Как подготовить линию к внедрению машинного зрения

Почему пилоты машинного зрения проваливаются

Модель не спасает плохой кадр

Нейросеть может иметь 99% recall на отлаженном датасете, но на линии будет пропускать дефекты или генерировать ложные тревоги. Причина почти всегда одна - производственная среда не подготовлена к стабильному визуальному контролю.

Освещение меняется от смены к смене. Конвейер вибрирует. Деталь поворачивается не так, как на столе. Дневной свет пробивается через окно цеха. И ни одна модель не справится с таким хаосом.

Что определяет успех пилота

Успешный пилот машинного зрения начинается не с выбора модели - он начинается с инженерной подготовки линии. Камера видит то, что ей показывают свет и ракурс. Модель работает с тем, что она получает на вход.

Если дефект не виден на изображении - нейросеть не сможет его найти. Если свет меняется каждые 20 минут - модель не будет стабильной. Если событие отбраковки не доходит до PLC - система бесполезна.

Чек-лист подготовки линии

Перед тем как запустить пилот на линии, убедитесь, что собраны все данные и устранены базовые риски. Ниже - пять ключевых направлений, которые определяют, будет ли пилот работать или превратится в бесконечную настройку.

Пять направлений подготовки линии

Каждый из этих пунктов может самостоятельно сделать пилот нежизнеспособным.

Освещение

Свет в цехе меняется в течение дня. Дневной свет через окна, переключение рабочих светильников, тени от персонала. Результат: модель, обученная на одном освещении, даёт разные результаты в утром и вечером. Решение: стробоскопическая синхронизация лазера или LED, диффузное освещение, закрытие окна цеха от прямого света.

Ракурс и крепление

Камера дрожит от вибраций конвейера. Ракурс меняется при ударе детали. Объектив запотевает от конденсата. Результат: размытые кадры, смещение ROI, потеря мелких дефектов. Решение: виброизолированный кронштейн, фиксация рабочей дистанции, защитный кожух с фильтром.

Датасет и классы дефектов

Датасет собран на столе с идеальными образцами. На линии детали приходят в разных ориентациях, с разной степенью загрязнения, с естественным разбросом параметров. Результат: модель не обобщает на реальные данные. Решение: сбор реальных кадров с линии до старта пилота.

Интеграция с АСУ ТП

Результат детекции отображается только на экране компьютера оператора. Оператор должен сам принять решение об отбраковке. Результат: задержка, человеческий фактор, потеря деталей. Решение: интеграция с PLC/MES/SCADA, автоматический сигнал отбраковки.

Метрики и критерии успеха

Нет чётких метрик: что считается пропуском дефекта, сколько ложных тревог допустимо за смену, какой throughput требуется. Результат: пилит работает, но ни заказчик, ни команда не понимают, успешный он или нет. Решение: зафиксировать метрики до старта пилота.

Чек-лист подготовки

Что сделать до запуска пилота.

01

Установка камеры

Устанавливаете камеру на кронштейн. Проверяете, что деталь попадает в поле обзора. Фиксируете рабочую дистанцию. Настраиваете фокус. Проверяете разрешение: микроны на пиксель. Убедитесь, что дефект покрывает минимум 4 пикселя для надёжной детекции.

02

Сбор датасета

Снимаете 200-500 кадров с линии в рабочем режиме. Включая разные партии, разные углы, разные степени загрязнения. Согласовываете с ОТК классы дефектов: что брак, что условный брак, что допустимо. Фиксируете критерии годности.

03

Освещение

Свет в цехе меняется от смены к смене. Дневной свет через окна, переключение рабочих светильников, тени от персонала. Решение: стробоскопическая синхронизация или LED-освещение с фиксированной интенсивностью. Тест: снимаете кадр в 8:00 и в 20:00 - картинка должна быть одинаковой.

04

Крепление и защита

Конвейер вибрирует. Камера должна быть на виброизолированном кронштейне. Рабочая дистанция фиксируется. Объектив защищён от брызг и пыли. Тест: трясёте конвейер - камера не должна смещаться.

05

Точка интеграции

Определяете, куда идёт событие: PLC (дискретный сигнал), MES (OPC UA / MQTT), SCADA, или экран оператора. Для PLC: триггер, ready, busy, pass/fail, reject code. Для MES: JSON-сообщение с размером, координатой и классом дефекта.

06

Метрики пилота

До старта пилота фиксируете: recall (пропуск дефекта), precision (ложные тревоги), FP rate за смену, throughput (деталей в час). После пилота: сравниваете систему с ручным контролем ОТК.

Методы синхронизации камеры с линией

Метод	Задержка	Надёжность	Когда использовать
Дискретный триггер (датчик присутствия)	0-5 мс	Высокая	Простые линии, один продукт, стабильная скорость
Энкодер конвейера	0-2 мс	Высокая	Постоянная скорость, линейная синхронизация
Hardware trigger (GPIO)	0-1 мс	Максимальная	Высокоскоростные линии, точная синхронизация
OPC UA / MQTT	10-50 мс	Средняя	Передача данных в MES/SCADA, не для мгновенной отбраковки
Ethernet/IP или PROFINET	5-20 мс	Высокая	Промышленные камеры Cognex, Keyence, Omron

Не покупайте камеру до теста освещения

Самая частая ошибка - покупать камеру и модель, не проверив свет и ракурс. Сначала снимите 50 кадров с линии при текущем освещении. Если дефект не виден на этих кадрах - никакая нейросеть его не найдёт. Улучшите свет, затем выбирайте камеру и модель.

