Akurasi pengukuran adalah kunci ketika mengevaluasi kinerja sistem penglihatan. Hal ini sangat penting untuk hasil yang andal. Hal ini menentukan kualitas, konsistensi, dan presisi. Hal ini sangat dibutuhkan dalam aplikasi inspeksi dan kontrol kualitas.
Untuk mengukur keakuratan sistem penglihatan, beberapa metrik utama digunakan. Metrik ini memberikan gambaran yang jelas tentang kinerja mesin vision dan membantu meningkatkan sistem. Ini termasuk presisi dan recall, yang membantu mengurangi kesalahan positif saat mendeteksi cacat.
Berbagai faktor, seperti resolusi, kalibrasi lensa, kondisi pencahayaan, dan pemrosesan gambar, berkontribusi pada pemeriksaan yang mendetail, memastikan presisi dan akurasi sistem.
Dalam artikel ini, kami akan mengevaluasi metrik yang digunakan untuk menghitung akurasi sistem mesin penglihatan. Selain itu, kami akan membahas strategi pengoptimalan untuk meningkatkan sistem penglihatan.
Istilah-istilah kunci
Beberapa metrik digunakan untuk mengevaluasi ketepatan dan akurasi sistem penglihatan. Sebagian besar, istilah-istilah ini saling berhubungan dan harus dipahami secara mendalam. Jadi, berikut ini adalah definisi dan pembahasan istilah-istilah tersebut untuk lebih memahaminya.
- Matriks Kebingungan
Matriks kebingungan - tabel yang kuat yang digunakan untuk melihat seberapa baik pengklasifikasi visi mesin melakukan tugasnya. Tabel ini membandingkan prediksi sistem dengan kebenaran yang sebenarnya.
Matriks ini memiliki empat bagian utama, masing-masing menunjukkan jenis hasil yang spesifik. Ini termasuk true positive (TP), false positive (FP), false negative (FN), dan true negative (TN). Bagian diagonal menunjukkan prediksi yang benar, sedangkan bagian di luar diagonal menunjukkan prediksi yang salah. Di bawah ini adalah tabel matriks kebingungan yang menunjukkan data untuk memahaminya dengan baik:
| Aktual \ Prediksi | Positif (Cacat) | Negatif (Tidak Ada Cacat) |
| Positif (Cacat) | Positif Sejati (TP) | Negatif Palsu (FN) |
| Negatif (Tidak Ada Cacat) | Positif Palsu (FP) | Negatif Sejati (TN) |
- Benar Positif (TP): Ketika sistem mengidentifikasi kasus positif dengan benar (misalnya, mendeteksi cacat dengan benar).
- Negatif Sejati (TN): Ketika sistem mengidentifikasi kasus negatif dengan benar (misalnya, mengenali bagian yang baik dengan benar).
- Positif Palsu (FP): Ketika sistem salah memberi label pada sesuatu yang positif (misalnya, salah menandai bagian yang baik sebagai cacat).
- Negatif Palsu (False Negative atau FN): Ketika sistem gagal mendeteksi kasus positif (misalnya, melewatkan cacat).
Dengan meringkas prediksi versus kenyataan, matriks kebingungan memungkinkan kita menghitung metrik kualitas yang penting. Metrik ini-akurasi, presisi, recall, dan skor F1-semuanya merupakan kunci untuk melihat seberapa baik kinerja sistem. Metrik-metrik ini membantu menyoroti kekuatan dan potensi kelemahannya.
- Akurasi
Akurasi mengukur seberapa sering sistem penglihatan benar secara keseluruhan. Ini menjawab: Dari semua pemeriksaan, berapa banyak yang berhasil dilakukan sistem dengan benar?
Hal ini dapat dihitung dengan menggunakan rumus berikut:
Akurasi: TP+TN / (total inspeksi: TP+TN+FP+FN)
Sebagai contoh, sebuah sistem memeriksa 1.000 komponen dan dengan tepat mengidentifikasi 980 komponen sebagai baik atau rusak.
Akurasi: 980/1000 = 98%
Akurasi sistem penglihatan adalah 98%. Dan 0,2% akan menjadi kesalahan-kebalikan dari akurasi.
Jadi, penting untuk memahami bahwa akurasi saja bisa menyesatkan jika kelas-kelasnya tidak seimbang (misalnya, jika sebagian besar bagiannya bagus).
- Presisi
Presisi berhubungan dengan akurasi prediksi yang benar. Ini memberitahu kita: Dari semua bagian yang diberi label positif (cacat), berapa banyak yang sebenarnya cacat? Presisi dan recall adalah metrik yang memberikan rincian lebih mendalam tentang kinerja sistem.
