Comprendere la modalità Red High Detail per la segmentazione dei difetti

La comprensione della modalità Red High Detail inizia con una revisione dei quattro strumenti principali basati sul deep learning all’interno di VisionPro. Questi strumenti utilizzano reti neurali profonde per riconoscere modelli, componenti e anomalie nelle immagini catturate da telecamere dotate di visione artificiale di Cognex: 
 

• Red Analyze: Rileva anomalie e difetti su immagini. Lo strumento modalità Red High Detail è un’impostazione dell’architettura all’interno di questo strumento.
• Green Classify: Classifica un’immagine o parti di un’immagine in un numero qualsiasi di classi. Un esempio comune è la classificazione dei difetti per tipo (ad esempio, macchie, fratture e graffi).
• Blue Locate: Individua parti o componenti in un’immagine.
• Blue Read: Esegue un sofisticato riconoscimento ottico dei caratteri nelle immagini.

Gli sviluppatori VisionPro possono usare uno o tutti questi strumenti insieme. Ciò è particolarmente vero per gli strumenti Red Analyze e Green Classify. Ad esempio lo strumento Red Analyze può identificare un’anomalia e lo strumento Green Classify può determinare il tipo di difetto.  

Come funziona lo strumento Red Analyze

Quando una telecamera di Cognex scatta un’immagine per ispezionare un pezzo in produzione, VisionPro deve stabilire se l’immagine passa o non passa l’ispezione.

Lo strumento Red Analyze permette di effettuare queste ispezioni, scansionando le caratteristiche, gli oggetti o i componenti all’interno di un’immagine. VisionPro utilizza una rete neurale per dare a queste immagini un voto che indica la conformità o la non conformità, sulla base di una collezione di immagini di addestramento preimpostate.

Il processo avviene come di seguito: Lo sviluppatore di applicazioni di visione artificiale inserisce una serie di immagini nella rete neurale. Di norma metà di queste sono immagini di training e l’altra metà sono immagini di convalida. La rete neurale confronta le immagini di training con la “verità di base” presente nelle immagini di convalida. Durante il training dello strumento, la rete neurale impara a decifrare la differenza tra le immagini considerate conformi e quelle che non lo sono.  

Lo strumento Red Analyze funziona in due modi: 

• Senza supervisione Utilizza immagini prive di difetti per addestrare la rete neurale. Qualsiasi dettaglio nell’immagine che si discosta dalla definizione di “conforme” viene segnalato come anomalia.
• Con supervisione: Richiede agli sviluppatori di identificare segmenti specifici all’interno di un’immagine per addestrare la rete neurale. La rete neurale scansiona l’immagine alla ricerca di questi difetti specifici.  
   

La modalità supervisionata utilizza due sotto-modalità:

• Modalità focalizzata, che offre prestazioni elevate e tempi di addestramento rapidi.  
• Dettaglio elevato, che offre la migliore accuratezza della categoria dato il suo algoritmo esaustivo

Di conseguenza la segmentazione in modalità Red High Detail è una caratteristica della modalità supervisionata nello strumento Red Analyze.

Decidere quando utilizzare la segmentazione High Detail  

La segmentazione in modalità focalizzata nel VisionPro è estremamente accurata e agile. Si possono aggiungere nuove immagini alla rete neurale e iniziare a produrre risultati in pochi minuti. La modalità focalizzata è ben progettata per le applicazioni più semplici, ma per i lavori più impegnativi è più adatta la modalità high detail.

La segmentazione high detail richiede un’architettura di rete neurale più complessa. Chiaramente ciò richiede un compromesso tra tempo e precisione. Con lo strumento modalità Red High Detail, potrebbero essere necessarie un paio d’ore per addestrare la rete. Di conseguenza gli sviluppatori di applicazioni devono essere strategici nell’affrontare il tempo di elaborazione extra.

