Robotik Kalite Kontrolü: Kapsam Neden En Zor Kısımdır
Robotik kalite kontrolü nasıl çalışır: tarama planlaması, kalibrasyon, robot ve görü senkronizasyonu, çoklu görünüm füzyonu, kapsam kanıtı ve kalite kayıtları.
Robotik kalite kontrolü, bilgisayarlı görü ile kamerayı, parçayı veya sensörü planlanmış bir bakış açısı kümesi boyunca hareket ettiren bir robotu birleştirir. Sabit bir kameranın gerekli her yüzeyi göremediği durumlarda, ürün geometrisinin değiştiği durumlarda veya kontrolün büyük bir sabit kamera grubu olmadan birkaç tarafa ulaşması gerektiğinde kullanışlıdır.
Ultralytics YOLO, özel bir kontrol yığını içinde tespiti, segmentasyonu, sınıflandırmayı, pozu veya takibi sağlayabilir. Cognex, Keyence, MVTec, Zebra ve Teledyne'in endüstriyel görü paketleri, oturmuş araçlar ve donanım ekosistemleri sunar. Landing AI ve Robovision gibi görü platformları, yapılandırılabilir öğrenilmiş kontrol iş akışlarını vurgular. En iyi uyum, kuruluşun paketlenmiş bir kontrol ürününe mi, bir endüstriyel geliştirme ortamına mı yoksa özelleştirilebilir bir model katmanına mı ihtiyaç duyduğuna bağlıdır.
Robotik kontrol yazılımı seçenekleri#
| Seçenek | En iyi kullanım alanı | Güçlü Yön | Ana entegrasyon sorumluluğu |
|---|---|---|---|
| Cognex | Geniş bir makine görüsü ekosistemi kullanan endüstriyel hücreler | Kameralar, araçlar ve fabrika entegrasyon deneyimi | Hücreye özel uygulama tasarımı ve robot koordinasyonu |
| Keyence | Entegre görü donanımına sahip kontrollü endüstriyel kontrol | Paketlenmiş sensörler, aydınlatma ve kontrol araçları | Gerçek ürün yelpazesinde kapsam ve performans |
| Landing AI veya Robovision | Yapılandırılabilir öğrenilmiş görü iş akışları arayan ekipler | Model geliştirme ve kontrole yönelik platform özellikleri; Landing AI'ın belge görüsü etrafında yeniden konumlandığını unutmayın, bu nedenle kontrol yol haritasını doğrulayın | Robot, görüntüleme, hat ve kalite sistemi entegrasyonu |
| MVTec HALCON | Gelişmiş makine görüsü uygulamaları geliştiren mühendislik ekipleri | Kapsamlı programlanabilir görü kütüphanesi | Uzman geliştirme, devreye alma ve bakım |
| Ultralytics Platform and Ultralytics YOLO | Özel çok açılı öğrenilmiş kontrol oluşturan ekipler | Esnek görü görevleri, veriden modele iş akışı, dağıtım seçenekleri | Robot yolu, kalibrasyon, sonuç birleştirme, kontroller ve doğrulama |
| Zebra veya Teledyne görü portföyleri | Endüstriyel görüntüleme ve makine görüsü uygulamaları | Donanım ve yazılım ekosistemi | Ürüne özel çözüm mühendisliği |
Satıcı isimleri kanıtlanmış performansı değil, başlangıç noktalarını tanımlar. Her seçeneğin temsilî parçalar, kusur ler, hızlar, yüzeyler ve robot yolları ile bir denemeye ihtiyacı vardır.
Bir robot görsel kontrolü ne zaman iyileştirir?#
Bir robot çeşitli avantajlar sunabilir:
- Tek bir sensör birden fazla tarafı veya açıyı yakalayabilir.
- Bakış açısı ve çalışma mesafesi programatik olarak tekrarlanabilir.
- Kamera, sabit bir istasyondan gizlenen boşluklara veya özelliklere yaklaşabilir.
- Kontrol reçeteleri ürün varyantına göre değişebilir.
- Bir parça kontrollü aydınlatma önünde döndürülebilir.
- Görü sonuçları robot pozuna veya ürün koordinatlarına kaydedilebilir.
Bunun dezavantajı sistem karmaşıklığıdır. Robot hareketi döngü süresi, kalibrasyon, kablo yönlendirme, çarpışma riski, hareket bulanıklığı, senkronizasyon ve daha fazla hata modu ekler. Tek bir sabit görünüm kalite sorusunu yanıtlıyorsa, bir robota gerek yoktur.
