Garfield
YZF Admin
Görüntü işleme ile kalite kontrol tasarlamak için önce kusurun ölçülebilir tanımını yapın, ardından sabit aydınlatma ve kamera düzeni kurup görüntüleri etiketleyin. Uygun yöntemi seçerek görüntüyü ön işleyin, parçayı referansla karşılaştırın veya sınıflandırın ve sonucu gerçek üretim hatalarıyla doğrulayın. İyi tasarlanmış sistem yalnızca “kusur var” dememeli; hangi koşulda karar verdiğini, kaçırdığı kusurları ve yanlış alarmları da ölçebilmelidir.
İlk adım, kalite kuralını görüntüde ölçülebilen bir koşula dönüştürmektir. Örneğin “etiket düzgün olmalı” ifadesi tek başına yeterli değildir. Bunun yerine etiketin referans konumdan en fazla 2 mm sapması, barkod alanının tamamen görünür olması veya yüzeydeki çizginin belirli bir uzunluğu aşmaması gibi kurallar tanımlanır. Milimetre cinsinden tolerans denetlenecekse kamera kalibrasyonu ve ölçüm düzlemindeki piksel–fiziksel uzunluk dönüşümü doğrulanmalıdır; piksel sayısını doğrudan milimetre kabul etmeyin.
Kusur türlerini de ayrı sınıflara ayırın: eksik parça, yanlış konum, renk farkı, çizik, çatlak, leke ve şekil bozukluğu aynı görüntü yöntemiyle aynı güvenilirlikte tespit edilemez. Kusurun boyutu, yönü, rengi, parça üzerindeki konumu ve kabul edilebilir toleransı tasarımın temel girdileridir.
Görüntü işleme yazılımı, değişken çekim koşullarını çoğu zaman kusur sanabilir. Bu nedenle kamera yüksekliği, görüş açısı, lens, çalışma mesafesi, parça konumu ve aydınlatma mümkün olduğunca sabitlenmelidir. Parlak metal yüzeylerde doğrudan ışık yansıma oluşturabilir; çizik veya kabartma ararken eğik ışık, renk kontrolünde ise daha dengeli ve tekrarlanabilir aydınlatma gerekebilir.
Önemli bilgi: Çözünürlük, algılanacak en küçük kusurun görüntüde yeterli sayıda piksele karşılık gelmesini sağlamalıdır. Bir kusur yalnızca bir veya iki piksel genişliğindeyse eşikleme ve gürültü giderme sırasında kaybolabilir.
Kural tabanlı görüntü işleme, kusur ölçütleri belirgin ve parça konumu kontrollü olduğunda açıklanabilir ve hızlıdır. Makine öğrenmesi veya derin öğrenme ise görünümü değişken, kusur biçimi çeşitlenen ya da doğrudan kuralla ifade edilmesi zor durumlarda yararlı olabilir. Ancak öğrenen model, kendisine gösterilmeyen kusur türlerini güvenilir biçimde bulacağı anlamına gelmez.
Seçim yaparken yalnızca doğruluk oranına bakmayın. Üretim hattındaki karar süresi, yanlış ret maliyeti, gözden kaçan kusurun riski, açıklanabilirlik ihtiyacı ve yeni ürünlerde yeniden eğitim gerekip gerekmediği de değerlendirilmelidir.
Varsayımsal olarak, sabit konumda gelen siyah bir parçanın yüzeyindeki açık renkli çizikleri aradığınızı düşünün. Her görüntüde önce parçanın beklenen bölgesini maskeleyin. Böylece taşıyıcı bant veya çevredeki nesneler analize girmez. Ardından gri tonlu görüntüye dönüştürün, parlak çizikleri eşikleme ile ayırın ve küçük gürültü bölgelerini filtreleyin.
