FAQ

  1. カメラの露出を調整し、または補光を行って環境光の変化をシミュレートしてデータを取得することはできますか?

    いいえ。現場の照明が変化する場合は、異なる照明条件でデータを取得しなければなりません。手動で作られた照明環境で取得するデータは参考できません。

  2. カメラの位置が固定されており、ワークの位置姿勢が変化する場合、カメラの位置を移動してワークの位置変化をシミュレートすることはできますか?

    いいえ。データを取得する前に、カメラの位置を固定にしなければなりません。カメラを移動すれば、ディープラーニングモデルの効果とカメラの外部パラメータに影響を与えます。カメラの位置が固定されており、ワークの位置姿勢が変化する場合、トレーニング中にROIを適切に大きくすることができます。

  3. 元のカメラで取得されたデータの品質が悪くてカメラを交換した後、元のデータの反復モデルを追加する必要はありますか?

    いいえ。カメラ交換後のデータを再取得して、モデルトレーニングを行う必要があります。

  4. 背景を変更すると、ディープラーニングの効果に影響しますか?

    はい。背景を変更すると、モデルの認識に誤りや漏れが発生しますので、初期段階で背景を確認したらそれを変更しないでください。

  5. 異なる型番のカメラと取り付け高さで取得したデータを同じモデルに使用してトレーニングできますか?

    はい。ROIにご注意ください。差を小さくするために、異なる高さの画像にROIをそれぞれ選択してください。

  6. 高反射性の金属部品を扱る場合、データを取得するときに注意すべきことは何ですか?

    露出過度/不足を回避してください。一部の露出過度を避けられない場合に、ワークの輪郭がはっきり認識できるようにしてください。

  7. モデルの効果が良くない場合は、トラブルシューティングするにはどうすればよいですか?

    トレーニングデータの数量と品質、データの多様性、ROIパラメータ、照明などからトラブルシューティングします。

    1. 数量:トレーニングデータの数量が、良好なモデル結果を取得するのに十分であるかどうかを確認します。

    2. 品質:データ品質が最良かつ明確で、露出過度/不足があるかどうかを確認します。

    3. データの多様性:データに現場で起こりうる全ての状況が含まれるかどうかを確認します。

    4. ROIパラメータ:現場で設定されたパラメータはトレニンーグのデータと一致しているかどうかを確認します。

    5. 照明:照明が変化するかどうか、また画像取得時と一致しているかどうかを確認します。

  8. 現場で照明が複雑で、影や遮蔽などによる認識効果の不安定をどう改善しますか?

    実際状況に応じて、遮光や補光を行えば改善できます。

  9. 現場データとトレーニングデータのROIが一致しなければ、インスタンスセグメンテーションの信頼度のしきい値に影響するのはなぜですか?

    トレーニングデータのROIと一致しなければ、対象物がモデルの最適認識範囲内にないため、信頼度のしきい値に影響します。したっがて、応用時のROIをトレーニングデータのROIと一致させる必要があります。

  10. 紙箱のスーパーモデルは、どのようなシーンに適していますか?

    同じ色やパータンの紙箱、または多種類の紙箱のデパレタイジング・パレタイジングに適しています。ただ、このモデルは紙箱が同じ段に水平に配置されたシーンにのみ適用されます。

  11. 紙箱のスーパーモデルを使用すれば、データをどう取得しますか?

    スーパーモデルを使用してテストします。正確に分割できなければ、問題のあるデータに対して約20枚の画像を取得します。具体的な方法は、「紙箱のスーパーモデルのトレーニング」をご参照ください。

  12. 分類器はGPUなしで画像分類モデルを使用できますか?

    いいえ。

  13. 古いバージョンのディープラーニング環境をアップグレードするにはどうすればよいですか?

    古いバージョンのディープラーニング環境をアップグレードするには、 Mech-DLK 実行環境のインストール の手順に従って操作してください。

  14. 新バージョンのMech-DLKで古いプロジェクトを開いたら検証の結果が外れた場合、どうすればいいですか?

    「検証」を再度クリックすればいいです。