Ako hodnotiť výkon a presnosť systémov strojového videnia?

S neustálym prehlbovaním priemyselnej automatizácie a inteligentnej výroby,Systémy strojového videnia sa postupne stali kľúčovými výrobnými zariadeniami pre kontrolu kvality a optimalizáciu procesov na výrobných miestach. Pre mnohých používateľov je však stále kľúčovým faktorom ovplyvňujúcim úspešnosť nasadenia to, ako vedecky vyhodnotiť výkon a presnosť systému pri výbere, testovaní alebo zavádzaní projektov strojového videnia.

Ďalej sa zameriame na kritériá hodnotenia zariadení. Výrobné testovacie metódy a praktické aplikačné body pomáhajú spoločnostiam posúdiť, či je súbor zariadení strojového videnia skutočne „praktický“ a „spoľahlivejší“ z profesionálnejšej a praktickejšej perspektívy.

1. Základné dimenzie hodnotenia výkonu

Na vyhodnotenie systému strojového videnia zvyčajne musíte začať od piatich dimenzií kvality zobrazovania, rýchlosti kontroly, presnosti rozpoznávania, environmentálnej stability a kompatibility systému:

1. Kvalita obrazu

Obraz je základom vizuálneho systému. Pri hodnotení by ste mali venovať pozornosť nasledujúcim ukazovateľom:

Rozlíšenie a ostrosť: Či je splnená hustota pixelov potrebná na podrobnú kontrolu;

Osvetlenie a kontrast: či je obraz jasný a rovnomerný a či je obrys jasný;

Kontrola skreslenia a ostrosti: Či má objektív dostatočnú optickú kvalitu.

Vysokokvalitné obrázky môžu nielen zlepšiť efekt rozpoznávania algoritmu, ale tiež poskytnúť záruku na následné spracovanie údajov.

2. Presnosť rozpoznávania

Presnosť sa zvyčajne používa na meranie výkonu algoritmov videnia v skutočnej výrobe. Metódy hodnotenia zahŕňajú:

Presnosť rozpoznávania defektov (TPR)

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

Miera rozpoznávania OCR alebo úspešnosť čítania čiarového kódu

Pomocou senzorov môžete simulovať pracovné podmienky a priebežne importovať vzorové obrázky na overenie. Odporúča sa odobrať čo najviac testovacích vzoriek, aby sa zabezpečila štatistika rôznych stavov.

3. Rýchlosť spracovania

To, či systém dokáže splniť požiadavky na rytmus, je jedným z kľúčov hodnotenia. Vo všeobecnosti zahŕňajú:

Rýchlosť snímania obrazu (snímková frekvencia)

Čas spracovania obrázka (ms)

Celková odozva stroja a výstupný čas

V skutočných projektoch sa odporúča, aby skutočné meranie vychádzalo z celkového času „celého systému od zberu po výstup výsledkov“.

4. Stabilita a odolnosť proti rušeniu

Vyhodnoťte, či systém môže fungovať stabilne po dlhú dobu v reálnom priemyselnom prostredí, so zameraním na:

Prispôsobivosť zmenám okolitého svetla

Stabilný výkon pri teplote, vlhkosti, vibráciách a elektromagnetickom rušení

Existuje nejaké oneskorenie alebo odchýlka v rozpoznávaní počas dlhodobej nepretržitej prevádzky?

Napríklad vo zváračských dielňach, zaolejovaných prostrediach alebo vibračných výrobných linkách sa odporúča vykonať overovacie testy v reálnom živote.

5. Otvorenosť a kompatibilita systému

Systémy strojového videnia často potrebujú prepojenie s PLC, robotmi, databázami alebo systémami MES. Mali by ste venovať pozornosť:

Či podporuje štandardné protokoly (ako GigE Vision, USB3 Vision, Modbus, OPC UA atď.);

Či poskytnúť SDK pre sekundárny vývoj;

Či obraz podporuje multiformátový export a dokovanie platformy (ako Halcon, VisionPro, LabVIEW atď.);

Systém so silnou kompatibilitou prispieva k budúcemu rozširovaniu a údržbe.

2. Ako zostaviť efektívny plán testovania výkonnosti?

Na vedecké vyhodnotenie výkonnosti systémov počítačového videnia sa odporúča, aby spoločnosti počas úvodnej fázy nastavili nasledujúce procesy:

Ujasnite si ciele detekcie a požiadavky na presnosť: ako je rozmerová presnosť, rýchlosť rozpoznávania znakov atď.;

Vytvorte knižnicu kontrolných vzoriek: vrátane normálnych produktov, typických chybných produktov a hraničných prípadov;

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

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

Fázové opakované testovanie a optimalizácia: Priebežne upravujte parametre a algoritmy na základe výsledkov testov;

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

3. Referenčný prípad: Projekt detekcie znakov elektronického priemyslu

Výrobný systém továrne na elektroniku zaviedol inteligentný systém videnia na identifikáciu znakov na krytoch batérií. Zákazníci sa obávajú hlavne miery integrity znakov a chybovosti rozpoznávania. Po testovaní so systémom videnia je celkový výsledok generovania údajov nasledujúci:

Priemerná presnosť rozpoznávania: 99,2 %

Miera falošného rozpoznania: <0,3 %

Doba odozvy rozpoznávania celého obrazu: 80 ms

Funkcia prispôsobenia kontrastu znakov, rýchlosť prechodu sa zvýši o 15 %

Systém zároveň podporuje bezproblémový prístup do MES systému zákazníka, čo umožňuje nahrávanie výsledkov identifikácie a abnormálne sledovanie v reálnom čase.

Strojové videnie nie je zariadenie, ktoré sa dá jednoducho nainštalovať a používať. Výkon a presnosť systému priamo ovplyvňujú výsledný efekt aplikácie. Prostredníctvom štandardných testovacích metód, simulácie scenára reálnej aplikácie a vyhodnocovania viacrozmerných indikátorov môžu spoločnosti presne vyberať modely a znižovať náklady na pokusy a omyly.

Zhixiang Vision naďalej poskytuje zákazníkom vysokovýkonné a vysoko stabilné riešenia strojového videnia a vyvíja testovacie plány založené na potrebách používateľov, pričom poskytuje komplexné služby od testovania vzoriek, optimalizácie algoritmov až po systémovú integráciu. vitajteKontaktujte nás pre podporu testovania vzoriek a prispôsobeného hodnotenia.