Szkolenie systemu inspekcji wizyjnej w zakresie nowych linii produktów.

Zacznę od pewnej szczerości. Wdrożenie nowej linii produkcyjnej to przyjemny kamień milowy, ale może też przynieść spore kłopoty. Twój system inspekcji wizyjnej nie zna nowych elementów. Nie ma także pojęcia, jaki element uznawać za dobry, a który za wadliwy. Musisz go nauczyć. Jeśli podejmiesz to w niewłaściwy sposób, skończysz z fałszywymi odrzuceniami, pominiętymi wadami oraz dużą liczbą sfrustrowanych operatorów. Dobrą wiadomością jest to, że wytrenowanie systemu inspekcji wizyjnej może być szybkie i bezbolesne, pod warunkiem stosowania odpowiednich kroków.

Przygotowanie zaczyna się od zebrania próbek

Zanim nawet dotkniesz systemu, musisz zebrać próbki. Jest to najważniejszy krok, a zarazem ten, przez który ludzie najczęściej się spieszą. Nie bądź tą osobą.

Potrzebujesz wielu rodzajów próbek. Po pierwsze, zebranie prawidłowych elementów. Nie wystarczy kilka obrazów produktów spełniających Twoje standardy jakościowe — może ich być potrzebne dziesiątki, a nawet setki. Im więcej obrazów posiadasz, tym lepiej system zrozumie, jak wygląda akceptowalny wygląd. Prawidłowe elementy powinny również obejmować normalne warianty, jakie oczekujesz – np. niewielkie różnice w kolorze, drobne przesunięcia położenia lub nieznaczne zmiany faktury. Jeśli dane treningowe obejmują wyłącznie idealne elementy, system inspekcji wizyjnej odrzuci wszystko, co wygląda choć trochę inaczej, nawet jeśli taki element jest całkowicie poprawny.

Po drugie, zebranie wadliwych części. Utwórz szczegółową listę dla każdego typu wady, który ma znaczenie dla Państwa. Lista ta może obejmować zadrapania, pęknięcia, brakujące elementy, błędne kolory lub niepoprawnie umieszczone etykiety. Im większa różnorodność przykładów wad będzie dostępna, tym lepiej system nauczy się rozpoznawać poszukiwane cechy. Jedno z badań wykazało, że wstępnie wytrenowany model wykrywania wad może dostosować się do nowych produktów po otrzymaniu umiarkowanej liczby nowych próbek oraz niewielkiego stopnia dostrajania. Jednak „umiarkowana” nie oznacza „minimalna”. Słaba baza danych nadal da słabe wyniki, dlatego należy starannie przygotować dobrze zdefiniowane próbki.

Użyj funkcji Quick Teach, aby szybko rozpocząć pracę

Gdy przygotujecie już swoją zestaw próbek, nadszedł czas na nauczenie systemu. Macie szczęście, ponieważ niemal wszystkie nowoczesne systemy inspekcji wizyjnej wyposażone są w wbudowaną funkcję o nazwie Quick Teach (szybkie uczenie) lub jednoprzyciskowe uczenie. Upraszcza to znacznie Waszą pracę przy wprowadzaniu nowej linii produktów.

Funkcja Szybkie uczenie działa poprzez pobranie obrazu odniesienia bezwadnego elementu i automatyczne ustawienie parametrów systemu na podstawie tego obrazu. System analizuje obraz odniesienia, mierzy kluczowe cechy i stosuje dopuszczalne tolerancje. Nie musisz ręcznie wprowadzać liczb ani zgadywać, gdzie powinny znajdować się progi. Cała ciężka praca jest wykonywana przez system.

Metoda ta sprawdza się dobrze przy szybkiej kontroli partii elementów o identycznym wyglądzie. Na przykład, jeśli kontrolujesz identyczne części metalowe wykonane metodą tłoczenia lub formowane plastikowe komponenty, funkcja Szybkie uczenie pozwala zakończyć konfigurację w kilka minut zamiast w kilka godzin. Niektóre nowoczesne kamery skracają czas konfiguracji z godzin do zaledwie kilku minut, ucząc się automatycznie na podstawie kilku przykładowych obrazów. Kluczowe jest zapewnienie, że obraz odniesienia wiernie oddaje wygląd elementów, jakie spodziewasz się zobaczyć w danej partii.

