Ako vyhodnotiť výkon a presnosť systému strojového videnia?

S nepretržitým prehlbovaním priemyselnej automatizácie a inteligentnej výroby,Systémy strojového videnia sa postupne stali kľúčovým výrobným zariadením pre kontrolu kvality a optimalizáciu procesov na výrobných lokalitách. Ale pre mnohých používateľov, ako vedecky vyhodnotiť výkon a presnosť systému pri výbere, testovaní alebo importovaní projektov strojového videnia, je stále kľúčovým faktorom ovplyvňujúcim úspech nasadenia.

Na kritériá hodnotenia zariadení sa zameria nasledujúce. Metódy testovania výroby a praktické aplikácie Kľúčové body pomáhajú podnikom posúdiť, či je súbor zariadení strojového videnia skutočne „praktický“ a „spoľahlivý“ z profesionálnejšieho a praktickejšieho hľadiska.

1. Základné rozmery hodnotenia výkonnosti

Na vyhodnotenie systému strojového videnia zvyčajne vyžaduje začatie piatich rozmerov: kvalita zobrazovania, rýchlosť kontroly, presnosť identifikácie, stabilita životného prostredia a kompatibilita systému:

1. Kvalita zobrazovania

Obrázky sú základom vizuálneho systému a pri hodnotení by ste mali venovať pozornosť ukazovateľom:

Rozlíšenie a jasnosť: či je splnená hustota pixelov potrebná pre podrobnosti;

Svetlo a kontrast: či je obrázok jasný a párne a či je obrys čistý;

Riadenie skreslenia a ostrosti: Či má šošovka dostatočná optická kvalita.

Kvalitné obrázky môžu nielen zlepšiť efekt rozpoznávania algoritmu, ale tiež poskytnúť záruky pre následné spracovanie údajov.

2. Presnosť identifikácie

Presnosť sa zvyčajne používa na meranie výkonnosti vizuálnych algoritmov v skutočnej výrobe. Metódy hodnotenia zahŕňajú:

Presnosť rozpoznávania defektov (TPR)

Miera falošnej detekcie (FPR) a miera detekcie zmeškanej (FNR)

Rýchlosť rozpoznávania OCR alebo miera úspešnosti čítania čiarových kódov

Budovaním simulovaných pracovných podmienok sa senzory môžu použiť na nepretržitý import obrázkov vzoriek na overenie. Odporúča sa, aby sa testovacie vzorky odobrali čo najviac, aby sa zabezpečilo, že sa spočítajú viac podmienok.

3. Rýchlosť spracovania

To, či systém môže splniť požiadavky na rytmus, je jedným z kľúčov k hodnoteniu. Všeobecne zahŕňajú:

Rýchlosť získavania obrazu (snímková frekvencia)

Čas spracovania obrazu (MS)

Celá reakcia a čas výstupu

V skutočných projektoch sa odporúča využívať celkový čas „kompletného systému od kolekcie po výsledky výstupu“ na vykonanie skutočného merania.

4. Stabilita a anti-interferencia

Ak chcete vyhodnotiť, či systém môže dlho pracovať v skutočnom priemyselnom prostredí, zamerajte sa na:

Prispôsobiteľnosť na zmeny okolitého svetla

Stabilný výkon pri teplote, vlhkosti, vibráciách a elektromagnetickom interferencii

Existuje nejaká odchýlka oneskorenia alebo identifikácie počas dlhodobej nepretržitej prevádzky?

Ak sa nachádza v zváracej dielni, prostredí naplnených olejom alebo vibračnej výrobnej linke, odporúča sa vykonať testy overovania v reálnom živote.

5. Otvorenie systému a kompatibilita

Systémy strojového videnia musia byť často pripojené k systémom PLC, Robot, Database alebo MES a mali by venovať pozornosť:

Či už podporuje štandardné protokoly (napríklad Gige Vision, USB3 Vision, Modbus, OPC UA atď.);

Či poskytnúť SDK pre sekundárny rozvoj;

Či obrázky podporujú export viacerých formátov a dokovanie platformy (napríklad Halcon, VisionPro, LabView atď.);

Vysoko kompatibilný systém vedie k budúcemu rozširovaniu a údržbe.

2. Ako vybudovať efektívne riešenie testovania výkonnosti?

Na vedecké vyhodnotenie výkonu vizuálneho systému sa odporúča, aby podniky nastavili nasledujúce procesy počas fázy importu:

Objasnite požiadavky na detekciu a požiadavky na presnosť: napríklad presnosť rozmeru, miera rozpoznávania znakov atď.;

Zriadiť knižnicu kontrolnej vzorky: vrátane normálnych výrobkov, typických chybných výrobkov a hraničných prípadov;

Zostavte testovaciu platformu: Simulujte skutočné pracovné podmienky pre nepretržitú prevádzku;

Zbierajte štatistické údaje: presnosť, čas odozvy, neobvyklé situácie atď.;

Fázové opakovanie a optimalizácia: Kontinuálne upravte parametre a algoritmy na základe výsledkov testov;

Prostredníctvom testovania skutočných vzoriek a pracovných podmienok je možné efektívne vybrať riešenie, ktoré najlepšie vyhovuje potrebám.

3. Referencia prípadu: Projekt detekcie znakov v elektronickom priemysle

Elektronický výrobný systém továrne importuje inteligentný systém vízie na identifikáciu znakov prípadov batérie a zákazníci sa zameriavajú hlavne na mieru úplnosti a chybovosti v rozpoznávaní. Po testovaní vizuálnym systémom je toto najkomplexnejšie výsledky generované údajmi:

Priemerná presnosť rozpoznávania: 99,2%

Mytová miera: <0,3%

Celý čas odozvy rozpoznávania obrázka: 80 ms

Funkcia adaptačnej úpravy znaku, 15% zlepšenie rýchlosti prenosu

Systém zároveň podporuje plynulý prístup k systému zákazníka MES, nahrávanie v reálnom čase a abnormálna sledovateľnosť výsledkov identifikácie

Vision Machine nie je zariadenie, ktoré sa dá použiť jednoducho inštaláciou. Výkon a presnosť systému priamo ovplyvňujú konečný účinok aplikácie. Iba podľa štandardných testovacích metód, simulácie reálneho scenára aplikácie a viacrozmerné hodnotenie indikátorov môžu podniky presne vybrať a znížiť náklady na pokusy a chyby.

Zhixiang Vision naďalej poskytuje zákazníkom vysoko výkonné a vysoké stability riešenia strojového videnia a formuluje testovacie riešenia v súlade s potrebami používateľov a poskytuje jednotné kontaktné služby od testovania vzoriek, optimalizácie algoritmov po integráciu systému. privítaťKontaktujte nás a získajte testovanie vzoriek a prispôsobenú podporu služieb hodnotenia.