Ինչպես գնահատել մեքենայական տեսողության համակարգի կատարումը եւ ճշգրտությունը:

Արդյունաբերական ավտոմատացման եւ խելացի արտադրության շարունակական խորությամբ,Machine Vision համակարգերն աստիճանաբար դարձել են արտադրական հսկման եւ արտադրական կայքերի օպտիմիզացման հիմնական արտադրական սարքավորումներ: Բայց շատ օգտվողների համար, թե ինչպես գիտականորեն գնահատել համակարգի աշխատանքը եւ ճշգրտությունը մեքենայի տեսողության ծրագրեր ընտրելիս, փորձարկելիս կամ ներմուծելիս, դեռեւս առանցքային գործոն է, որը ազդում է տեղակայման հաջողության վրա:

Հետեւյալը կկենտրոնանա սարքավորումների գնահատման չափանիշներին: Արտադրության փորձարկման մեթոդներ եւ գործնական կիրառման հիմնական կետեր Օգնեք ձեռնարկություններին դատում, արդյոք մի շարք մեքենայական տեսողության սարքավորումներ իսկապես «գործնական» եւ «հուսալի» են ավելի մասնագիտական ​​եւ գործնական տեսանկյունից:

1. Արդյունավետության գնահատման հիմնական չափերը

Մեքենայական տեսողության համակարգը գնահատելու համար այն սովորաբար պահանջում է սկսած հինգ չափսերից. Պատկերների որակի, ստուգման արագություն, նույնականացման ճշգրտություն, շրջակա միջավայրի կայունություն եւ համակարգի համատեղելիություն.

1. Պատկերների որակը

Պատկերները տեսողական համակարգի հիմքն են, եւ դուք պետք է ուշադրություն դարձնեք ցուցանիշներին գնահատելիս.

Բանաձեւ եւ հստակություն. Մանրամասների համար պահանջվող պիքսելային խտությունը բավարարված է.

Լույս եւ հակադրություն. Պատկերը պայծառ է եւ նույնիսկ, եւ արդյոք ուրվագիծը պարզ է.

Խեղակումների եւ կտրուկ հսկողություն. Ապրանքներն ունեն օպտիկական բավարար որակ:

Բարձրորակ պատկերները կարող են ոչ միայն բարելավել ալգորիթմի ճանաչման էֆեկտը, այլեւ երաշխիքներ տրամադրել հետագա տվյալների մշակման համար:

2-ը: Նույնականացման ճշգրտություն

Acc շգրտությունը սովորաբար օգտագործվում է իրական արտադրության մեջ տեսողական ալգորիթմների կատարողականը չափելու համար: Գնահատման մեթոդները ներառում են.

Թերի ճանաչման ճշգրտություն (TPR)

Կեղծ հայտնաբերման արագություն (FPR) եւ բաց թողնված հայտնաբերման արագություն (FNR)

OCR- ի ճանաչման մակարդակը կամ շտրիխ կարդալու հաջողության մակարդակը

Կառուցելով նմանեցված աշխատանքային պայմաններ, սենսորները կարող են օգտագործվել ստուգման համար նմուշների պատկերներ շարունակելու համար: Առաջարկվում է, որ փորձարկման նմուշները հնարավորինս հավաքվեն, որպեսզի ապահովեն բազմաթիվ պայմաններ:

3. Վերամշակման արագությունը

Անկախ նրանից, թե համակարգը կարող է բավարարել ծեծի պահանջները գնահատման բանալիներից մեկն է: Ընդհանուր առմամբ ներառում է.

Պատկերի ձեռքբերման արագություն (շրջանակի փոխարժեք)

Պատկերի մշակման ժամանակը (MS)

Ամբողջ մեքենայի պատասխանը եւ ելքային ժամանակը

Իրական նախագծերում խորհուրդ է տրվում օգտագործել «ամբողջական համակարգը հավաքագրման ամբողջական համակարգը ելքային արդյունքներից», իրական չափումը կատարելու համար:

4. Կայունություն եւ հակափոխանքներ

Գնահատել, թե արդյոք համակարգը կարող է երկար ժամանակ աշխատել իրական արդյունաբերական միջավայրում, կենտրոնանալ.

Հարմարվում է շրջակա միջավայրի փոփոխություններին

Կայուն կատարում ջերմաստիճանի, խոնավության, թրթռման եւ էլեկտրամագնիսական միջամտության ներքո

Երկարաժամկետ շարունակական գործունեության ընթացքում կա որեւէ կապի կամ նույնականացման շեղում:

Եթե ​​այն գտնվում է եռակցման սեմինարի, նավթի լցոնված միջավայրի կամ թրթռող արտադրական գիծ, ​​առաջարկվում է իրականացնել իրական կյանքի ստուգման թեստեր:

5. Համակարգի բացություն եւ համատեղելիություն

Մեքենայական տեսողության համակարգերը հաճախ պետք է կապված լինեն PLC, ռոբոտին, տվյալների բազայում կամ MES համակարգերին եւ պետք է ուշադրություն դարձնեն.

