Kako procijeniti performanse i točnost sustava strojnog vida?

S kontinuiranim produbljivanjem industrijske automatizacije i inteligentne proizvodnje,Sustavi strojnog vida postupno postaju ključna proizvodna oprema za kontrolu kvalitete i optimizaciju procesa na proizvodnim mjestima. Ali za mnoge korisnike, kako znanstveno procijeniti performanse i točnost sustava pri odabiru, testiranju ili uvozu projekata strojnog vida i dalje je ključni faktor koji utječe na uspjeh implementacije.

Sljedeće će se usredotočiti na kriterije za procjenu opreme. Metode testiranja proizvodnje i praktične primjene ključne točke pomažu poduzećima da prosuđuju je li skup opreme strojnog vida uistinu 'praktičan' i 'pouzdan' iz profesionalnije i praktičnije perspektive.

1. temeljne dimenzije procjene performansi

Za procjenu sustava strojnog vida obično zahtijeva početak od pet dimenzija: kvaliteta snimanja, brzina inspekcije, točnost identifikacije, stabilnost okoliša i kompatibilnost sustava:

1. Kvaliteta snimanja

Slike su osnova vizualnog sustava i trebali biste obratiti pažnju na pokazatelje prilikom procjene:

Rezolucija i jasnoća: je li ispunjena gustoća piksela potrebna za detalje;

Svjetlo i kontrast: je li slika svijetla i ujednačena i je li obris jasan;

Kontrola izobličenja i oštrine: Ima li objektiv dovoljnu optičku kvalitetu.

Visokokvalitetne slike ne samo da mogu poboljšati učinak prepoznavanja algoritma, već također pružaju jamstva za naknadnu obradu podataka.

2. Točnost identifikacije

Točnost se obično koristi za mjerenje performansi vizualnih algoritama u stvarnoj proizvodnji. Metode evaluacije uključuju:

Točnost prepoznavanja oštećenja (TPR)

Lažna stopa otkrivanja (FPR) i propuštena stopa otkrivanja (FNR)

Stopa prepoznavanja OCR -a ili stopa uspjeha čitanja barkoda

Izgradnjom simuliranih radnih uvjeta, senzori se mogu koristiti za kontinuirano uvoz uzoraka za provjeru. Preporučuje se prikupljanje testnih uzoraka što je više moguće kako bi se osiguralo brojanje više uvjeta.

3. Brzina obrade

Da li sustav može zadovoljiti zahtjeve za ritam, jedan je od ključeva evaluacije. Općenito uključuju:

Brzina stjecanja slike (brzina kadrova)

Vrijeme obrade slike (MS)

Cijeli odziv i vrijeme izlaza stroja

U stvarnim projektima preporučuje se korištenje ukupnog vremena 'cjelovitog sustava od naplate do izlaznih rezultata' za provođenje stvarnog mjerenja.

4. Stabilnost i anti-interferencija

Da biste procijenili može li sustav dugo djelovati u stvarnom industrijskom okruženju, usredotočite se na:

Prilagodljivost promjenama ambijentalne svjetlosti

Stabilne performanse pod temperaturom, vlagom, vibracijama i elektromagnetskim smetnjima

Postoji li kašnjenje ili identifikacijsko odstupanje tijekom dugotrajnog kontinuiranog rada?

Ako je u radionici zavarivanja, okruženju ispunjenom uljem ili vibrirajućem proizvodnjom, preporučuje se provesti testove provjere stvarnog života.

5. Otvorenost i kompatibilnost sustava

Sustavi strojnog vida često moraju biti povezani s PLC -om, robotom, bazom podataka ili MES sustavima i trebali bi obratiti pažnju na:

Da li podržava standardne protokole (poput Gige Vision, USB3 Vision, Modbus, OPC UA, itd.);

Hoće li osigurati SDK za sekundarni razvoj;

Da li slike podržavaju izvoz više formata i pristaje platforme (kao što su Halcon, VisionPro, LabView itd.);

Visoko kompatibilan sustav pogoduje budućem širenju i održavanju.

2. Kako izgraditi učinkovito rješenje za testiranje performansi?

Da bi se znanstveno procijenile performanse vizualnog sustava, preporučuje se da poduzeća postave sljedeće procese tijekom faze uvoza:

Pojasnite ciljeve otkrivanja i zahtjeve za točnošću: poput točnosti dimenziona, stopa prepoznavanja znakova itd.;

Uspostaviti biblioteku kontrolnog uzoraka: uključujući normalne proizvode, tipične neispravne proizvode i granične slučajeve;

Izgradite testnu platformu: simulirati stvarne radne uvjete za kontinuirani rad;

Prikupiti statističke podatke: točnost, vrijeme odziva, nenormalne situacije itd.;

Ponovno testiranje i optimizacija: kontinuirano prilagođavanje parametara i algoritama na temelju rezultata ispitivanja;

Kroz stvarne uzorke i testiranje radnih uvjeta, rješenje koje najbolje zadovoljava potrebe može se učinkovito odabrati.

3. Referenca slučaja: Projekt otkrivanja znakova u industriji elektronike

Sustav za proizvodnju elektroničke tvornice uvozi inteligentni sustav vida kako bi identificirao znakove slučaja baterije, a kupci se uglavnom fokusiraju na cjelovitost znakova i stope pogrešaka u prepoznavanju. Nakon testiranja vizualnim sustavom, sljedeći je najopsežniji rezultat generiran podacima:

Prosječna točnost prepoznavanja: 99,2%

Stopa zablude: <0,3%

Cijelo vrijeme prepoznavanja slike: 80ms

Funkcija prilagodbe kontrasta znakova, 15% poboljšanje u prolazu

Istodobno, sustav podržava neprimjetan pristup kupcu MES sustavu, prijenos u stvarnom vremenu i nenormalno sljedivost rezultata identifikacije

Strojni vid nije uređaj koji se može koristiti jednostavno instalacijom. Učinkovitost i točnost sustava izravno utječu na konačni efekt primjene. Samo standardnim metodama ispitivanja, simulacija scenarija stvarne primjene i višedimenzionalna procjena pokazatelja može precizno odabrati i smanjiti troškove pokušaja i pogrešaka.

Zhixiang Vision i dalje pruža kupcima rješenja visokih performansi i visoke stabilnosti i formulira testna rješenja u skladu s potrebama korisnika, pružajući usluge na jednom mjestu od testiranja uzoraka, optimizacije algoritma do integracije sustava. DobrodošliKontaktirajte nas radi testiranja uzoraka i prilagođene podrške za procjenu usluge.