Mit tud a gépi látás
A gyártósori minőségellenőrzés klasszikus dilemmája, hogy az ember figyelme véges, a száz százalékos kézi ellenőrzés pedig megfizethetetlen. A gépi látás ezt oldja fel. A kamera minden darabot megnéz, ugyanazzal a figyelemmel a műszak első és utolsó percében, és a hibás darab a soron akad fenn, nem a vevő reklamációjában.
A mai rendszerek betanítása is egyszerűsödött. A korábbi, sok ezer címkézett hibaképet igénylő megközelítés mellett megjelentek azok a módszerek, amik főleg jó darabokból tanulnak, és az attól való eltérést jelzik. Ez a gyakorlatban azt jelenti, hogy ritka hibatípusokra is működik, amikből nincs sok minta.
A bevezetés lépései
Az adatközpontú tanulság
A gépi látás projektek sikere ritkán a modellen múlik, szinte mindig az adaton. Következetes címkézés, jó minták, a határesetek egyértelmű megítélése. Ha a minőségügyi kollégák maguk sem értenek egyet abban, mi a selejt, a gép sem fogja tudni. A rendszer bevezetése ezért gyakran a minőségi szabvány tisztázásával jár együtt, ami önmagában is érték.
A gépi látás nem váltja ki a minőségügyi csapatot, hanem átirányítja. A darabonkénti nézegetés helyett a hibamintázatok elemzése, a határesetek megítélése és a rendszer tanítása lesz a munkájuk. Ez magasabb rendű munka, és ezt érdemes így is kommunikálni.
Források és további olvasnivaló
Az adatminőség módszertanához az Adatközpontú AI tananyag, azon belül is a címkehibákról szóló lecke kapcsolódik ide legszorosabban.