KI-GESTÜTZTE DOKUMENTATION
Was möchten Sie wissen?
Prüfwerkzeuge: Welches Sie verwenden sollten
Die OV Spark Pro wird mit sieben Werkzeugen ausgeliefert. Das Schwierige ist nicht die Konfiguration, sondern die Auswahl des richtigen Werkzeugs. Gehen Sie daher von dem aus, was Sie prüfen möchten, und nicht von den Werkzeugnamen.
Was müssen Sie prüfen?
Wählen Sie die passendste Beschreibung. Die meisten Rezepte kombinieren mehrere Werkzeuge – Sie können jederzeit zurückkehren und ein weiteres hinzufügen, sobald das erste funktioniert.
Werkzeug einrichten
Die Auswahl des Werkzeugs ist die halbe Arbeit. Jedes der folgenden Werkzeuge enthält eine Live-Demonstration der einen Einstellung, die über die Beurteilung entscheidet, zusammen mit den Schritten, die die Kamera Sie durchlaufen lässt, den tatsächlichen Standardwerten und den Fehlern, die am meisten Zeit kosten.
Lokalisiert das Teil, damit jedes weitere Werkzeug dieselbe Stelle prüft. Sofern keine Aufnahme das Teil in jedem Zyklus identisch hält, ist dies Werkzeug 1, und alles Weitere verweist darauf.
Was Sie konkret tun
- Fügen Sie sie zuerst hinzu. Die Reihenfolge in der Werkzeugliste ist die Ausführungsreihenfolge, und die Ausrichtung muss vor allem Nachfolgenden laufen.
- Einrichten. Drücken Sie Mein Teil ist in Position, jetzt aufnehmen, um ein Gutteil einzufrieren, und fügen Sie dann 1 bis 3 Vorlagenregionen auf immer vorhandenen Merkmalen hinzu, möglichst weit voneinander entfernt.
- Live-Vorschau. Bewegen Sie reale Teile im Bildausschnitt und stellen Sie den Konfidenz-Schwellenwert so ein, dass Gutteile deutlich darüber liegen.
- Verweisen Sie Ihre anderen Werkzeuge darauf. Jedes Werkzeug hat einen eigenen Schritt „Ausrichtung“, in dem Sie diese Ausrichtung auswählen; die Regionen folgen dann dem Teil.
Anlernen (optional)
Wichtige Einstellungen
| Einstellung | Bereich | Standard | Was es steuert |
|---|---|---|---|
| Drehbereich | 0 bis 180 Grad | 15 Grad | Wie viel Rotation durchsucht wird. Ein schmaler Bereich wirkt zugleich als Orientierungs-Ausschluss. |
| Empfindlichkeit | 0 bis 2 | 1.0 | Wie aggressiv Kanten gefunden werden. Nur so weit erhöhen, bis die Markierungen grün bleiben. |
| Konfidenzschwelle | 0 bis 1 | 0,5, empfohlen 0,6 bis 0,9 | Wie sicher sich die Ausrichtung sein muss, bevor sie das Teil als gefunden meldet. |
Wie OK/NG entschieden wird
- Die Ausrichtung beurteilt das Teil nicht. Sie entscheidet nur, ob das Teil gefunden wurde.
- Wird es nicht gefunden, ist jedes Werkzeug, das darauf verweist, übersprungen, und Schritt 4 Beurteilung entscheidet, ob das als Fehler zählt.
Was gemeldet wird
Ob das Teil gefunden wurde, dessen Konfidenz, Mittelpunkt, Rotation und Verarbeitungszeit.
Worauf zu achten ist
- Niemals an einem Etikett, Aufkleber oder Defekt verankern. Die Ausrichtung folgt dem Aufkleber statt dem Teil und zieht jede Prüfregion mit sich.
- Verteilen Sie Ihre Ankerpunkte. Zwei dicht beieinander liegende Anker liefern kaum eine Rotations-Basislinie – der häufigste Konfigurationsfehler.
- Validieren Sie sie, bevor Sie darauf aufbauen. Die Ausrichtung nachträglich zu korrigieren bedeutet, jedes darauf verweisende Werkzeug neu zu erstellen.
Dies ist die Kurzfassung. Die Seite Ausrichtung enthält die vollständige vierstufige Anleitung und ein Anker-Lab, das zeigt, warum die Streuung wichtig ist.
Die Ausrichtung hat ihre eigene Anleitung auf der Seite Ausrichtung, da fast jedes Rezept damit beginnt.
Derselbe Katalog, in der Kamera
Sie finden denselben Satz unter Werkzeug hinzufügen im Rezept-Editor:
Unten befindet sich ein integrierter KI-Assistent: Nicht sicher, welches? Beschreiben Sie die Prüfung in Ihren eigenen Worten, mit Einstiegen wie „Ist der Steckverbinder vollständig eingerastet?" und „Das Teil liegt jedes Mal in einem anderen Winkel auf." Wenn Sie das Problem lieber beschreiben, als aus einer Liste auszuwählen, nutzen Sie das.
Der komplette Satz
| Werkzeug | Kategorie | Training | Was es tut |
|---|---|---|---|
| AI Classification | KI | Auf dem Gerät | Sortiert eine Region in eine Ihrer trainierten Klassen |
| AI Count | KI | Auf dem Gerät | Erkennt und zählt Objekte, beurteilt anhand einer erwarteten Anzahl |
| AI Segmentation | KI | Auf dem Gerät | Umreißt Merkmale Pixel für Pixel, beurteilt nach Fläche und Blob-Anzahl |
| AI OCR | KI | Keines, Feinabstimmung optional | Liest gedruckten oder geätzten Text und prüft, was er aussagt |
| Barcode Read | Klassisch | Keines | Liest einen 1D- oder 2D-Code und prüft, was er aussagt |
| Color Match | Klassisch | Keines | Prüft, ob eine Region die richtige Farbe hat, und meldet die Abweichung |
| Alignment | Ausrichtung | Keines | Lokalisiert das Teil, damit jedes andere Werkzeug dieselbe Stelle prüft |
Alignment, AI OCR, Barcode Read und Color Match funktionieren, sobald Sie eine Region zeichnen und ihre Regeln festlegen. Nur Classification, Count und Segmentation lernen aus Ihren Beispielen. Wenn eines der untrainierten Werkzeuge Ihr Problem löst, lässt es sich schneller einsetzen und einfacher unterstützen.
Wieviel jedes Werkzeug aufnehmen kann
| Werkzeug | Limit |
|---|---|
| AI Classification | 64 Regionen, 16 Klassen |
| AI Segmentation | 64 Regionen, 64 Klassen |
| AI Count | 256 markierte Teile auf dem Master-Bild |
| AI OCR | 16 Felder, 8 Muster |
| Color Match | 10 Referenzproben |
Der Editor verhindert das Hinzufügen über ein Limit hinaus. Wenn ein Rezept mehr benötigt, teilen Sie die Arbeit auf zwei Werkzeuge derselben Art auf.
Vorhandene Bilder einbinden
Sie müssen nicht jedes Vorlagen- oder Trainingsbild live aufnehmen. Überall dort, wo ein Tool nach einem Bild fragt, können Sie auch eines aus der Library der Kamera auswählen oder eines von Ihrem Computer hochladen.
Achten Sie neben der Aufnahmeschaltfläche auf Use existing image, überall dort, wo ein Tool Sie zur Aufnahme auffordert: die Vorlage des Aligners, die Referenz- und Trainingsaufnahmen in den Schritten Set Up und Labeling jedes Tools, das Master-Bild von AI Count sowie Proben für Color Match. Schritte, die ein Bild benötigen, nehmen eines; Schritte, die einen Trainingsdatensatz aufbauen, nehmen mehrere gleichzeitig.
Es öffnet den Picker:
| Reiter | Funktionsweise |
|---|---|
| From library | Filtern Sie nach Capture ID, Trigger ID, Aufnahmezeit, Rezept oder Beurteilung, markieren Sie die gewünschten Aufnahmen und drücken Sie Import |
| Upload from computer | Ziehen Sie JPEG- oder PNG-Dateien auf die Seite oder klicken Sie, um sie auszuwählen, und drücken Sie dann Import |
| From dataset | Wird angezeigt, wenn ein Tool bereits einen Trainingsdatensatz besitzt, sodass Sie eines seiner Bilder als Referenz wiederverwenden können |
Importierte Bilder tragen ein Imported-Abzeichen, und für jede Datei wird gemeldet, ob sie übernommen wurde oder warum nicht.
