So wird Edge Learning trainiert

Edge Learning Großes Gehirn

Das Training von Edge Learning ist wie die Einarbeitung eines neuen Mitarbeiters an der Fertigungslinie. Der Benutzer muss nicht wissen, wie Bildverarbeitungssysteme oder künstliche Intelligenz funktionieren, sondern welches Problem gelöst werden muss.
 
Wenn es sich beispielsweise um eine einfache Anwendung handelt, bei der zulässige und nicht zulässige Teile als OK/NOK eingestuft werden, muss der Benutzer wissen, welche Teile zulässig sind und welche nicht. In diesem Anwendungsfall ist Edge Learning besonders effektiv bei der Entscheidung, welche Abweichungen des Teils signifikant und welche lediglich ästhetischer Natur sind und die Funktionstüchtigkeit nicht beeinträchtigen.
 
Zudem ist Edge Learning nicht auf eine binäre Klassifizierung beschränkt. Auch wenn Teile in drei oder vier (oder sogar mehr) Kategorien eingeordnet werden müssen, kann das leicht implementiert werden. Darüber hinaus ist Edge Learning in der Lage, mehrere Zielbereiche (Regions of Interest, ROI) im Bild zu analysieren. Und natürlich können mehrere ROIs und mehrere Kategorien zusammen berücksichtigt werden. Somit ist die Technologie nicht nur extrem leistungsfähig, sondern auch einfach zu bedienen.
 
Sehen Sie sich im Folgenden eine Schritt-für-Schritt-Anleitung für das Training von Edge Learning an. Hier können Sie entdecken, wie Sie diese Technologie für die nächste Implementierung einer Fabrikautomatisierung nutzen können.

Transkript:

Hallo, mein Name ist Tyler Ducharme und ich arbeite als technischer Marketingspezialist mit dem Bildbearbeitungs-Produktteam hier bei Cognex zusammen. Heute möchte ich Ihnen zeigen, wie Sie eine In-Sight-2800-Anwendung mit unserem brandneuen Vidi-EL-Klassifierungstool einrichten.

Ich habe hier meine In-Sight 2800 Smart-Kamera mit integriertem Beleuchtungssystem und Objektiv, angeschlossen an eine 24-Volt-Stromversorgung. Mit unserem neuen Klassifizierungstool vidi EL kombiniert mit der Smart-Kamera In-Sight 2800 zeige ich Ihnen, wie wir die Bildverarbeitung vereinfacht haben. Das ist die In-Sight Vision-Suite-Software, mit der wir unsere In-Sight-Anwendungen einrichten. Wie Sie sehen, bin ich bereits mit der In-Sight 2800 Smart-Kamera verbunden. 

Zuerst wählen wir unsere Quelle aus. Das ist in diesem Fall die Kamera selbst. Wir müssen nur die Beleuchtung und den Fokus mit zwei einfachen Mausklicks einrichten, d. h., ich muss nur auf „Beleuchtung optimieren“ klicken, um ein schönes helles Bild zu erhalten, und dann auf „Fokus“, um unser Bild zu fokussieren. Der erste Schritt beim Trainieren des Klassifizierungstools ist das Festlegen des Zielbereichs, den wir prüfen möchten. Nach der Konfiguration des Bereichs drücke ich einfach auf OK. Das Tool zeigt mir jetzt die beiden Standardklassen an, nämlich OK und NG, was „not good“ (dt. „NOK“) bedeutet. Bei OK weist das Tool automatisch eine Beschriftung zu, wie im ersten Bild. Ich habe das OK-Teil jetzt unter der Kamera. Was ich noch erwähnen möchte, ist die Frage, was passiert, wenn das Teil gar nicht im Bild zu sehen ist und es kein Teil gibt. In diesem Fall ist das Schöne an unserem Tool, dass wir noch eine weitere Klasse hinzufügen können, die wir „kein Teil“ nennen können. Wir legen diese Klasse fest und trainieren sie nach und nach. Zuerst sollten wir ein paar Bilder sammeln. Das ist unser gutes Teil. Ich kann es etwas im Bild verschieben, die Kamera auslösen und es ist immer noch ein gutes Teil. Ich muss also nur noch auf OK klicken. Sie können sehen, dass sich die Anzahl der Bilder hier erhöht und ich dieses Bild tatsächlich trainiert habe. Sie sehen, dass dieser grüne Ring einen gelben Kreis umgibt. Der gelbe Kreis zeigt an, welche Klasse vorhergesagt wird, und der grüne Ring steht für das Konfidenzniveau In diesem Fall liegt der Konfidenzwert bei 100 %, aber nur, weil ich das gerade trainiert habe.

