如何做好自动化视觉检测一体化的准备

本文的目的是为各种机器视觉实现的方针 ，但它的主要焦点是关于随机表面缺陷检测或自动视觉检测（AVI）的应用 。AVI的目标是识别每一个异常的视觉检测 ，可以在零件的完整功能和美学的影响 ：

工艺异常 ：磨痕 、加工步骤 、涂层缺陷等 。

处理 ：凹痕 ，划痕 ，划痕 ，芯片涂层等 。

 

1.清楚地识别增益

自动化人类视觉检测自动化的第一个好处是避免了众所周知的人类缺陷 。一个例子是缺乏一致性时 ，持续的注意力是必要的 ，不然会导致差的检测重复性和再现性 。另一个缺陷是决策的主观性 。人类检查员进入一个模式 ，并在一个特定的制造过程中的“常规”的异常比率 。他们会调整行为时 ，这个比例是高于或低于某一阈值 ，导致他们在理论质量规格的解释是更多或更少的严重 。

要确定什么是自动化 ，你必须作为一个侦探发现非法的任务由人类督察执行 。如果你看看官方的工作 ，两个主要活动描述 ：识别异常 ，这些异常的严重程度量化 。挖掘一点 ，将有一些有趣的信息 ，实际执行 ，但没有正式记录 。你会发现这是不可能实现自动化这些任务检查系统内（如去除砂纸涂层喷涂） 。

这些任务 ，一旦你有一个完整的清单 ，由检查人员进行的行动 ，你将不得不评估增加自动化的增益 。计算薪酬的基础上的工资 ，而且在检查过程中的稳定性的增益 。一个成功的方法考虑到 ，它不应该被预期的自动视觉检测系统将完全取代人类的检查 。这是一个提高质量，限制逃逸 ，增加客观性 ，给生产新的反馈的伟大工具 。它将不可避免地产生更高的拒绝率为三个主要原因 ：

第一个因素是源于一个事实 ，人类的检验是概率性的，有一个机器视觉系统和设定绩效比较多个检查员将增加废品率 ，即使机器是“好”的human1-2 。作为一个例子 ，两个平行的检查人员正在接受80%的检查零件 。每一个检查决定只关联60%的时间 。一个自动检查系统 ，相同的检查零件 ，两个检查人员将增加废品率从20%至28% 。

第二个因素认为 ，人类使用的生产的上下文信息作出决定 。例如 ，由一个特定的磨床所造成的缺陷将有区别的处理和可以管理不同的在决策过程中的检查由一个相同的缺陷 。一台机器不会制造这种差异 。

第三个因素涉及到一些限制的自动化过程中 ，根据所实施的技术 。这些限制可能会导致更高的拒绝率 。例子是算法的性能 ，分辨率 ，清洁度的零件和生产的变化。

   

2.参与

对于一个成功的实施 ，你需要指定一个资深人士 ，这将是有充分了解和负责你的设施来消化的技术 。作为客户 ，你需要成为冒险的一部分 ，来处理和管理这项技术跨越的内部 。

这里有几个重要的方面要寻找在你的团队选择 ：

主管。选择一个有强烈的技术背景和兴趣的新技术作为一个项目的领导者 。这个人与一个有经验的项目经理 。

激励 。这是强制性的 ，以避免放弃之前 ，结束的实施 。一个好的方法是分配时间给你的项目负责人 ，并给他支持 ，以确保这个人觉得该项目是重要的公司 。

了解最终用户 。在项目中 ，团队必须有一个明确的看法 ，该系统将如何使用的运营商 。当系统准备好被转移到生产时 ，这将避免与制造团队发生冲突 。

 

3.对人类的性能比较

一旦AVI系统的开发和配置 ，它的时间来评估其性能 。对于这样一个系统 ，是一个很好的方式来执行的检测概率（POD）³ 。这种技术允许适当的评价系统的灵敏度 。此外 ，一个重要的特点是普遍存在于视觉检查 ，类型的异常 。默认情况下 ，一个分析是不考虑这个分类 。策略应该放在地方来衡量这种分类能力 ，因为大量的虚假拒绝可能会发生从缺陷类型时 ，与人类检查相比 ，它是有价值的信息来区分这 。

这种性能分析阶段中，它通常是当你将清楚地了解人类的解释在视觉检测过程的阶段和制造限制的微妙之处 。这代表了一个制造改进的机会 ，或以适应视觉规范的现实 ，新技术 。