결함 검출

이 스텝은 딥 러닝 알고리즘을 통해 입력된 이미지에 결함이 있는지를 감지하고 검출된 결함의 유형에 근거하여 분류할 수 있습니다.

이 스텝과 Mech-Vision 、Mech-DLK 버전의 호환성에 대한 설명을 다음과 같습니다.

주의

이 스텝은 개발자 모드 에만 사용될 수 있습니다.

응용 예시(측정 모드)

주의

이 스텝을 사용하기 전에 대상물체의 딥 러닝 모델을 미리 준비해야 합니다.

../../../../../_images/application_sample.png

스텝 연결

결함 검출 를 클릭하여 스텝 입력 포트 선택 화면에서 입력1(컬러 맵) 에서 입력1(컬러 맵) 을 선택하세요.

파라미터 설정

  • 이미지를 읽기 설정:

    이 스텝을 클릭하여 스텝 파라미터 화면에서 대상물체의 이미지 데이터 경로 등 파라미터를 설정하세요(사용자가 대상물체를 포함한 컬러 맵을 미리 준비해야 함).

    이 예시의 대상물체가 아래의 그림과 같습니다:

    ../../../../../_images/measure_object.png

  • 결함 검출 설정：

    1. 이 스텝을 클릭하여 스텝 파라미터 화면에서 모델 파일 과 구성 파일 을 설정하세요.

    2. 딥 러닝 서버가 실행된지 확인하십시오.

    3. 설정을 완료하면 실행 을 클릭하여 프로젝트를 실행하세요.

    프로젝트가 성공적으로 실행된 후 결함이 있는 부분이 표기될 것입니다. 아래의 그림과 같습니다:

    ../../../../../_images/measure_result.png

  • 측정 결과 출력 과 결과 화면에서 검출된 결과를 볼 수 있습니다. 아래의 그림과 같이 이 예시 중 대상물체에 결함이 있으므로 결과가 False입니다. 대상물체에 결함이 없는 경우 결과가 True입니다.

    ../../../../../_images/measure_output.png

  • 사용자가 감지할 영역을 자체적으로 정의할 수 있고, 즉 ROI를 자체적으로 설정할 수 있습니다.

    결함 검출 를 클릭하고 스텝 파라미터 ‣ 결함 검출 ROI 설정 화면에서 + 를 클릭하여 하나 혹은 여러 개의 ROI를 추가할 수 있습니다.

    하나의 ROI만 추가하기:

    ../../../../../_images/measure_roi.png

    여러 개의 개의 ROI를 추가하기:

    ../../../../../_images/measure_roi_1.png