Görüntü işleme ile kalite kontrol: fizibiliteden hatta devreye almaya

Kısa cevap: Görüntü işleme ile kalite kontrol projesinin sonucunu çoğu zaman model değil, modelden önceki kararlar belirliyor: kusurun yazılı tanımı, kameranın kusuru görünür kılıp kılmadığı ve hatanın hangi yönünün daha pahalı olduğu. Bu üçü netleşmeden model seçimine geçmek, en sık gördüğümüz zaman kaybı.

Bu yazı, bir görsel denetim projesini fizibiliteden hatta devreye almaya kadar götürürken sırayla sorduğumuz soruların listesi. Kalite ve üretim ekibinin projeye girmeden önce kendi içinde cevaplayabileceği biçimde yazıldı.

Kural tabanlı mı, derin öğrenme mi?

Her görsel denetim işi derin öğrenme gerektirmiyor. Ölçü kontrolü, parça var/yok kontrolü, belirli bir konumda etiket kontrolü gibi işler, iyi bir aydınlatma ve klasik görüntü işleme kurallarıyla güvenilir biçimde çözülebiliyor. Bu çözümler daha az veri istiyor ve kararı açıklamak kolay.

Derin öğrenme, kusurun biçimi önceden tarif edilemediğinde devreye giriyor: yüzeydeki çizik, boya akıntısı, enjeksiyon parçasında çapak, dokuda düzensizlik gibi her seferinde farklı görünen hatalar. Pratikte çoğu hatta ikisi birlikte kullanılıyor; ölçüyü kural, yüzeyi model kontrol ediyor.

Durum	Uygun yaklaşım
Kusur ölçü veya konumla tarif edilebiliyor	Kural tabanlı görüntü işleme
Kusurun biçimi değişken, örnek bol	Sınıflandırma veya nesne tespiti
Kusurun biçimi değişken, örnek çok az	Sağlam ürünle eğitilen anomali tespiti
Ürün varyantı çok ve sık değişiyor	Model + varyant yönetimi, yeniden eğitim planı

Fizibilitede cevaplanması gereken dört soru

Kusur kataloğu var mı? Hangi hataların arandığı, her birinin adı, örnek fotoğrafı ve kabul/red sınırı yazılı olmalı. Kataloğu olmayan bir projede model "neyi" öğrendiğini bilmeden eğitiliyor ve iki kalite uzmanının aynı parçaya farklı karar verdiği yerde model de kararsız kalıyor.

En küçük kusur ne kadar? Aranan en küçük hatanın milimetre cinsinden boyutu, kamera çözünürlüğünü ve görüş alanını doğrudan belirliyor. Görüş alanı büyüdükçe piksel başına düşen alan büyüyor; küçük kusur birkaç piksele iniyorsa hiçbir model onu güvenilir biçimde yakalayamıyor.

Çevrim süresi ne? Hatta saniyede kaç parça geçtiği, kararın hangi ana kadar verilmesi gerektiğini belirliyor. Bu süre modelin boyutunu ve çalışacağı donanımı seçiyor; ayrıntısını uç cihazda görsel modeller yazımızda anlattık.

Kaç ürün varyantı var? Renk, boyut, malzeme farkı olan her varyant, modelin göreceği ayrı bir dağılım. Varyant sayısı ve yeni varyantların ne sıklıkla geldiği, projenin bakım yükünü belirliyor.

Önce görüntü, sonra model

Bir görsel denetim projesinde en belirleyici iş görüntü ediniminde yapılıyor. Kamera, lens ve aydınlatma kusuru görünür kılmıyorsa model eğitimi sorunu çözmüyor, yalnızca erteliyor.

Bu yüzden fizibilitede ilk iş, numune parçalarla görüntüleme denemesi. Aynı parça farklı aydınlatma düzenleriyle çekiliyor: yüzey çizikleri için düşük açılı ışık, parlak yüzeyler için yaygın (dome) aydınlatma, kontur kontrolü için arka ışık gibi. Bakılan şey, kusurlu ve sağlam parçanın görüntüde ayrışıp ayrışmadığı. Ayrışıyorsa model işi kolaylaşıyor; ayrışmıyorsa sorun optikte çözülüyor.

Parçanın kameraya göre konumu da en az aydınlatma kadar önemli. Konveyörde dönen, kayan ya da titreşen parça her karede farklı açıdan görünüyor. Sabitleme, tetikleme noktası ve pozlama süresi bu aşamada belirleniyor.

Az kusurlu örnek sorunu

Üretim hatlarının çoğunda kusurlu parça az; bu iyi bir şey ama model eğitimi için zorluk. İki yol var.

