A precisão da medição é fundamental ao avaliar o desempenho de um sistema de visão. Ela é crucial para resultados confiáveis. Ela determina a qualidade, a consistência e a precisão. Ela é muito necessária em aplicações de inspeção e controle de qualidade.
Para medir a precisão do sistema de visão, são usadas várias métricas importantes. Elas lhe dão uma ideia clara do desempenho da máquina de visão e ajudam a melhorar o sistema. Elas incluem precisão e recuperação, que ajudam a reduzir os falsos positivos durante a detecção de defeitos.
Fatores como resolução, calibração de lentes, condições de iluminação e processamento de imagens contribuem para a inspeção detalhada, garantindo a precisão e a exatidão do sistema.
Neste artigo, avaliaremos as métricas usadas para calcular a precisão do sistema da máquina de visão. Além disso, discutiremos estratégias de otimização para aprimorar os sistemas de visão.
Termos-chave
Várias métricas são usadas para avaliar a precisão e a exatidão dos sistemas de visão. Na maioria das vezes, esses termos estão interconectados e devem ser compreendidos em profundidade. Portanto, aqui está uma definição e discussão desses termos para melhor compreendê-los.
- Matriz de confusão
Matriz de confusão - uma tabela poderosa usada para ver como um classificador de visão mecânica executa suas tarefas. Ela compara a previsão do sistema com a verdade real.
A matriz tem quatro partes principais, cada uma mostrando um tipo específico de resultado. Elas incluem verdadeiros positivos (TP), falsos positivos (FP), falsos negativos (FN) e verdadeiros negativos (TN). As diagonais mostram as previsões corretas, enquanto as fora da diagonal mostram as previsões incorretas. Abaixo está a tabela da matriz de confusão que mostra os dados para que você possa entendê-la bem:
| Real \ Previsto | Positivo (Defeito) | Negativo (sem defeito) |
| Positivo (Defeito) | Verdadeiro positivo (TP) | Falso negativo (FN) |
| Negativo (sem defeito) | Falso positivo (FP) | Negativo verdadeiro (TN) |
- Verdadeiro positivo (TP): Quando o sistema identifica corretamente um caso positivo (por exemplo, detecta corretamente um defeito).
- Negativo verdadeiro (TN): Quando o sistema identifica corretamente um caso negativo (por exemplo, reconhece corretamente uma peça boa).
- Falso positivo (FP): Quando o sistema rotula incorretamente algo positivo (por exemplo, marca erroneamente uma peça boa como defeituosa).
- Falso negativo (FN): Quando o sistema não consegue detectar um caso positivo (por exemplo, não detecta um defeito).
Ao resumir as previsões em relação à realidade, a matriz de confusão nos permite calcular importantes métricas de qualidade. Essas métricas - exatidão, precisão, recall e pontuação F1 - são fundamentais para ver o desempenho de um sistema. Elas ajudam a destacar tanto seus pontos fortes quanto seus possíveis pontos fracos.
- Precisão
A precisão mede a frequência com que o sistema de visão está correto em geral. Ela responde: De todas as inspeções, em quantas o sistema acertou?
Ele pode ser calculado usando a seguinte fórmula:
Precisão: TP+TN / (total de inspeções: TP+TN+FP+FN)
Por exemplo, um sistema verifica 1.000 peças e identifica corretamente 980 como boas ou defeituosas.
Precisão: 980/1000 = 98%
A precisão do sistema de visão será de 98%. E 0,2% será o erro - o inverso da precisão.
Portanto, é importante entender que a precisão por si só pode ser enganosa se as classes forem desequilibradas (por exemplo, se a maioria das peças for boa).
- Precisão
A precisão está relacionada à exatidão das previsões corretas. Ela nos diz: De todas as peças rotuladas como positivas (defeituosas), quantas estão realmente defeituosas? A precisão e a recuperação são métricas que fornecem detalhes mais detalhados sobre o desempenho do sistema.
Ele é calculado como:
Precisão: TP/(TP+FP)
Alta precisão significa que o sistema de visão emite poucos alarmes falsos. Ele prevê com precisão os defeitos sem rejeitar erroneamente peças boas. Baixa precisão significa que muitos falsos positivos aumentam o refugo ou o retrabalho.
- Recall
Respostas de recordação: De todos os casos positivos reais (defeitos), quantos foram encontrados pelo sistema? É definido como a proporção de verdadeiros positivos em relação à soma de verdadeiros positivos e falsos negativos. É calculado como:
Recordar: TP/TP + FN
Um alto valor de recall significa que o sistema de visão pode detectar a maioria dos defeitos. Portanto, há uma probabilidade reduzida de que as peças detectadas passem sem serem detectadas. Em comparação, uma baixa recuperação significa que muitos defeitos passam sem serem detectados, colocando em risco a qualidade.
- Pontuação da F1
A pontuação F1 equilibra precisão e recuperação em um único número. É a média harmônica, dando uma noção da qualidade geral entre essas duas métricas.
Ele pode ser calculado como:
F1 = 2 × (precisão × recuperação) / (precisão + recuperação)
Uma pontuação F1 alta significa que o sistema obtém boa precisão e recuperação. Como resultado, ele limita os alarmes falsos e os defeitos perdidos.
Avaliação das principais métricas que afetam o desempenho do sistema de visão
Precisão
A precisão desempenha um papel importante no desempenho dos sistemas de visão. A precisão do sistema depende de vários fatores, incluindo precisão e repetibilidade. Esses fatores garantem que o sistema forneça resultados consistentes em inspeções repetidas. Para obter resultados precisos, a precisão do sistema deve variar de 0,00005 a 0,0001. Esse valor pode mudar dependendo de aplicações específicas. A calibração adequada é a chave aqui. Ela alinha as medições com os valores de referência padrão, melhorando assim a repetibilidade e reduzindo os erros. A calibração regular ajuda a manter o sistema confiável ao longo do tempo.
