Навчання вашої системи візуального контролю для нових виробничих ліній.

Дозвольте почати з чесності. Введення нової виробничої лінії — це приємна віхова подія, але водночас може стати справжньою головним болем. Ваша система інспекції з використанням комп’ютерного зору не розпізнає нові деталі. Вона також не має уявлення про те, яка деталь є придатною, а яка — бракованою. Її потрібно навчити. Якщо ви зробите це неправильним способом, результатом стануть хибні відхилення, пропущені дефекти та велика кількість розчарованих операторів. Але є й гарна новина: навчання системи інспекції з використанням комп’ютерного зору може бути швидким і безболісним, якщо дотримуватися правильних кроків.

Підготовка починається зі збору зразків

Перш ніж навіть торкнутися системи, вам потрібно зібрати зразки. Це найважливіший крок, і водночас самий поспішний у виконанні. Не будьте такою людиною.

Вам потрібно кілька типів зразків. По-перше, зберіть придатні деталі. Вам знадобиться більше, ніж кілька зображень продуктів, що відповідають вашим стандартам якості. Можливо, знадобиться десятки чи навіть сотні зображень. Чим більше зображень у вас є, тим краще система зрозуміє, як виглядає прийнятна продукція. Ці придатні деталі також мають охоплювати нормальні варіації, які ви очікуєте побачити, наприклад, незначні відмінності в кольорі, невеликі зміщення у положенні або незначні зміни текстури. Якщо ваше навчання включає лише ідеальні деталі, система візуального контролю відхилятиме все, що виглядає трохи інакше, навіть якщо це все ще повністю придатно.

По-друге, зберіть браковані деталі. Складіть повний перелік для кожного типу дефекту, який має значення для вас. Цей перелік може включати подряпини, тріщини, відсутні компоненти, неправильні кольори або неправильно розміщені етикетки. Чим ширша різноманітність прикладів дефектів у вас є, тим краще система навчиться розпізнавати те, що потрібно шукати. Одне дослідження показало, що попередньо навчену модель виявлення дефектів можна адаптувати до нових продуктів після отримання помірної кількості нових зразків та невеликого обсягу доналаштування. Проте «помірна» кількість не означає «мінімальну». Погана база даних все одно дасть погані результати, тому переконайтеся, що ви підготували чітко визначені зразки.

Використовуйте функцію «Швидке навчання» для швидкого старту

Після того як ваш набір зразків буде готовий, настає час навчити систему. Вам пощастило, оскільки майже всі сучасні системи візуального контролю мають вбудовану функцію під назвою «Швидке навчання» або «Навчання за одним натисканням кнопки». Це значно спрощує вашу роботу під час введення нової продукції.

Функція «Швидке навчання» працює шляхом отримання опорного зображення деталі без дефектів і автоматичного налаштування параметрів системи на основі цього зображення. Система аналізує опорне зображення, вимірює ключові характеристики та застосовує допуски. Вам не потрібно вводити числові значення вручну або вгадувати, де мають бути порогові значення. Усю важку роботу виконує система.

Цей метод добре підходить для швидкого контролю партії деталей, що виглядають однаково. Наприклад, якщо ви перевіряєте ідентичні штамповані металеві деталі або литі пластикові компоненти, функція «Швидке навчання» дозволяє виконати завдання за кілька хвилин замість кількох годин. Деякі сучасні камери скорочують час налаштування з годин до кількох хвилин, автоматично навчаючись на основі кількох зразкових зображень. Ключовим є забезпечення того, щоб ваше опорне зображення адекватно відображало зовнішній вигляд деталей, які ви очікуєте побачити в партії.

Перейдіть до стандартного навчання, коли деталі відрізняються

Функція «Швидке навчання» має недолік. Якщо ваші деталі значно відрізняються за зовнішнім виглядом, функція «Швидке навчання» схильна відхиляти більшу кількість придатних деталей. У такому разі системі потрібно навчитися на основі кількох ітерацій деталей.

Стандартне навчання працює інакше. Замість використання одного опорного зображення ви пропускаєте через систему цілу партію придатних деталей. Система машинного зору аналізує їх усі, вимірює природну варіацію та встановлює свої допуски таким чином, щоб охопити весь діапазон припустимих результатів. Таким чином система навчається розпізнавати, як виглядають придатні деталі в умовах вашого реального виробництва, а не лише в ідеальних лабораторних умовах.

Не існує обмежень щодо кількості зразків, які можна використовувати під час процесу навчання (Teach). Чим більше справжніх (якісних) деталей ви показуєте системі, тим краще вона розуміє, що є прийнятним. І ось професійна порада: під час стандартного навчання використовуйте лише справжні (якісні) деталі. Якщо випадково включити браковану деталь, система навчиться сприймати цей дефект як прийнятний, і ви отримаєте серйозні проблеми.

Ручна корекція за потреби

Іноді автоматичне навчання недостатнє. Ваші деталі можуть мати складні характеристики, з якими система не впорається. У таких випадках потрібно вручну налаштувати параметри.

