Datenerfassung für visuelle Inspektion mit Vision

Erstellen Sie einen Datensatz mit fehlerhaften Teilen für eine Anwendung zur Qualitätskontrolle bei der Sichtprüfung.

Die heutigen Anwendungen für die visuelle Inspektion können die Leistung des maschinellen Lernens nutzen, um den Prozess zu automatisieren und einen menschlichen Inspektor zu ersetzen. Die Kosten für den Betrieb solcher Anwendungen werden immer geringer, und ihre Genauigkeit übertrifft in einigen Fällen das menschliche Niveau.

Allerdings sind alle Anwendungen des maschinellen Lernens auf Trainingsdaten angewiesen. Genauso wie ein Mensch trainiert werden muss, um Fehler zu erkennen, muss auch das künstliche Erkennungsmodell trainiert werden. Wir tun dies, indem wir einen Satz (einen so genannten Datensatz) von Bildern korrekt gefertigter Teile im Vergleich zu fehlerhaften Teilen sammeln. Zu diesem Zweck haben wir eine einfache Anwendung erstellt, die Sie aus der Tulip App Library beziehen können.

Voraussetzungen

Um mit der Datenerfassungs-App arbeiten zu können, benötigen wir:

• Eine Kamera, die an eine Tulip Player-Maschine angeschlossen ist
• Die Kamera muss in Tulip Vision konfiguriert sein
• Laden Sie die Datenerfassungs-App aus der Tulip App Library herunter
• Weisen Sie die App demselben Rechner zu wie die angeschlossene Kamera
• Ändern Sie die Kamerazuweisung in der App, damit sie mit Ihrer angeschlossenen Kamera übereinstimmt
• Optional können Sie Regionen in der Kameraansicht einrichten, um den Erfassungsbereich einzuschränken

Weitere Informationen zum Einrichten von Vision-Kameras finden Sie in dem Artikel Erste Schritte mit Vision.

Wie Snapshots Trigger funktionieren, die wir in dieser App verwenden, erfahren Sie im Artikel Verwenden der Snapshot-Funktion.

Empfehlungen für die Beleuchtung

Um eine konsistente und zuverlässige Datenerfassung zu gewährleisten, sollten Sie die folgenden Tipps befolgen: * Die Beleuchtungseinstellungen sollten konsistent sein. * Schränken Sie Schatten/Blendung in der Kameraansicht ein. * Richten Sie eine hohe Auflösung ein, wenn dies unterstützt wird (Sie können dies durch Ändern der Kameraeigenschaften auf der Shopfloor-Seite erreichen). * Die Position des Objekts, das Sie erfassen, sollte die gleiche/sehr ähnlich sein.

Wie man einen Datensatz erstellt

Sobald Sie die Anwendung auf Ihrem Player ausführen, wird eine Ansicht der Kamera angezeigt. Sie haben auch zwei Schaltflächen, mit denen Sie die Ansicht als bestanden oder nicht bestanden markieren können. Klicken Sie auf die Schaltflächen, um die aktuelle Ansicht als gutes oder schlechtes Teil zu markieren, und beobachten Sie, wie sich die Tabelle mit Proben füllt. Sammeln Sie mindestens 10 Bilder aus jeder Klasse: Pass und Fail.

Um Ihre Arbeit zu überprüfen, gehen Sie zur Datenerfassungstabelle und sehen Sie sich Ihre Proben und Anmerkungen an.

Schlussfolgerung

Beginnen Sie mit dem Sammeln eines visuellen Datensatzes von Fehlern für Teile in Ihrem Fertigungsprozess, um sich auf die automatische visuelle Inspektion mit maschinellem Lernen vorzubereiten. Mit der Datenerfassungs-App erstellen Sie Ihren Datensatz in einer Tulip-Tabelle, die Sie anschließend exportieren können (klicken Sie auf das Ellipsen-Symbol in der Tabelle, um den Bilddatensatz herunterzuladen), um ihn mit einem Modellschulungsdienst zu verwenden. Führen Sie die Anwendung einfach auf einem Player mit angeschlossener Kamera aus und kommentieren Sie die Bilder.

Sehen Sie sich diese Bibliotheksanwendung, Vision Data Collection, als Referenz an!

Weitere Lektüre

• Erste Schritte mit Vision
• Verwendung von Vision-Schnappschüssen
• Verwenden des Vision-Kamera-Widgets
• Verwendung von Vision Snapshots mit einem externen OCR-Dienst
• Verwendung von Azure CustomVision.ai mit Tulip für visuelle Inspektion

Haben Sie gefunden, wonach Sie gesucht haben?

Sie können auch zu community.tulip.co gehen und Ihre Frage stellen oder sehen, ob andere eine ähnliche Frage hatten!