Машинное зрение в контроле качества

Машинное зрение в контроле качества (ОТК)

Машинное зрение в контроле качества — это технология автоматической инспекции продукции, использующая промышленные камеры, оптические системы и алгоритмы компьютерного зрения для выявления дефектов, отклонений геометрии или нарушений целостности поверхности без участия оператора. В отличие от ручного ОТК, где решение принимает человек на основе визуального осмотра, машинное зрение обеспечивает детерминированную, повторяемую оценку каждого изделия в потоке. Технология интегрируется в производственную линию на этапах промежуточного или финального контроля, позволяя сортировать годные и бракованные единицы в реальном времени. Основная задача внедрения — замещение субъективного человеческого фактора объективными измерительными процедурами с фиксированными допусками.

Что это и зачем

Машинное зрение для ОТК представляет собой совокупность аппаратных средств (камер, объективов, источников освещения, контроллеров) и программного обеспечения, включающего библиотеки обработки изображений и нейросетевые модели классификации. Система получает цифровое изображение детали или узла, выделяет в кадре контролируемые области, измеряет заданные параметры (размеры, углы, радиусы, площадь поверхности) и сопоставляет их с эталонными значениями, заложенными в техническое задание. При выходе параметра за допустимые пределы система формирует сигнал брака: может остановить конвейер, активировать отбраковочный механизм или внести запись в электронный журнал качества. Внедрение машинного зрения снижает долю невыявленного брака, исключает усталость оператора при монотонной работе и даёт статистику по типам дефектов для последующего анализа причин. Технология одинаково применима для металлообработки, штамповки, сварки, окраски и сборки микроэлектроники.

Как это работает или считается

Процесс контроля строится на последовательности этапов: захват кадра, предварительная фильтрация шумов, сегментация объектов, выделение признаков и принятие решения. Для измерения геометрии применяются методы калибровки по эталонному объекту — пиксельные координаты переводятся в миллиметры через матрицу преобразования. Для поиска поверхностных дефектов (царапин, пор, раковин, недоливов) используются операторы выделения границ и анализ текстуры. Оценка точности контроля проводится по метрикам полноты и точности: система настраивается так, чтобы минимизировать пропуск брака (ложноотрицательные результаты) при допустимом уровне ложных срабатываний. Калибровка выполняется на этапе пусконаладки по выборке изделий с известным классом годности, пороговые значения задаются конструкторской документацией.

Где применяется на производстве

На линиях литья под давлением машинное зрение проверяет полноту заполнения формы и наличие трещин после остывания. В штамповочных цехах контролируются размеры отверстий и расстояние между кромками. На сварочных участках инспектируется непрерывность шва, глубина провара и наличие подрезов. В сборочных производствах система верифицирует наличие всех компонентов и правильность их ориентации. На финишном контроле перед упаковкой проверяется маркировка, штрихкоды и видимые повреждения покрытия. Встраиваемые модули машинного зрения работают как в дискретном режиме (пост-контроль на отдельном стенде), так и в поточном — над движущейся лентой с синхронизацией по энкодеру.

Частые ошибки

Избыточное освещение или тени от оборудования приводят к изменчивости яркости на кадре, что ухудшает стабильность выделения границ. Выбор объектива без учёта требуемого разрешения на единицу измеряемой площади не позволяет фиксировать мелкие дефекты. Пренебрежение регулярной калибровкой и очисткой оптики ведёт к дрейфу результатов даже при неизменных условиях съёмки. Использование универсального алгоритма без дообучения под конкретный тип дефектов даёт высокий уровень ложных тревог. Недостаточная синхронизация с тактом линии — камера не успевает обработать кадр до прихода следующего изделия, что создаёт узкое место в потоке.

Частые вопросы

Можно ли использовать машинное зрение для контроля деталей сложной пространственной формы, где дефекты расположены на разных гранях?

Да, но требуется многокамерная система с согласованным освещением и последовательная обработка изображений с разных ракурсов. Альтернатива — роботизированный манипулятор, позиционирующий датчик или поворотный стол.

Какой объём тренировочных данных нужен для нейросетевой модели обнаружения новых типов поверхностных дефектов?

Минимальный набор — несколько сотен размеченных изображений на каждый тип дефекта и не менее тысячи изображений годных деталей для фона. Количество зависит от сложности дефекта и вариативности фона, определяется экспериментально в ходе пилотного проекта.

Влияет ли скорость движения конвейера на точность контроля?

Влияет через время экспозиции и скорость обработки кадра. Для движущихся объектов требуется короткая выдержка (обычно менее 1 мс) и синхронизация с импульсной подсветкой. Если пропускная способность алгоритма ниже такта линии, используют многопоточную обработку или распределённые вычислительные блоки.