Типичные ошибки при подготовке пилота

Что чаще всего ломает пилот машинного зрения на линии.

Датасет не с линии

Собрали датасет на столе, а на линии детали приходят в других ориентациях. Или свет другой. Или загрязнение другое. Модель обучена на идеальных фото, а не на реальных кадрах с линии.

Нет виброизоляции

Камера закреплена на штативе или просто лежит на кронштейне. Конвейер вибрирует. Ракурс смещается. Кадры размыты. Мелкие дефекты теряются.

Нет интеграции с PLC

Результат детекции показан только на мониторе. Оператор должен сам заметить дефект и нажать кнопку. Задержка, человеческий фактор, потеря деталей.

Зависимость от дневного света

Свет в цехе меняется в течение дня. В утром тени длинные, в обед ярко. Модель, обученная на одном освещении, даёт разные результаты.

Нет метрик и валидации

Запустили пилот, но не зафиксировали метрики. Работает - и ладно. Но через месяц никто не знает, работает ли система так же хорошо, как в первый день.

Не согласованы критерии брака

Классы дефектов не согласованы с ОТК. Инженер считает царапину браком, ОТК - допустимым. Модель обучена на одном, а принимают по другому.

Инженерная подготовка линии: пошаговый алгоритм

Шаг 1. Осмотр линии и фиксация ограничений

Первый визит на линию - это не про камеры. Это про понимание производственной среды:

Скорость конвейера (деталей в минуту).
Габариты и масса детали.
Доступное место для монтажа камеры и освещения.
Вибрации конвейера и окружающих станков.
Температура и влажность в зоне контроля.
Есть ли дневной свет, пробивающийся через окна.
Где находится PLC, какому производителю, какие протоколы поддерживает.

Запишите всё. Сфотографируйте линию со всех сторон. Снимите видео в рабочем режиме.

Шаг 2. Сбор реальных кадров с линии

До покупки камеры и запуска обучения - соберите реальные кадры. Минимум 200-500 изображений с линии, включая:

Хорошие детали (год).
Детали с каждым классом дефекта (брак).
Детали с разной степенью загрязнения и износа.
Кадры в разное время суток (если свет меняется).

Эти кадры нужны для двух вещей: проверить, виден ли дефект при текущем освещении, и подготовить начальный датасет для обучения.

Шаг 3. Согласование классов дефектов с ОТК

Один из самых недооценённых этапов. Инженер по машинному зрению может считать царапину длиной 0.5 мм браком. ОТК - допустимым. Модель обучена на одном, а принимают по другому.

Согласуйте с ОТК:

Какие дефекты критические (обязательная отбраковка).
Какие - условные (допустимы с ограничениями).
Какие - не являются дефектом.
Минимальный размер дефекта, который нужно детектировать.

Фиксируйте критерии годности документально. Это основа для валидации пилота.

Шаг 4. Тест освещения

Прежде чем покупать камеру, протестируйте освещение. Снимите 50 кадров с линии при текущем освещении. Повторите утром и вечером. Если дефект виден на кадрах одинаково - свет стабилен. Если нет - нужно решение.

Решения:

Стробоскопическая синхронизация LED или лазера с камерой.
Диффузное освещение (купол, кольцевой диффузор).
Закрытие окон цеха от прямого дневного света.
Поляризационные фильтры для убрания бликов.

Шаг 5. Выбор точки интеграции

Результат детекции должен попадать туда, где принимается решение. Три уровня интеграции:

PLC (мгновенная отбраковка): дискретный сигнал PASS/FAIL, reject code, координата на конвейере. Задержка 0-5 мс. PLC управляет отбраковщиком, пневмоклапаном или переводом конвейера.

MES (аналитика и трекинг): JSON-сообщение через OPC UA или MQTT. Размер, класс дефекта, фото, timestamp. Данные для аналитики и отслеживания качества по партиям.

SCADA / HMI (визуализация): дашборд с метриками в реальном времени: размеры по сменам, CPK, drift, FP rate.

Шаг 6. Теневой запуск

Первые дни пилот работает в теневом режиме: система детектирует дефекты, но не влияет на линию. Результаты сравниваются с ручным контролем ОТК. Это позволяет:

Оценить recall (пропуск дефектов).
Оценить precision (ложные тревоги).
Настроить пороги без риска для продукции.
Собрать обратную связь от операторов.

Шаг 7. Промышленный запуск

После теневой проверки - переводим систему в активный режим. PLC получает сигнал отбраковки. MES получает данные. Дашборд показывает метрики.

Доккументируем:

Recall и precision на валидационной выборке.
FP rate за смену.
Throughput системы.
Сравнение с ручным контролем ОТК.

Заключение

Подготовка линии к машинному зрению - это не техническое задание на камеру. Это инженерная работа: свет, ракурс, синхронизация, датасет, классы дефектов, точка интеграции, метрики. Если хотя бы один элемент не готов - пилот не будет работать стабильно.

Хороший пилот начинается не с выбора модели. Он начинается с честной постановки задачи и повторяемой картинки.

Готовите пилот машинного зрения?

Расскажите о линии, дефектах и требованиях ОТК - подскажем, какие данные собрать и как подготовить линию перед пилотом.

Все услуги