Kontrol gereksinimini ürün koordinatlarında tanımlayın#
Kontrol edilmesi gereken her yüzeyi ve özelliği, ilgili en küçük anomali yi, kabul edilebilir varyasyonu, erişilemeyen bölgeleri ve gerekli kararı listeleyin. Her gereksinimi planlanan bir görünüme ve görüntüleme yöntemine eşleyin.
Bir kapsam tablosu kullanın:
| Özellik | Gerekli görünüm | Görüntüleme koşulu | Görü çıktısı | Karar |
|---|---|---|---|---|
| Yüzey A | Eğik görünüm 1 | Dağınık ışık | Segmentasyon maskesi | Yukarıdaki onaylanmış alan kuralını inceleyin |
| Konnektör B | Önden görünüm 2 | Koaksiyel ışık | Varlık ve konum | Eksikse veya yanlış yerleştirilmişse reddet |
| Kenar C | Profil görünümü 3 | Arka aydınlatma | Kontur ölçümü | Tolerans mantığıyla karşılaştır |
Bu, kör noktaları görünür kılar. Ayrıca modelin gözlemini aşağı akışta uygulanan kalite kuralından ayırır.
Görünümleri ve hareketleri birlikte planlayın#
Kontrol yolu planlaması; kapsamı, görüntü kalitesini, robot erişimini, çarpışma boşluğunu, kablo sınırlarını ve döngü süresini dengelemelidir. Her görünüm için kamera pozunu, odaklanmayı, pozlamayı, aydınlatma durumunu, robot hızını ve yakalama tetikleyicisini kaydedin.
Hareket, görüntüleme yöntemi için yeterince kontrol edildiğinde yakalayın. Dur-ve-yakala yolu basittir ancak döngüyü uzatabilir. Hareket sırasında tetikleme verimi artırabilir ancak bulanıklığı önleyen aydınlatma ve pozlama ile görüntü ve robot pozu arasında doğru senkronizasyon gerektirir.
Isınma, takım değişiklikleri, bakım ve beklenen titreşim sonrasında tekrarlanabilirliği doğrulayın. Kamera robot montajlıysa, küçük mekanik kaymalar, model mevcut kalmaya devam etse bile gözlemlenen bölgeyi hareket ettirebilir.
Kamerayı, robotu ve ürünü kalibre edin#
Sistemin üç ilişkiye ihtiyacı olabilir:
- Kamera içsel özellikleri ve lens davranışı.
- Kameradan robota veya kameradan takıma dönüşüm.
- Fikstürde veya robot çerçevesinde ürün pozu.
Kalibrasyon, bir görüntüde bulunan bir kusurun doğru ürün yüzeyinde veya fiziksel bölgesinde bildirilmesini sağlar. Bir kabul testi tanımlayın, kalibrasyon sürümlerini saklayın ve yeniden kalibrasyonu tetikleyen olayları belirtin.
Esnek fikstür için, bir kayıt adımı önce ürünü veya referans özellikleri bulabilir. Yalnızca robotun komuta edilen pozunun, kontrol edilen yüzeyin görüntünün neresinde göründüğünü kanıtladığını varsaymayın.
Bilgisayarlı görü görevini seçin#
Küçük bir genel durum kümesine sahip sıkı kontrol edilen bir görünüm için sınıflandırmayı kullanın. Hatalar veya bileşenler kutular olarak lokalize edilmesi gerektiğinde tespiti kullanın. Kusur şekli ve alanı önemli olduğunda veya sınırlar düzensiz olduğunda segmentasyonu kullanın. Geometrik özellikler ve kayıt için pozu veya anahtar noktaları kullanın. Keskin, belirleyici kenarlar ve kalibre edilmiş boyutlar için geleneksel ölçüm araçları tercih edilmeye devam edebilir.
Hibrit bir sistem, geometri için klasik görü ve değişken görünüm için öğrenilmiş bir model kullanabilir. Amaç, makine öğreniminin maksimum kullanımı değil, doğrulanabilir bir kontroldür.
Ultralytics Platform, Ultralytics YOLO iş akışları için veri kümesi etiketlemeyi, eğitimi, model karşılaştırmasını ve dağıtımı destekler. Değerlendirmenin tüm reçeteyi yansıtması için veri kümesini ürüne, yüzeye, görünüme, aydınlatmaya, robot yoluna ve kusur türüne göre düzenleyin.
Sonuçları görünümler arasında birleştirin#
Yakalanan her görüntü bir birim tanımlayıcısı, reçete, görünüm tanımlayıcısı, robot pozu, zaman damgası, model sürümü ve kalibrasyon sürümü taşımalıdır. Uygulama, görünüm düzeyindeki gözlemleri birim düzeyinde bir sonuçta toplar.