Przejdź do standardowego uczenia, gdy elementy różnią się między sobą

Funkcja Quick Teach ma wadę. Jeśli Twoje części wykazują znaczne zróżnicowanie w wyglądzie, funkcja Quick Teach będzie odrzucać większą liczbę poprawnych części. W takim przypadku system musi nauczyć się na podstawie wielu iteracji części.

Funkcja Standard Teach działa inaczej. Zamiast korzystać z pojedynczego obrazu odniesienia, przeprowadzasz przez system całą partię poprawnych części. System inspekcji wizyjnej analizuje je wszystkie, mierzy naturalne odchylenia i ustawia swoje допuszczalne tolerancje tak, aby uwzględnić cały zakres dopuszczalnych wyników. Dzięki temu system uczy się, jak wygląda poprawna część w rzeczywistych warunkach produkcji, a nie tylko w idealnym środowisku laboratoryjnym.

Nie ma ograniczenia liczby próbek, które można użyć podczas procesu uczenia. Im więcej dobrych części pokażesz systemowi, tym lepiej zrozumie on, co jest akceptowalne. Oto profesjonalna wskazówka: podczas standardowego uczenia używaj wyłącznie dobrych części. Jeśli przypadkowo dołączysz część uszkodzoną, system nauczy się, że wada ta jest akceptowalna, co spowoduje powstanie bałaganu.

Ręczna korekta w razie potrzeby

Czasami automatyczne uczenie nie wystarcza. Twoje części mogą posiadać złożone cechy, z którymi system ma trudności. W takich przypadkach konieczne jest ręczne dostosowanie parametrów.

Większość systemów inspekcji wizyjnej pozwala wejść do narzędzi i ręcznie dostosować ustawienia. Możesz zmienić obszar interesu (ROI), dostosować progi tolerancji oraz precyzyjnie skorygować logikę akceptacji lub odrzucenia. Proces ten wymaga więcej czasu i pewnego doświadczenia, ale zapewnia maksymalną kontrolę. W zastosowaniach wymagających wysokiej precyzji, gdzie nawet najmniejsze błędy mają znaczenie, ręczna korekta jest warta dodatkowego wysiłku.

Jeśli pracujesz nad nowym produktem podobnym do starszego, czasem możesz zaoszczędzić dużo czasu, wykorzystując istniejącą inspekcję jako punkt wyjścia. Badanie dotyczące uczenia przenoszonego wykazało, że model wytrenowany na starszych produktach można dostosować do nowych produktów przy użyciu jedynie umiarkowanej ilości nowych danych treningowych, zachowując dokładność przekraczającą 98 procent. Oznacza to, że nie zawsze musisz zaczynać od zera – możesz budować na istniejących modelach.

Wykorzystaj sztuczną inteligencję do złożonych inspekcji

Tradycyjne systemy inspekcji wizyjnej opierają się na stałych regułach. Czy zadrapanie ma długość przekraczającą X milimetrów? Czy kolor mieści się poza zakresem Y? Takie podejście działa dobrze w przypadku prostych inspekcji. Jednak gdy wady są nieregularne, niespójne lub trudne do opisania za pomocą stałych reguł, konwencjonalne systemy zwykle napotykają trudności.

Inspekcja wizyjna oparta na sztucznej inteligencji zmienia zasady gry. Zamiast stosować z góry określony zestaw reguł, system uczy się na przykładach. Pokazujesz mu setki lub tysiące obrazów poprawnych i niepoprawnych wyrobów, a on samodzielnie rozpoznaje powtarzające się wzorce. Inspekcja wizyjna oparta na sztucznej inteligencji jest szczególnie korzystna dla producentów dążących do zachowania wysokiej jakości produktów oraz minimalizacji odpadów. Jest również bardzo elastyczna pod względem zmian wprowadzanych w produktach. Niektóre platformy łączą uczenie nadzorowane i nienadzorowane oparte na sztucznej inteligencji z narzędziami opartymi na regułach, aby zmniejszyć liczbę fałszywych alarmów i zapobiec dotarciu wadliwych produktów do klientów.

