμονη χειροκίνητη ρύθμιση. Διεπαφές φιλικές προς τον χρήστη καθοδηγούν τους χειριστές σε κάθε στάδιο της διαδικασίας ρύθμισης, από τη ρύθμιση του φωτισμού μέχρι την καταχώριση αναφοράς εικόνων. Ακόμη και χειριστές με περιορισμένη εμπειρία σε εφαρμογές οπτικής επιθεώρησης μπορούν να δημιουργήσουν αξιόπιστες διαδικασίες επιθεώρησης.

Οι δοκιμές και η επικύρωση είναι απαραίτητες

Εδώ είναι που οι περισσότεροι κάνουν κρίσιμα λάθη. Εκπαιδεύουν το σύστημα, εκτελούν μια γρήγορη δοκιμή και στη συνέχεια το εισάγουν αμέσως στην παραγωγή. Αυτό είναι ένα τεράστιο λάθος.

Προτού αφήσετε το σύστημα οπτικής επιθεώρησης να λειτουργήσει αυτόνομα, πρέπει να το επικυρώσετε κατάλληλα. Διεξάγετε μια παρτίδα γνωστών καλών και γνωστών ελαττωματικών εξαρτημάτων μέσω του συστήματος. Ελέγξτε αν εντοπίζει όλα τα ελαττώματα. Ελέγξτε αν απορρίπτει οποιαδήποτε καλά εξαρτήματα. Αν ο ρυθμός ψευδών απορρίψεων είναι υπερβολικά υψηλός, επιστρέψτε και προσαρμόστε τις ανοχές σας. Αν ο ρυθμός μη εντοπισμού ελαττωμάτων είναι υπερβολικά υψηλός, προσθέστε περισσότερα δείγματα ελαττωμάτων στο σύνολο εκπαίδευσής σας.

Μια προσέγγιση απόδειξης της εφικτότητας (proof of concept) λειτουργεί καλά σε αυτήν την περίπτωση. Ξεκινήστε με ένα κρίσιμο σημείο επιθεώρησης στη νέα γραμμή παραγωγής σας, αντί να προσπαθήσετε να αυτοματοποιήσετε τα πάντα ταυτόχρονα. Συγκεντρώστε το «χρυσό» σας σύνολο δεδομένων με καλά και ελαττωματικά δείγματα, δοκιμάστε την εφικτότητα και μόνο τότε προχωρήστε σε κλιμάκωση. Η σωστή εκτέλεση αυτού του βήματος θα σας εξοικονομήσει τελικά πολλά χρήματα.

Σχεδιάστε για Συνεχή Βελτίωση

Η εκπαίδευση ενός συστήματος οπτικής επιθεώρησης δεν είναι μια μοναδική ενέργεια. Τα προϊόντα σας θα αλλάζουν. Οι προμηθευτές σας θα αλλάζουν. Οι συνθήκες παραγωγής σας θα αλλάζουν. Το σύστημα επιθεώρησής σας πρέπει να εξελίσσεται αντίστοιχα.

Δημιουργήστε μια διαδικασία για συνεχή εκπαίδευση. Κάθε φορά που ανακαλύπτετε ένα νέο είδος ελαττώματος που το σύστημά σας παρέλειψε, προσθέστε εκείνες τις εικόνες στο σύνολο εκπαίδευσής σας και επαναεκπαιδεύστε το. Κάθε φορά που αλλάζετε το σχέδιο ενός προϊόντος, ενημερώστε τις αναφορικές εικόνες σας. Ορισμένα προχωρημένα συστήματα προσφέρουν δυνατότητες συνεχούς μάθησης που προσαρμόζονται στις μεταβολές των προϊόντων με την πάροδο του χρόνου. Όσο περισσότερο εκπαιδεύετε το σύστημά σας, τόσο πιο «έξυπνο» γίνεται.

Οι κατασκευαστές που εφαρμόζουν σωστά αυτή την προσέγγιση επιτυγχάνουν πραγματικά αποτελέσματα. Η εξέταση με οπτική επίβλεψη βασισμένη στην τεχνητή νοημοσύνη επιτρέπει την ενωρίτερη ανίχνευση ελαττωμάτων, την ταχύτερη ανάλυση της ριζικής αιτίας και πραγματικούς χρόνους ενεργών επεμβάσεων που αυξάνουν την αποδοτικότητα και μειώνουν τις απώλειες. Η YIHUI σχεδιάζει εξοπλισμό οπτικής επιθεώρησης λαμβάνοντας υπόψη αυτές τις αρχές εκπαίδευσης, βοηθώντας κατασκευαστές στους τομείς της μηχανουργικής, της ηλεκτρονικής, της αεροδιαστημικής και της αυτοκινητοβιομηχανίας να θέτουν σε λειτουργία νέες γραμμές προϊόντων πιο γρήγορα. Στο τέλος της ημέρας, ένα σύστημα οπτικής επιθεώρησης είναι τόσο καλό όσο η εκπαίδευση που του παρέχεται. Εάν το κάνετε σωστά, θα προστατεύει την εμπορική σας επωνυμία για χρόνια.