Entendendo a Ferramenta Red High Detail Mode para Segmentação de Alta Precisão de Defeito

vision software large blog banner

O software VisionPro Deep Learning da Cognex apresenta um novo ajuste para inspeções de visão que exigem precisão extremamente alta, chamado Red High Detail Mode (ferramenta Red de Modo de Alto Detalhamento).

Este modo de detecção avançada aborda casos de uso altamente específicos que requerem uma análise adicional em defeitos de segmentação. Não importa a indústria ou o tipo de defeito, a ferramenta Red High Detail Mode proporciona segmentação precisa, tempos de processamento mais rápidos e produtos de maior qualidade.

 
Entender a ferramenta Red High Detail Mode começa com uma análise de quatro ferramentas no VisionPro Deep Learning. Essas ferramentas utilizam redes neurais profundas para reconhecer padrões, componentes e anomalias nas imagens capturadas pelas câmeras de visão da Cognex: 

  • Red Analyze: Detecta anomalias e defeitos nas imagens. A ferramenta Red High Detail Mode é uma configuração de arquitetura dentro desta ferramenta.
  • Green Classify: Classifica uma imagem ou partes de uma imagem em qualquer número de classes. Um exemplo comum é classificar os defeitos por tipo (por exemplo, manchas, rachaduras e arranhões).
  • Blue Locate: Localiza peças ou componentes em uma imagem. 
  • Blue Read: Realiza reconhecimento óptico de caracteres sofisticado em imagens.

Capturas de tela da ferramenta Deep Learning VisionPro

Os desenvolvedores do VisionPro Deep Learning podem usar qualquer uma ou todas essas ferramentas juntas. Isso é especialmente verdadeiro para as ferramentas Red Analyze e Green Classify. Por exemplo, a ferramenta Red Analyze pode indicar uma anomalia e a ferramenta Green Classify pode determinar o tipo de defeito.  

O modo de alto detalhamento faz parte da ferramenta Green Classify há algum tempo, portanto, este blog se concentrará na nova versão disponível na ferramenta Red Analyze.

Capturas de tela da ferramenta Red High Detail Mode do VisionPro Deep Learning 

 
Quando uma câmera Cognex fotografa uma imagem para inspecionar uma peça na produção, o VisionPro Deep Learning deve determinar se a imagem é ou não aprovada na inspeção.

A ferramenta Red Analyze possibilita que essas inspeções sejam escaneadas por características, objeto ou componentes dentro de uma imagem. O VisionPro Deep Learning usa uma rede neural para dar a essas imagens a classificação e aprovação ou reprovação, com base em uma coleta de imagens de treinamento pré-selecionadas. 

O processo funciona conforme a seguir: O desenvolvedor da aplicação de visão alimenta uma série de imagens na rede neural. Normalmente, metade dessas são imagens de treinamento e a outra metade são imagens de validação. A rede neural compara as imagens de treinamento com a "verdade fundamental" nas imagens de validação. Durante o treinamento da ferramenta, a rede neural aprende a decifrar a diferença entre as imagens aprovadas ou reprovadas.  

A ferramenta Red Analyze funciona em dois modos: 

  • Não supervisionada Utiliza imagens sem defeitos para treinar a rede neural. Quaisquer detalhes na imagem que desviem da definição de “bom” são marcados como anomalias. 
  • Supervisionada Requer que os desenvolvedores identifiquem segmentos específicos dentro de uma imagem para treinar a rede neural. A rede neural digitaliza a imagem olhando esses defeitos específicos.  

O modo supervisionado utiliza dois sub modos: 

  1. Focado, que oferece alto desempenho e tempo de treinamento rápido.  
  2. Alto Detalhamento, que oferece a melhor precisão da categoria, dado seu algoritmo exaustivo

Assim, a segmentação da ferramenta Red High Detail Mode é uma característica do modo Supervisionado na ferramenta Red Analyze.


A segmentação de modo focado no VisionPro Deep Learning é extremamente precisa e extremamente ágil. Novas imagens podem ser adicionadas à rede neural e começar a produzir resultados em poucos minutos. O modo focado é bem projetado para aplicações mais simples, mas para trabalhos mais desafiadores, o modo de alto detalhamento é o mais indicado.