Risparmiare tempo con la modalità Red High Detail

Solitamente l’etichettatura di immagini e segmenti è una delle parti che richiedono più tempo nello sviluppo di un’applicazione di visione artificiale con il VisionPro. Gli sviluppatori potrebbero aver bisogno di etichettare più segmenti all’interno di decine di immagini. Potrebbe essere necessario mascherare gli sfondi presenti in un’immagine e gli oggetti possono aver bisogno di essere ripresi da diverse angolazioni per rilevare tutto ciò che la rete neurale ha bisogno di vedere.

Fortunatamente, il compito di etichettatura deve essere effettuato una volta soltanto. Le etichette possono essere semplicemente copiate quando si valutano diversi strumenti per la loro applicazione, come la Modalità focalizzata o la Modalità High Detail.  Senza la necessità di ri-etichettare le immagini, lo sviluppatore risparmia tempo e può distribuire la sua applicazione più rapidamente.

Inoltre gli sviluppatori possono combinare le Modalità focalizzata e la High Detail all’interno di un’applicazione, riservando la segmentazione a dettaglio elevato soltanto ai casi in cui è più utile. Spesso la Modalità Red High Detail funziona bene in un modello di ispezione a due livelli, nel quale i componenti di produzione che non superano il test a dettaglio elevato vengono inviati agli ispettori umani che esprimono il giudizio finale di accettazione o rifiuto.

Rilevare difetti minimi e ottienere un’analisi precisa e predittiva

Gli sviluppatori di visione artificiale sono abituati a sviluppare applicazioni con una precisione elevata e una ridotta tolleranza. La modalità Red High Detail aiuta questi sviluppatori a raggiungere il livello di precisione richiesto per le applicazioni più esigenti.

Lo strumento modalità Red High Detail è adatto alle applicazioni che richiedono la ricerca di difetti difficili e la previsione accurata della forma/dimensione di questi difetti. Questa precisione a livello di pixel è importante in settori rilevanti quali l’elettronica di consumo, i semiconduttori e il settore automobilistico. Ad esempio un produttore di semiconduttori potrebbe aver bisogno di rilevare difetti minuscoli che potrebbero causare il surriscaldamento di un microprocessore. Oppure un impianto di trasformazione alimentare potrebbe aver bisogno di eseguire la scansione per iniziali segni di muffa o deterioramento nei prodotti refrigerati.

Gli algoritmi di deep learning, come quelli che alimentano la modalità Red High Detail , estrapolano il significato da quantità immense di modelli di pixel. Inoltre, i componenti in produzione presentano spesso differenze minime che non incidono sulla qualità, sulle prestazioni o sulla durata. Le applicazioni di apprendimento artificiale possono essere ottimizzate per tenere conto di queste differenze.

Tuttavia, una rete non dovrebbe essere addestrata con così tanta precisione da rifiutare tutto ciò che ispeziona. Piuttosto, l’obiettivo è che la rete neurale esprima giudizi sfumati a partire da un ampio insieme di dati con numerose leggere variazioni, proprio come fanno le persone.

Risolvere applicazioni diagnostiche complesse con il VisionPro Deep Learning

Con il software VisionPro gli sviluppatori sono in grado di sfruttare un’ampia serie di strumenti, compresi gli strumenti Red Analyze, Green Classify, Blue Locate, Blue Read, per soddisfare anche i requisiti applicativi più rigorosi. Tra questi strumenti, la modalità Red High Detail , una caratteristica dello strumento Red Analyze, offre una segmentazione dei difetti a livello di pixel per rilevare e misurare difetti difficili, quali macchie, fratture, graffi e altri tipi di imperfezioni sui prodotti fabbricati. Lo strumento impara a riconoscere accuratamente l’aspetto dei difetti e li predice nelle immagini non addestrate con precisione a livello di pixel. Insieme ai suoi omologhi, la modalità Red High Detail porta la potenza dell’ispezione profonda ai produttori di tutti i settori, consentendo ai loro sistemi di ispezione di adottare decisioni simili a quelle umane con la velocità di una macchina. Il risultato finale? Tempi di lavorazione più rapidi e qualità superiore.