چگونه می توان عملکرد و صحت یک سیستم دید دستگاه را ارزیابی کرد؟

با تعمیق مداوم اتوماسیون صنعتی و تولید هوشمند ،سیستم های بینایی ماشین به تدریج به تجهیزات اصلی تولید برای کنترل کیفیت و بهینه سازی فرآیند در سایت های تولید تبدیل شده اند. اما برای بسیاری از کاربران ، چگونگی ارزیابی علمی عملکرد و صحت سیستم هنگام انتخاب ، آزمایش یا واردات پروژه های بینایی دستگاه هنوز یک عامل اصلی در موفقیت استقرار است.

در زیر به معیارهای ارزیابی تجهیزات متمرکز خواهد شد. روشهای آزمایش تولید و نکات کلیدی برنامه کاربردی کاربردی به شرکتها کمک می کند تا قضاوت کنند که آیا مجموعه ای از تجهیزات بینایی دستگاه از دیدگاه حرفه ای و عملی تر 'عملی' و 'قابل اعتماد' است.

1. ابعاد اصلی ارزیابی عملکرد

برای ارزیابی یک سیستم بینایی دستگاه ، معمولاً از پنج بعد شروع می شود: کیفیت تصویربرداری ، سرعت بازرسی ، دقت شناسایی ، ثبات محیطی و سازگاری سیستم:

1. کیفیت تصویربرداری

تصاویر اساس سیستم بصری هستند و هنگام ارزیابی باید به شاخص ها توجه کنید:

وضوح و وضوح: آیا چگالی پیکسل مورد نیاز برای جزئیات برآورده می شود.

نور و کنتراست: آیا تصویر روشن و یکنواخت است ، و اینکه آیا طرح کلی روشن است یا خیر.

اعوجاج و کنترل وضوح: آیا لنز از کیفیت نوری کافی برخوردار است.

تصاویر با کیفیت بالا نه تنها می توانند اثر تشخیص الگوریتم را بهبود بخشند بلکه تضمین هایی را برای پردازش داده های بعدی ارائه می دهند.

2. دقت شناسایی

از دقت معمولاً برای اندازه گیری عملکرد الگوریتم های بصری در تولید واقعی استفاده می شود. روشهای ارزیابی عبارتند از:

دقت تشخیص نقص (TPR)

نرخ تشخیص کاذب (FPR) و میزان تشخیص از دست رفته (FNR)

نرخ تشخیص تشخیص OCR یا میزان موفقیت خواندن بارکد

با ایجاد شرایط کار شبیه سازی شده ، می توان از سنسورها برای وارد کردن مداوم تصاویر نمونه برای تأیید استفاده کرد. توصیه می شود که نمونه های آزمایش تا حد امکان جمع آوری شوند تا اطمینان حاصل شود که چندین شرایط شمارش شده است.

3. سرعت پردازش

این که آیا سیستم می تواند نیازهای ضرب و شتم را برآورده کند ، یکی از کلیدهای ارزیابی است. به طور کلی شامل:

سرعت دستیابی به تصویر (نرخ فریم)

زمان پردازش تصویر (MS)

کل پاسخ دستگاه و زمان خروجی

در پروژه های واقعی توصیه می شود از زمان کل 'سیستم کامل از جمع آوری تا نتایج خروجی' برای انجام اندازه گیری واقعی استفاده کنید.

4. ثبات و ضد مداخله

برای ارزیابی اینکه آیا این سیستم می تواند برای مدت طولانی در یک محیط صنعتی واقعی پایدار عمل کند ، روی:

سازگاری با تغییرات نور محیط

عملکرد پایدار تحت دما ، رطوبت ، لرزش و تداخل الکترومغناطیسی

آیا در طول کار مداوم طولانی مدت ، تاخیر یا انحراف شناسایی وجود دارد؟

اگر در یک کارگاه جوشکاری ، محیط پر از روغن یا خط تولید ارتعاش قرار داشته باشد ، توصیه می شود آزمایش های تأیید زندگی واقعی را انجام دهید.