A alta segmentação de detalhes requer arquitetura de rede neural mais complexa. Naturalmente, isso requer um equilíbrio entre tempo e precisão. Com a ferramenta Red High Detail Mode, podem ser necessárias algumas horas para treinar a rede. Portanto, os desenvolvedores de aplicação precisam ser estratégicos sobre endereçamento de tempo de processamento extra.


A etiquetagem de imagens e segmentos é normalmente uma das partes mais demoradas no desenvolvimento de uma aplicação de visão industrial no VisionPro Deep Learning. Os desenvolvedores podem precisar etiquetar vários segmentos dentro de várias imagens. Os planos de fundo podem precisar ser mascarados a partir de uma imagem, e os objetos podem precisar ser vistos de vários ângulos para capturar tudo que a rede neural precisa ver.

Felizmente, a tarefa de etiquetagem só precisa ser feita uma vez. As etiquetas podem ser simplesmente copiadas ao se avaliar diferentes ferramentas para sua aplicação, como Modo Focado ou Modo de Alto Detalhamento.  Sem a necessidade de realizar novamente a etiquetagem de imagens, o desenvolvedor economiza tempo e pode implementar sua aplicação mais rapidamente

Ademais, os desenvolvedores podem misturar e combinar o Modo Focado ou Modo de Alto Detalhamento dentro de uma aplicação, —reservando a segmentação de alto detalhe apenas para os casos em que ela funciona melhor. A ferramenta Red High Detail Mode geralmente funciona bem em um modelo de inspeção em dois níveis, onde as peças de produção que falham no teste de alto detalhamento são enviadas aos inspetores humanos que fazem o julgamento final de aprovação.


Os desenvolvedores de sistemas de visão estão acostumados a construir aplicações com alta precisão e pouca tolerância. O modo Red High Detail Mode ajuda esses desenvolvedora a atingir o nível de precisão necessária para as aplicações mais exigentes.

A ferramenta do modo de Alto Detalhamento Red é um bom encaixe para aplicações que exigem a descoberta de defeitos desafiadores e a previsão precisa da forma/tamanho desses defeitos. Essa precisão a nível de pixel é importante na maioria das indústrias como produtos eletrônicos de consumo, semicondutores e automotiva. Por exemplo, um fabricante de semicondutores pode precisar detectar pequenos defeitos que poderiam fazer com que um microprocessador sobreaqueça. Ou uma planta de processamento de alimentos para os primeiros sinais de mofo ou estrago em produtos refrigerados.

Os algoritmos de deep learning, como aqueles que alimentam o modo da ferramenta Red High Detail Mode, extrapolam o significado a partir de imensas quantidades de padrões de pixel. Além disso, as peças em produção muitas vezes têm diferenças sutis que não afetam a qualidade, o desempenho ou a durabilidade. As aplicações de aprendizagem de máquina podem ser ajustadas para considerar essas diferenças.

Contudo, uma rede não deve ser treinada com tanta precisão a ponto de rejeitar tudo o que inspeciona. Em vez disso, o objetivo é que a rede neural faça julgamentos diferenciados a partir de um grande conjunto de dados com muitas variações sutis, exatamente como — as pessoas fazem.


Com o software VisionPro Deep Learning, os desenvolvedores– podem alavancar um amplo conjunto de ferramentas, incluindo as ferramentas Red Analyze, Green Classify, Blue Locate e Blue Read, para atender até mesmo –os requisitos mais rigorosos de aplicação. Dessas ferramentas, a ferramenta Red High Detail Mode, uma característica da ferramenta Red Analyze, oferece segmentação de defeitos em nível de pixel para detectar e medir defeitos difíceis, como manchas, rachaduras, arranhões e outros tipos de imperfeições em produtos manufaturados. A ferramenta aprende com precisão a apresentação de defeitos e os prevê em imagens não treinadas com precisão de nível de pixel. Juntamente com suas contrapartidas, a Red High Detail Mode traz o poder da inspeção profunda aos fabricantes em todas as indústrias, permitindo que seus sistemas de inspeção tomem decisões semelhantes às humanas com a velocidade de uma máquina. O resultado final? Tempos de processamento mais rápidos e maior qualidade.

VisionPro Deep Learning no Computador


Mais Publicações em

ACESSE O SUPORTE E TREINAMENTO DE PRODUTOS E MAIS

Junte-se ao MyCognex