Início / Visão artificial / Falsas rejeições

Guia · Controlo de qualidade · Desperdício

Falsas rejeições em visão artificial: porque acontecem e como reduzi-las

Uma falsa rejeição é uma embalagem boa que o sistema de visão expulsa como má. Cada uma é produto que se deita fora ou se reprocessa, e quando são muitas, o operador acaba por baixar a exigência ou desligar a câmara, e então passam também as más. Neste guia explicamos de onde vêm e como se reduzem.

As causas

De onde vêm as falsas rejeições

Quase nunca é «a câmara». Costuma ser uma destas causas, ou várias ao mesmo tempo.

Luz

Iluminação que muda

Luz do pavilhão que entra por uma janela, um projetor envelhecido ou reflexos em embalagens brilhantes mudam a imagem, e a inspeção lê-a como um defeito.

Posição

A embalagem não chega sempre igual

Embalagens rodadas, separadas de forma irregular ou que vibram no tapete: a ferramenta procura a zona onde ela não está.

Limiar

Tolerâncias demasiado apertadas

Um limiar definido «por precaução» rejeita variações normais da embalagem que não são uma falha.

Receita

Receita do formato errada

Depois de uma mudança de formato ou de sabor, fica carregada a receita anterior e sai tudo rejeitado.

Ótica

Ótica suja ou desajustada

Salpicos na lente ou na proteção, ou uma câmara que se deslocou com a vibração.

Ferramenta

A ferramenta não é a adequada

Defeitos que variam de uma peça para outra (forma, cor, superfície) são difíceis de descrever com regras fixas; aí encaixa melhor o deep learning.

Câmara inteligente de visão artificial com iluminação integrada

Como se reduzem

Medir primeiro, ajustar depois

As falsas rejeições não se resolvem subindo a tolerância às cegas: assim passam também as más. Resolvem-se sabendo, rejeição a rejeição, o que a câmara viu e porque decidiu.

  • Guardar a foto e o motivo de cada rejeição, e revê-los numa galeria
  • Separar as rejeições reais das falsas e ver que ferramenta as provoca
  • Ajustar o limiar com os valores medidos, não com a intuição
  • Estabilizar a luz e a posição da embalagem antes de mexer no software
  • Receitas por formato com utilizador e registo de cada alteração
  • Deep learning onde o defeito varia de forma natural

Um caso real

−80 % de desperdício por falsas rejeições

Numa linha de lacticínios em brik, revendo as rejeições com a sua foto e ajustando a inspeção com esses dados, o desperdício por embalagens boas expulsas desceu 80 %, sem deixar passar embalagens más. Não é uma promessa para todas as linhas: cada uma parte de uma situação diferente. Por isso começamos por medir.

1

Calcule o que perde

O TIVOX Insight dá-lhe, em cerca de dois minutos, uma estimativa de quanto lhe custam por ano as rejeições da sua linha.

Abrir o TIVOX Insight →

2

Revemos o seu sistema

Com fotos das suas rejeições, dizemos-lhe o que causa as falsas e o que se pode corrigir, seja qual for a marca da sua câmara.

3

Veja como se trabalha

No simulador do TIVOX Sentinel PLUS pode ver a galeria de rejeições e os limiares de cada ferramenta.

Abrir o simulador →

Perguntas frequentes

Respostas às dúvidas mais habituais

O que é uma falsa rejeição em visão artificial?

É uma embalagem ou uma peça boa que o sistema de visão classifica como defeituosa e expulsa. Também se chama falso positivo, porque o sistema «dá positivo» num defeito que não existe.

Que percentagem de falsas rejeições é normal?

Depende do produto, da inspeção e da exigência de cada fábrica, por isso não há um valor que sirva para todas. O importante é medi-lo: saber quantas das rejeições são reais e quantas não, e que ferramenta as provoca.

Subir a tolerância resolve o problema?

Às cegas, não: reduzem-se as falsas rejeições, mas começam a passar embalagens más. A tolerância ajusta-se com os valores medidos das rejeições e depois de estabilizar a luz e a posição da embalagem.

Podem rever um sistema de visão de outra marca?

Sim. Com fotos das rejeições e das embalagens boas, dizemos-lhe o que está a causar as falsas rejeições e o que se pode corrigir, seja qual for a marca da câmara.

Quando compensa o deep learning?

Quando o defeito ou o produto variam de forma natural de uma peça para outra e é difícil descrevê-lo com regras fixas: superfícies, selagens, formas irregulares. Para medições e leituras claras, as ferramentas clássicas costumam ser mais rápidas e fáceis de ajustar.

Revisão remota, sem custo

A sua câmara deita fora embalagens boas?

Envie-nos fotos das rejeições e de embalagens boas. Dizemos-lhe de onde vêm as falsas rejeições e o que se pode corrigir.