Компьютерное зрение для контроля качества: что реально в 2020 году
Трезвая оценка того, где компьютерное зрение реально работает в заводском контроле качества прямо сейчас - и каковы распространённые заблуждения о стоимости и масштабе.
Визуальная инспекция - одна из наиболее очевидных областей применения ИИ в производстве. Задача повторяющаяся, критерии обычно чётко определены, объёмы высокие, а усталость человека - реальная проблема. На бумаге это почти идеальный кейс для машинного обучения.
На практике я регулярно вижу проекты, которые начинаются с энтузиазмом и приходят к результату, которым никто не доволен. Технология работает - но проблема обычно не там, где люди предполагали.
Что реально делает компьютерное зрение для контроля качества
Типичная система использует камеру - иногда стандартную промышленную, иногда более специализированную - и модель, обученную на изображениях годных и дефектных деталей. Модель помечает детали, которые не соответствуют образцу допустимого. Оператор просматривает помеченные элементы или, в более зрелых конфигурациях, система принимает решение о принятии/отклонении напрямую.
Хорошо работающая версия этого - не из области фантастики. Она работает в автомобильных цепочках поставок уже несколько лет. Что изменилось в последнее время - порог для запуска снизился: больше не нужно строить стек компьютерного зрения с нуля, и железо стоит дешевле.
Где это работает хорошо
Три условия делают визуальную инспекцию хорошо подходящей для автоматизации:
- Дефект визуальный и стабильный. Царапины на поверхности, отсутствующие компоненты, неправильная цветовая маркировка, размерное несоответствие, видимое на изображении - всё это решаемо.
- Детали имеют низкую вариативность. Если вы инспектируете один тип разъёма в одной ориентации, требования к обучающим данным управляемы.
- Освещение и позиционирование контролируются. Это инженерное ограничение, которое люди недооценивают больше всего. Переменное освещение и непоследовательное позиционирование деталей - наиболее частые причины, по которым модель, хорошо показавшая себя при тестировании, отказывает в производстве.
Где она не справляется
Контроль качества с компьютерным зрением плохо работает для дефектов, невидимых камерам (внутренние трещины, проблемы плотности материала), для сильно варьирующихся продуктов, инспектируемых в малых объёмах, или в условиях низкой дисциплины установки.
Самый частый сценарий неудачи, который я вижу: пилот успешен в контролируемых лабораторных условиях, затем падает при развёртывании на реальной производственной линии, потому что позиционирование и освещение не были стандартизированы. Стоимость стандартизации физической установки нередко выше стоимости самой модели.
Стоимость
Реалистичная начальная система для одной точки инспекции - камера, осветительная установка, железо для запуска модели, интеграция с линией - стоит где-то от 20 000 до 80 000 EUR в зависимости от специфики. Это не точная цифра, но она даёт ощущение диапазона.
Обучение и кастомизация добавляют время, а не обычно стоимость в этом масштабе. Готовые платформы (Cognex ViDi, Landing AI и ряд других) существенно сократили время до первой рабочей модели. Оставшиеся усилия в основном на физической и процессной стороне.
Честная отправная точка
Перед переговорами с любым поставщиком попросите вашу команду по качеству задокументировать: какие дефекты вы хотите поймать, с какой частотой они сейчас возникают, какова стоимость пропущенного дефекта и как физически выглядит точка инспекции. Эта документация определяет каждое последующее решение и предотвращает самый распространённый сценарий неудачи - разработку решения для проблемы, которая никогда не была точно определена.