Більшість систем машинного зору дозволяють увійти в інструменти й вручну налаштувати параметри. Ви можете змінити область інтересу, скоригувати порогові значення допусків, а також точно налаштувати логіку прийняття або відхилення деталі. Це вимагає більше часу й певного досвіду, але забезпечує максимальний контроль. Для високоточних завдань, де навіть незначні похибки мають значення, ручне налаштування варте додаткових зусиль.

Якщо ви працюєте з новим продуктом, який схожий на старий, іноді ви можете заощадити багато часу, використовуючи існуючу перевірку як початкову точку. Дослідження щодо перенесення навчання показало, що модель, навчену на старих продуктах, можна адаптувати для нових продуктів лише за допомогою помірної кількості нових даних для навчання, зберігаючи точність понад 98 відсотків. Це означає, що ви не завжди повинні починати з нуля. Замість цього ви можете будувати на основі існуючих моделей.

Використовуйте штучний інтелект для складних перевірок

Традиційні системи візуального контролю ґрунтуються на фіксованих правилах. Чи довша подряпина за X міліметрів? Чи виходить колір за межі діапазону Y? Це добре працює для простих перевірок. Але коли дефекти є нерегулярними, непостійними або важко описувати їх за допомогою фіксованих правил, традиційні системи, як правило, стикаються з труднощами.

Інспекція з використанням штучного інтелекту змінює правила гри. Замість того щоб слідувати попередньо встановленому набору правил, система навчається на прикладах. Ви надаєте їй сотні або тисячі зображень як якісних, так і бракованих виробів, і вона самостійно виявляє закономірності. Інспекція з використанням штучного інтелекту особливо корисна для виробників, які прагнуть зберегти якість продукції та мінімізувати відходи. Крім того, вона високо адаптивна до змін у продукції. Деякі платформи поєднують навчання з контролем вчителя та без контролю вчителя за допомогою ШІ з інструментами, заснованими на правилах, щоб зменшити кількість хибнопозитивних результатів і запобігти потраплянню бракованих виробів до споживачів.

Головна перевага сучасних систем полягає в їх зручності для користувача. Деякі камери тепер мають вбудований штучний інтелект, який автоматично навчається лише на кількох зразкових зображеннях, що усуває необхідність тривалої ручної настройки. Зручні для користувача інтерфейси керують операторами на кожному етапі процесу налаштування — від регулювання освітлення до реєстрації опорних зображень. Навіть оператори з обмеженим досвідом у сфері візуального контролю можуть створювати надійні процеси контролю.

Тестування та валідація є обов’язковими

Саме тут більшість людей припускаються критичних помилок. Вони навчають систему, проводять швидке тестування, а потім одразу запускають її в серійне виробництво. Це величезна помилка.

Перш ніж запустити систему візуального контролю в автономному режимі, її потрібно належним чином перевірити. Пропустіть через систему партію відомих справжніх (якісних) і відомих бракованих деталей. Перевірте, чи система виявляє всі дефекти. Перевірте, чи вона відкидає якісні деталі. Якщо рівень помилкових відхилень надто високий, поверніться назад і скоригуйте допуски. Якщо рівень пропущених дефектів надто високий, додайте до навчального набору більше зразків бракованих деталей.

У цьому випадку добре працює підхід «доказ концепції». Замість того щоб намагатися автоматизувати все одразу, розпочніть із одного критичного пункту контролю на новій лінії. Створіть «золотий» набір даних із якісних і бракованих зразків, перевірте технічну реалізованість та лише після цього масштабуйте рішення. Правильне виконання цього етапу в кінцевому підсумку заощадить вам значні кошти.

Плануйте постійне вдосконалення

Навчання системи візуального контролю — це не одноразова подія. Ваші вироби змінюватимуться. Змінюватимуться ваші постачальники. Змінюватимуться умови виробництва. Ваша система контролю також повинна постійно оновлюватися.

Створіть процес постійного навчання. Щоразу, коли ви виявляєте новий тип дефекту, який ваша система пропустила, додавайте ці зображення до набору для навчання й повторно проводьте навчання. Щоразу, коли ви змінюєте конструкцію продукту, оновлюйте свої опорні зображення. Деякі передові системи мають можливості безперервного навчання, що адаптуються до змін у продуктах із часом. Чим більше ви навчаєте свою систему, тим розумнішою вона стає.

Виробники, які правильно реалізують цей підхід, отримують відчутні результати. Інспекція за допомогою штучного інтелекту дозволяє раніше виявляти дефекти, швидше визначати кореневі причини та отримувати практичні аналітичні дані в режимі реального часу, що підвищує ефективність і зменшує відходи. YIHUI проектує обладнання для візуальної інспекції з урахуванням цих принципів навчання, допомагаючи виробникам у галузях машинобудування, електроніки, аерокосмічної та автомобільної промисловості швидше запускати нові виробничі лінії. Адже система візуальної інспекції настільки ефективна, наскільки якісним є навчання, яке ви їй надаєте. Зробіть це правильно — і вона протягом багатьох років захищатиме ваш бренд.