AYXWORKS-ek beharrezko cookieak erabiltzen ditu funtzionatzeko. Analitika- eta publizitate-cookieak, Google-ren hirugarrenen cookieak barne, baimentzen badituzu bakarrik kargatzen dira. Hori edonoiz alda dezakezu orriaren behealdeko “Cookieen ezarpenak” atalean.
Ikusmena, ikuskapena, sentsazioa eta roboten gidaritza.
Iturriak egiaztatuta: 2026-10-14
16
Ikusmen automatikoa
VIS-001
Zer da ikusmen automatikoa, eta noiz behar du AI?
Ikusmen automatikoak irudiak edo erlazionatutako ikusizko neurketak erabiltzen ditu prozesu bat ikuskatzeko, identifikatzeko, neurtzeko edo gidatzeko. Ez du beti AI behar. Geometria egonkorra eta ondo kontrolatutako argiztapena modu eraginkorrean kudeatu daitezke ohiko algoritmoen bidez; ikasitako ereduek eskuz idatzitako arau praktikoetarako itxura gehiegi aldatzen denean lagun dezakete.
Azalpena, adibideak eta iturriak
Zehaztu erabakia lehenik: akatsa dagoena, tolerantziaren barruan dagoen dimentsioa, etiketa zuzena edo erabil daitekeen hautaketa-posizioa. Ondoren, probatu oinarrizko lerro bat ereduaren prestakuntza gehitu aurretik. Mantendu argiztapena, kameraren kokapena eta piezaren aurkezpena esparruan; AIk ezin du irudiak inoiz harrapatu ez duen informazioa modu fidagarrian berreskuratu. Neurtu onarpen faltsuak eta bazterketa faltsuak negozioaren eta segurtasunaren ondorioen aurrean. Sailkatzaile baten zehaztasun orokorra ez da nahikoa akats arraroak sistema instalatzeko arrazoia direnean.
Ikuskapen edo picking sistema batek 2D edo 3D ikuspegia erabili behar al du?
Erabili 2D geometria kontrolatuan irudi-planoan behar den informazioa ikusgai dagoenean, adibidez, etiketa, ertz eta gainazaleko egiaztapen asko. Erabili sakonera edo 3D informazioa altuera, forma, bolumena edo objektuaren jarrera ezinbestekoa denean. Beharra neurketatik dator, ez 3D-a zenbaki altuagoko berritze bat izatetik.
Azalpena, adibideak eta iturriak
Goitik beherako etiketen egiaztapenak agian ez du sakontasunik behar; Zaborrontzi batetik gainjarritako piezak jasotzea askotan egiten du. Probatu gainazaleko materiala, oklusioa, ikus-eremua eta beharrezko bereizmena lan distantzian. Esleitu denbora argiztapena, kalibrazioa eta robota integratzeko, ez bakarrik sentsoreak erosteko. 3D sistema batek zati garden edo islatzaileekin borroka egin dezake, eta 2D konfigurazio sinple batek zeregin egokian gaindi dezake. Baliozkotu azken errorea prozesuaren irteeran, ez bakarrik kameraren zehaztasun nominala.
Zergatik dira funtsezkoak argiztapena, kalibrazioa eta koordenatu-markoak roboten ikusmenean?
Argiak sentsoreak beha dezakeena zehazten du, kalibrazioak neurketak modelo batekin erlazionatzen ditu eta koordenatu-markoak kameraren informazioa robotaren mugimenduarekin lotzen du. Horietako edozein akatsek bisualki konbentzitzen duten detekzio batek neurketa edo mugimendu oker bat sor dezake. Konfiantza handiko AI emaitza batek ez du transformazio geometriko oker bat zuzentzen.
Azalpena, adibideak eta iturriak
Grabatu kameraren intrintsekoak, distortsioa, kameraren arteko erlazioa, tresnaren markoa eta interfaze bakoitzak erabiltzen dituen unitateak. Egiaztatu transformazio-norabidea eta denbora-zigiluak helburu ezagunekin ekipamendutik gertu mugitu aurretik. Probatu kate osoa lan bolumenean zehar hainbat posizio eta orientaziotan. Berriro egiaztatu lentea, kameraren euskarria, tresna edo tresna aldatu ondoren. Mantendu kalibrazio-datuak hardware-antolamenduarekin bertsionatuta, doikuntza mekaniko batek gordetako konfigurazioa isilean baliogabetu ez dezan.
Nola balioztatu behar dut ikusmen-sistema bat produzitu aurretik?
Probatu sistema sintonizatzeko erabili ez ziren kasu adierazgarri eta zailetan. Neurtu prozesuan garrantzitsuak diren akatsak, onarpen faltsuak, baztertze faltsuak, emaitza ziurgabeak eta huts egindako eskuraketak barne. Baliozkotu piezetan, argitan, posizioetan eta funtzionamendu-baldintzetan espero diren aldaketetan, eta ez ondutako irudi-multzo batean.
Azalpena, adibideak eta iturriak
Zatitu datuak, pieza edo produkzio lote bereko irudi ia bikoiztuak entrenamenduaren eta probaren artean isuri ez daitezen. Sartu kaltetutako, mugako eta ezezagunak diren adibideak modu independentean egiaztatutako etiketarekin. Definitu atalasearen hautaketa, eskalatzea eta noraezearen jarraipena abiarazi aurretik. Gidatutako robot batentzat, neurtu pose eta hautatzeko emaitzak ere, ez soilik irudien etiketak. Gorde bertsiodun onarpen-datu multzo bat eta exekutatu berriro eredua, optika edo argiztapena aldatu ondoren. Ikusmenaren irteerak babes funtzio bat onartzen duenean, eredu arruntaren ebaluazioa ez da nahikoa segurtasun froga.
Nola desberdintzen dira detekzioa, segmentazioa, sailkapena eta anomalien detekzioa?
Sailkapenak etiketa bat esleitzen dio sarrera bati; objektuen detekzioak instantziak kokatzen ditu, askotan muga-koadroekin; segmentazioak irudien eskualdeak edo pixelak etiketatzen ditu; anomaliak detektatzeko eredu normal ikasi edo definitu batetik irteteak adierazten ditu. Aukeratu prozesuak benetan behar duen irteera eskuragarri dagoen eredurik landuena erabili beharrean.
Azalpena, adibideak eta iturriak
Sailkatzeko ate batek kategoria bat baino ez behar izan dezake, eta harrapaketa batek, berriz, objektuaren muga eta pose behar du. Anomalia detektatzea erabilgarria izan daiteke akatsak askotarikoak direnean, baina anomaliaren puntuazio altu batek ez du akatsa azaltzen edo errefusa justifikatuta dagoenik frogatzen. Definitu oharpen-arauak eta kasu anbiguoak datu multzo handi bat bildu aurretik. Ebaluatu erabaki-bide osoa, atalaseak eta emaitza ziurgabeen kudeaketa barne. Iragarpen zehatzagoek oharpen- eta baliozkotze-lana handitu dezakete azken erabakia hobetu gabe.