Örnek girdide eşikleme sonucunda üç bölge bulunduğunu varsayalım: 4 piksel, 18 piksel ve 96 piksel. Minimum kusur alanı 20 piksel olarak belirlenmişse ilk iki bölge elenir, 96 piksellik bölge kusur adayı olarak işaretlenir. Ancak bu sonuç tek başına parçanın kesin olarak hatalı olduğunu kanıtlamaz; parlama, toz veya kamera gürültüsü de aynı görünüme yol açabilir. Bu nedenle eşiği farklı aydınlatma koşullarında ve gerçek kusurlu parçalarla doğrulamak gerekir.
Daha güvenilir bir karar için her aday bölgenin alanı, uzunluğu, en-boy oranı, parlaklık farkı ve referans bölgeye uzaklığı birlikte kullanılabilir. Örneğin alanı 20 pikselden büyük olan, uzunluğu 8 pikseli aşan ve parça maskesi içinde kalan bölgeler ret adayı yapılabilir. Bu kurallar üretim toleransına göre belirlenmeli; örnek sayılar gerçek ölçüm yapılmış gibi kabul edilmemelidir.
Kamera, aydınlatma ve görüntü alma yazılımı hazırsa ilk denemeyi küçük ama temsil gücü olan bir veri kümesiyle yapın. Veri kümesinde yalnızca kusursuz ürünler değil, her kusur türünden örnekler, sınırda kalan parçalar ve normal üretim değişkenlikleri de bulunmalıdır.
Kusur tespit edildiğinde bu, görüntünün belirlenen görsel ölçütü aştığını gösterir; parçanın üretim standardına kesin olarak aykırı olduğunu tek başına kanıtlamaz. Ölçüt ile gerçek kalite kuralı arasında doğrulama yapılmalıdır. Kusur bulunmadığında da sistemin tüm kusurları yakaladığı sonucu çıkarılamaz; özellikle eğitimde az görülen, düşük kontrastlı veya farklı konumdaki kusurlar kaçırılabilir.
İki ölçüm özellikle önemlidir: kaçırma oranı yani gerçek kusurlu parçaların ne kadarının kabul edildiği ve yanlış alarm oranı yani kusursuz parçaların ne kadarının hatalı işaretlendiği. Güvenlik veya müşteri riski yüksek kusurlarda kaçırma oranını düşürmek öncelikli olabilir; ancak bu tercih yanlış ret ve manuel inceleme yükünü artırabilir.
Performans zamanla düşerse önce kamera görüntüsünü, ışık şiddetini, lens temizliğini, parça konumunu ve arka planı karşılaştırın. Değişiklik yoksa yeni üretim partisindeki kusur çeşitliliğini ve etiketlerin doğruluğunu inceleyin. Model veya eşik değiştirmeden önce, hangi örneklerde hata oluştuğunu görüntüleriyle birlikte ayırmak gerekir; aksi hâlde sorun veri toplama, mekanik hizalama veya aydınlatma kaynaklıyken yazılımı değiştirmek yanlış çözüm olabilir.
Problemi ölçülebilir hâle getirin
İlk adım, kalite kuralını görüntüde ölçülebilen bir koşula dönüştürmektir. Örneğin “etiket düzgün olmalı” ifadesi tek başına yeterli değildir. Bunun yerine etiketin referans konumdan en fazla 2 mm sapması, barkod alanının tamamen görünür olması veya yüzeydeki çizginin belirli bir uzunluğu aşmaması gibi kurallar tanımlanır. Milimetre cinsinden tolerans denetlenecekse kamera kalibrasyonu ve ölçüm düzlemindeki piksel–fiziksel uzunluk dönüşümü doğrulanmalıdır; piksel sayısını doğrudan milimetre kabul etmeyin.
Kusur türlerini de ayrı sınıflara ayırın: eksik parça, yanlış konum, renk farkı, çizik, çatlak, leke ve şekil bozukluğu aynı görüntü yöntemiyle aynı güvenilirlikte tespit edilemez. Kusurun boyutu, yönü, rengi, parça üzerindeki konumu ve kabul edilebilir toleransı tasarımın temel girdileridir.
