Görüntü işlemede ilk projeyi seçmek: neyi denetlemeye başlamalı

İlk projenin ağırlığı teknik değil, kurumsal

Bir tesise kurulan ilk makine görüşü (machine vision) sistemi teknik olarak en küçük iş olsa bile kurumsal olarak en büyüğüdür: bakım ekibi kamerayı ilk defa orada tanır, bütçeyi onaylayan kişi “bu iş gerçekten çalışıyor mu” sorusunu ilk defa orada sorar. Zor bir problemle başlanan kurulum teknik olarak kısmen başarılı olsa bile ikinci projeye izin çıkmaz. Doğru ölçüt “en pahalı hatayı yakalayan uygulama” değil, çözülebilirliği en yüksek ve sonucu en net ölçülebilen uygulamadır. En pahalı hata genellikle en zor problemdir; sıraya ikinci girer.

Kolay problem, zor problem

Zorluk sıralamasını tek bir ayrım belirliyor: kusurun tanımı fizikte mi, insanın beğenisinde mi? Fizikte tanımlı kusurun eşiği yazılabilir ve iki kalite kontrolcü aynı sonuca varır. Beğeniye dayalı kusurda referans yoktur; aynı parça sabah kabul, akşam ret olabilir.

İlk proje tablonun üst sıralarından seçilir. Alt sıralar çözülemez değil; sadece daha uzun numune toplama, daha kontrollü optik ve yazıya dökülmüş bir kabul ölçütü ister.

Bir adayı elemek için beş soru

Herhangi birine “hayır” geliyorsa, o cevabı “evet”e çevirmek projenin ilk işidir — kamera seçimi değil.

1. Kusur görüntüde tekrarlanabilir biçimde görünüyor mu? Yirmi kusurlu parçayı aynı sabit aydınlatma altına koyun; kusur yirmisinde de görünmeli. Kalite kontrolcü parçayı ışığa doğru çevirerek buluyorsa sabit kamera da bulamaz.

2. Aydınlatma sabitlenebilir mi? Çatı camından gelen gün ışığı, karşı hattaki kaynak arkı, vardiyada açılan tavan lambası görüntüyü gün içinde değiştirir. Standart çözüm: kapalı muhafaza, darbeli (strobe) aydınlatma ve aydınlatmanın dalga boyuna uygun bant geçiren filtre. Bunlar mümkün değilse problem kolaydan zora geçmiştir.

3. Parça pozisyonu tekrarlanabilir mi? Tolerans ±1 mm mi, ±20 mm mi; parça dönebiliyor mu? Yazılımla hizalama mümkündür ama her serbestlik derecesi çevrim süresi ve hata payı ekler. Bir mekanik dayama, günlerce algoritma çalışmasından ucuzdur.

4. Kabul/ret kararı yazıya dökülebiliyor mu? Hedef cümle: “0,3 mm genişliği ve 5 mm uzunluğu aşan çizik reddedilir; kenardan 2 mm içeride kalanlar değerlendirilmez.” Böyle bir cümle yazılamıyorsa sistem ne öğrenirse öğrensin doğrulanamaz. Pratik test: aynı 50 parçayı iki kontrolcüye ayrı ayrı verin; örtüşme %90’ın altındaysa önce ölçütü yazmak gerekiyor.

5. Referans numune seti var mı — iyi ve kötü? Zor olan kötü parçadır, çünkü kusur nadirdir: %0,3 kusur oranında ortalama 333 parçada bir örnek düşer. Kusur sınıfı başına en az 20–30 gerçek örnek hedeflenir; derin öğrenme düşünülüyorsa sayı yüzlere çıkar.

Aydınlatma, sistemin en belirleyici parçası

Tek bir kural diğerlerinden ağır basar: kusur ham görüntüde insan gözüyle açıkça görünmüyorsa hiçbir algoritma onu güvenilir biçimde bulamaz. Algoritma kontrast üretmez, var olan kontrastı kullanır. Fizibilite zamanının yarısından fazlası bu yüzden optik ve aydınlatma denemesine gider.

• Arkadan aydınlatma (backlight): parçayı siluete çevirir; varlık/yokluk ve dış ölçü ölçümlemesini neredeyse deterministik yapar. İlk proje için en güvenli seçenek.
• Difüz kubbe (dome): parlak ve kavisli metal yüzeyde yansımayı bastırır.
• Karanlık alan (dark field): yüzeye çok yakın açıdan gelir, yalnızca çizik ve çentik parlar.

Dalga boyu da araçtır: kırmızı/kızılötesi ortam ışığından ayrışmayı kolaylaştırır, mavi ince yüzey detayını artırır, çapraz polarizasyon parlamayı keser.

Çözünürlük ve çevrim süresi bütçesi

Çözünürlük. Tespit edilecek en küçük kusur görüntüde en az 3–5 piksel kaplamalı (ölçümlemede alt piksel yöntemleriyle daha azı yeter, tespitte 3 pikselin altı gürültüye karışır). 200 mm genişlikte bir görüş alanında 0,2 mm çizik arıyorsanız gerekli çözünürlük 0,2 / 4 ≈ 0,05 mm/piksel, yani yatayda ~4000 piksel. 5 MP kamera (yatayda ~2450 piksel) aynı alanda 0,08 mm/piksel verir; kusur ~2,5 piksele düşer, yani sınırdadır. Çözüm iki kamera ya da daha dar görüş alanı. Bu hesap yapılmadan verilen sipariş, devreye almada “kamera kusuru görmüyor” olarak geri döner.

Çevrim süresi. 60 parça/dakikada parça başına 1 saniye var; tetikleme, pozlama, aktarım, işleme ve ret kararının PLC’ye ulaşması bu sürenin içine oturmalı. Hareket bulanıklığı ayrı kısıt: 0,5 m/s hızda 1 ms pozlama 0,5 mm bulanıklık demektir. 0,2 mm kusur arayan sistemde pozlama 100 µs mertebesine iner, bu da aydınlatma gücünü ve darbeli sürücü ihtiyacını belirler.

Kural tabanlı mı, derin öğrenme mi

Sahada en çok işe yarayan üçüncü seçenek karma kurgu: kural tabanlı katman parçayı bulur, hizalar ve ilgi alanını (ROI) keser; öğrenen katman yalnızca o kesitte karar verir. Numune ihtiyacı düşer, karar izlenebilir kalır. Öğrenen modellerin gerçekten gerektiği durumları yapay zeka ve makine öğrenmesi sayfasında ayrıca anlatıyoruz.

Yanlış ret ile kaçan kusuru kim dengeler

Tek bir eşik iki hatayı ters yönde hareket ettirir: sıkarsanız yanlış ret (false reject) artar, gevşetirseniz kaçan kusur (escape) artar. Eğri mühendislik çıktısıdır; eğri üzerindeki çalışma noktası iş kararıdır ve kalite ile üretim sorumlusunun yazılı onayıyla belirlenir.

Rakam tartışmayı kısaltır. Günde 10.000 parça, %0,5 kusur oranı: 50 kusurlu parça. %1 yanlış ret günde 100 sağlam parçayı boşa eler; %10 kaçırma 5 kusurlu parçayı müşteriye gönderir. Otomotiv tedarik zincirinde kaçan kusur PPM cezası ve saha geri çağırması demektir; yüksek hacimli ambalajda 100 parça hurda maliyeti daha ağır basabilir. Bir de sessiz sonuç var: yanlış ret oranı yüksek sistem operatör tarafından devre dışı bırakılır. Sahadaki “denetim bypass” anahtarlarının çoğunun sebebi arıza değil, güvenilmeyen bir eşiktir.

Fizibiliteyi hangi sırayla yürütmeli

Sıra tersine çevrildiğinde en pahalı hata yapılır: donanım gelir, sonra aydınlatma çözülmeye çalışılır.

1. Numune topla — iyi ve kötü, tarih ve kusur sınıfı etiketiyle. Arşiv yoksa hatta bir kutu konur ve vardiyaya “bunları atma” talimatı verilir.
2. Aydınlatma ve optik dene — birkaç geometri, birkaç dalga boyu. Bu adımın çıktısı rapor değil, ham görüntü dosyalarıdır.
3. Çözünürlük bütçesini çıkar — mm/piksel hedefi, sensör ve lens, çalışma mesafesi, alan derinliği.
4. Çevrim süresi bütçesini çıkar — pozlama, aktarım, işleme, PLC’ye karar; bulanıklık kontrolü.
5. Algoritmayı toplanan görüntülerde dene — eğitimde hiç kullanılmamış ayrı bir test seti şart; aynı görüntülerle ayarlanıp aynı görüntülerle ölçülen sonuç sahada tekrarlanmaz.
6. Mekanik ve entegrasyonu planla — parça sabitleme, tetik kaynağı (enkoder mi yaklaşım sensörü mü), ret mekanizması, ret kutusunun dolduğunu kimin göreceği, sonuçların nereye kaydedileceği.
7. Ancak bundan sonra donanım siparişi.

Denetim kararlarının hat verisiyle birlikte saklanması listenin görünmeyen maddesi: kusur oranının vardiyaya, tedarik partisine veya makine ayarına göre nasıl değiştiğini görmek çoğu zaman denetimin kendisinden fazla değer üretir. Bu tarafı veri toplama ve analiz ile birlikte planlamak gerekir.

Olumsuz kavram kanıtı da bir sonuçtur

Bir kavram kanıtı (PoC) çalışmasının “bu problem bu aydınlatmayla ve bu bütçeyle güvenilir biçimde çözülemiyor” sonucu başarısızlık değil kazançtır: karşılığı sipariş edilmemiş kamera, kurulmamış pano ve devre dışı bırakılmamış bir sistemdir. Geriye numune arşivi, denenmiş aydınlatma geometrilerinin kaydı, yazılı kabul ölçütü ve gerçekçi bir çözünürlük hesabı kalır. Aynı problem altı ay sonra farklı bir mekanik kurguyla tekrar açıldığında iş sıfırdan başlamaz. Bu yüzden PoC’nin çıktı listesi baştan sözleşmeye yazılır.

Yarın ne yapabilirsiniz

• Son üç–altı ayın ret ve müşteri şikâyeti kayıtlarını nedene göre frekans sırasına dizin; liste genelde beklenenden kısadır.
• İlk üç neden için beş soruyu tek tek uygulayın. Hangi adayın “kolay” tarafta durduğu aynı gün ortaya çıkar.
• Hatta etiketli bir kusurlu numune kutusu koyun ve vardiya talimatına ekleyin.
• İlk aday için kabul/ret ölçütünü tek paragraf yazın, iki kontrolcüye okutun. Anlaşmazlık çıkan cümleler projenin gerçek risk listesidir.

Yöntem tarafının ayrıntısı görüntü işleme ve kamera sistemleri sayfasında.