Ինչպե՞ս գնահատել մեքենայական տեսողության համակարգերի կատարումը և ճշգրտությունը:

Արդյունաբերական ավտոմատացման և խելացի արտադրության շարունակական խորացմամբ,Մեքենայական տեսողության համակարգերը աստիճանաբար դարձել են հիմնական արտադրական սարքավորում՝ արտադրական տեղամասերում որակի վերահսկման և գործընթացների օպտիմալացման համար: Այնուամենայնիվ, շատ օգտատերերի համար, թե ինչպես գիտականորեն գնահատել համակարգի կատարումն ու ճշգրտությունը մեքենայական տեսողության նախագծեր ընտրելիս, փորձարկելիս կամ ներմուծելիս, դեռևս կարևոր գործոն է, որն ազդում է տեղակայման հաջողության վրա:

Հետևյալը կկենտրոնանա սարքավորումների գնահատման չափանիշների վրա: Արտադրության փորձարկման մեթոդները և գործնական կիրառման կետերն օգնում են ընկերություններին դատել, թե արդյոք մեքենայական տեսողության սարքավորումների հավաքածուն իսկապես «գործնական» և «հուսալի» է ավելի պրոֆեսիոնալ և գործնական տեսանկյունից:

1. Կատարման գնահատման հիմնական չափերը

Մեքենայական տեսողության համակարգը գնահատելու համար սովորաբար անհրաժեշտ է սկսել հինգ չափումներից՝ պատկերի որակը, ստուգման արագությունը, ճանաչման ճշգրտությունը, շրջակա միջավայրի կայունությունը և համակարգի համատեղելիությունը.

1. Պատկերի որակ

Պատկերը տեսողական համակարգի հիմքն է: Գնահատելիս պետք է ուշադրություն դարձնել հետևյալ ցուցանիշներին.

Բանաձև և հստակություն. արդյոք բավարարված է մանրամասն ստուգման համար պահանջվող պիքսելների խտությունը.

Լուսավորություն և հակադրություն. արդյոք պատկերը պայծառ է և հարթ, և արդյոք ուրվագիծը պարզ է.

Խեղաթյուրման և հստակության վերահսկում. Արդյոք ոսպնյակն ունի բավարար օպտիկական որակ:

Բարձրորակ պատկերները կարող են ոչ միայն բարելավել ալգորիթմի ճանաչման էֆեկտը, այլ նաև երաշխիքներ տալ տվյալների հետագա մշակման համար:

2. Ճանաչման ճշգրտություն

Ճշգրտությունը սովորաբար օգտագործվում է իրական արտադրության մեջ տեսողության ալգորիթմների կատարումը չափելու համար: Գնահատման մեթոդները ներառում են.

Թերությունների ճանաչման ճշգրտություն (TPR)

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

OCR ճանաչման կամ շտրիխ կոդերի ընթերցման հաջողության մակարդակը

Դուք կարող եք օգտագործել սենսորներ աշխատանքային պայմանները մոդելավորելու համար և շարունակաբար ներմուծել նմուշներ՝ ստուգման համար: Առաջարկվում է հավաքել հնարավորինս շատ փորձանմուշներ՝ տարբեր պայմանների վիճակագրություն ապահովելու համար:

3. Մշակման արագություն

Արդյո՞ք համակարգը կարող է բավարարել բիթ պահանջները, դա գնահատման բանալիներից մեկն է: Ընդհանուր առմամբ ներառում է.

Պատկերի ձեռքբերման արագություն (կադրերի արագություն)

Պատկերի մշակման ժամանակը (ms)

Մեքենայի ընդհանուր արձագանքը և թողարկման ժամանակը

Փաստացի նախագծերում խորհուրդ է տրվում, որ իրական չափումը հիմնված լինի «ամբողջ համակարգի հավաքագրումից մինչև արդյունքի արդյունքների» ընդհանուր ժամանակի վրա:

4. Կայունություն և հակամիջամտություն

Գնահատեք, թե արդյոք համակարգը կարող է երկար ժամանակ կայուն աշխատել իրական արդյունաբերական միջավայրում՝ կենտրոնանալով.

Հարմարվողականություն շրջակա միջավայրի լույսի փոփոխություններին

Կայուն կատարում ջերմաստիճանի, խոնավության, թրթռումների և էլեկտրամագնիսական միջամտության պայմաններում

Երկարատև շարունակական շահագործման ընթացքում կա՞ որևէ ուշացում կամ ճանաչման շեղում:

Օրինակ, եռակցման արտադրամասերում, յուղոտ միջավայրերում կամ թրթռումային արտադրության գծերում, խորհուրդ է տրվում իրական կյանքի ստուգման թեստեր անցկացնել:

5. Համակարգի բացություն և համատեղելիություն

Մեքենայական տեսողության համակարգերը հաճախ կարիք ունեն ինտերֆեյսի PLC-ի, ռոբոտների, տվյալների բազաների կամ MES համակարգերի հետ: Պետք է ուշադրություն դարձնել.

