จริงๆ แล้วต้องใช้ภาพตัวอย่างข้อบกพร่องกี่ภาพ?

ทำไมห้าภาพจึงเพียงพอ

การเทรนด้วยตัวอย่างน้อยจะสกัดคุณลักษณะหลายมิติและให้น้ำหนักกับคุณลักษณะที่มีข้อมูลสำคัญมากขึ้น แทนที่จะแสดงทุกรูปแบบของข้อบกพร่องให้โมเดลดู โมเดลจะเรียนรู้ว่าอะไรทำให้ข้อบกพร่องแตกต่าง

Transfer learning ยิ่งเสริมประสิทธิภาพนี้ ผลิตภัณฑ์ที่ใช้วัสดุและกระบวนการเดียวกันมีคุณลักษณะร่วมที่เรียนรู้ไว้แล้ว ชิ้นงานใหม่จึงต้องเรียนรู้เพียงส่วนที่แตกต่าง ปัจจุบันรองรับมากกว่า 30 โมเดล

เมื่อภาพเดียวก็เพียงพอ

แผงขนาดใหญ่ ตัวถังรถยนต์ และมอเตอร์ขนาดใหญ่ไม่สามารถขนส่งมาให้เราได้ในทางปฏิบัติ โมเดลจึงสร้างจากตัวอย่างเดียวที่ถ่าย ณ หน้างาน การออกแบบการถ่ายภาพโดยยึดไลน์การผลิตจริงแม่นยำกว่าการเคลื่อนย้ายชิ้นงาน

เมื่อตัวอย่างชิ้นงานดีเพียงอย่างเดียวก็เพียงพอ

One-class training เรียนรู้การกระจายตัวของชิ้นงานดี และแจ้งเตือนทุกสิ่งที่อยู่นอกการกระจายตัวนั้น ใช้ได้เมื่อผลิตภัณฑ์ใหม่จนยังไม่มีประวัติข้อบกพร่อง หรือเมื่อข้อบกพร่องเกิดขึ้นน้อยจนการเก็บรวบรวมต้องใช้เวลาหลายเดือน

หากคุณต้องการจำแนกข้อบกพร่องตามประเภท — เพราะแต่ละประเภทต้องดำเนินการต่างกัน — ก็จำเป็นต้องมีตัวอย่างของแต่ละประเภท แต่ยังคงอยู่ที่ประมาณห้าภาพต่อประเภท

เมื่อคำตอบนี้ใช้ไม่ได้

• หากข้อบกพร่องมองไม่เห็นแม้ด้วยตาคน ออปติกต้องมาก่อนจำนวนตัวอย่าง ไม่มีอัลกอริทึมใดตัดสินสิ่งที่แสงและเลนส์ไม่สามารถเผยให้เห็นได้
• หากความแปรผันระหว่างชิ้นงานดีด้วยกันมากกว่าตัวข้อบกพร่องเอง ต้องกำหนดมาตรฐานให้ชัดเจนก่อน ซึ่งทำในระหว่าง PoC
• หากมาตรฐานการตรวจสอบไม่เคยถูกเขียนเป็นลายลักษณ์อักษรและอยู่ในการตัดสินของผู้ตรวจสอบ ต้องบันทึกการตัดสินนั้นเป็นข้อมูลก่อน

PoC ประกอบด้วยอะไรบ้าง

• ยืนยันชิ้นงานและประเภทข้อบกพร่อง และลงนาม NDA
• รับตัวอย่างหรือภาพผ่านช่องทางที่ปลอดภัย
• ออกแบบการตั้งค่าออปติกและถ่ายภาพ
• เทรนโมเดลและรายงานการตรวจจับเกินและการตรวจจับหลุดในรูปแบบ confusion matrix
• กำหนดความเร็วในการตรวจสอบให้เหมาะกับอัตราการผลิตของไลน์และฮาร์ดแวร์ของคุณ