Inspeção de qualidade robótica: porque é que a cobertura é a parte mais difícil

A inspeção de qualidade robótica combina visão computacional com um robô que move a câmera, a peça ou o sensor por um conjunto planejado de pontos de vista. Ela é útil quando uma câmera fixa não consegue enxergar todas as superfícies necessárias, quando a geometria do produto varia ou quando a inspeção precisa alcançar vários lados sem um grande banco de câmeras estacionárias.

O Ultralytics YOLO pode fornecer detecção, segmentation, classificação, pose ou rastreamento dentro de uma pilha de inspeção personalizada. Suítes de visão industrial de Cognex, Keyence, MVTec, Zebra e Teledyne oferecem ferramentas estabelecidas e ecossistemas de hardware. Plataformas de visão como Landing AI e Robovision enfatizam fluxos de trabalho de inspeção baseados em aprendizado configurável. A melhor opção depende de a organização precisar de um produto de inspeção empacotado, de um ambiente de desenvolvimento industrial ou de uma camada de modelo personalizável.

Opções de software de inspeção robótica#

Os nomes dos fornecedores descrevem pontos de partida, não desempenho comprovado. Cada opção precisa de um teste com peças representativas, defect s, velocidades, superfícies e caminhos de robô.

Quando um robô melhora a inspeção visual#

Um robô pode apresentar várias vantagens:

• Um sensor pode capturar vários lados ou ângulos.
• O ponto de vista e a distância de trabalho podem ser repetidos programaticamente.
• A câmera pode se aproximar de cavidades ou recursos ocultos de uma estação fixa.
• As receitas de inspeção podem mudar com a variante do produto.
• Uma peça pode ser girada em frente a uma iluminação controlada.
• Os resultados de visão podem ser registrados em relação à pose do robô ou às coordenadas do produto.

A desvantagem é a complexidade do sistema. O movimento do robô adiciona tempo de ciclo, calibração, roteamento de cabos, risco de colisão, desfoque de movimento, sincronização e mais modos de falha. Se uma única visão fixa responde à pergunta de qualidade, um robô é desnecessário.

Defina o requisito de inspeção em coordenadas do produto#

Liste cada superfície e recurso que deve ser inspeccionado, a menor anomaly relevante, a variação aceitável, regiões inacessíveis e a destinação necessária. Mapeie cada requisito para uma visão planejada e um método de imagem.

Use uma tabela de cobertura:

Isso torna os pontos cegos visíveis. Também separa a observação do modelo da regra de qualidade aplicada a jusante.

Planeje visões e movimentos juntos#

O planejamento do caminho de inspeção deve equilibrar cobertura, qualidade de imagem, alcance do robô, folga de colisão, limites de cabos e tempo de ciclo. Registre a pose da câmera, o foco, a exposição, o estado da iluminação, a velocidade do robô e o gatilho de captura para cada visão.

Capture quando o movimento estiver suficientemente controlado para o método de imagem. Um caminho de parar e capturar é simples, mas pode estender o ciclo. Acionar durante o movimento pode melhorar a taxa de transferência, mas exige iluminação e exposição que evitem o desfoque, além de sincronização precisa entre a imagem e a pose do robô.

Valide a repetibilidade após o aquecimento, trocas de ferramentas, manutenção e vibração esperada. Se a câmera estiver montada no robô, pequenas mudanças mecânicas podem mover a região observada mesmo enquanto o modelo permanece disponível.

Calibre câmera, robô e produto#

O sistema pode precisar de três relações:

• Intrínsecas da câmera e comportamento da lente.
• Transformação de câmera para robô ou de câmera para ferramenta.
• Pose do produto no dispositivo de fixação ou no referencial do robô.

A calibração permite que um defeito localizado em uma imagem seja relatado na superfície correta do produto ou na região física. Defina um teste de aceitação, armazene versões de calibração e especifique eventos que acionem a recalibração.