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

Արդյոք տրամադրել SDK երկրորդական զարգացման համար;

Անկախ նրանից, թե պատկերն աջակցում է բազմաֆորմատ արտահանման և պլատֆորմի միացմանը (օրինակ՝ Halcon, VisionPro, LabVIEW և այլն);

Հզոր համատեղելիությամբ համակարգը նպաստում է հետագա ընդլայնմանը և պահպանմանը:

2. Ինչպե՞ս կառուցել արդյունավետության թեստավորման պլան:

Տեսողության համակարգերի աշխատանքը գիտականորեն գնահատելու համար առաջարկվում է, որ ընկերությունները ներդրման փուլում ստեղծեն հետևյալ գործընթացները.

Հստակեցրեք հայտնաբերման նպատակները և ճշգրտության պահանջները, ինչպիսիք են չափերի ճշգրտությունը, նիշերի ճանաչման արագությունը և այլն;

Ստեղծեք հսկիչ նմուշների գրադարան՝ ներառյալ սովորական արտադրանքները, բնորոշ թերի արտադրանքները և սահմանային դեպքերը.

Կառուցեք փորձնական հարթակ. մոդելավորեք փաստացի աշխատանքային պայմանները շարունակական շահագործման համար.

Հավաքել վիճակագրական տվյալներ՝ ճշգրտություն, արձագանքման ժամանակ, աննորմալ իրավիճակներ և այլն;

Փուլային վերստուգում և օպտիմալացում. շարունակաբար կարգավորել պարամետրերը և ալգորիթմները՝ հիմնվելով թեստի արդյունքների վրա.

Իրական նմուշի և աշխատանքային վիճակի փորձարկման միջոցով կարելի է արդյունավետորեն ընտրել լուծումը, որը լավագույնս համապատասխանում է կարիքներին:

3. Գործի տեղեկանք՝ Էլեկտրոնային արդյունաբերության կերպարների հայտնաբերման նախագիծ

Էլեկտրոնիկայի գործարանի արտադրական համակարգը ներկայացրել է տեսողության խելացի համակարգ՝ մարտկոցների պատյանների նիշերը նույնականացնելու համար: Հաճախորդները հիմնականում մտահոգված են կերպարների ամբողջականության մակարդակով և ճանաչման սխալի մակարդակով: Տեսողության համակարգի հետ փորձարկումից հետո տվյալների ստեղծման ընդհանուր արդյունքը հետևյալն է.

Ճանաչման միջին ճշգրտությունը՝ 99,2%

Կեղծ ճանաչման տոկոսադրույքը` <0,3%

Ամբողջ պատկերի ճանաչման արձագանքման ժամանակը` 80 մս

Նիշերի հակադրության հարմարվողական ճշգրտման գործառույթ, անցման արագությունը մեծանում է 15% -ով

Միևնույն ժամանակ, համակարգը ապահովում է անխափան մուտք դեպի հաճախորդի MES համակարգ՝ հնարավորություն տալով իրական ժամանակում վերբեռնել նույնականացման արդյունքները և աննորմալ հետագծում:

Մեքենայական տեսողությունը այն սարքը չէ, որը կարելի է հեշտությամբ տեղադրել և օգտագործել: Համակարգի կատարումը և ճշգրտությունը ուղղակիորեն ազդում են կիրառման վերջնական էֆեկտի վրա: Ստանդարտ թեստավորման մեթոդների, իրական կիրառական սցենարի մոդելավորման և բազմաչափ ցուցանիշների գնահատման միջոցով ընկերությունները կարող են ճշգրիտ ընտրել մոդելները և նվազեցնել փորձարկման և սխալի ծախսերը:

Zhixiang Vision-ը շարունակում է հաճախորդներին տրամադրել բարձր արդյունավետության, բարձր կայունության մեքենայական տեսողության լուծումներ և մշակում է փորձարկման պլաններ՝ հիմնված օգտագործողների կարիքների վրա՝ տրամադրելով միակողմանի ծառայություններ՝ սկսած նմուշի փորձարկումից, ալգորիթմի օպտիմալացումից մինչև համակարգի ինտեգրում: բարի գալուստԿապվեք մեզ հետ նմուշի փորձարկման և հարմարեցված գնահատման ծառայության աջակցության համար: