مراقبة الجودة واكتشاف العيوب: معالجة الصور

المكاسب:

• القدرة على شرح كيفية اكتشاف العيوب الموجودة على سطح القماش وتصنيفها من خلال معالجة الصور والتعلم الآلي.
• القدرة على تفسير التوازن الإيجابي/السلبي الخاطئ ونظام التسجيل المكون من 4 نقاط ومقاييس الأداء النموذجية
• القدرة على تصميم إعداد التحقق الذي يختبر مخرجات الكشف التلقائي عن العيوب من خلال الفحص البشري والفحص المادي

لسنوات عديدة، اعتمدت مراقبة جودة القماش على العين البشرية: إذ يراقب المشغل القماش لساعات على طاولة فحص مضيئة، ويضع علامات ويسجل أي عيوب يراها. وهذا العمل متعب، وغير موضوعي، وعرضة للتعب والخطأ؛ لا يكون الانتباه حادًا في نهاية نوبة العمل كما هو في البداية. تعد الرؤية الحاسوبية والتعلم الآلي بأتمتة هذا الفحص: حيث تقوم كاميرا عالية السرعة بمسح النسيج، وتكشف عن نمط من العيوب وتصنفه في ثوانٍ. في هذه الوحدة، سنناقش كيفية عمل هذا النظام، والمعايير التي يتم تقييمه من خلالها، ولماذا لا تزال السيطرة البشرية لا غنى عنها.

عيوب النسيج ولغة التفتيش

لفهم الاكتشاف التلقائي، من الضروري أولاً معرفة اسم العيوب. العيوب النموذجية في القماش المنسوج: كسر السداة (نقص الخيط الطولي)، عيوب اللحمة/التوصيل (الخط العرضي)، الثقب، البقع، المكان السميك/الرفيع، ارتداد السداة. في القماش المحيك: علامة الإبرة (خط طولي، من عطل في الإبرة)، غرزة شاردة، ثقب، اختلاف في السمك. في الطباعة والصباغة: اختلاف اللون، الكشط (عدم انتظام الصباغة)، الانزلاق، الرش.

غالبًا ما يتم تسجيل نتائج الفحص باستخدام نظام من أربع نقاط: يتم إعطاء كل عيب من 1 إلى 4 نقاط وفقًا لطوله الطولي (على سبيل المثال، نقطة واحدة حتى 8 سم، 4 نقاط على 15 سم) ويتم حساب النتيجة الإجمالية لكل 100 متر مربع. أقل من العتبة (على سبيل المثال 40 نقطة / 100 متر مربع) يعتبر "قبول"، وما فوقها يعتبر "رفض". ويجب أن يحاكي التسجيل الآلي باستخدام الذكاء الاصطناعي هذا المعيار؛ لا ينبغي لها أن تنتج درجاتها التعسفية الخاصة بها.

نصيحة: يجب أن تكون مخرجات النظام الآلي قابلة للتحويل دائمًا إلى معيار التسجيل المقبول لديك (مثل 4 نقاط) وتوافق العميل. "لقد وجد النموذج 12 حالة شاذة" وحده لا يتخذ قرارًا تجاريًا؛ ويجب تحويلها إلى نقاط وقرارات.

كيف يعمل الكشف التلقائي عن الخلل؟

غالبًا ما تجمع الأنظمة الحديثة بين النهجين. التصنيف الخاضع للإشراف هو عندما تقوم شبكة عصبية اصطناعية (خاصة الشبكة العصبية التلافيفية المناسبة للصورة، الإنجليزية CNN) المدربة بآلاف من أمثلة العيوب التي تم تصنيفها مسبقًا بالتنبؤ بما إذا كان هناك خلل في الصورة الجديدة ونوعها. ومن ناحية أخرى، فإن اكتشاف الشذوذ يتعلم النسيج "العادي" ويحدد أي شيء ينحرف عن الطبيعي كمرشح عيب؛ إنه يعمل على العيوب النادرة التي لم يسبق لها مثيل لأنه ليس من الضروري تصنيف كل نوع من أنواع العيوب مسبقًا.

نقرأ أداء النظام بمعيارين أساسيين. الحساسية (الاستدعاء): ما هي نسبة العيوب الحقيقية التي اكتشفتها؟ الدقة: ما هي النسبة المئوية لما قالوا إنه عيب كان في الواقع عيبًا؟ هناك توازن بين هذين الاثنين. السلبية الكاذبة (عدم وجود العيب) تعني تسليم البضائع المعيبة إلى العميل؛ الإيجابية الكاذبة (وضع علامة على أن الكمال معيب) تعني إهدارًا وتباطؤًا غير ضروريين. في التطبيقات ذات الجودة الحرجة، يتم اختيار عتبة بشكل عام للحفاظ على السلبيات الكاذبة منخفضة، بينما تخضع الإيجابيات الكاذبة المتزايدة لفحص ثانٍ سريع بواسطة عامل بشري.

هناك فخ خطير هنا: الدقة وحدها مضللة. في خط الإنتاج، ربما يكون 2% من القماش معيبًا. النموذج الغبي الذي يطلق على كل شيء اسم "المثالي" يبلغ عن دقة تبلغ 98٪ ولكنه لا يكتشف أي عيب. ولذلك، في البيانات غير المتوازنة، لا تؤخذ في الاعتبار حساسية ودقة فئة الخلل، بل الدقة.

خطوة بخطوة: تقييم نظام الكشف

1. جمع البيانات التمثيلية. الصور التي تغطي تنوع القماش الفعلي (اللون والملمس والإضاءة) الذي سيراه النظام؛ بما في ذلك العيوب النادرة.
2. تحقق من جودة الملصق. إذا كانت تسميات التدريب خاطئة، فإن النموذج يتعلم بشكل خاطئ أيضًا؛ عينة من التسميات بعين خبيرة.
3. قياس الحساسية/الدقة. بشكل منفصل لفئة العيب. لا تنظر فقط إلى الدقة العامة.
4. فحص السلبيات الكاذبة. هل العيوب المفقودة لها سمة مشتركة (لون معين، ضوء معين)؟
5. قم بإعداد الإنسان في الحلقة. دع المشغل يؤكد ما قام النموذج بتمييزه؛ توجيه غير المؤكد إلى الناس.
6. المراقبة وإعادة التدريب. قم بتحديث مجموعة البيانات مع ظهور أنواع عيوب جديدة (انحراف المفهوم).

ثلاث حالات صغيرة: بالأرقام

الحالة 1 - دقة مضللة. باع أحد الموردين نظامًا يقول "نموذجنا دقيق بنسبة 97%". زيادة عوائد العملاء في هذا المجال. وأظهر التحليل أن حساسية فئة العيوب كانت 61% فقط، مما يعني أنه تم تفويت 39 من كل 100 عيب حقيقي. كانت الدقة عالية لأن معظم القماش كان خاليًا من العيوب بالفعل. تم إعادة ضبط العتبة وإضافة التحكم البشري؛ زادت الحساسية إلى 92%، وتم القضاء على النتائج الإيجابية الكاذبة من قبل المشغل.

الحالة 2 - تحول الإضاءة. في سطر واحد، تضاعفت النتائج الإيجابية الكاذبة ثلاث مرات عندما ضربت أشعة الشمس بعد الظهر منطقة التفتيش؛ اعتقد النموذج أن الظلال كانت بقعًا. تم حل المشكلة عندما تم توحيد حالة المشاهدة (الخزانة المغلقة، وإضاءة LED الثابتة). الدرس المستفاد: يتعلق إعداد التصوير بالجودة بقدر ما يتعلق بالنموذج.

الحالة 3 - الوقت والعمل. تقضي إحدى الشركات ما متوسطه 9 دقائق في فحص 100 متر من القماش يدويًا. ومن خلال المسح المسبق للكاميرا + نموذج تأكيد المشغل، تم تقليل الوقت إلى 4 دقائق وتقليل التسرب لأن المشغل اهتم فقط بالمناطق المحددة. الأمر المهم هو أن الأتمتة لم تشحذ عين المشغل، بل عينه.

موجه ضعيف / موجه قوي

ملاحظة: الأنظمة المخصصة التي تقوم بتحليل صورة الخلل بشكل مباشر منفصلة؛ هنا نستخدم الذكاء الاصطناعي لتصميم العمليات وتقييم البيانات وإعداد التقارير.

حث ضعيف:

أخبرني، هل نموذج الكشف عن العيوب الخاص بنا جيد؟

مطالبة قوية:

دورك: مهندس جودة النسيج ومحلل البيانات. فيما يلي نتائج اختبار نموذج الكشف عن العيوب (مصفوفة الارتباك: إيجابية حقيقية، إيجابية كاذبة، سلبية كاذبة، سلبية حقيقية). المهمة: 1) حساب الحساسية والدقة لفئة الخلل، وإظهار الصيغة. 2) اشرح باستخدام هذه الأرقام لماذا يمكن أن تكون الدقة الإجمالية مضللة. 3) علق على تأثير الأعمال التجارية لخطر السلبيات الكاذبة في هذا الإنتاج. 4) قدم اقتراحًا ملموسًا لتحديد العتبة والفحص البشري. الأرقام: [مصفوفة]

قوالب قابلة للنسخ

1) الحساب المتري وتفسيره:

احسب الحساسية والدقة ودرجة F1 من مصفوفة الارتباك التالية، واكتب كل صيغة وقم بتبرير أي منها أكثر أهمية من حيث الجودة. المصفوفة: [TP، FP، FN، TN]

2) السبب الجذري السلبي الكاذب:

فيما يلي قائمة ميزات العيوب (السلبية الكاذبة) المفقودة (نوع العيب واللون والضوء والسرعة). قم بإنشاء فرضيات نمطية مشتركة واقترح تجربة تحقق لكل فرضية. البيانات: [قائمة]

3) التحويل إلى نقاط 4 نقاط:

قم بتحويل مخرجات الكشف التالية إلى نظام من 4 نقاط: سجل كل عيب وفقًا لطوله، واحسب النتيجة الإجمالية لكل 100 متر مربع، وقارن مع درجة [العتبة] والتوصية بالقبول/الرفض. قائمة العيوب: [قائمة]

4) مسودة تقرير التفتيش:

اشتق ملخصًا تنفيذيًا من بيانات عيوب التحول التالية: أهم 3 عيوب، ومصدر العملية المحتمل (الفرضية)، ومعدل الرفض الإجمالي، والإجراءات الموصى بها. لا تقم بتكوين الأرقام، فقط استخدم ما هو معلوم. البيانات: [الجدول]

مخطط المقارنة المتري

المعيار

ما التدابير

هل من الجيد أن تكون مرتفعًا؟

أهمية في الجودة

الدقة

المعدل الصحيح عموما

يمكن أن تكون مضللة

انخفاض البيانات غير المتوازنة

الحساسية (الاستدعاء)

تم اكتشاف معدل الخلل الفعلي

نعم

يسقط سلبية كاذبة (حرجة)

الدقة

وحقيقة ما تقوله هو عيب

نعم

يقلل من الإيجابيات الكاذبة/النفايات

سلبية كاذبة

نجا من الخلل

لا، ينبغي أن تكون منخفضة

خطر البضائع المعيبة على العميل

إيجابية كاذبة

إنذار فارغ

لا ولكن يتم التسامح معه

فقدان الكفاءة/السرعة

تنبيه: النظام الآلي هو "جهاز فحص مسبق" وليس "جهاز اعتماد". ويتطلب قرار قبول الجودة النهائي موافقة مسؤول الجودة المختص، خاصة بالنسبة للدفعات الخاضعة لعقد العميل. يسرع النموذج السيطرة البشرية، لكنه لا يعفيها.

الأخطاء الشائعة

• أن تنظر إلى البر فترضى. دقة عالية تخفي القطع الأثرية في البيانات غير المتوازنة.
• إهمال حالة المشاهدة. بدون إضاءة ثابتة وسرعة ثابتة، لا يمكن الاعتماد على النموذج.
• عدم التحقق من جودة الملصق. النموذج الذي تم تدريبه باستخدام التسمية الخاطئة يتعلم بشكل غير صحيح.
• نسيان النوع الجديد من العيب. إذا لم يتم تحديث البيانات للعيوب الجديدة التي تظهر مع مرور الوقت، فسوف ينخفض ​​الأداء بصمت.
• قطع الناس. يتطلب قرار القبول الحاسم موافقة الإنسان.

في ملخص

تعمل معالجة الصور على تسريع فحص القماش بشكل كبير وتعويض التعب البشري. لكن أداءه لا يُقرأ بدقة، بل بحساسية ودقة فئة الخلل؛ السلبية الكاذبة هي أخطر خطأ في الجودة. تعد حالة التصوير المستقرة وعلامة الجودة والفحص المباشر من قبل الإنسان الركائز الثلاث لموثوقية النظام. الإخراج التلقائي هو فحص أولي؛ ويبقى قرار القبول النهائي بموافقة المهندس.

مهمة التطبيق

حدد مثالاً لمصفوفة الارتباك لنظام اكتشاف العيوب (على سبيل المثال، 100 عينة معيبة، 4900 عينة مثالية). حساب الحساسية والدقة وF1 باستخدام قالب "الحساب المتري" في هذه الوحدة؛ ثم التحقق من النتائج يدويا. ناقش في فقرة ما يحدث للإيجابيات الكاذبة عندما تقوم بتغيير الحد لخفض النتائج السلبية الكاذبة إلى النصف في نفس المصفوفة، وحدد التوازن المناسب لمنتجك.

قائمة مرجعية

• [ ] أقوم بتقييم الأداء من خلال الحساسية/الدقة، وليس الدقة.
• [ ] أقوم بتفسير مخاطر السلبيات الكاذبة إلى جانب تأثير الأعمال.
• [ ] قمت بتوحيد ظروف المشاهدة (الضوء، السرعة).
• [ ] أتحقق بانتظام من جودة الملصق وأنواع العيوب الجديدة.
• [ ] أضع موافقة بشرية على قرار القبول النهائي؛ النموذج هو الغربال المسبق فقط.