Yapay Zeka ile Görsel Kalite Kontrol ve Görüntü İşleme

Modern few-shot modeller genellikle birkaç yüz görselle başlar; sistem üretimde öğrenmeye devam eder.

Endüstriyel kameralar ve aydınlatma her uygulamaya özel seçilir. Komple mühendislik çözümü olan istasyonu biz teslim ederiz.

Yeni varyantlar mevcut modellerden hızla eğitilir, bu da yüksek çeşitlilikli üretim için idealdir.

Doğru boyutlandırılmış bir sunucuda çıkarım milisaniyeler sürer ve darboğaz genellikle o değildir; yine de birkaç kamera tek GPU'yu paylaşıyorsa gecikmeyi istasyon bazında bütçelemek gerekir. Cevabı belirleyen, döngünün geri kalanıdır: parça tetikleme anında sabit ve her seferinde aynı şekilde aydınlatılmış olmalı, ret kararı da parça ayırma noktasına ulaşmadan önce gelmelidir. Çevrim süreniz buna yer bırakmıyorsa mekanik bir düzenleme gerekir; daha hızlı bir model bunu çözmez.

Evet, mevcut hatlara sonradan eklemek olağandır, ancak işin büyük kısmı yazılım değil mekanik ve elektriktir. PLC'den ya da bir sensörden tetikleme sinyali, reddedilen parçaya müdahale edebilecek bir aktüatör ve çıkarım sunucusuna kadar bir kablaj hattı gerekir. Modeli eğitmek genelde projenin en kısa adımıdır; takvimi belirleyen, parçanın her çevrimde kameraya aynı şekilde sunulmasını sağlamaktır.

Kameranın göremediği her şeyi. İç çatlaklar, yüzey altı gözeneklilik, kaynak nüfuziyeti, tork ve malzeme özellikleri için farklı bir ölçüm yöntemi gerekir. Daha iyi bir model bu sorunu çözmez. Görüntü işleme ayrıca kusurun tutarlı bir görsel imzasının olmadığı, kabul sınırının tarif edilebilir bir eşik yerine insan beğenisine bağlı olduğu ve parçaların kameraya öngörülemez açılarda geldiği yerlerde de zorlanır. Bir istasyonu şartnameye dökmeden önce gerçekte hangi hata tiplerinin peşinde olduğunuza karar verin.

Sistem çalışmaya başladıktan sonra birinin, sistemin emin olamadığı ve işaretlediği sınıflandırmaları onaylaması veya düzeltmesi gerekir. Modelleri güncel tutan da bu geri bildirimdir. Tam zamanlı bir görev gerektirmez, ama süregelen bir yüktür. Emeğin büyük kısmı daha öncesine, ilk haftalara düşer: sağlam parçaların ve önemsediğiniz her kusur sınıfının temsil edici görüntülerini toplamak. Bu iş, dolu bir vardiyanın üstüne, zaman ayrılmadan kimsenin sırtına yıkılmamalı.

İki yönde birden yanılır ve karar eşiğiyle birini diğerine karşı takas edersiniz. Eşiği sıkılaştırırsanız sağlam parçalar fireye gider ya da yeniden muayene edilir; gevşetirseniz kusurlar kaçar. İkisinin de görünür olması gerekir; bu yüzden her karar kendi görüntüsüyle birlikte saklanır ve reddedilen parçalar belirli aralıklarla insan kararıyla karşılaştırılarak denetlenmelidir. Hatalı retleri hiç gözden geçirilmeyen bir istasyonu operatörler er geç devre dışı bırakmayı öğrenir.

Çıkarım şirket içindeki GPU görüntü işleme sunucusunda çalışır, yani gerçek zamanlı karar döngüsü fabrikadan hiç çıkmaz. Hat üzerinde ret verebilecek kadar düşük gecikmeyi sağlayan da budur. Yeniden eğitim için saklanan görüntüler ve operatör düzeltmeleri ayrı bir konudur: modeller sizin verinizle MSF tarafından iyileştirilecekse, bu görüntülerin sahada kalıp kalmayacağını sözleşmede netleştirin. Platformun geri kalanı SaaS, özel bulut veya şirket içi (on-premise) kurulabilir.

Parça hattan ayrılır, sonraki kararı da bu kararın sahibi kim ise o verir: hurda, yeniden işleme veya şartlı kabul. Sonucun kendisi MSF Kalite'ye gider, SPC grafiklerine düşer ve otomatik olarak uygunsuzluk kaydı (NCR) açtırabilir. Otomatik olmayan şey, bir kusur sınıfı trend yapmaya başladığında devreye girecek eskalasyondur; bu yüzden karar ve eskalasyon yolunu kamera monte edilmeden önce netleştirin.