What to Look for in New Systems

Manufacturers today want complete systems that solve specific problems, not individual cameras and software they have to piece together themselves.

“Manufacturers expect solutions, not components that make up solutions anymore,” Witherspoon says. “When they do invest in a solution, they have high expectations. People expect vision systems to be flawless, see issues, and detect them like human operators, 100% of the time.”

While perfect performance may not happen immediately, manufacturers can shorten the learning curve by selecting flexible systems that are easily expandable and scalable, Witherspoon says. “Look for systems that can run on various types of hardware and can be ported over and switched with ease,” he explains.

Poor lighting and optics will doom any vision system, no matter how advanced the software.

“Spend time making sure that the lighting and optics are fully optimized,” Witherspoon says. “If you don’t spend the time and resources to create the best image, you will end up with poor results, junk in/junk out.”

Building a library of inspection images helps improve systems over time and provides data for testing new AI approaches.

“Save the images of your inspection, the good, the bad and the ugly,” Witherspoon says. “The images can be used to test the system, improve the system, and try new solutions that are AI-based.”

Dechow recommends focusing on application needs rather than technology: “Focus only on the needs of the application, not on machine vision technology. How will a process or the manufacturing environment as a whole benefit if actionable data were available from a specific operation?”

Understanding the context of system performance helps set realistic expectations. Fimeri notes that requirements vary depending on the system’s purpose.

“This often depends on the primary reason a vision system is installed,” he says. “It can be to replace manual inspection to reduce operating costs and in these cases the manufacturer will often not have as high an expectation on performance and quality. A vision system typically will not be as accurate as visual inspection by an operator, but a vision system is much more repeatable and predictable.”

新システムに求められるもの

今日の製造業では、特定の問題を解決するための完成したシステムが求められている。カメラやソフトウェアを個別に購入して自社で組み立てようというわけではない。

「製造業者が求めるのは、もはやソリューションを構成する個別機器ではなく、ソリューションそのものだ」とウィザースプーン氏は言う。「実際にソリューションを購入する際に抱く期待は大きい。ビジョンシステムが完璧に動作し、何が問題かを理解し、人間の検査員と同様にそれを検出でき、しかも検出率は100％であることを期待している」

ウィザースプーン氏は、導入直後から完璧な性能を発揮させるのは難しいかもしれないが、容易に拡張や変更が可能な柔軟性の高いシステムを選択することで学習にかかる時間を短縮することは可能だ、と言い、「さまざまな種類のハードウェアで動作し、簡単に移植や切り替えができるシステムを探すべきだ」と指摘した。

照明や光学系が悪ければ、ソフトウェアがどんなに高性能であろうと、優れたビジョンシステムを構築することはできない。

「時間をかけて照明と光学系を確実に最適化することが重要だ」とウィザースプーン氏は言う。「最高の画像を得るために時間とリソースを費やさなければ、結局はお粗末な結果しか得られない。インプットが悪ければアウトプットも悪いということだ」

検査画像のライブラリを構築するのも効果的だ。システムを徐々に改善できるし、新しいAI手法を検証する際のデータにもなるからだ。

「検査画像は、合格品のものだけでなく、不良品の画像や異常な画像もすべて保存しておくことだ。これらの画像は、システムの試験や改善のために利用できるほか、AI搭載の新しいソリューションを試用する際にも役立つ」とウィザースプーン氏は言う。

デチャウ氏は、テクノロジー自体よりも用途のニーズに焦点を当てることを勧めている。「目を向けるべきなのは、その導入用途で何が求められているかであって、マシンビジョン技術ではない。ある作業から有用なデータが得られたとしたら、工程や製造環境全体にはどのような効果が期待できるかを考えるのだ」

システムパフォーマンスの背景を理解すれば、現実的に何を求めるべきかが見えてくる。フィメリ氏は、要求事項はシステムの目的によって異なると指摘する。

「ビジョンシステムを設置する最大の目的は何なのか、それにより異なることが多い。例えば、手作業による検査を代替して操業コストを削減することが目的だとしよう。このような場合、性能や品質に対する期待はそれほど高くないだろう。ビジョンシステムは、精度の面では検査員による目視検査より劣るのが一般的だが、再現性と予測可能性の面でははるかに優れている」と彼は言う。

【限定公開】テクニカルライティング講座資料を無料公開中

※原文記事を機械翻訳＋人手校正（ポストエディット）にて作成しております。