Program inspeksi gradasi warna benda kerja dengan kamera dan AI (IKS2 Shading), untuk manufaktur umum
IKS2 Shading adalah program yang memeriksa gradasi warna benda kerja dengan kamera. Program ini mempelajari kriteria dari gambar benda kerja baik dan cacat, meminta AI mengelompokkan gradasi warna, lalu menampilkan hasil sebagai baik (OK) atau cacat (NG). Kami mengembangkan sendiri program prototipe ini dan melaporkan informasi hak cipta kepada Departemen Kekayaan Intelektual pada tahun 2018.
- Industri
- Manufaktur umum
- Tahun
- 2018 (tahun pelaporan hak cipta)
- lingkup pekerjaan
- Masukan: gambar benda kerja baik dan benda kerja cacat dari kamera · Pemrosesan: memfilter gambar, mengurutkan nilai warna RGB menurut histogram, mengekstrak fitur gambar (Feature Extraction), mengelompokkan gradasi warna dengan K-means Clustering, dan memilih kriteria keputusan dengan Fuzzy Logic · Keluaran: baik (OK) atau cacat (NG) beserta laporan ringkasan · Perangkat lunak: bagian pengajaran kriteria, bagian inspeksi dan tampilan hasil, basis data warna untuk dilihat kembali, dan layar penambahan gradasi warna standar baru tanpa perlu menulis program · Yang kami bangun: program prototipe IKS2 Shading yang kami kembangkan sendiri
Ringkasan
- IKS2 Shading adalah program prototipe inspeksi gradasi warna benda kerja dengan kamera yang kami kembangkan sendiri, dan data hak ciptanya kami sampaikan kepada Departemen Kekayaan Intelektual Thailand pada tahun 2018.
- Pengguna mengajarkan kriteria dengan gambar benda kerja baik dan benda kerja cacat. Saat ada gradasi warna standar baru, set gambar contoh baru dapat ditambahkan tanpa perlu menulis program.
- AI bertugas mengelompokkan data warna dengan K-means Clustering, Fuzzy Logic memilih kriteria keputusan, dan penggunalah yang menentukan gambar contoh mana yang merupakan benda kerja baik atau cacat.
- Hasil inspeksi ditampilkan sebagai baik (OK) atau cacat (NG) beserta laporan ringkasan, dan data warna disimpan ke dalam basis data agar dapat dilihat kembali.
- IKS2 Shading adalah program prototipe yang menetapkan kriteria dari gambar contoh, sehingga penerapannya pada benda kerja apa pun harus melalui pengajaran kriteria dan pengujian dengan benda kerja serta cahaya di lokasi tersebut.
Permasalahan di lapangan
Banyak pabrik masih memilah gradasi warna benda kerja secara visual. Setiap karyawan dapat memberikan jawaban yang berbeda atas pertanyaan "warna benda kerja ini lolos atau tidak", dan pemilahan oleh manusia membutuhkan banyak tenaga dan waktu.
Apa yang kami lakukan
Kami mengembangkan IKS2 Shading sebagai sistem pendukung keputusan (Decision Support System) yang mengubah warna pada gambar menjadi angka, menggunakan K-means Clustering (metode pengelompokan data otomatis) untuk memisahkan kelompok benda kerja baik dan benda kerja cacat, serta menggunakan Fuzzy Logic (logika samar) untuk memilih kriteria keputusan. Hasil inspeksi ditampilkan sebagai OK atau NG beserta laporan ringkasan, dan data warna disimpan agar dapat dilihat kembali.
- Memotret benda kerja baik dan benda kerja cacatVisi Mesin
- Mengurutkan nilai warna menurut histogramRGB Histogram + Feature Extraction
- AI pengelompokan gradasi warnaK-means Clustering
- Memilih kriteria keputusanFuzzy Logic
- Hasil OK/NG dan laporan ringkasan
Hasil pengujian dengan benda kerja nyata
Hasilnya adalah program prototipe yang menilai gradasi warna berdasarkan nilai numerik gambar dengan kriteria yang sama setiap kali, dan kami menyampaikan data hak cipta kepada Departemen Kekayaan Intelektual Thailand pada tahun 2018. Penerapannya pada benda kerja apa pun harus melalui pengajaran kriteria dan pengujian dengan benda kerja serta kondisi cahaya di lokasi tersebut.