Nehmen wir jetzt ein paar defekte Teile mit einem geöffneten Verschluss und lösen die Kamera aus. Wir haben noch keine defekten Teile trainiert. Deshalb ist es für das Tool schwierig vorherzusagen, welcher Klasse es zuzuordnen ist. In diesem Fall zeigt das Tool keine Konfidenz für die Klassen an, die wir bis jetzt hatten. Sobald wir mit dem Trainieren anfangen, können Sie sehen, dass der Konfidenzwertwert auf 88 % ansteigt. Dann betrachten wir „Kein Teil“, was ziemlich einfach ist. Wir machen ein Bild von „keinem Teil“, trainieren es und das sieht ziemlich gut aus. Ich möchte hier unten die Metrik zum Modellzustand erwähnen. Wir verwenden diese Metrik für den Zustand des Modells, um zu entscheiden, wann unsere Anwendung implementiert werden kann. Als Faustregel sollten es 80 % sein, die sich stabilisieren, während wir mehr Bilder hinzufügen. Das ist eine gute Faustregel, um zu wissen, wann Sie Ihre Anwendung implementieren können. Ich möchte noch ein paar weitere Bilder hinzufügen. Ich gehe auf dieses Fenster „Klassen bearbeiten“ und habe vorher ein paar Bilder gesammelt. Ich kann sie in das Tool importieren und den Ordner auswählen. Gut. Wir haben insgesamt 10 Bilder hinzugefügt und Sie können sehen, dass jedes dieser Bilder eine Vorhersage mit einem grünen Ring enthält. Wir wählen jetzt alle aus. Es ist wirklich sehr einfach, alle auf einmal zu labeln. Ich muss nur klicken und sie in die Klasse ziehen, für die wir sie trainieren wollen. Diese scheinen alle in Ordnung zu sein. Auch hier können wir einfach alle markieren, klicken und direkt in die Klasse ziehen. Jetzt verlassen wir den Bereich „Klassen bearbeiten“ wieder. Wie Sie sehen, liegt der Modellzustand jetzt bei 99 %. Wir haben also acht Bilder für NOK, zwei Bilder für „kein Teil“ und neun Bilder für OK trainiert. Ich denke, dass diese Anwendung jetzt zur Implementierung bereit ist. Testen wir sie jetzt. Ich werde das Gerät online verwenden. Jetzt befindet sich kein Teil unter der Kamera. Legen wir ein Teil darunter. Es zeigt OK an. Sie können es im Bild verschieben und sehen, dass der Konfidenzwert sehr, sehr hoch ist Sie können das Teil drehen. Sieht gut aus. Legen wir jetzt ein NOK darunter. Auch hier können wir das Teil drehen und verschieben. Wunderbar. Jetzt nehmen wir mal eine Variation dazu. Auch hier klassifizieren wir noch richtig. Ja, ich finde, das sieht gut aus.

Der letzte Punkt, den ich Ihnen zeigen möchte, ist die Erstellung einer HMI-Anzeige in der Produktion für Benutzer, die dieses Gerät in der Fabrikhalle überwachen. Gehen wir zum HMI-Schritt. Zum Glück werden viele der Informationen, die ein Benutzer braucht, bereits standardmäßig angezeigt. Wir haben den Zielbereich, in dem wir das Teil überprüfen, die vorhergesagte Klasse auf dem Bild selbst sowie in diesem grauen Kasten hier. Aber nehmen wir an, ein Benutzer möchte wissen, wie hoch das Konfidenzniveau des Tools bei der Vorhersage ist. Wir müssen nur in dieses Dropdown-Menü gehen. Dort finden Sie all diese verschiedenen Eigenschaften des Tools. Sie können die vorhergesagte Klassenbewertung finden, die den Prozentsatz angibt. Wir können das einfach in unserer Anzeige sehen und dann wieder online gehen und ein OK-Teil anzeigen. Und jetzt haben wir auch den Konfidenzwert der vorhergesagten Klasse. Hier ist ein NOK. Sehr gut. Und ich denke, das war's dann auch schon mit der Einrichtung der HMI-Anzeige.

Um das heutige Tutorial zusammenzufassen: Zuerst haben wir eine Verbindung zu unserem Gerät und der Insight Vision Suite hergestellt. Dann haben wir unser Bild mit zwei einfachen Klicks eingerichtet. Wir haben unser vidi-EL-Klassifizierungstool eingesetzt und drei Klassen erstellt: OK, NOK und „kein Teil“. Wir haben mehrere Bilder von jeder Art von Teil aufgenommen und den jeweiligen Bildern eine Klasse zugewiesen. Sobald der Modellzustand über 80 % lag und stabil war, haben wir den Job durchgeführt und sichergestellt, dass die Teile richtig klassifiziert wurden.

Zum Schluss haben wir eine sehr einfache HMI-Anzeige erstellt, in der sowohl die vorhergesagte Klasse als auch der Konfidenzgrad der vorhergesagten Klasse angezeigt wird. Wir könnten auch unsere HMI-Anzeige mit mehr Informationen aus anderen Tools oder mehr Daten ausstatten, um die Fertigungslinienbenutzern bei der Nachverfolgung der Geräteleistung zu unterstützen. Wir können auch die Kommunikation mit Fabrik-SPSen oder anderen Geräten in der
Werkshalle einrichten.

Nochmals vielen Dank fürs Zuschauen.

 

Weitere Posts auf

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex