در بخش اول باید مواردی از قبیل انتخاب ابزار اکتساب تصویر مناسب، زاویه تصویربرداری مناسب، سرعت تصویربرداری مناسب در کنار کنترل عوامل محیطی بررسی و کنترل شوند.
نرم افزار تشخیص خودکار عیوب محصولات تولیدی
تشخیص خودکار عیوب محصولات تولیدی با بینایی ماشین
پیاده سازی سیستم تشخیص خودکار عیوب محصولات
در این گروه از پروژه‌ها، هدف عیب‌های موجود درون محصولات تولید شده در قالب یک رویکرد خودکار و با سرعت مناسب است. بخش بسیار زیادی از عیوب محصولات تولیدی عیوب ظاهری و مربوط به ظاهر هستند. شکستگی‌ها، عدم یکنواختی‌ها، عدم تکمیل محصولات و مشکلات مربوط به اندازه برخی از این عیوب هستند.
در ساختارهای سنتی تشخیص و قضاوت درباره این عیوب توسط کاربران و به صورت چشمی صورت می‌گیرد. اقدامی که طبیعتاً وقوع خطاهای ناشی از خستگی و تکرار در آن گریزناپذیر خواهد بود. این در‌حالی است که با استفاده بینایی ماشین (Machine Vision) می‌توان پاسخی مناسب و قابل اعتماد برای حل این مشکل پیدا کرد. هرچند پیاده‌سازی درست و مناسب این ساختار نیاز به دقت بالا در مرحله توسعه دارد.
تشخیص درست عیوب در نرم افزار تشخیص خودکار عیوب محصولات تولیدی، مستلزم دو بخش مستقل خواهد بود. بخش اول، تجهیزات و رویکرد اکتساب تصویر و بخش دوم، فرایند مبتنی بر پردازش تصویر (Image Processing) و دانش داده (Data Science) برای اتخاذ تصمیم مناسب است.
فرآیند مبتنی بر پردازش تصویر و دانش داده
در بخش دوم، پس از اطمینان از اکتساب تصاویر مناسب و قابل پردازش، با استفاده از پردازش تصویر و دانش داده، الگوریتم‌ها و روش‌های متناسب با الگوهای عیب‌های مورد بررسی توسعه داده می‌شوند تا عیب‌ها با دقت، سرعت و پایایی مناسب شناسایی شوند.
کارکرد نرم افزار تشخیص خودکار عیوب محصولات
یک کارخانه تولید ویال‌های شیشه‌ای را در نظر بگیرید که در آن ویال‌ها توسط ماشین‌های گردان و با سرعت بالا تولید می‌شوند. با توجه به مکانیزم گرمایشی دستگاه‌ها، احتمال وقوع عیوب اندازه‌ای و سطحی در این قطعات بسیار بالاست. این در‌حالی است که اندازه‌گیری و بررسی سطحی این قطعات، که در ابتدا بسیار داغ نیز هستند، توسط چشم و به صورت دستی بسیار دشوار خواهد بود.
در این مرحله، بینایی ماشین می‌تواند پاسخی مناسب برای تشخیص خودکار عیوب این محصول در زمان خروج از خط تولید ارائه دهد.