Wspaniałą cechą współczesnych systemów jest ich przyjazność dla użytkownika. Niektóre kamery są obecnie wyposażone w wbudowaną sztuczną inteligencję, która automatycznie uczy się na podstawie zaledwie kilku przykładowych obrazów, eliminując konieczność długotrwałej ręcznej konfiguracji. Przyjazne dla użytkownika interfejsy przewodnikowo prowadzą operatorów przez każdy etap procesu konfiguracji – od dostosowania oświetlenia po rejestrację obrazów referencyjnych. Nawet operatorzy z ograniczonym doświadczeniem w zakresie inspekcji wizyjnej mogą tworzyć niezawodne procesy kontroli.

Testowanie i walidacja są niezbędne

To właśnie w tym miejscu większość osób popełnia krytyczne błędy. Szkoli się system, przeprowadza szybki test, a następnie natychmiast wprowadza go do produkcji. Jest to bardzo poważny błąd.

Zanim pozwalasz, aby Twój system inspekcji wizyjnej działał bez nadzoru, musisz go odpowiednio zweryfikować. Przeprowadź przez system partię znanych dobrych i znanych wadliwych części. Sprawdź, czy wykrywa wszystkie wady. Sprawdź, czy odrzuca jakiekolwiek dobre części. Jeśli wskaźnik fałszywych odrzuceń jest zbyt wysoki, wróć i dostosuj swoje допuszczalne odchylenia. Jeśli wskaźnik pominięć jest zbyt wysoki, dodaj więcej próbek wadliwych do zestawu uczącego.

W tym przypadku dobrze sprawdza się podejście polegające na demonstracji koncepcji. Zamiast próbować zautomatyzować wszystko naraz, rozpocznij od jednego kluczowego punktu inspekcji na nowej linii produkcyjnej. Zebranie tzw. „złotego” zestawu danych obejmującego próbki dobre i wadliwe, przetestowanie możliwości technicznych oraz dopiero następnie skalowanie rozwiązania pozwoli Ci na dłuższą metę zaoszczędzić wiele środków.

Zaplanuj ciągłą poprawę

Szkolenie systemu inspekcji wizyjnej nie jest jednorazowym zadaniem. Twoje produkty będą się zmieniać. Twoi dostawcy będą się zmieniać. Warunki produkcji będą się zmieniać. Twój system inspekcji musi nadążać za tymi zmianami.

Zbuduj proces ciągłego szkolenia. Za każdym razem, gdy wykryjesz nowy typ wady, którego system nie zidentyfikował, dodaj te obrazy do zestawu uczącego i przeprowadź ponowne uczenie. Za każdym razem, gdy zmienisz projekt produktu, zaktualizuj swoje obrazy referencyjne. Niektóre zaawansowane systemy oferują możliwości uczenia się ciągłego, które dostosowują się do zmian w produktach w czasie. Im częściej szkolisz swój system, tym bardziej inteligentny staje się on.

Producentom, którzy poprawnie wdrażają te zasady, udaje się osiągnąć rzeczywiste rezultaty. Inspekcja wizyjna oparta na sztucznej inteligencji umożliwia wcześniejsze wykrywanie wad, szybszą analizę podstawowych przyczyn oraz uzyskiwanie w czasie rzeczywistym praktycznych informacji, które zwiększają wydajność i ograniczają marnotrawstwo. YIHUI projektuje urządzenia do inspekcji wizyjnej zgodnie z tymi zasadami szkolenia, wspierając producentów z branż maszyn, elektroniki, przemysłu lotniczego i motocyklowego w szybszym wprowadzaniu nowych linii produkcyjnych do eksploatacji. W końcu system inspekcji wizyjnej jest tak dobry, jak dobre jest jego szkolenie. Jeśli przeprowadzisz je odpowiednio, system będzie chronił Twoją markę przez wiele lat.