Latar belakang permasalahan
Tantangan pekerjaan ini adalah memutuskan apakah warna benda kerja lolos atau tidak dengan kriteria yang tidak bergantung pada pemeriksanya. Banyak pabrik masih memilah gradasi warna secara visual, setiap karyawan dapat memberikan keputusan yang berbeda untuk benda kerja yang sama, dan pemilahan oleh manusia membutuhkan banyak tenaga dan waktu.
Kami mengembangkan sendiri IKS2 Shading sebagai program prototipe. Dokumen presentasi kami mencontohkan penerapannya pada inspeksi gradasi warna label, ubin, dan karpet.
Persyaratan dan batasan
Program harus menetapkan kriteria dari gambar benda kerja nyata dan memungkinkan pengguna menambahkan sendiri gradasi warna standar baru. Persyaratan utama prototipe adalah sebagai berikut.
- Menggunakan gambar benda kerja baik dan benda kerja cacat sebagai data untuk menetapkan kriteria
- Gradasi warna standar baru dapat ditambahkan dari layar dengan melatih model menggunakan set gambar contoh baru, tanpa perlu menulis program
- Menampilkan hasil inspeksi sebagai baik (OK) atau cacat (NG) beserta laporan ringkasan
- Menyimpan data warna ke dalam basis data untuk dilihat kembali dan untuk menyesuaikan kriteria
Keterbatasan utama berasal dari gambar. Nilai warna pada gambar berubah mengikuti cahaya, dan kriteria yang dihasilkan hanya sebaik gambar contoh yang digunakan untuk mengajarkannya. Karena itu, gambar contoh harus mencakup rentang gradasi warna yang benar-benar ditemui, dan tim harus terlebih dahulu menyepakati benda kerja seperti apa yang dianggap baik.
Mengapa kami memilih agar program mempelajari kriteria dari gambar benda kerja baik dan benda kerja cacat
Kami memilih cara ini karena pertanyaan di lokasi adalah "warnanya lolos atau tidak", dan jawabannya ada pada benda kerja contoh yang sudah dipilah oleh tim. Karena itu, program mengubah warna gambar contoh menjadi angka, lalu mengelompokkan benda kerja baik dan benda kerja cacat dari angka-angka tersebut. Saat ada gradasi warna standar baru, tim dapat menambahkan set gambar contoh baru tanpa perlu mengubah program.
AI hanya menjalankan satu bagian, yaitu mengelompokkan data warna. Pemilihan kriteria menggunakan Fuzzy Logic (logika samar, yaitu metode penalaran untuk nilai yang tidak terbagi secara tegas menjadi ya atau tidak). Penggunalah yang menentukan gambar contoh benda kerja baik dan cacat, serta menggunakan hasil OK / NG sebagai bahan pertimbangan dalam mengambil keputusan. Langkah kerjanya adalah sebagai berikut.
- 1
Memotret gambar contoh benda kerja baik dan cacat
Pengguna memotret benda kerja dengan gradasi warna yang lolos dan tidak lolos untuk disimpan sebagai contoh. Set gambar ini adalah data yang digunakan program untuk menetapkan kriteria.
- 2
Memfilter gambar dan mengurutkan nilai warna
Program memfilter gambar, lalu mengurutkan nilai warna merah, hijau, dan biru menurut histogram (Histogram adalah grafik sebaran nilai warna pada gambar) untuk memilih hanya data warna yang penting.
- 3
Menggabungkan fitur gambar
Data warna dari semua kanal warna digabungkan menjadi rangkaian angka yang menunjukkan karakteristik gambar (Feature Extraction adalah proses mengekstrak fitur penting gambar menjadi angka), sehingga setiap gambar dapat saling dibandingkan.
- 4
AI pengelompokan gradasi warna
AI mengelompokkan data dengan K-means Clustering untuk memisahkan kelompok benda kerja baik dan benda kerja cacat, lalu menyimpan nilai representatif setiap kelompok untuk menilai benda kerja berikutnya.
- 5
Memilih kriteria dan mengeluarkan hasil
Fuzzy Logic memilih kelompok yang memberikan hasil statistik yang baik sebagai kriteria keputusan. Program menampilkan hasil baik (OK) atau cacat (NG), mengeluarkan laporan ringkasan, dan menyimpan data warna ke dalam basis data.
