深度揭秘自适应学习算法

类型分类：: 科普知识

数据分类：: 直尺

深度揭秘自适应学习算法

发布日期：2022-07-14 点击率：29

　　眼下正值开学季，

　　重新面对课堂黑板上的数学计算题，

　　Are You Ready!!!

　　目标95%准确率或许很简单，

　　而完成%准确率更要精益求精，

　　看似接近的数字其实大有不同，

　　让康耐视带你一探究竟。

　　众所周知，上汽通用汽车，已拥有别克、雪佛兰、凯迪拉克三大品牌，覆盖了从高端豪华车到经济型轿车各梯度市场。目前在上汽通用动力总成生产线使用康耐视的视觉设备已达数百台。动力总成系统作为汽车的“心脏”，是车辆生产制造过程中非常关键的一环，其质量把控的重要性不言而喻。

　　视觉检查在替代传统人力检查的同时，人们往往会对其可靠性存在疑虑。对此，上汽通用动力总成制造工程科室对视觉检测的可靠性提出了规范性要求。其一，不能将缺陷判定为合格;其二，对合格工件的一次识别率达到%。

　　做一套95%准确率的视觉系统或许只要几小时时间，而要做到%则需要精益求精的执着追求。康耐视的机器视觉产品，让这一切成为可能。

　　上汽通用动力总成车间为整车平台提供数以百万计套发动机与变速箱，而对这庞大数量的产品进行生产装配质量监控绝非易事。由于生产过程中存在环境变化、被检测零件工差、装配工差等不确定因素，导致图片中被检测零件所呈现的特征存在差异。当被监控对象数量增大，其之间的差异性必将体现，使得设备存在误判可能，这增大了视觉应用之难度，也是视觉识别中的最大挑战，要做到%的准确性需要缜密的思维，以及精益求精的探索。康耐视软件具有卓越智能，且编程方式灵活。用户可以自己开发智能程序，提高视觉检测的可靠性。

　　在硬件设计层面无法抑制不确定因素时，通过软件来修正解决。以康耐视In-Sight Explorer为软件平台，对图像进行编程学习，分析图像特征，针对图像呈现的差异性而做出相应调整，提高了视觉检测的可靠性。康耐视视觉产品在软件端的智能化以及灵活性，使得客户在遇到产品差异性大等棘手问题时，可以找到有效的解决方案。

　　PatMax + Filter算法的准确识别

　　在变速箱装配过程中，检测轴承是否安装且安装正确是一项非常普遍的工艺。某些轴承产品正反面并无尺寸上的差异，靠喷墨标记作为判断正反之依据。依靠康耐视In-Sight Explorer软件带有的PatMax算法可以识别该防错标记有无而做出判断，将结果反馈给主控系统。对于大多数情况，防错标记清晰可见，但是会存在某些产品因表面沾有油污、或经过磨损，防错标记模糊不清，相机无法识别该标记而发生误报。

左图为正常零件在图像中呈现的状态，右图为防错标记被磨损的零件

　　经分析，上述右图失效主要原因在于零件运输过程中喷墨标记受到磨损而变淡，在图像中呈现的对比度非常低，导致标记的轮廓非常模糊，图中防错标记无法有效识别，会有误报警产生。而康耐视软件的智能性、灵活性使解决这一问题成为可能。

　　针对该情况相机图像处理自适应，即在第一次识别失败时不直接报NG，而是通过提取照片的灰度信息，得到需要凸显的特征的灰度分布，以及需要抑制的背景灰度分布，经数学分析得到恰当参数从而执行适当的图象处理，以凸显被识别特征。图像处理参数(Filter的处理阀值)的自适应性的重要意义在于，被磨损的零件之间存在差异，导致在图像中的灰度特征也有区别，依靠算法去学习当前图像以获取特定的图像处理参数，从而得到最佳效果的处理后图像。

图像自适应原理简述

　　调整曝光时间，提高检测率

　　链条与链轮之间的啮合检测一直是变速箱装配过程中重要的把控环节，也是难点之一。因为链条与链轮之间没有固定的啮合姿态，各零件之间对比度低，以及背景造成的干扰都会对视觉系统的可靠性形成挑战。

　　由于变速箱内经常会有机油，在额定曝光率下，沾有机油的区域会“过曝”而比正常情况亮很多，导致链条上的铆钉在图像中无法被识别。

变速箱轴承检测现场

　　在链条上沾有机油时，零件表面变得更加光滑，使得光线反射率大大提高。在额定曝光时间内CCD卡接收到的光量超出了预期，所以产生了图像中“过曝”的现象。由于铆钉的轮廓已经完全不可见，已经不可能靠图像处理来修正图像。此时可行的方案是自动缩短曝光时间重新拍照检测，而下一个工件进入工位时，相机还是沿用原先额定曝光时间。

　　“额定曝光时间”是经大量实验总结出来针对绝大多数工件使用的曝光率，而在因为“过曝失效”的情况下，程序调用修正曝光时间并执行第二次曝光，此图片会比第一次曝光明显变暗。