Anomali tespiti: Model yalnızca sağlam parçalarla eğitiliyor ve normalden sapmayı işaretliyor. Kusur örneği beklemeden başlanabiliyor, yeni tür kusurlara da tepki veriyor. Zayıf tarafı, "farklı ama sorunsuz" olanı da işaretleyebilmesi: yeni bir hammadde partisi, ışıktaki küçük değişim.

Sınıflandırma veya tespit: Model her kusur türünü ayrı öğreniyor. Kusurun türünü raporlayabiliyor, bu da kök neden analizi için değerli. Ama her tür için yeterli örnek gerekiyor.

Sık izlediğimiz yol, anomali tespitiyle başlayıp işaretlenen parçaları kalite ekibine etiketletmek. Örnekler biriktikçe sık görülen kusur türleri için sınıflandırma modeline geçiliyor.

Hangi yol seçilirse seçilsin, etiketleme kılavuzu kalite ekibiyle birlikte yazılıyor. Sınırdaki parçalar için kimin karar verdiği ve kararın nasıl kaydedildiği baştan belli olmalı.

Metrik: hangi hata daha pahalı?

Görsel denetimde iki hata türü var ve maliyetleri eşit değil:

• Kaçan kusur: Hatalı parçanın sonraki istasyona ya da müşteriye gitmesi.
• Yanlış red: Sağlam parçanın atılması ya da hattın gereksiz durması.

Tek bir "doğruluk" sayısı bu ikisini birbirine karıştırıyor. Biz performansı bir eşik eğrisi üzerinde gösteriyor ve çalışma noktasını müşteriyle birlikte seçiyoruz. Güvenlikle ilgili bir parçada kaçan kusur kabul edilemezken, düşük maliyetli bir parçada yanlış red oranı daha belirleyici olabiliyor.

Sınırdaki kararlar için üçüncü bir seçenek de var: parçayı "emin değilim" olarak ayırıp operatör onayına göndermek. Bu, modelin kesin olduğu kararlarda otomatik, belirsiz olduğu kararlarda insanlı bir akış kuruyor.

Hatta entegrasyon

Modelin kararı bir şeyi tetiklemediği sürece denetim tamamlanmış sayılmıyor. Entegrasyonda netleşmesi gerekenler:

• Kararın PLC'ye hangi protokolle iletileceği (dijital çıkış, OPC UA, fieldbus) ve red mekanizmasının (itici, saptırıcı, hat durdurma) zamanlaması.
• Her kararın görüntüsüyle birlikte kaydedilmesi. İtiraz edilen bir kararı geriye dönük incelemenin tek yolu bu.
• Model çalışmadığında hattın ne yapacağı: durmak mı, işaretleyerek devam etmek mi. Bu karar projeden önce yazılı olmalı.

Devreye almadan sonra

Laboratuvarda iyi çalışan model hatta toz, titreşim, değişen ortam ışığı ve yeni varyantlarla karşılaşıyor. Modelin üretimde kalması için kararların dağılımı izleniyor, operatörün düzelttiği kararlar eğitim verisine geri besleniyor ve her yeni model sürümü aynı test setinde ölçülüp eski sürümle karşılaştırılmadan devreye alınmıyor. Bu döngünün altyapısını MLOps başlığında ele alıyoruz.

Bu alandaki çalışmalarımızın genel çerçevesi Bilgisayarlı Görü sayfasında; sektöre özel problemler Üretim, Otomotiv ve Plastik sayfalarında.

Sık sorulan sorular

Mevcut kameralarımızla çalışabilir miyiz? Çoğu zaman önce mevcut kameralarla deneme yapılıyor. Kusur görüntüde ayrışıyorsa mevcut donanım yeterli olabiliyor; ayrışmıyorsa yalnızca eksik olan bileşen (lens, aydınlatma, çözünürlük) değiştiriliyor.

Kaç kusurlu örnek gerekir? Sabit bir sayı yok; kusurun ne kadar değişken olduğuna bağlı. Örnek çok azsa anomali tespitiyle başlanabiliyor, bu durumda sağlam ürün görüntüleri yeterli oluyor.

Model hatta mı, bulutta mı çalışır? Hat hızında karar gerektiğinde model hattın yanındaki uç cihazda çalışıyor. Bulut eğitim, raporlama ve model güncellemesi için kullanılıyor.

Kalite ekibinin projede rolü ne? Kusur kataloğu, etiketleme kılavuzu ve sınırdaki parçalar için karar kuralı kalite ekibinden geliyor. Model bu kararları öğreniyor; kararın sahibi değişmiyor.