Juntos, os sistemas altamente precisos e a calibração exata garantem um desempenho de medição estável e confiável para tarefas industriais exigentes.
Precisão
Uma métrica importante, a precisão em sistemas de visão mecânica, é vital para medições consistentes e confiáveis. Ela ajuda a reduzir a variação em verificações repetidas, melhorando a precisão geral do sistema. Quando a precisão é alta, o sistema pode produzir resultados estáveis ao longo do tempo, o que é especialmente importante em campos como a metrologia, onde pequenos erros são importantes.
A obtenção da precisão subpixel vai além, medindo recursos menores que um único pixel. Isso permite que o sistema detecte detalhes finos e pequenos defeitos que, de outra forma, passariam despercebidos. Essa precisão é fundamental para os setores que dependem de um controle de qualidade rigoroso e de imagens detalhadas.
Vários fatores importantes afetam a precisão:
- Calibração: A configuração adequada de câmeras e lentes garante que o sistema meça de forma correta e consistente. Uma boa calibração alinha as medições reais com os padrões esperados, reduzindo os erros.
- Qualidade do componente: Câmeras e lentes de alta qualidade com distorção mínima e alta resolução aumentam muito a precisão. Peças de baixa qualidade podem causar embaçamento e leituras falsas.
- Estabilidade ambiental: A iluminação estável e as temperaturas controladas evitam desvios e ruídos na medição. Mudanças na iluminação ou na temperatura podem causar variabilidade e erros.
Ao se concentrar nessas áreas, os sistemas de visão mecânica podem manter alta precisão, fornecendo inspeções confiáveis e precisas, essenciais para aplicações industriais e de qualidade crítica.
Resolução
Outro fator que afeta a precisão da medição do sistema é a resolução.
Ele deve aderir ao teorema de Nyquist e Shannon. Eles afirmam que a resolução de pixels deve conter pelo menos duas vezes a frequência dos detalhes finos. Isso permite dados precisos e sem erros, sem aliasing. O uso de componentes de alta resolução e baixo ruído melhora a precisão de um sistema. Ele ajuda a capturar informações mais finas, resultando em detecção e classificação mais precisas.
Recall
Na verdade, o recall mede os itens defeituosos que o sistema identifica corretamente. Ele mostra a capacidade do sistema de detectar a maioria dos defeitos. O Recall é crucial para o controle de qualidade em aplicações de visão, onde a falta de um defeito pode causar sérios problemas no processo de fabricação.
É sempre bom ter um recall alto. Isso significa que a maioria das peças defeituosas é detectada e removida da linha de produção. Entretanto, a retirada deve ser equilibrada com a precisão para evitar muitos alarmes falsos. O rastreamento da retirada de peças ao longo de muitas inspeções ajuda a entender a eficácia geral do sistema na detecção de defeitos de forma precisa e consistente, garantindo uma garantia de qualidade confiável.
R&R do medidor
A repetibilidade e a reprodutibilidade do medidor (Gauge R&R) são usadas para medir a confiabilidade de um sistema de visão mecânica. Ele é usado para determinar a consistência e a precisão das medições do sistema. A técnica examina as variações devidas ao processo e não ao sistema de medição.
O ideal é que os erros de medição representem menos de 10% da variabilidade total. Isso comprova a robustez do sistema. O estudo Gauge R&R envolve vários operadores que medem repetidamente a mesma peça. Isso testa dois aspectos:
Repetibilidade: Qual é a semelhança entre as medições de um operador para a mesma peça?
Reprodutibilidade: O grau em que as medições de vários operadores são consistentes em uma parte.
O Gauge R&R ajuda a avaliar a capacidade do sistema de detectar mudanças na qualidade da fabricação de forma confiável. Essa avaliação contínua dá suporte ao gerenciamento da qualidade, garantindo medições precisas e consistentes ao longo do tempo.
Como otimizar o sistema de medição da visão?
Há estratégias de otimização eficazes que você deve usar para obter precisão de alto nível. Veja a seguir algumas delas.
- A qualidade da câmera afeta a resolução. Portanto, você deve optar por câmeras de alta resolução. Enquanto o baixo ruído ajuda a permitir que o sistema capture até mesmo os menores detalhes com precisão.
- Os pixels menores melhoram a captura de detalhes, mas têm o custo de níveis de ruído mais altos. As lentes telecêntricas podem ser usadas para estabilizar o tamanho dos objetos, minimizando a distorção e permitindo medições precisas.
- A calibração é essencial; a correspondência das medições do sistema com os padrões ajuda a manter os resultados precisos e confiáveis dentro das tolerâncias definidas.
- O processamento complexo de imagens, como o subpixel, aumenta a precisão além dos limites do pixel. A iluminação estável e bem controlada ajuda a reduzir os problemas de imagem, como lavagem ou brilho.
Conclusão
Para concluir, os sistemas de visão são uma parte crucial do equipamento de fabricação. Sua precisão de medição, sendo o parâmetro crítico, é avaliada por várias métricas. Elas envolvem exatidão, precisão, resolução, recuperação, pontuação F1 e outras. Como essas métricas estão relacionadas umas às outras, muitos confundem esses termos. Portanto, compreendê-los e analisá-los é importante para obter percepções úteis sobre a precisão do sistema de medição.
Além disso, os sistemas de visão podem ser otimizados por várias estratégias úteis. Entre elas estão a calibração do equipamento, o uso de câmeras e lentes de alta qualidade, a adesão aos teoremas de Nyquist e de Shannon e um sistema de iluminação controlado. Tudo isso aumentará a capacidade do sistema de detectar pequenos defeitos e fornecer dados precisos.