Od inspekcji 2D do pomiarów 3D: DEPZ stawia na dysparatę stereo z uczeniem maszynowym
W pierwszym kwartale 2024 roku DEPZ zdecydował się skupić na estymacji dysparaty stereo z wykorzystaniem uczenia maszynowego. Celem jest przekształcenie inspekcji w pomiar — umożliwienie powtarzalnej oceny 3D defektów i odchyleń geometrycznych w trudnych warunkach przemysłowych.
Czego nauczyliśmy się z wczesnych pilotaży
Podczas początkowych pilotaży wizyjnych jeden wniosek stał się jasny: w wielu przypadkach nie wystarczy zobaczyć defekt — musimy go zmierzyć względem tolerancji.
Produkty wielkoformatowe mogą wykazywać:
- Powolne odkształcenia na szerokich powierzchniach
- Małe, ale istotne odchylenia na krawędziach i połączeniach
- Defekty, których waga jest określana przez głębokość/wysokość, a nie wygląd
To naturalnie skierowało DEPZ w stronę wizji stereo i rekonstrukcji głębi jako kluczowej możliwości.
Dlaczego dysparata jest wąskim gardłem technicznym
Głębia ze stereo zaczyna się od dysparaty: dopasowania punktów między lewym a prawym obrazem. W kontrolowanych demonstracjach wiele metod działa dobrze. W rzeczywistych warunkach produkcyjnych problem staje się trudniejszy z powodu:
- Powierzchnie o niskiej teksturze (gładkie tworzywa sztuczne)
- Odbicia i refleksy zwierciadlane
- Różnice oświetlenia na dużych obszarach
- Ograniczenia ruchu, wibracji i przepustowości
Jeśli dysparata jest niestabilna, głębia staje się niestabilna — a pomiar staje się niewiarygodny.
Dlaczego podejścia uczenia maszynowego są obiecujące
W pierwszym kwartale 2024 DEPZ priorytetowo potraktował badania nad estymacją dysparaty wspomaganą ML, w tym hybrydowe podejścia łączące klasyczną geometrię z dopasowaniem opartym na uczeniu. Metody ML mogą poprawić odporność poprzez:
- Uczenie się wzorców dopasowania na powierzchniach o niskiej teksturze
- Bardziej eleganckie obsługiwanie powtarzających się wzorców i niejednoznacznych regionów
- Adaptacja do konkretnych domen przemysłowych poprzez wyselekcjonowane zbiory danych
- Dostarczanie bardziej spójnych wyników w regionach istotnych dla decyzji QA
Co faktycznie budujemy (nie tylko "model")
Program dysparaty DEPZ jest traktowany jako pełny stos inżynieryjny:
- Pipeline danych. Zbieranie danych z różnych stanów powierzchni i konfiguracji oświetlenia; scenariusze defektów i geometrii reprezentatywne dla produkcji; strategia etykietowania zgodna z mierzalnymi wynikami (nie tylko wizualnymi).
- Stabilność kalibracji. Procedury kalibracji i rekalibracji kamer; kontrole dryfu i stabilności mechanicznej w czasie.
- Środowisko ewaluacji. Powtarzalne testy na obiektach referencyjnych i znanych geometriach; metryki odzwierciedlające wymagania przemysłowe (powtarzalność, tryby awarii, pewność).
- Ograniczenia wdrożeniowe. Cele przepustowości i opóźnień; niezawodność podczas długich czasów pracy; przewidywalne zachowanie przy pogorszeniu warunków.
Oczekiwany rezultat
Celem jest stworzenie rdzenia głębi, który może zasilać:
- Inspekcję i metrologię w linii produkcyjnej
- Przypadki użycia obsługi robotycznej i automatyzacji
- Przyszłe urządzenia i oprogramowanie stereo na poziomie produktu
To fundamentalna inwestycja: gdy dysparata i głębia staną się niezawodne, duża klasa problemów automatyzacji staje się łatwiejsza i bardziej skalowalna.