モジュールの接続実例-小型部品を分割する高精度モデルのトレーニング

現在ご覧いただいているのは最新版の内容です(V2.6.2)。異なるバージョンを参照する場合は、画面右上のボタンから切り替えが可能です。

■ ご利用中のバージョンが分からない場合や、サポートが必要な場合はお気軽にサポート窓口までご連絡ください。

3D ビジョンによるクランクシャフト供給のプロジェクトを例に、視野が広くてワークサイズが小さいシーンンにおいてモジュールを接続して高精度のディープラーニングモデルをトレーニングする方法を紹介します。

トレーニング手順

クランクシャフト自動供給は、ロボットをガイドしてトレイからバラ積みワークを認識・把持します。以下の 3つの手順を実行します。

  1. 対象物検出モジュールを使用してクランクシャフトが配置されたトレイを位置決めます。

  2. インスタンスセグメンテーションモジュールを使用してクランクシャフトを分割します。

  3. 対象物検出モジュールを使用してクランクシャフトの大きい端を位置決めます。

高精度のモデルを取得するために、各モジュールの機能を利用して段階的にデータを収集してラベルを付けます。

データ取得

カメラの 2D パラメータを調整する

  • 高解像度モード:高解像度カメラを使用することを推奨します。このプロジェクトでは、LSR L-V4 カメラは 12 メガピクセルの高解像度モードを使用します。

  • 露出モード:環境光が変化しやすくてトレイの色も様々なので RGB カメラの露出モードを Auto に設定し、トレイを ROI として使用することを推奨します。

  • グレースケール値:クランクシャフトは高反射ワークなのでグレースケール値を調整してください。ダークカラーのトレイも、色が明るい取りも露出過度が発生しないようにしてください。

データの収集

より多くのシーンをカバーするデータを取得するために、以下のシーンのデータを取得してください。

  • 異なる層:異なる段の画像を取得します。特に最高層、中間層、最低層のデータを取得してください。

    acquire layer heights
  • 異なるトレイ:色が異なるトレイを使用したシーンのデータを取得してください。

    acquire trays
  • 異なる照明:朝晩、異なるワークステーションのデータ、特に反射が発生したシーンのデータを取得してください。

    acquire lighting conditions
  • 異なるクランクシャフトの数:トレイいっぱいから空きトレイまで、クランクシャフトの数が異なるシーンのデータ、特に 20 個以下のデータを取得してください。

    acquire crankshafts

ラベル付け・トレーニング

  • 対象物検出

    認識対象:トレイ

    トレイの最小境界ボックスを描いてトレーニングします。

    label tray
  • インスタンスセグメンテーション

    認識対象:クランクシャフト

    クランクシャフトの輪郭を精確に出してトレーニングします。

    label crankshaft
  • 対象物検出

    認識対象:クランクシャフトの大きい端

    クランクシャフトの大きい端の最小境界ボックスを描いてトレーニングします。

    label crankshaft big end

トレーニング・検証完了後にモデルをエクスポートします。エクスポートされたモデルは Mech-Vision とMech-DLK SDK、Mech-MSR に使用できます。クリックして詳細な説明を確認します。

この情報は役に立ちましたか?

ご意見・ご要望がございましたら、以下よりお寄せください:

Mech-Mindは、お客様のプライバシーを重視しています

このサイトでは最高の体験を提供するために Cookie を使用しています。サイトの閲覧を続ける場合、Cookie の使用に同意したことになります。「拒否する」を選択すると、このサイトを訪れた際に追跡や記憶が行われないように単独の Cookie が使用されます。