Para fixaçãoflexível, uma etapa de registro pode primeiro localizar o produto ou recursos de referência. Não assuma que a pose comandada do robô por si só prova onde a superfície inspecionada aparece na imagem.

Selecione a tarefa de visão computacional#

Use classificação para uma visão rigidamente controlada com um pequeno conjunto de estados gerais. Use detecção quando falhas ou componentes precisarem ser localizados como caixas. Use segmentação quando a forma e a área do defeito importarem ou as fronteiras forem irregulares. Use pose ou pontos-chave para recursos geométricos e registro. Ferramentas tradicionais de medição podem continuar preferíveis para bordas nítidas e determinísticas e dimensões calibradas.

Um sistema híbrido pode usar visão clássica para geometria e um modelo aprendido para aparência variável. O objetivo é uma inspeção verificável, não o uso máximo de aprendizado de máquina.

Ultralytics Platform suporta anotação de conjuntos de dados, treinamento, comparação de modelos e implantação para fluxos de trabalho do Ultralytics YOLO. Organize o conjunto de dados por produto, superfície, visão, iluminação, caminho do robô e tipo de defeito para que a avaliação reflita a receita completa.

Mescle resultados entre visões#

Cada imagem capturada deve carregar um identificador de unidade, receita, identificador de visão, pose do robô, carimbo de data/hora, versão do modelo e versão de calibração. A aplicação agrega observações de nível de visão em um resultado de nível de unidade.

Trate observações duplicadas explicitamente. Um arranhão visível de dois ângulos não deve automaticamente se tornar dois defeitos. Por outro lado, a divergência entre visões pode indicar reflexão, oclusão, erro de calibração ou uma anomalia difícil que deve ser revisada.

Mantenha pelo menos três estados: aprovação, falha e revisão/indisponível. Forçar uma aprovação ou falha quando uma visão está faltando ou a qualidade da imagem é ruim cria risco silencioso.

Valide cobertura, detecção e destinação#

Separe três perguntas:

1. Coverage: A receita adquiriu uma imagem aceitável de cada região necessária?
2. Detection: O método de visão identificou a condição visível relevante?
3. Disposition: A regra e o fluxo de trabalho tomaram a decisão correta em nível de unidade?

Teste com defeitos representativos colocados nas superfícies e nos limites de cobertura. Inclua produtos bons com variação cosmética normal, contaminação, reflexos, alterações no dispositivo de fixação e recursos reparados. Divida a avaliação por lote de produção ou tempo para que capturas quase idênticas não vazem entre os conjuntos de treinamento e teste.

As medidas operacionais incluem defeitos perdidos, falsas rejeições, taxa de revisão, visões indisponíveis, tempo de ciclo, intervenções manuais, falhas de calibração e tempo para diagnosticar um evento. Relate os resultados por produto, superfície, defeito e visão, em vez de apenas um agregado.

Integre com o sistema de qualidade#

O resultado da inspeção deve ser mapeado para uma destinação controlada, como aprovação, revisão, retrabalho ou rejeição. Registre o motivo e a versão da receita. Integre com a identidade da unidade e o sistema de qualidade ou de fabricação para que o resultado pertença ao produto correto.

Limite as imagens retidas de acordo com o propósito e a política. Algumas organizações retêm apenas unidades com falha ou amostradas; outras precisam de rastreabilidade mais ampla. Defina a regra antes da produção, incluindo acesso e exclusão.

Segurança e recuperação#

O movimento do robô deve permanecer sob o sistema de segurança validado do robô e da célula. A visão aprendida não deve ser apresentada como o controle de proteção, a menos que faça parte de uma função de segurança adequadamente projetada e avaliada.

Projete a recuperação para imagens ausentes, gatilhos falhos, câmeras indisponíveis, visões inalcançáveis, erros de calibração, tempos limite de modelos e falhas de robô. Após a recuperação, garanta que o sistema saiba quais visões permanecem válidas e quais devem ser reaquiridas.