Ini dihitung sebagai:
Presisi: TP / (TP + FP)
Presisi tinggi berarti sistem penglihatan hanya membuat sedikit alarm palsu. Sistem ini secara akurat memprediksi cacat tanpa salah menolak suku cadang yang baik. Presisi rendah berarti banyak kesalahan positif yang meningkatkan skrap atau pengerjaan ulang.
- Ingat
Ingat kembali jawaban: Dari semua kasus positif (cacat) yang sebenarnya, berapa banyak yang ditemukan oleh sistem? Ini didefinisikan sebagai rasio positif yang benar terhadap jumlah positif yang benar dan negatif yang salah. Ini dihitung sebagai:
Ingat: TP/TP + FN
Nilai recall yang tinggi berarti sistem penglihatan dapat mendeteksi sebagian besar cacat. Jadi, ada kemungkinan berkurangnya bagian yang terdeteksi akan lolos tanpa terdeteksi. Sebagai perbandingan, recall yang rendah berarti banyak cacat yang lolos tanpa terdeteksi, sehingga mempertaruhkan kualitas.
- Skor F1
Skor F1 menyeimbangkan presisi dan recall ke dalam satu angka. Ini adalah rata-rata harmonis, yang memberikan gambaran tentang kualitas keseluruhan di antara kedua metrik ini.
Ini dapat dihitung sebagai:
F1 = 2 × (presisi × recall) / (presisi + recall)
Skor F1 yang tinggi berarti sistem mencapai presisi dan recall yang baik. Hasilnya, sistem ini membatasi alarm palsu dan cacat yang terlewatkan.
Mengevaluasi metrik utama yang memengaruhi kinerja sistem penglihatan
Akurasi
Akurasi memainkan peran penting dalam kinerja sistem penglihatan. Akurasi sistem bergantung pada berbagai faktor, termasuk akurasi dan pengulangan. Faktor-faktor ini memastikan sistem memberikan hasil yang konsisten di seluruh inspeksi berulang. Untuk mencapai hasil yang akurat, akurasi sistem harus berkisar antara 0,00005 hingga 0,0001. Nilai ini dapat berubah tergantung pada aplikasi tertentu. Kalibrasi yang tepat adalah kuncinya di sini. Kalibrasi menyelaraskan pengukuran dengan nilai referensi standar, sehingga meningkatkan pengulangan dan mengurangi kesalahan. Kalibrasi rutin membantu menjaga sistem tetap andal dari waktu ke waktu.
Bersama-sama, sistem yang sangat presisi dan kalibrasi yang akurat menjamin kinerja pengukuran yang stabil dan dapat dipercaya untuk tugas-tugas industri yang menuntut.
Presisi
Metrik penting, presisi dalam sistem visi mesin, sangat penting untuk pengukuran yang konsisten dan andal. Hal ini membantu mengurangi variasi pada pemeriksaan berulang, sehingga meningkatkan akurasi sistem secara keseluruhan. Ketika presisi tinggi, sistem dapat menghasilkan hasil yang stabil dari waktu ke waktu, yang sangat penting dalam bidang seperti metrologi di mana kesalahan kecil sangat berarti.
Mencapai presisi sub-piksel akan lebih jauh lagi dengan mengukur fitur yang lebih kecil dari satu piksel. Hal ini memungkinkan sistem mendeteksi detail halus dan cacat kecil yang kalau tidak, akan luput dari perhatian. Ketepatan seperti itu sangat penting bagi industri yang mengandalkan kontrol kualitas yang ketat dan pencitraan yang mendetail.
Ada beberapa faktor utama yang memengaruhi presisi:
- Kalibrasi: Menyiapkan kamera dan lensa dengan benar memastikan sistem mengukur dengan benar dan konsisten. Kalibrasi yang baik menyelaraskan pengukuran aktual dengan standar yang diharapkan, sehingga mengurangi kesalahan.
- Kualitas Komponen: Kamera dan lensa berkualitas tinggi dengan distorsi minimal dan resolusi tinggi sangat meningkatkan presisi. Bagian yang buruk dapat menyebabkan keburaman dan pembacaan yang salah.
- Stabilitas Lingkungan: Pencahayaan yang stabil dan suhu yang terkendali mencegah penyimpangan pengukuran dan kebisingan. Perubahan pencahayaan atau suhu dapat menyebabkan variabilitas dan kesalahan.
Dengan berfokus pada area ini, sistem visi mesin dapat mempertahankan presisi tinggi, memberikan inspeksi yang dapat diandalkan dan akurat yang penting untuk aplikasi industri dan aplikasi yang sangat penting untuk kualitas.
Resolusi
Faktor lain yang memengaruhi akurasi pengukuran sistem adalah resolusi.
