EN
Da počnem s malo iskrenosti. Dodavanje nove linije proizvoda je lijepa prekretnica, ali može donijeti i gadnu glavobolju. Vaš sustav za inspekciju vida ne prepoznaje nove dijelove. Također nema pojma što se računa kao dobar dio ili loš dio. Moraš ga naučiti. Ako to učinite na pogrešan način, završite s lažnim odbijanjem, propuštenim defektima i puno frustriranih operatora. Dobra vijest je da vježbanje sustava za kontrolu vida može biti brzo i bezbolno ako se slijede ispravni koraci.
Priprema počinje uzimanjem uzoraka
Prije nego što dodirnete sustav, morate prikupiti uzorke. To je najvažniji korak, a ipak je onaj koji ljudi najčešće žure. Ne budi takva osoba.
Trebaš više vrsta uzoraka. Prvo, sakupite dobre dijelove. Potrebno vam je više od nekoliko slika proizvoda koji ispunjavaju vaše standarde kvalitete. Možda će vam trebati desetine ili čak stotine. Što više slika imate, bolje će sustav razumjeti kako izgleda prihvatljivo. Ti bi dobri dijelovi trebali pokriti i normalne promjene koje očekujete vidjeti, kao što su blage razlike u boji, mala pomicanja položaja ili manje promjene teksture. Ako vaš trening uključuje samo savršene dijelove, sustav za inspekciju vida odbacit će sve što izgleda malo drugačije, čak i ako je još uvijek savršeno u redu.
Drugo, sakupljajte loše dijelove. Napravi popis svake vrste mane koja ti je važna. Na tom popisu mogu biti ogrebotine, pukotine, nedostajući dijelovi, pogrešne boje ili pogrešno poravnanim etiketama. Što je veća raznolikost primjera mana, to će sustav bolje naučiti što tražiti. Jedna studija pokazala je da se unaprijed obučeni model za otkrivanje mana može prilagoditi novim proizvodima nakon što je primio umjeren broj novih uzoraka i malo fino podešavanja. Ali umjereno ne znači minimalno. Loš skup podataka će i dalje dati loše rezultate, pa se pobrinite da pripremite dobro definirane uzorke.
Koristite brzi podučavanje da biste brzo počeli
Kad imate svoj uzorak datoteke spreman, vrijeme je za učenje sustava. Sretni ste jer gotovo svi moderni sustavi za provjeru vida imaju ugrađenu funkciju koja se zove Brzo poučavanje ili jedno dugme poučavanje. To vam olakšava posao prilikom dodavanja nove linije proizvoda.
Quick Teach radi tako što uzima referentnu sliku dijela bez mana i automatski postavlja parametre sustava na temelju te slike. Sistem gleda na referenci, mjeri ključne karakteristike i primjenjuje tolerancije. Ne morate ručno unosi brojke ili pogoditi gdje su pragovi. Sistem radi teške stvari za tebe.
Ova metoda dobro djeluje za brzo provjeravanje serije dijelova koji izgledaju isto. Na primjer, ako provjeravate identične metalne dijelove ili oblikovane plastične dijelove, Quick Teach može obaviti posao za nekoliko minuta umjesto za nekoliko sati. Neke suvremene kamere automatski učeći iz nekoliko uzoraka slika, skraćuju vrijeme postavljanja sa nekoliko sati na samo nekoliko minuta. Ključ je u tome da se uvjerite da je vaša referentna slika dobra reprezentacija izgleda dijelova koje očekujete vidjeti u seriji.
Prijenos na standardno učenje kada se dijelovi razlikuju
Brzi učitelj ima nedostatak. Ako vaši dijelovi pokazuju značajnu promjenu u izgledu, Quick Teach će odbiti veći broj dobrih dijelova. U tom slučaju, sustav mora učiti iz nekoliko ponavljanja dijelova.
Standardna nastava radi drugačije. Umjesto da koristite jednu referentnu sliku, pokrenete cijelu seriju dobrih dijelova kroz sustav. Sistem za kontrolu vida gleda sve one, mjeri prirodne varijacije i postavlja tolerancije kako bi uključio cijeli raspon prihvatljivih rezultata. Na taj način, sustav uči kako dobro izgleda u stvarnim proizvodnim uvjetima, a ne samo u savršenom laboratorijskom okruženju.
Nema ograničenja koliko uzoraka možete koristiti tijekom procesa Teach. Što više dobrih dijelova pokažete sustavu, bolje će razumjeti što je prihvatljivo. A evo i profesionalnog savjeta. Koristi samo dobre dijelove kada radiš standardni Teach. Ako slučajno ubacite loš dio, sustav će naučiti da je nedostatak prihvatljiv, i imat ćete nered na rukama.
Ručno prilagoditi kad je potrebno
Ponekad automatsko poučavanje nije dovoljno. Ti dijelovi mogu imati složene osobine s kojima se sustav bori. U tim slučajevima, morate ručno prilagoditi parametre.
