Endüstriyel kalite kontrolü köklü bir değişim geçiriyor. Kural tabanlı görüntü işleme sistemleri veya manuel görsel denetimler onlarca yıldır yaygın bir uygulama olsa da, yapay zeka (AI) kullanımı tamamen yeni olasılıkların önünü açıyor. Yapay zeka tabanlı süreçler endüstriyel görüntü işleme de devrim yaratıyor ve üretim süreçlerini daha verimli, sağlam ve uygun maliyetli hale getiriyor.
Doğru aydınlatma, ister kural tabanlı ister yapay zeka destekli bir sistem olsun, başarılı bir Machine Vision uygulaması için her zaman temel bir gereklilik olmuştur. Bununla birlikte, özellikle yapay zeka uygulamalarında, sinir ağının eğitim sırasında zayıf aydınlatma koşullarını basitçe “telafi edebileceği” için aydınlatmanın ikincil bir rol oynadığına dair kalıcı bir yanlış kanı vardır. Bugüne kadar, YZ uygulamalarını optimize etmek için iki yaygın yaklaşım vardır: Model mimarisini ve hiperparametreleri optimize etmeye odaklanan model merkezli yaklaşım ve mümkün olduğunca yüksek kaliteli ve dengeli bir eğitim veri setine dayanan veri merkezli yaklaşım. Bununla birlikte, yapay zeka makine görüşü alanındaki uygulamaların çözümü, şirketleri genellikle gereksiz yere uzun proje süreleri ve diğer şeylerin yanı sıra sınırlı eğitim verilerinin mevcudiyetinden de kaynaklanan yüksek maliyetlerle karşı karşıya bırakmaktadır.
Bu zorlukların üstesinden hedefe yönelik bir aydınlatma stratejisi ile gelinebilir. Çünkü iyi planlanmış ve yapılandırılmış bir aydınlatma stratejisi karmaşıklığı azaltabilir ve sorunları en başından en aza indirebilir. Bu “aydınlatma merkezli yaklaşım”, optimize edilmiş aydınlatmaya sahip yapay zeka modellerini daha sağlam ve hassasiyetli hale getirebilir. Bunun nedeni, daha iyi bir aydınlatma konseptinin çok çeşitli çevresel koşulları daha kontrol edilebilir hale getirmesi ve görüntülerde daha az varyansa yol açmasıdır. Bu da yazılım geliştiricisi MVTec’in rakamlarının gösterdiği gibi, daha az eğitim görüntüsü gerektiği ve sistemin daha az veriyle daha fazla hassasiyet elde ettiği anlamına geliyor:
Aynı sayıda görüntü ile, uygun aydınlatma ile hassasiyet %89’dan %97’ye çıkarılabilir. Buna ek olarak, yüksek kaliteli aydınlatma ile 175 görüntü yerine 45 görüntü temelinde %89’luk bir hassasiyet elde edilebilmiştir. Bu da aynı sonucun görüntü verilerinin sadece dörtte biri ile elde edildiği anlamına gelmektedir. Bu sonuçlar özellikle sınırlı eğitim verilerinin yapay zeka güdümlü görüntü işleme projesi için büyük bir zorluk olduğu durumlarda önemlidir. Kısacası, doğru aydınlatma, ister geleneksel ister yapay zeka tabanlı yaklaşımlar kullanılsın, görüntü işleme alanında başarının anahtarı olabilir. Doğru aydınlatma hata oranlarını düşürmeye, maliyetleri azaltmaya ve genel sistem doğruluğunu artırmaya yardımcı olur.
Aşağıdaki dört adımlı plan, görüntü işlemedeki her uygulama için mükemmel aydınlatmayı elde etmeyi mümkün kılar. İlk adım doğru aydınlatma prensibini seçmektir. Doğru yöntemi seçmenin amacı, istenmeyen bilgileri bastırırken ilgili ayrıntıları vurgulamaktır. wenglor’un kapsamlı aydınlatma portföyü, parlak alan, karanlık alan, halka, arka plan ve kule aydınlatma gibi tipik ilkeler de dahil olmak üzere farklı aydınlatma yöntemleri seçeneği sunar. Uygulamaya bağlı olarak, çeşitli aydınlatma ilkelerinin bir kombinasyonu da en iyi sonuçları verebilir.
Prensip belirlendikten sonra, ikinci adım doğru dalga boyunu belirlemektir. Işık kaynağının rengi görüntü üzerinde önemli bir etkiye sahiptir. Örneğin mavi ışık mavi ve beyaz alanları vurgulayıp diğerlerini bastırırken, kırmızı ışık tam tersi bir etkiye sahiptir ve tüm kırmızı tonları güçlendirir. Işık, basılı metni veya kaplamaları azaltacaksa, malzemeye daha derin nüfuz eden ve yüzey etkilerini yumuşatan kızılötesi ışık iyi bir seçimdir. Plastik endüstrisinde genellikle alttaki yüzeyi incelemek amacıyla baskıları “görünmez” hale getirmek için kullanılır. Seçim yaparken her bir ışık türü dezavantajları da tartılmalıdır. Örneğin, beyaz ışık doğal bir ışık sağlamasına rağmen, ortam ışığına karşı çok hassastır ve bu nedenle kontrol edilmesi daha az kolaydır. Bu nedenle doğru ışık rengi seçimi, test parçalarının varyansını azaltmaya da yardımcı olabilir. Bu, sonraki test dizisindeki değerlendirme üzerinde olumlu bir etkiye sahip olabilir.
Aydınlatma seçimine ek olarak, dördüncü adımda ek optik filtrelerle görüntü kalitesi daha da optimize edilebilir. Kapsamlı wenglor optik filtre portföyü, polarizasyondan bant geçiren ve uzun geçiren filtrelere kadar her gereksinim için doğru çözümü sunar. Polarizasyon filtresi parlak yüzeylerdeki yansımaları azaltmaya yardımcı olur. Yalnızca belirli dalga boylarının geçmesine izin veren bant geçiren filtreler, görüntüdeki kontrastı artırmak ve ortam ışığına karşı dayanıklılığı geliştirmek için kullanılır. Gerekirse, uzun geçişli filtreler istenmeyen ışık kaynaklarını engelleyerek kızılötesi görüntülemeyi iyileştirir. Uygun objektifler de mevcuttur ve wenglor Vision Calculator kullanılarak belirli uygulamalar için belirlenebilir.
Bu dört adımı izleyerek, Machine Vision uygulamaları için mümkün olan en iyi başlangıç noktasını sağlayan sağlam bir aydınlatma sistemi oluşturulabilir. Özetle, doğru aydınlatma sadece hataları azaltmak ve hassasiyeti artırmakla kalmaz, aynı zamanda yapay zeka modellerini daha verimli hale getirmeye ve genelleme yeteneklerini artırmaya yardımcı olur.
İş unvanı