Ini harus mematuhi teorema Nyquist dan Shannon. Mereka menyatakan bahwa resolusi piksel harus mengandung setidaknya dua kali frekuensi detail halus. Hal ini memungkinkan data yang tepat dan bebas dari kesalahan tanpa aliasing. Menggunakan komponen beresolusi tinggi dan rendah noise akan meningkatkan akurasi sistem. Hal ini membantu menangkap informasi yang lebih halus, sehingga menghasilkan deteksi dan klasifikasi yang lebih tepat.
Ingat
Recall sebenarnya mengukur item cacat yang diidentifikasi oleh sistem dengan benar. Ini menunjukkan kemampuan sistem untuk mendeteksi sebagian besar cacat. Recall sangat penting untuk kontrol kualitas dalam aplikasi penglihatan, di mana kehilangan cacat dapat menyebabkan masalah serius dalam proses manufaktur.
Selalu baik untuk memiliki penarikan kembali yang tinggi. Ini berarti sebagian besar komponen yang cacat tertangkap dan dikeluarkan dari lini produksi. Namun, recall harus diimbangi dengan presisi untuk menghindari terlalu banyak alarm palsu. Melacak penarikan kembali melalui banyak inspeksi membantu memahami efektivitas sistem secara keseluruhan dalam mendeteksi cacat secara akurat dan konsisten, sehingga memastikan jaminan kualitas yang andal.
Pengukur R&R
Pengulangan dan Reproduksibilitas Pengukur (Gauge R&R) digunakan untuk mengukur keandalan sistem penglihatan mesin. Ini digunakan untuk menentukan konsistensi dan akurasi pengukuran sistem. Teknik ini memeriksa variasi yang disebabkan oleh proses, bukan sistem pengukuran.
Idealnya, kesalahan pengukuran kurang dari 10 persen dari total variabilitas. Hal ini mengesahkan ketahanan sistem. Studi Gauge R&R melibatkan beberapa operator yang berulang kali mengukur bagian yang sama. Ini menguji dua hal:
Pengulangan: Seberapa miripkah pengukuran satu operator untuk bagian yang sama?
Reproduksibilitas: Sejauh mana pengukuran berbagai operator konsisten dalam satu bagian.
Gauge R&R membantu menilai kemampuan sistem untuk mendeteksi perubahan dalam kualitas produksi secara andal. Penilaian berkelanjutan ini mendukung manajemen kualitas dengan memastikan pengukuran yang akurat dan konsisten dari waktu ke waktu.
Bagaimana cara mengoptimalkan sistem pengukuran penglihatan?
Ada beberapa strategi pengoptimalan yang efektif yang harus Anda gunakan untuk mencapai akurasi tingkat atas. Berikut ini beberapa di antaranya yang dibahas di bawah ini.
- Kualitas kamera memengaruhi resolusi. Jadi, Anda harus memilih kamera beresolusi tinggi. Sementara noise yang rendah membantu sistem menangkap detail terkecil sekalipun dengan tepat.
- Piksel yang lebih kecil meningkatkan penangkapan detail, tetapi harus dibayar dengan tingkat noise yang lebih tinggi. Lensa telecentric dapat digunakan untuk menstabilkan ukuran objek, meminimalkan distorsi dan memungkinkan pengukuran yang tepat.
- Kalibrasi sangat penting; mencocokkan pengukuran sistem dengan standar membantu menjaga hasil tetap akurat dan dapat diandalkan dalam toleransi yang ditetapkan.
- Pemrosesan gambar yang rumit, seperti sub-piksel, meningkatkan akurasi di luar batas piksel. Pencahayaan yang terkendali dengan baik dan stabil, membantu mengurangi masalah gambar, seperti keburaman atau kesilauan.
Kesimpulan
Sebagai kesimpulan, sistem penglihatan adalah bagian penting dari peralatan manufaktur. Akurasi pengukurannya, sebagai parameter kritis, dievaluasi oleh beberapa metrik. Ini melibatkan akurasi, presisi, resolusi, recall, skor F1, dan lainnya. Karena metrik ini terkait satu sama lain, banyak yang membingungkan istilah-istilah ini. Jadi, memahami dan menganalisisnya penting untuk mendapatkan wawasan yang bermanfaat tentang akurasi sistem pengukuran.
Selain itu, sistem penglihatan dapat dioptimalkan dengan beberapa strategi yang bermanfaat. Ini termasuk kalibrasi peralatan, penggunaan kamera dan lensa berkualitas tinggi, kepatuhan terhadap teorema Nyquist dan Shannon, dan sistem pencahayaan yang terkontrol. Semua ini akan meningkatkan kemampuan sistem untuk mendeteksi cacat kecil dan memberikan data yang akurat.