Većina sustava za vizualnu inspekciju omogućava vam da uđete u alat i ručno prilagodite postavke. Možete prilagoditi područje interesa, promijeniti prag tolerancije, i fino podešavati logiku prolaska ili neuspjeha. To zahtijeva više vremena i iskustva, ali daje vam najveću kontrolu. Za precizne primjene u kojima su čak i sitne pogreške važne, ručno podešavanje vrijedi dodatnog truda.
Ako radite s novim proizvodom koji je sličan starom, ponekad možete uštedjeti puno vremena ako kao početnu točku koristite postojeću inspekciju. Istraživanje o transfernom učenju pokazalo je da model obučen na starijim proizvodima može biti prilagođen novim uz samo umjerenu količinu novih podataka o treningu, održavajući preciznost preko 98 posto. To znači da ne morate uvijek početi od nule. Možete izgraditi iz postojećih modela umjesto toga.
U skladu s člankom 3. stavkom 2.
Tradicionalni sustavi inspekcije vida temelje se na fiksnim pravilima. Je li ogrebotina duža od X milimetra? Je li boja izvan opsega Y? To je dobro za jednostavne inspekcije. Ali kada su greške nepravilne, nedosljedne ili ih je teško opisati fiksnim pravilima, konvencionalni sustavi imaju tendenciju da se bore.
AI-powered inspekcija vida mijenja igru. Umjesto da slijedi propisane pravila, sustav uči iz primjera. Pokažete mu stotine ili tisuće dobrih i loših slika, i on sam otkrije uzorke. Inspekcija s vidom na temelju umjetne inteligencije posebno je korisna za proizvođače koji pokušavaju očuvati kvalitetu proizvoda i minimizirati otpad. Također je vrlo prilagodljiv promjenama proizvoda. Neke platforme kombinuju nadzirano i ne-nadzirano učenje AI-a s alatima zasnovanim na pravilima kako bi se smanjili lažni pozitivni rezultati i spriječili dostizanje kupaca neispravnim proizvodima.
Najbolja stvar kod današnjih sustava je to što su jednostavni za korištenje. Neke kamere sad uključuju ugrađenu AI koja automatski uči iz samo nekoliko uzoraka slika, eliminišući potrebu za dugotrajnom ručnom konfiguracijom. Korisnički prihvatljivi interfejsi vode operatere kroz svaku fazu procesa postavljanja, od podešavanja rasvjete do registracije referentnih slika. Čak i operatori s ograničenim iskustvom u inspekciji vidom mogu stvoriti robusne procese inspekcije.
Važno je ispitivanje i potvrđivanje
Ovdje većina ljudi čini kritične greške. Oni treniraju sustav, pokrenuti brz test, a zatim ga staviti ravno u proizvodnju. To je velika pogreška.
Prije nego što dozvolite da vaš sustav za kontrolu vida radi bez nadzora, morate ga ispravno provjeriti. Provjerite u sustavu dobru i lošu komponentu. Pogledaj da li će uhvatiti sve nedostatke. Pogledaj da li odbacuje bilo koji dobar dio. Ako je stopa lažnog odbijanja previsoka, vratite se i prilagodite tolerancije. Ako je stopa propusta prevelika, dodajte više uzoraka defekta u svoj trening set.
Prihvat dokaza koncepta dobro funkcionira ovdje. Počnite s jednom kritičnom kontrolnom točkom na vašoj novoj liniji umjesto da pokušavate automatizirati sve odjednom. Okupite svoj zlatni skup dobrih i loših uzoraka, testirajte izvedivost i samo onda proširite. Ako to ispravno uradite, u konačnici ćete uštedjeti puno novca.
Plan za stalno poboljšanje
Obuka sustava za inspekciju vida nije jednokratni događaj. Vaše proizvode će se promijeniti. Dobavljači će se mijenjati. Vaše uvjete proizvodnje će se promijeniti. Vaš inspekcijski sustav mora pratiti.
Izgraditi proces za kontinuirano osposobljavanje. Kad god pronađete novu vrstu nedostatka koji je vaš sustav propustio, dodate te slike u svoj set za trening i ponovo trenirate. Kad god promijenite dizajn proizvoda, ažurirajte svoje referentne slike. Neki napredni sustavi nude mogućnosti kontinuiranog učenja koji se prilagođavaju promjenama proizvoda tijekom vremena. Što više treniraš svoj sustav, to je pametniji.
Proizvođači koji to rade dobro vide prave rezultate. AI vizualna inspekcija omogućuje raniji otkrivanje mana, bržu analizu uzroka i stvarno vrijeme djelotvorne uvide koji povećavaju učinkovitost i smanjuju otpad. YIHUI dizajnira opremu za vizualnu inspekciju s tim principima obuke na umu, pomažući proizvođačima u strojevima, elektronici, zrakoplovstvu i automobilskoj industriji da brže pokrenu nove linije proizvoda. Uostalom, sustav za kontrolu vida je samo toliko dobar koliko i obuka koju mu date. Ako to uradite kako treba, zaštitite svoj brend godinama.