5. باز بودن و سازگاری سیستم

سیستم های بینایی ماشین اغلب باید به سیستم های PLC ، ربات ، پایگاه داده یا MES متصل شوند و باید به این موارد توجه کنند:

این که آیا از پروتکل های استاندارد پشتیبانی می کند (مانند Gige Vision ، USB3 Vision ، Modbus ، OPC UA و غیره).

آیا SDK را برای توسعه ثانویه فراهم می کند.

این که آیا تصاویر از صادرات چند فرمت و اتصال پلتفرم (مانند Halcon ، VisionPro ، Labview و غیره) پشتیبانی می کنند.

یک سیستم بسیار سازگار منجر به گسترش و نگهداری در آینده است.

2. چگونه می توان یک راه حل تست عملکرد مؤثر ساخت؟

برای ارزیابی علمی عملکرد سیستم بصری ، توصیه می شود که شرکت ها فرایندهای زیر را در مرحله واردات تنظیم کنند:

هدف تشخیص و الزامات صحت را روشن کنید: مانند دقت بعدی ، میزان تشخیص شخصیت و غیره.

ایجاد یک کتابخانه نمونه کنترل: از جمله محصولات عادی ، محصولات معیوب معمولی و موارد مرزی.

بسازید یک بستر آزمایشی: شرایط کار واقعی را برای عملکرد مداوم شبیه سازی کنید.

جمع آوری داده های آماری: دقت ، زمان پاسخ ، شرایط غیر طبیعی و غیره.

آزمایش مجدد فاز و بهینه سازی: به طور مداوم پارامترها و الگوریتم ها را بر اساس نتایج آزمون تنظیم کنید.

از طریق نمونه های واقعی و آزمایش شرایط کار ، راه حلی که بهترین نیازها را برآورده می کند می تواند به طور مؤثر انتخاب شود.

3. مرجع مورد: پروژه تشخیص شخصیت در صنعت الکترونیک

سیستم تولید کارخانه الکترونیک برای شناسایی شخصیت های مورد باتری یک سیستم بینایی هوشمند وارد می کند و مشتریان عمدتاً روی کامل بودن شخصیت و نرخ خطای تشخیص تمرکز می کنند. پس از آزمایش توسط سیستم بصری ، موارد زیر جامع ترین نتیجه حاصل از داده ها است:

دقت تشخیص متوسط: 99.2 ٪

میزان تصور غلط: <0.3 ٪

زمان پاسخ به تشخیص تصویر: 80ms

عملکرد تنظیم تطبیقی ​​کنتراست کاراکتر ، 15 ٪ بهبود در نرخ عبور

در عین حال ، سیستم از دسترسی یکپارچه به سیستم مشتری MES ، بارگذاری در زمان واقعی و ردیابی غیر طبیعی نتایج شناسایی پشتیبانی می کند

Vision Machine وسیله ای نیست که بتواند با نصب به سادگی استفاده شود. عملکرد و صحت سیستم به طور مستقیم بر اثر کاربرد نهایی تأثیر می گذارد. فقط با روش های تست استاندارد ، شبیه سازی سناریوی برنامه واقعی و ارزیابی شاخص چند بعدی می توانند شرکت ها را به طور دقیق انتخاب و کاهش هزینه های آزمایش و خطا کنند.

Zhixiang Vision همچنان راه حل های دید با کارایی بالا و با استحکام بالا را در اختیار مشتریان قرار می دهد و راه حل های آزمایش را مطابق با نیازهای کاربر تدوین می کند ، و خدمات یک مرحله ای را از آزمایش نمونه ، بهینه سازی الگوریتم برای ادغام سیستم ارائه می دهد. خوشامدبا ما تماس بگیرید .برای آزمایش نمونه و پشتیبانی خدمات ارزیابی سفارشی