Apa itu K-means Clustering
K-means Clustering adalah metode pengelompokan data otomatis. Sistem mencari titik pusat setiap kelompok, lalu memasukkan setiap set data ke kelompok yang terdekat. Dalam pekerjaan ini, datanya adalah angka warna dari gambar, sehingga benda kerja dengan gradasi warna yang berdekatan berada dalam kelompok yang sama.
Komponen sistem
IKS2 Shading adalah perangkat lunak sistem pendukung keputusan (Decision Support System) yang menggabungkan pengajaran kriteria, inspeksi, dan pengumpulan data dalam satu program. IKS2 Shading memberikan salah satu dari 2 hasil untuk setiap benda kerja, yaitu baik (OK) atau cacat (NG), dan menyimpan data warna ke dalam basis data. Komponen prototipe adalah sebagai berikut.
- Bagian pengajaran kriteria: menerima gambar benda kerja baik dan benda kerja cacat, lalu membuat kelompok gradasi warna dan nilai representatif setiap kelompok
- Bagian inspeksi dan tampilan hasil: membandingkan gambar benda kerja baru dengan kriteria, lalu menampilkan hasil sebagai OK atau NG
- Laporan ringkasan: merangkum hasil pemilahan benda kerja ke dalam kelompok OK dan NG
- Basis data warna: menyimpan data warna benda kerja agar dapat dilihat kembali
- Layar penambahan gradasi warna standar baru: menambahkan set gambar contoh dan melatih ulang model tanpa perlu menulis program
Yang kami bangun
Kami mengembangkan IKS2 Shading sebagai program prototipe (PoC adalah pembuktian konsep) dengan langkah mulai dari pengajaran kriteria dari gambar hingga penampilan hasil OK / NG, dan menyampaikan data hak cipta program inspeksi gradasi warna otomatis (IKS2 Shading) kepada Departemen Kekayaan Intelektual Thailand pada tahun 2018. Penyampaian data hak cipta merupakan pencatatan data karya, bukan pendaftaran maupun pengesahan mutu program.
Akurasi keputusan gradasi warna bergantung pada benda kerja, cahaya, dan set gambar contoh yang digunakan untuk pengajaran. Indikator yang digunakan untuk evaluasi adalah tingkat deteksi produk cacat dan tingkat alarm palsu, yang harus diukur dengan benda kerja dan titik pengambilan gambar di setiap pabrik.
Pelajaran yang kita dapatkan
Pekerjaan ini memberikan prinsip-prinsip berikut untuk inspeksi gradasi warna dengan kamera.
- Kriteria warna berawal dari gambar contoh yang telah disepakati tim. Ketika program belajar dari gambar benda kerja baik dan cacat, kriteria yang dihasilkan hanya akan sekonsisten pemilihan gambar contohnya. Karena itu, tim harus menyepakati definisi benda kerja baik sebelum melatih model.
- Ubah warna menjadi angka sebelum AI bekerja, dan tentukan dengan jelas bagian mana yang dikerjakan AI. Dalam pekerjaan ini, AI mengelompokkan data warna, Fuzzy Logic memilih kriteria, dan manusia menentukan gambar contoh, serta tersedia data warna dalam basis data untuk dilihat kembali saat kriteria perlu ditinjau.
- Cahaya adalah bagian dari kriteria. Nilai warna pada gambar berubah mengikuti cahaya, sehingga kriteria yang ditetapkan di bawah satu set pencahayaan tidak dapat dipindahkan ke titik pengambilan gambar lain sebelum diuji dengan cahaya di titik tersebut.
Cara menerapkan pendekatan ini di pabrik Anda
Jika pabrik Anda perlu memilah gradasi warna benda kerja sebelum pengemasan atau pengiriman kepada pelanggan, Anda dapat menggunakan pendekatan kasus ini, yaitu mengajarkan kriteria dari gambar benda kerja baik dan benda kerja cacat, mengubah warna menjadi angka, lalu mengelompokkannya untuk memutuskan OK / NG. Yang perlu disesuaikan adalah cahaya, kamera, dan set gambar contoh benda kerja Anda, yang harus diuji terlebih dahulu dengan benda kerja nyata Anda.