Անկախ նրանից, թե այն աջակցում է ստանդարտ արձանագրություններին (օրինակ, Gige Vision, USB3 տեսողություն, Modbus, OPC UA եւ այլն);

Արդյոք SDK- ին տրամադրել երկրորդական զարգացմանը.

Անկախ նրանից, թե պատկերները աջակցում են բազմաբնույթ ձեւաչափի արտահանումը եւ պլատֆորմի նավահանգիստը (օրինակ, Halcon, VisionPro, LabView եւ այլն);

Խիստ համատեղելի համակարգը նպաստում է ապագա ընդլայնմանը եւ պահպանմանը:

2. Ինչպես ստեղծել արդյունավետության արդյունավետ փորձարկման լուծում:

Տեսողական համակարգի կատարումը գիտականորեն գնահատելու համար խորհուրդ է տրվում, որ ձեռնարկությունները ներմուծման փուլում ստեղծեն հետեւյալ գործընթացները.

Հստակեցրեք հայտնաբերման նպատակային եւ ճշգրտության պահանջները.

Ստեղծեք վերահսկման նմուշի գրադարան. Ներառյալ նորմալ արտադրանք, բնորոշ թերի արտադրանքներ եւ սահմանային դեպքեր.

Կառուցեք փորձարկման պլատֆորմ. Մնացորդային գործունեության իրական պայմանները շարունակական գործողության համար.

Հավաքել վիճակագրական տվյալներ. Ճշգրտություն, արձագանքման ժամանակ, աննորմալ իրավիճակներ եւ այլն;

Փուլտի փորձարկում եւ օպտիմիզացում. Անընդհատ կարգավորեք պարամետրերը եւ ալգորիթմները, որոնք հիմնված են թեստի արդյունքների վրա.

Իրական նմուշների եւ աշխատանքային պայմանների փորձարկումների միջոցով անհրաժեշտությունը կարող է արդյունավետորեն ընտրվել անհրաժեշտ լուծումը:

3. Գործի տեղեկանք. Նիշերի հայտնաբերման նախագիծ էլեկտրոնիկայի արդյունաբերության ոլորտում

Էլեկտրոնիկայի գործարանի արտադրության համակարգը ներմուծում է խելացի տեսողության համակարգ `մարտկոցի գործի նիշերը հայտնաբերելու համար, եւ հաճախորդները հիմնականում կենտրոնանում են բնութագրերի ամբողջականության եւ ճանաչման սխալի գների վրա: Տեսողական համակարգի կողմից փորձարկելուց հետո հետեւյալը տվյալների ստացված առավել համապարփակ արդյունքն է.

Միջին ճանաչման ճշգրտություն. 99.2%

Թյուրկածի փոխարժեքը `<0.3%

Պատկերի ճանաչման ամբողջ պատասխանը `80ms

Նիշերի հակադրությամբ հարմարվողական ճշգրտման գործառույթը, 15% բարելավում Անցման արագության մեջ

Միեւնույն ժամանակ, համակարգը աջակցում է հաճախորդի MES համակարգի անլար մուտքի, իրական ժամանակի վերբեռնման եւ նույնականացման արդյունքների աննորմալ հետագծելիության համար

Machine Vision- ը սարք չէ, որը կարող է օգտագործվել պարզապես տեղադրմամբ: Համակարգի կատարումը եւ ճշգրտությունը ուղղակիորեն ազդում են հայտի վերջնական ազդեցության վրա: Միայն ստանդարտ փորձարկման մեթոդներով, իրական դիմումի սցենարային սիմուլյացիայի եւ բազմաբնութային ցուցիչի գնահատմամբ կարող են ճշգրիտ ընտրել եւ նվազեցնել դատաքննության եւ սխալի ծախսերը:

Zhixiang Vision- ը շարունակում է հաճախորդներին տրամադրել բարձրորակ եւ բարձր կայունություն մեքենայի տեսլականի լուծումներ եւ ձեւակերպել փորձարկման լուծումներ `օգտագործողի կարիքների հետ միասին, միակողմանի ծառայություններ մատուցելով նմուշային փորձարկումներից, ալգորիթմի օպտիմիզացում համակարգի ինտեգրման միջոցով: ողջույնԿապվեք մեզ հետ նմուշների ստուգման եւ հարմարեցված գնահատման ծառայության աջակցության համար: