Yapay zekâ ile kalite kontrol, ürün görüntülerinin örneklerle eğitilmiş bir modelle incelenmesidir. Model kusurun neye benzediğini kurallardan değil, yüzlerce örnek görselden öğrenir. Bu yüzden görünümü her parçada değişen kusurlarda kural tabanlı görüntü işlemeden daha tutarlı sonuç verir.
Farkı bir örnekle görelim. Bir deliğin çapını ölçmek için basit bir kural yeter. Çap 12,00 ile 12,05 milimetre arasındaysa parça iyidir.
Beyaz bir kapaktaki çiziği tarif etmek ise çok daha zordur. Çizik her parçada farklı yerde, farklı uzunlukta ve farklı açıdadır. Bazen ışığa göre görünür, bazen kaybolur. Bu çiziği kuralla yakalamaya çalışan bir sistem ya kusurları kaçırır ya da sağlam parçaları reddeder. Yapay zekâ tam olarak bu tür kusurlar için var.
Kural ile model arasındaki fark
| Kriter | Kural tabanlı görüntü işleme | Yapay zekâ destekli görüntü işleme |
|---|---|---|
| Nasıl çalışır | Ölçü, kenar, şablon ve eşik değerleri gibi tanımlı kurallarla | Örnek görsellerle eğitilen modelle |
| Uygun olduğu iş | Boyut ölçümü, kod okuma, varlık kontrolü, hizalama | Görünümü değişken yüzey kusurları, sınıflandırma |
| Hazırlık | Kuralların tanımlanması, eğitim verisi gerekmez | Kusurlu ve kusursuz numune görselleri, etiketleme, eğitim |
| Ürün değişince | Kurallar yeniden ayarlanır | Model yeni örneklerle güncellenir |
| Kararın açıklanması | Kolay, karar bir ölçüye dayanır | Kusurun yeri işaretlenir, karar modele dayanır |
Çoğu hatta ikisi birlikte çalışır. Ölçüm ve kod okumayı kural yapar, yüzeydeki kusuru model arar. Birini diğerine tercih etmek yerine her görevi kendisine uygun yönteme vermek en doğrusudur.
Bir model nasıl hazırlanır
Numune toplarsınız. Kusurlu ve kusursuz parçaların görüntüsü, gerçek hat koşullarında alınır. Laboratuvar ışığında çekilmiş fotoğraflarla eğitilen model hatta zorlanır.
Görselleri etiketlersiniz. Her görselde kusurun yeri işaretlenir ve tipi adlandırılır. Bu iş için kod yazmanız gerekmez, görsel bir arayüzde yapılır.
Modeli eğitir ve sınarsınız. Model, eğitimde hiç görmediği görsellerle denenir. Kaçırdığı kusur ve gereksiz yere reddettiği parça oranları ölçülür.
Hatta kurarsınız. Model hat hızında çalışır, kararını PLC'ye ya da robota gönderir. Hat çalıştıkça yeni kusur örnekleri birikir ve model bu örneklerle güncellenir.
Kalite kontrolde nerede kullanılır
En yaygın kullanımı yüzey kusuru tespitidir. Model çatlak, çizik, ezik, leke ve renk değişimini bulur ve görüntü üzerinde yerini işaretler. Kusurları tipine göre sınıflandırıp hangisinin ne sıklıkla görüldüğünü de raporlar.
Montaj kontrolünde de kullanılabilir. Parçalar doğru yerde ve doğru yönde mi, buna bakılır. Örneğin bir kabloyu ya da esnek bir contayı kontrol ediyorsanız görünüm her parçada değişeceği için model daha güvenilirdir. Sabit görünümlü bir vidanın varlığına ise kural yeter. Ambalaj ve etiket denetimi de aynı yapıyla sevkiyat öncesinde yapılır.
Dikkat etmeniz gereken üç nokta
Görüntü kalitesi her şeyden önce gelir. Işık ve kamera açısı yanlışsa en iyi model de kusuru göremez.
Numune seti hattın gerçeğini yansıtmalı. Yalnızca belirgin kusurlarla eğitilen model ince kusurları kaçırır.
Eşiği kusurun önemine göre koyun. Kaçırılan kusur ile gereksiz ret arasında bir denge kurarsınız. Güvenliği etkileyen bir kusurda eşik sıkı tutulur, görsel bir kusurda daha esnek bırakılabilir.
İlk adım: zor kusuru seçin
Hattınızda kuralla tarif edilemeyen, operatörlerin de en çok tartıştığı kusuru seçin. Yapay zekânın fark yaratacağı yer orasıdır. O kusurdan birkaç örnek ve kusursuz birkaç parçayla bize yazın. Kalite kontrol projelerimizde yöntemi her zaman numuneler üzerinde deneyerek seçiyoruz. Kuralla çözülebilecek bir görevse onu da açıkça söyleriz, çünkü kural tabanlı görüntü işleme o işte daha hızlı ve daha ekonomiktir.
Sık sorulan sorular
Yapay zekâ kural tabanlı sistemin yerini alır mı?
Almaz. Ölçüm, kod okuma ve standart kontrollerde kural daha hızlı ve öngörülebilirdir. Yapay zekâ görünümü değişken kusurlarda kullanılır.
Model eğitmek için kod yazmak gerekir mi?
Gerekmez. Etiketleme ve eğitim görsel arayüze sahip bir yazılımda yapılır.
Model zamanla kötüleşir mi?
Ürün, malzeme ya da ışık değişirse başarısı düşebilir. Bu yüzden hattan yeni örnekler toplanır ve model belirli aralıklarla güncellenir.
