От 2D-инспекции к 3D-измерениям: DEPZ приоритизирует стерео-диспаратность с машинным обучением
В первом квартале 2024 года DEPZ решил сосредоточиться на оценке стерео-диспаратности с использованием машинного обучения. Цель — превратить инспекцию в измерение, обеспечив повторяемую 3D-оценку дефектов и геометрических отклонений в сложных промышленных условиях.
Что мы узнали из ранних пилотных проектов
В ходе начальных пилотных проектов по компьютерному зрению стал очевиден один вывод: во многих случаях недостаточно увидеть дефект — необходимо измерить его относительно допусков.
Крупноформатные изделия могут демонстрировать:
- Медленное коробление на широких поверхностях
- Малые, но важные отклонения на краях и соединениях
- Дефекты, серьёзность которых определяется глубиной/высотой, а не внешним видом
Это естественно привело DEPZ к стерео-зрению и реконструкции глубины как ключевой возможности.
Почему диспаратность является техническим узким местом
Глубина из стерео начинается с диспаратности: сопоставления точек между левым и правым изображениями. В контролируемых демонстрациях многие методы работают хорошо. В реальных производственных условиях проблема становится сложнее из-за:
- Поверхности с низкой текстурой (гладкие пластики)
- Отражения и зеркальные блики
- Различия освещения на больших площадях
- Ограничения движения, вибрации и пропускной способности
Если диспаратность нестабильна, глубина становится нестабильной — а измерение становится ненадёжным.
Почему подходы машинного обучения перспективны
В первом квартале 2024 DEPZ приоритизировал исследования оценки диспаратности с помощью ML, включая гибридные подходы, сочетающие классическую геометрию с сопоставлением на основе обучения. Методы ML могут улучшить надёжность за счёт:
- Обучение шаблонам сопоставления на поверхностях с низкой текстурой
- Более элегантная обработка повторяющихся шаблонов и неоднозначных регионов
- Адаптация к конкретным промышленным доменам через отобранные наборы данных
- Обеспечение более последовательных результатов в регионах, важных для решений QA
Что мы на самом деле строим (не просто "модель")
Программа диспаратности DEPZ рассматривается как полный инженерный стек:
- Конвейер данных. Сбор наборов данных из различных состояний поверхности и настроек освещения; сценарии дефектов и геометрии, репрезентативные для производства; стратегия маркировки, согласованная с измеримыми результатами.
- Стабильность калибровки. Процедуры калибровки и повторной калибровки камер; проверки дрейфа и механической стабильности со временем.
- Среда оценки. Повторяемые тесты на эталонных объектах и известных геометриях; метрики, отражающие промышленные требования (повторяемость, режимы отказов, уверенность).
- Ограничения развёртывания. Цели пропускной способности и задержки; надёжность при длительной работе; предсказуемое поведение при ухудшении условий.
Ожидаемый результат
Цель — создать ядро глубины, которое может обеспечивать:
- Встроенная инспекция и метрология
- Случаи использования роботизированной обработки и автоматизации
- Будущие стерео-устройства и программное обеспечение на уровне продукта
Это фундаментальная инвестиция: когда диспаратность и глубина станут надёжными, большой класс задач автоматизации станет проще и масштабируемее.