Ein hochgeladenes Bild muss der nativen Auflösung der Kamera entsprechen, 2592×1944 auf dem OV Spark Pro, als 8-Bit-JPEG oder -PNG. Es wird abgelehnt, wenn es eine andere Größe hat, 16-Bit ist, einen Transparenzkanal enthält, eine EXIF-Rotation trägt oder größer als 32 MiB ist. Die Kamera skaliert einen Upload niemals, da Regionen und Vorlagen in Sensorpixeln gespeichert werden. Die sichere Quelle ist ein Bild, das diese Kamera selbst aufgenommen und aus ihrer Library exportiert hat.
Die Kamera löscht die ältesten nicht gepinnten Aufnahmen, sobald der Speicher voll wird, und eine Aufnahme, deren Bild verloren ist, kann nicht importiert werden. Wenn ein Teil einen Defekt zeigt, auf den Sie später trainieren möchten, pinnen Sie es in der Library.
Ausrichtung kommt zuerst
Wenn Ihre Teile nicht in einer Vorrichtung gehalten werden, ist die Ausrichtung fast immer das erste Tool im Rezept. Sie lernt der Kamera ein Referenzmuster an, findet dieses Muster in jedem Bild und meldet, wo sich das Teil tatsächlich befindet.
Andere Tools referenzieren dann den Aligner, sodass ihre Regionen dem Teil folgen, anstatt am Bildrahmen fixiert zu bleiben. Ohne ihn nimmt ein Teil, das 5 mm nach links verschoben ankommt, jede Region mit, und gute Teile fallen ohne erkennbaren Grund durch.
Die AI-Tools im Detail
AI Classification
Verwenden Sie es, wenn die Antwort eine Kategorie ist. Vorhanden oder fehlend, montiert oder fehlt, zerrissen oder intakt, OK oder NG, welche Variante, welche Fehlerklasse.
Zeichnen Sie eine oder mehrere Regionen, beschriften Sie eine Handvoll Beispielbilder pro Klasse und trainieren Sie direkt auf dem Gerät in Sekunden. Zur Laufzeit wird jede Region klassifiziert und anhand der von Ihnen festgelegten Beurteilungsregeln bewertet.
Am besten geeignet, wenn der Unterschied visuell erkennbar ist und Sie Beispiele für jedes Ergebnis zeigen können.
Das Labeling ist hier die eigentliche Aufgabe: Jede Region erhält auf jedem aufgenommenen Bild eine Klasse. Probieren Sie es aus:
Auf eine Schraube tippen, um durch die drei Klassen zu wechseln. Die Ausgabetabelle rechts aktualisiert sich live, und die Gesamtbeurteilung spiegelt die Regel wider, die Sie im IO-Block schreiben würden.
Auf einen Chip tippen, um nur diese Klasse hervorzuheben.
AI Count
Verwenden Sie es, wenn die Antwort eine Zahl ist. Tabletten in einem Blister, Pins in einem Stecker, Teile in einer Schale.
Beschriften Sie die Objekte auf einigen aufgenommenen Bildern und trainieren Sie einen kleinen Detektor direkt auf dem Gerät. Zur Laufzeit zählt das Werkzeug jede Übereinstimmung innerhalb der Region und beurteilt mit OK oder NG anhand des von Ihnen festgelegten Zählbereichs.
Vor dem Labeln muss ein Masterbild aufgenommen worden sein.
AI Segmentation
Verwenden Sie es, wenn die Antwort ist, wie viel. Verunreinigungsausmaß, Beschichtungsabdeckung, Defektgröße.
Zeichnen Sie auf einigen Bildern eine Pixelmaske über jede interessierende Klasse und trainieren Sie anschließend auf dem Gerät. Zur Laufzeit misst das Werkzeug die Fläche und die Blob-Anzahl jeder Klasse innerhalb der Region und beurteilt mit OK oder NG anhand des von Ihnen pro Klasse festgelegten Minimums und Maximums.
Das Training kann beginnen, sobald eine Maske auf einem Bild gezeichnet wurde, und ein mit nur wenigen Bildern trainiertes Modell ist bereits brauchbar. Vielfältigere Beispiele liefern dennoch ein besseres Modell.
