Како проценити перформансе и тачност система визије машине?

Са непрекидним продужењем индустријске аутоматизације и интелигентне производње,Системи са визијом машине постепено постају кључна производна опрема за контролу квалитета и оптимизацију процеса на производним веб локацијама. Али за многе кориснике, како научно процијенити перформансе и тачност система приликом одабира, тестирање или увозних визијских визија и даље је кључни фактор који утиче на успех размештања.

Следеће ће се фокусирати на критеријуме за оцењивање опреме. Методе испитивања и практичне апликације Кључне тачке Помоћ Предузећа судију да ли је сет опреме за визију машине заиста 'практичан' и 'поуздан' из професионалније и практичније перспективе.

1. Основне димензије процене перформанси

Да би се проценила систем визиције машине, обично је потребно почевши од пет димензија: квалитет слике, брзине инспекције, тачности идентификације, стабилност животне средине и компатибилност система:

1. квалитет слике

Слике су основа визуелног система и требали бисте обратити пажњу на индикаторе приликом процене:

Резолуција и јасноћа: да ли је испуњена густина пиксела потребна за детаље;

Светлост и контраст: да ли је слика светла и чак и да ли је обрис јасан;

Искривљење и оштрина Контрола: да ли објектив има довољно оптичког квалитета.

Висококвалитетне слике не могу само да побољшају ефекат признања алгоритама, већ дају и гаранције за накнадну обраду података.

2 Тачност идентификације

Тачност се обично користи за мерење перформанси визуелних алгоритама у стварној производњи. Методе евалуације укључују:

Прецизност препознавања оштећења (ТПР)

Лажна стопа откривања (ФПР) и пропуштена стопа откривања (ФНР)

Стопа препознавања ОЦР-а или стопи читање баркода

Изградња симулираних услова рада, сензори се могу користити за континуирано увоз угледних слика за верификацију. Препоручује се да се у узорци испитивања сакупљају што је више могуће како би се осигурало да се рачуна више услова.

3. Брзина обраде

Без обзира да ли систем може да испуни потребе за бетањем један је од кључева за процену. Опћенито укључују:

Брзина стицања слике (брзина кадрова)

Време обраде слике (МС)

Целокупно време машине и време излаза

У стварним пројектима препоручује се употреба укупног времена 'комплетног система из прикупљања резултата' да би се спровело стварно мерење.

4. Стабилност и уплитање против мерења

Да би се проценио да ли систем може дуго радити у правом индустријском окружењу, фокусирање на:

Прилагодљивост променама амбијенталне светлости

Стабилне перформансе под температуром, влагом, вибрацијом и електромагнетном сметњем

Постоји ли неки заостајање или идентификациони одступање током дугорочне континуиране операције?

Ако је у радионици за заваривање, окружење испуњено уљем или вибрирајућим производном линијом, препоручује се спровођење тестова верификације у стварном животу.

5. Отвореност и компатибилност система

Системи машинских вида често треба да буду повезани на ПЛЦ, робот, база података или МЕС системе и треба да обрате пажњу на:

Да ли подржава стандардне протоколе (као што је ГИГЕ Висион, УСБ3 Висион, Модбус, ОПЦ УА итд.);

Да ли да обезбеди СДК за средњи развој;

Да ли слике подржавају извоз и платформу за више формата (као што су Халцон, ВисионПро, лабВИЕВ итд.);

Високо компатибилни систем погодује будућем ширењу и одржавању.

2 Како изградити ефикасно решење за тестирање перформанси?

Да научно процени перформансе визуелног система, препоручује се да предузећа поставе следеће процесе током фазе увоза:

Појасните циљни циљ и тачност за откривање: као што је тачност димензије, стопа препознавања знакова итд.;

Успоставите библиотеку управљачких узорка: укључујући нормалне производе, типичне неисправне производе и граничне случајеве;

Изградите тестну платформу: симулирајте стварне услове рада за континуирани рад;

Прикупите статистичке податке: Тачност, време одзива, ненормалне ситуације итд.;

Резултати и оптимизација фазе: Континуирано прилагођавајте параметре и алгоритме засноване на резултатима испитивања;

Кроз праве узорке и тестирање радних услова, решење које најбоље испуњава потребе може се ефикасно одабрати.

3. Референца случаја: Пројекат детекције знакова у индустрији електронике

Производни систем електронике увози интелигентни систем визије да би се идентификовали знакови предмета батерије, а купци се углавном фокусирају на потпуност карактера и брзине грешака. Након тестирања визуелног система, следеће је најопсежнији резултат који генерише подаци:

Просечна тачности препознавања: 99,2%

Брзина заблуде: <0,3%

Вријеме одзива о целој препознавању слике: 80мс

Контрастна контрастна функција прилагођавања прилагођавања, 15% побољшање у пролазници

Истовремено, систем подржава бешавни приступ корисничком систему МЕСС-а, уплочани у реалном времену и ненормалној сљедивости идентификационих резултата

Машинска визија није уређај који се може једноставно користити инсталацијом. Перформансе и тачност система директно утичу на коначни ефекат примене. Само стандардним методама испитивања, сценариј праве апликације Симулација и вишедимензионални показатељ индикатора могу прецизно одабрати и смањити трошкове пробне и грешке.

Зхикианг Висион и даље пружа купцима са високим перформансама и високим стабилношћу Висион Солутионс и формулише тест решења у складу са потребама корисника, пружајући корисничке услуге од испитивања узорка, оптимизације алгоритама. добродошлиКонтактирајте нас за испитивање узорка и прилагођену подршку за евалуацију.