Bagian yang dapat digunakan kembali dan bagian yang perlu disesuaikan
| Bagian sistem | Dapat digunakan kembali | Perlu disesuaikan ketika |
|---|---|---|
| Penetapan kriteria | Pengajaran kriteria dari gambar benda kerja baik dan benda kerja cacat | Benda kerja Anda memiliki gradasi warna atau rentang warna yang berbeda dari gambar contoh sebelumnya; perlu pengambilan set gambar contoh baru |
| Pengubahan warna menjadi angka | Pengurutan nilai warna menurut histogram dan Feature Extraction | Permukaan benda kerja memiliki tekstur, kilap, atau pantulan cahaya yang berbeda; perlu diuji apakah nilai warna yang terbaca masih dapat memisahkan benda kerja baik dan benda kerja cacat |
| Pengelompokan dan pemilihan kriteria | K-means Clustering dan Fuzzy Logic | Definisi benda kerja baik dan cacat dari tim Anda berbeda dari sebelumnya; model perlu dilatih ulang |
| Pengambilan gambar | Konsep pengambilan gambar benda kerja dengan kamera di titik inspeksi | Titik inspeksi Anda memiliki cahaya yang berbeda; perlu memilih kamera dan lampu, serta mengendalikan cahaya agar tetap stabil |
| Hasil dan data | Hasil OK / NG, laporan ringkasan, dan basis data warna | Hasil perlu dikirim ke sistem lain di pabrik; pekerjaan integrasi tambahan perlu dievaluasi |
Baca selengkapnya
- Layanan pengembangan sistem inspeksi dan kontrol khusus
- Layanan konsultasi dan perancangan sistem AI / IoT (termasuk pembuatan prototipe PoC)
- Kasus prototipe kamera pemilah gradasi warna dan titik hitam pada lembar kertas daur ulang
- Kasus mesin prototipe MVDeep yang membantu memilih set kamera dan lampu untuk inspeksi gradasi warna
- Kasus kamera inspeksi retak genteng atap gelombang ganda
- Artikel: Apa perbedaan AI Vision Inspection dan inspeksi dengan mata manusia
- Artikel: memilih kamera AI inspeksi antara Task Cam siap pakai dan Machine Vision pesanan khusus
Teknologi yang digunakan
Pertanyaan yang Sering Diajukan
Apakah nilai warna standar harus diisi sendiri dalam bentuk angka?
Kriteria utama IKS2 Shading berasal dari pengelompokan data warna pada gambar contoh benda kerja baik dan cacat. Cara pengaturan secara rinci bergantung pada versi program dan benda kerja yang digunakan untuk pengujian.
Bagian mana yang dikerjakan AI, dan siapa yang memutuskan hasilnya?
AI bertugas mengelompokkan data warna dengan K-means Clustering untuk memisahkan kelompok benda kerja baik dan benda kerja cacat, kemudian Fuzzy Logic memilih kriteria keputusan. Program dirancang sebagai sistem pendukung keputusan; penggunalah yang menentukan gambar contoh dan menggunakan hasil OK / NG sebagai bahan pertimbangan dalam mengambil keputusan.
Bagaimana cahaya di titik inspeksi memengaruhi hasil inspeksi gradasi warna?
Nilai warna pada gambar berubah mengikuti cahaya, sehingga kriteria yang ditetapkan di bawah satu set pencahayaan tidak dapat dipindahkan ke titik pengambilan gambar lain sebelum diuji dengan cahaya di titik tersebut. Karena itu, di titik inspeksi perlu dipilih kamera dan lampu, serta cahaya dikendalikan agar tetap stabil, sebelum memotret gambar contoh untuk mengajarkan kriteria.
Dapat digunakan untuk jenis benda kerja apa saja?
Dokumen presentasi kami mencontohkan pekerjaan pada label, ubin, dan karpet, tetapi setiap jenis benda kerja memiliki permukaan dan kilap yang berbeda. Pengujian dengan benda kerja contoh dari pabrik Anda harus dilakukan terlebih dahulu sebelum dapat dipastikan.
Jika ingin menguji dengan benda kerja kami, apa yang perlu disiapkan?
Siapkan benda kerja contoh, baik yang baik maupun yang cacat, yang mencakup gradasi warna yang benar-benar ditemui, kriteria benda kerja baik yang telah disepakati tim, serta informasi titik yang akan dipotret, misalnya kondisi pencahayaan. Tidak ada harga standar; kami memperkirakan harga dan durasi setelah pengujian dengan benda kerja contoh.
