Blog Yazısı Özeti
Metal yüzey kusur tespitinde görüntüye girmeyen çizik, daha büyük bir modelle görünür hale gelmez. Önce kusurun optik olarak ayırt edilebildiğini kanıtlamak; ardından modeli, hat hızını ve fiziksel ayırma sürecini birlikte test etmek gerekir.
Hazırlayan: Busana editoryal ekibi. Kaynak kontrolü: 6 Ekim 2026.
Fotoğraf: Sergey Sergeev / Pexels. Temsili görsel; bir Busana kurulumu değildir.
Parlak yüzeyde küçük bir çizik bir açıdan belirgin, başka açıdan görünmez olabilir. Üstelik sağlam parçadaki yağ izi, kameraya göre kusurdan daha dikkat çekici durabilir. Bu yüzden “kaç fotoğrafla model eğitiriz?” sorusundan önce “aynı kusuru her vardiyada nasıl görüntüleriz?” sorusu gelmelidir.
Güncel araştırma da bu zorluğu görünür kılıyor. MVTec AD 2 veri seti, farklı aydınlatma koşulları içeren endüstriyel anomali senaryolarıyla değerlendirme yapıyor; ilgili çalışma 2026 tarihli dergi yayını olarak listeleniyor. Bu veri seti sahadaki başarı garantisi değil, laboratuvar görüntülerine aşırı güvenmemenin somut bir nedeni. MVTec AD 2.
Kusuru önce ölçülebilir tarif edin
“Çizik olmasın” satın alma şartnamesi için yeterli değildir. Hangi yüzeyde, hangi boyuttaki ve hangi yöndeki izin reddedileceği belirlenmelidir. Kozmetik kabul ile fonksiyonel kabul aynı olmayabilir. Sınırdaki parçaları kalite sorumluları birlikte değerlendirmeden etiketlemeye başlamak, modele çelişkili örnekler verir.
Bir kusur kataloğunda fotoğrafın yanında ürün kodu, yüzey bölgesi, ölçüm yöntemi ve kabul kararı bulunsun. Tartışmalı örnekleri ayrı tutun. Görsel tespit, gerektiğinde başka ölçüm yöntemlerinin yerine değil ön eleme olarak kullanılmalıdır.
Çözünürlük hesabı megapikselden başlamaz
Varsayımsal bir örnekte 200 mm genişliği görüntüleyen 2.000 piksellik görüntü, yatay yönde yaklaşık 0,1 mm/piksel örnekleme sağlar. 0,2 mm'lik bir iz yalnızca iki piksele karşılık gelebilir. Bu, izin güvenilir biçimde saptanacağını kanıtlamaz; lens, kontrast, hareket ve gürültü de etkilidir.
Hareket bulanıklığını hesaba katın. Pozlama süresi ile hat hızının çarpımı, pozlama boyunca parçanın aldığı yolu verir. Aydınlatmayı güçlendirmek daha kısa pozlamaya yardımcı olabilir; fakat parlama ve ısınma gibi yeni sorunlar da yaratabilir. Donanım seçimi gerçek numuneler üzerinde yapılmalıdır.
Sorun: Parlak yüzey yansıması
- Denenecek çözüm: Aydınlatma açısını ve optik düzeni değiştirerek yansımayı azaltmak.
- Pilot testinde kontrol: Kusur, farklı yönlerde de görülebiliyor mu?
Sorun: Yüksek hat hızında görüntü bulanıklığı
- Denenecek çözüm: Kamera tetiklemesini parça geçişiyle eşleştirmek ve pozlama süresini kısaltmak.
- Pilot testinde kontrol: Görüntü net mi? Fotoğrafı çekilemeden geçen parça oluyor mu?
Sorun: Ürünün kamera önündeki konumunun değişmesi
- Denenecek çözüm: Ürünü mekanik olarak sabitlemek veya görüntü üzerinde hizalama uygulamak.
- Pilot testinde kontrol: Farklı konumlarda kenar ve köşe kusurları tespit edilebiliyor mu?
Sorun: Kamera lensinin kirlenmesi
- Denenecek çözüm: Düzenli temizlik planı oluşturmak ve görüntü kalitesi bozulduğunda uyarı vermek.
- Pilot testinde kontrol: Lens üzerindeki kir, ürün kusuru olarak algılanıyor mu?
Anomali modeli ne zaman mantıklı?
Kusursuz ürün görüntüsü bol, kusur örneği azsa normal görünümü öğrenen anomali yaklaşımı değerlendirilebilir. Kusur türleri net ve yeterince temsil ediliyorsa sınıflandırma veya bölütleme seçenekleri de karşılaştırılır. Basit ölçü ve kontrast farklarında klasik görüntü işleme daha anlaşılır ve ekonomik olabilir.
Anomali puanı, kusurun fiziksel ciddiyetinin doğrudan ölçüsü değildir. Yeni bir yüzey kaplaması sağlam olsa bile farklı göründüğü için yüksek puan alabilir. Karar eşiğini yalnızca eğitim başarısına göre değil, ayrılmış doğrulama grubunda yanlış ret ve kaçan kusur maliyetlerine göre belirleyin.
Veriyi rastgele fotoğraf bazında bölmek de yeterli olmayabilir. Aynı parçanın benzer kareleri hem eğitim hem testteyse sonuç iyimser çıkar. Farklı parti, tarih, vardiya ve ürün varyantlarını ayrı değerlendirmek saha değişimini daha iyi gösterir. Araştırma veri setlerinin lisansları ayrıca incelenmeli; erişilebilir olmaları ticari eğitim kullanımını otomatik olarak serbest yapmaz.
Edge AI neden tek başına hız garantisi değildir?
Modeli hattın yanındaki bilgisayarda çalıştırmak bulut bağlantısına bağımlılığı azaltabilir. Ancak toplam karar süresi; görüntü alma, aktarım, ön işleme, çıkarım, PLC haberleşmesi ve mekanik ayırmadan oluşur.
Örneğin parça kameradan ayırıcıya bir saniyede ulaşıyorsa yalnızca modelin 30 milisaniyede çalışması yeterli bilgi değildir. Kuyrukta bekleme ve ayırıcının tepki süresi de bu bütçenin içindedir. Parça kimliğini konveyör boyunca izlemek, doğru kararı doğru parçaya uygulamak için zorunludur.
Bağlantı kesildiğinde, görüntü alınamadığında veya bilgisayar yeniden başladığında parçanın ne olacağı önceden belirlenmelidir. Kararsız parçayı otomatik sağlam saymak kabul edilmemesi gereken bir varsayım olabilir; güvenli davranış ürün riskine göre tasarlanmalıdır.
Satın almadan önce gölge modda çalıştırın
İlk aşamada sistem karar üretsin, fakat ayırıcıyı yönetmesin. Kalite ekibinin değerlendirmesiyle model sonucunu parça bazında karşılaştırın. Yanlış ret oranını sağlam parçalar üzerinden, kaçan kusur oranını kusurlu parçalar üzerinden hesaplayın; toplam doğruluk nadir kusurlarda yanıltıcı olabilir.
Kabul dosyasında ürün ve kusur bazında sonuç, hat hızı, gecikme dağılımı, bakım gereksinimi ve belirsiz karar davranışı bulunsun. Model güncellemesi aynı testten geçmeden üretime alınmamalıdır.
Busana'nın görüntü işleme ve donanım tasarımı çalışmalarını değerlendirmek için birkaç güzel fotoğraftan fazlası gerekir: gerçek kusurlu numuneler, sağlam varyasyonlar ve kabul sınırları. Pilot kapsamını bu bilgilerle konuşabiliriz.
