Yapay Zekâ
Görüntü İşleme ile Üretimde Kalite Kontrol
Neden otomatik kalite kontrol?
Gözle kontrol yorucu ve tutarsızdır; aynı operatör vardiyanın başında ve sonunda farklı kararlar verebilir. Hızlı hatlarda her ürünü dikkatle incelemek mümkün olmayabilir. Kamera tabanlı sistemler her ürünü aynı kriterle, hat hızında inceler ve kayıt altına alır.
Yaklaşımlar
- Kural tabanlı görüntü işleme: Ölçü, renk, konum gibi net tanımlanabilen kriterler için. Hızlı ve açıklanabilir.
- Derin öğrenme: Çizik, leke, doku bozukluğu gibi tanımlaması zor ve değişken kusurlar için. Sınıflandırma, nesne tespiti veya segmentasyon modelleri kullanılır.
- Anomali tespiti: Hatalı ürün örneği azsa, model sadece iyi ürünleri öğrenir ve bunlardan sapanları işaretler.
Donanım: İşin yarısı
- Kamera: Çözünürlük, en küçük kusur boyutuna ve görüş alanına göre seçilir; hareketli hatlarda global shutter tercih edilir.
- Aydınlatma: Kusuru görünür kılan doğru açı ve tipte ışık (arka ışık, kubbe ışık, düşük açılı ışık). Kötü aydınlatmayı yazılım telafi edemez.
- Tetikleme: Ürün kameranın önüne geldiğinde sensörle çekim.
- İşlem birimi: Hat yanında endüstriyel PC veya GPU'lu uç cihaz.
Proje adımları
- Kusur kataloğu: Hangi kusurlar, hangi tolerans?
- Numune toplama ve etiketleme
- Kamera-aydınlatma denemeleri
- Model geliştirme ve doğrulama
- Hat entegrasyonu: PLC ile red sinyali, ayıklama mekanizması
- Pilot dönemde operatör kararlarıyla karşılaştırma
Doğru metrikler
İki hata türü vardır: Hatalı ürünü kaçırmak ve sağlam ürünü hatalı saymak. Hangisinin daha maliyetli olduğuna göre eşik ayarlanır. Doğruluk tek başına yanıltıcı olabilir; kaçırma oranı ve yanlış alarm oranı ayrı izlenmelidir.
Sonuç
Görüntü işleme, kaliteyi ölçülebilir ve izlenebilir hale getirir. yapay zekâ çözümleri ve IoT sayfalarımızı inceleyebilir veya ücretsiz keşif görüşmesi talep edebilirsiniz.