Dies ist am aufwendigsten einzurichten – greifen Sie also darauf zurück, wenn eine einfache OK/NG-Beurteilung wirklich nicht ausreicht. Der Aufwand liegt im Malen:
Rechts eine Klasse auswählen, dann ziehen zum Malen. Die Pixelabdeckung aktualisiert sich beim Malen, und die Beurteilung wendet eine Beispielregel NG, wenn Gesamt > 2% an. Auto-Malen drücken, um eine kanonische Beschriftung zu sehen.
AI OCR
Verwenden Sie es, wenn Sie Text lesen müssen. Chargencodes, Verfallsdaten, Seriennummern.
Zeichnen Sie ein Feld pro Textzeile, legen Sie fest, was dieses Feld enthalten kann, und fixieren Sie optional sein Format oder eine Kalenderregel, sodass ein abgelaufenes Datum als NG beurteilt wird, statt lediglich gelesen zu werden. Funktioniert sofort ohne Training.
Die klassischen Werkzeuge
Barcode Read
Liest einen 1D-Barcode (Code 128, EAN-13) oder einen 2D-Code (Data Matrix, QR) und meldet den decodierten Text. OK bedeutet, dass ein Code gelesen wurde und – falls Sie ein erwartetes Muster festgelegt haben – dass der Text übereinstimmt.
Überall sonst auf dieser Seite lautet der Rat, eng zuzuschneiden. Barcodes sind die Ausnahme. Codes benötigen Ruhezonen um sich herum, um decodiert werden zu können. Zeichnen Sie die Region daher um den Bereich, in dem der Code erscheint, und nicht eng um den Code selbst.
Der Unterschied ist nicht marginal: Ein eng gezeichneter Rahmen erzielte 21 erfolgreiche Decodierungen von 300, während derselbe Code mit doppeltem Rand 158 von 300 lesen konnte. Beziehen Sie außerdem den gesamten Code ein, da ein halber Code als nichts gelesen wird.
Wenn der Code im Bildfeld zu klein ist, bewegen Sie die Kamera näher heran. Das Vergrößern der Region hilft nicht, und eine Region, die den größten Teil des Bildfelds abdeckt, kann über eine Sekunde für die Suche benötigen.
Farbabgleich
Zeichnen Sie eine Region über die zu prüfende Farbe und legen Sie eine Referenz anhand von Proben oder manuell fest. Jede Prüfung meldet die mittlere Farbe der Region, ihren ΔE2000-Abstand von der Referenz und einen daraus abgeleiteten Match-Score:
score = 100 - 4 x deltaE
Das Werkzeug beurteilt mit OK, wenn der Score auf oder über Ihrer Schwelle liegt, die standardmäßig 70 beträgt. Senken Sie sie, wenn gute Teile als NG beurteilt werden, erhöhen Sie sie, wenn schlechte Teile als OK beurteilt werden.
Kein Training. Es läuft, sobald die Region und die Referenz festgelegt sind.
ΔE bezieht sich hier auf diese Kamera unter diesem Licht. Vergleichen Sie Teile miteinander, niemals mit einer Labormessung. Stellen Sie zunächst in Imaging einen manuellen Weißabgleich ein, denn der automatische Weißabgleich passt sich neu an, wenn sich die Farbe des Teils ändert – genau das, was Sie eigentlich messen wollen.
Entscheidungshilfe bei Grenzfällen
| Wenn Sie zwischen diesen schwanken | Wählen Sie | Weil |
|---|---|---|
| Classification und Segmentation | Classification | Wenn eine OK/NG-Antwort ausreicht, trainiert es schneller und läuft ressourcenschonender |
| Classification und Count | Count | Wenn die Anzahl selbst die Spezifikation ist, nicht nur das Vorhandensein |
| Count und Segmentation | Segmentation | Wenn Objekte zusammenlaufen und nicht getrennt werden können |
| OCR und Barcode Read | Barcode Read | Wenn die Markierung ein Code ist. Es ist schneller und zuverlässiger als das Lesen von Text |
| Color Match und Classification | Color Match | Wenn es wirklich um den Farbton geht. Kein Anlernen erforderlich |