Kamera ve aydınlatmayı modelden önce sabitleyin
Görüntü işleme yazılımı, değişken çekim koşullarını çoğu zaman kusur sanabilir. Bu nedenle kamera yüksekliği, görüş açısı, lens, çalışma mesafesi, parça konumu ve aydınlatma mümkün olduğunca sabitlenmelidir. Parlak metal yüzeylerde doğrudan ışık yansıma oluşturabilir; çizik veya kabartma ararken eğik ışık, renk kontrolünde ise daha dengeli ve tekrarlanabilir aydınlatma gerekebilir.
Önemli bilgi: Çözünürlük, algılanacak en küçük kusurun görüntüde yeterli sayıda piksele karşılık gelmesini sağlamalıdır. Bir kusur yalnızca bir veya iki piksel genişliğindeyse eşikleme ve gürültü giderme sırasında kaybolabilir.
Uygun denetim yöntemini seçin
Kural tabanlı görüntü işleme, kusur ölçütleri belirgin ve parça konumu kontrollü olduğunda açıklanabilir ve hızlıdır. Makine öğrenmesi veya derin öğrenme ise görünümü değişken, kusur biçimi çeşitlenen ya da doğrudan kuralla ifade edilmesi zor durumlarda yararlı olabilir. Ancak öğrenen model, kendisine gösterilmeyen kusur türlerini güvenilir biçimde bulacağı anlamına gelmez.
| Denetim yaklaşımı | Uygun olduğu durum | Temel risk |
|---|---|---|
| Eşikleme ve maskeleme | Renk veya parlaklık farkı belirgin, arka plan sabit ürünler | Işık değişimi ve yansıma sonucu yanlış alarm |
| Kenar ve geometrik ölçüm | Konum, çap, uzunluk veya hizalama kontrolü | Parçanın konumu değişirse ölçüm kayabilir |
| Referans görüntü karşılaştırması | Doğru ürün şekli ve konumu sabit olan hatlar | Hizalama hatası gerçek kusur gibi algılanabilir |
| Makine öğrenmesi | Kusur görünümü çeşitlenen veya karmaşık ürünler | Eksik, dengesiz veya hatalı etiketlenmiş veri |
Örnek tasarım: yüzeyde çizik tespiti
Varsayımsal olarak, sabit konumda gelen siyah bir parçanın yüzeyindeki açık renkli çizikleri aradığınızı düşünün. Her görüntüde önce parçanın beklenen bölgesini maskeleyin. Böylece taşıyıcı bant veya çevredeki nesneler analize girmez. Ardından gri tonlu görüntüye dönüştürün, parlak çizikleri eşikleme ile ayırın ve küçük gürültü bölgelerini filtreleyin.
Örnek girdide eşikleme sonucunda üç bölge bulunduğunu varsayalım: 4 piksel, 18 piksel ve 96 piksel. Minimum kusur alanı 20 piksel olarak belirlenmişse ilk iki bölge elenir, 96 piksellik bölge kusur adayı olarak işaretlenir. Ancak bu sonuç tek başına parçanın kesin olarak hatalı olduğunu kanıtlamaz; parlama, toz veya kamera gürültüsü de aynı görünüme yol açabilir. Bu nedenle eşiği farklı aydınlatma koşullarında ve gerçek kusurlu parçalarla doğrulamak gerekir.
Daha güvenilir bir karar için her aday bölgenin alanı, uzunluğu, en-boy oranı, parlaklık farkı ve referans bölgeye uzaklığı birlikte kullanılabilir. Örneğin alanı 20 pikselden büyük olan, uzunluğu 8 pikseli aşan ve parça maskesi içinde kalan bölgeler ret adayı yapılabilir. Bu kurallar üretim toleransına göre belirlenmeli; örnek sayılar gerçek ölçüm yapılmış gibi kabul edilmemelidir.
Uygulama sırasını kurun
Kamera, aydınlatma ve görüntü alma yazılımı hazırsa ilk denemeyi küçük ama temsil gücü olan bir veri kümesiyle yapın. Veri kümesinde yalnızca kusursuz ürünler değil, her kusur türünden örnekler, sınırda kalan parçalar ve normal üretim değişkenlikleri de bulunmalıdır.