Yinelenen gözlemleri açıkça ele alın. İki açıdan görünen bir çizik otomatik olarak iki kusur haline gelmemelidir. Aksine, görünümler arasındaki anlaşmazlık yansımayı, tıkanmayı, kalibrasyon hatasını veya incelenmesi gereken zor bir anomaliyi gösterebilir.
En az üç durum tutun: geçiş, başarısızlık ve inceleme/kullanılamıyor. Bir görünüm eksik olduğunda veya görüntü kalitesi zayıf olduğunda geçişi veya başarısızlığı zorlamak sessiz risk yaratır.
Kapsamı, tespiti ve kararı doğrulayın#
Üç soruyu ayırın:
- Kapsam: Reçete, gerekli her bölgesinin kabul edilebilir bir görüntüsünü elde etti mi?
- Tespit: Görü yöntemi ilgili görünür koşulu belirledi mi?
- Karar: Kural ve iş akışı doğru birim düzeyinde kararı verdi mi?
Yüzeylere ve kapsam sınırlarına yerleştirilmiş temsilî kusurlarla test edin. Normal kozmetik varyasyon, kontaminasyon, yansımalar, fikstür değişiklikleri ve onarılan özelliklere sahip iyi ürünleri dahil edin. Neredeyse özdeş yakalamaların eğitim ve test setleri arasında sızmaması için değerlendirmeyi üretim partisine veya zamana göre bölüştürün.
Operasyonel ölçümler kaçırılan kusurları, yanlış reddetmeleri, inceleme oranını, kullanılamayan görünümleri, döngü süresini, manuel müdahaleleri, kalibrasyon arızalarını ve bir olayı teşhis etme süresini içerir. Sonuçları yalnızca tek bir toplam olarak değil, ürüne, yüzeye, kusura ve görünüme göre bildirin.
Kalite sistemi ile entegre edin#
Kontrol sonucu geçiş, inceleme, yeniden işleme veya reddetme gibi kontrollü bir karara eşlenmelidir. Nedeni ve reçete sürümünü kaydedin. Sonucun doğru ürüne ait olması için birim kimliği ve kalite veya üretim sistemi ile entegre edin.
Saklanan görüntüleri amaca ve politikalara göre sınırlayın. Bazı kuruluşlar yalnızca başarısız veya örneklenen birimleri saklar; diğerleri daha geniş izlenebilirliğe ihtiyaç duyar. Erişimin ve silinmenin de dahil olduğu kuralı üretimden önce tanımlayın.
Güvenlik ve kurtarma#
Robot hareketi, doğrulanmış robot ve hücre güvenlik sistemi altında kalmalıdır. Uygun şekilde tasarlanmış ve değerlendirilmiş bir güvenlik fonksiyonunun parçası olmadığı sürece öğrenilmiş görü koruyucu kontrol olarak sunulmamalıdır.
Kayıp görüntüler, başarısız tetikleyiciler, kullanılamayan kameralar, ulaşılamayan görünümler, kalibrasyon hataları, model zaman aşumları ve robot arızaları için kurtarma tasarlayın. Kurtarmadan sonra, sistemin hangi görünümlerin geçerli kaldığını ve hangilerinin yeniden yakalanması gerektiğini bildiğinden emin olun.
Sıkça sorulan sorular
Robot, sensör veya ürün bakış açısını değiştirerek çok yüzeyli kapsam ve esnek reçeteler sağlar. Bu, hareket planlaması, kalibrasyon, senkronizasyon ve kurtarma çalışması ekler.
Bazen, ancak görünüm spesifik görünüm ayrı modelleri veya açık görünüm koşullandırmasını haklı çıkarabilir. Her iki yaklaşımı da sabit, segmentlere ayrılmış değerlendirme setlerinde karşılaştırın ve bakım karmaşıklığını göz önünde bulundurun.
Konum ve kategori yeterli olduğunda tespiti kullanın. Şekil, sınır veya alan kararı etkilediğinde segmentasyonu kullanın. Klasik ölçüm kalibre edilmiş geometrik toleranslar için daha iyi olabilir.
Her gereksinimi doğrulanmış bir veya daha fazla görünüme eşle, her çekim için görüntü kalitesini ve pozu izle, ayrıca eksik veya kabul edilemez bir görünümü başarılı saymak yerine erişilemez olarak değerlendir.
Ultralytics, eğitilebilir algı katmanını ve destekleyici veri, model ile dağıtım iş akışını sağlar. Komple hücrenin hâlâ görüntülemeye, robot kontrolüne, kalibrasyona, reçete mantığına, sonuç füzyonuna, kalite entegrasyonuna, güvenliğe ve desteğe ihtiyacı vardır.