- Kabul ve ret ölçütlerini yazılı hâle getirin. Her kusur sınıfı için minimum boyut, konum toleransı ve karar sonucunu belirleyin; “görsel olarak benziyor” gibi denetlenemeyen ifadeleri ölçülebilir kurallara dönüştürün.
- Çekim düzenini sabitleyin. Kamera, lens, ışık, parça yüksekliği ve arka planı belirleyin; aynı parçayı farklı zamanlarda çektiğinizde görüntüdeki değişimin kusurdan değil sistemden kaynaklanmadığını kontrol edin.
- Görüntü veri kümesini etiketleyin. Kusursuz görüntüleri, kusur türlerini ve sınır durumlarını ayrı tutun; bir parçaya ait benzer görüntülerin hem eğitim hem doğrulama kümesine karışması ölçümü yapay biçimde iyileştirebilir.
- İlgi bölgesini belirleyin. Analizi yalnızca ürünün kontrol edilecek alanıyla sınırlandırın; bu işlem arka plan kaynaklı yanlış alarmları azaltır ve hesaplama yükünü düşürür.
- En basit çalışan yöntemi kurun. Önce eşikleme, kenar, ölçüm veya referans karşılaştırması gibi açıklanabilir bir yöntem deneyin; yeterli değilse özellik tabanlı veya öğrenen bir modele geçin.
- Karar eşiklerini doğrulama görüntüleriyle ayarlayın. Eşiği yalnızca eğitim görüntülerinde değil, daha önce kullanılmamış görüntülerde de test edin; kabul edilen kusurları ve hatalı retleri ayrı sayın.
- Üretim koşulunda deneme çalışması yapın. Farklı vardiya, ışık seviyesi, ürün partisi ve normal operatör değişkenliği altında sistemi izleyin; laboratuvarda iyi görünen sonuç üretim hattında aynı kalmayabilir.
- Sonucu kayıt altına alın ve insan incelemesini tanımlayın. Görüntü, karar, güven skoru veya ölçülen değerler ve yazılım sürümü birlikte saklanacaksa saklama süresini ve erişim yetkilerini belirleyin; sınırda kalan parçalar için yeniden inceleme akışı oluşturun.
Sonuçları doğru yorumlayın
Kusur tespit edildiğinde bu, görüntünün belirlenen görsel ölçütü aştığını gösterir; parçanın üretim standardına kesin olarak aykırı olduğunu tek başına kanıtlamaz. Ölçüt ile gerçek kalite kuralı arasında doğrulama yapılmalıdır. Kusur bulunmadığında da sistemin tüm kusurları yakaladığı sonucu çıkarılamaz; özellikle eğitimde az görülen, düşük kontrastlı veya farklı konumdaki kusurlar kaçırılabilir.
İki ölçüm özellikle önemlidir: kaçırma oranı yani gerçek kusurlu parçaların ne kadarının kabul edildiği ve yanlış alarm oranı yani kusursuz parçaların ne kadarının hatalı işaretlendiği. Güvenlik veya müşteri riski yüksek kusurlarda kaçırma oranını düşürmek öncelikli olabilir; ancak bu tercih yanlış ret ve manuel inceleme yükünü artırabilir.
Performans zamanla düşerse önce kamera görüntüsünü, ışık şiddetini, lens temizliğini, parça konumunu ve arka planı karşılaştırın. Değişiklik yoksa yeni üretim partisindeki kusur çeşitliliğini ve etiketlerin doğruluğunu inceleyin. Model veya eşik değiştirmeden önce, hangi örneklerde hata oluştuğunu görüntüleriyle birlikte ayırmak gerekir; aksi hâlde sorun veri toplama, mekanik hizalama veya aydınlatma kaynaklıyken yazılımı değiştirmek yanlış çözüm olabilir.
Son düzenleme:
