モデル適用の実例-3D ビジョンガイドでインスタンスセグメンテーションモデルの適用
3D ビジョンガイドでは、インスタンスセグメンテーションモデルを適用して対象物の認識・位置決めが実現できます。ここでは Mech-Vision におけるモデルの適用を例に、3D ビジョンガイドでインスタンスセグメンテーションモデルの適用方法を説明していきます。
以下の二方法で Mech-Vision にディープラーニングモデルをインポートすることができます。
-
ディープラーニングモデルパッケージを推論ステップでインポートします。
-
ワーク認識ステップのディープラーニングを組み合わせてワークを認識 する機能を使用してモデルパッケージを読み込みます。
ほとんどの場合に 2つ目の方法を推奨します。ここ方法では、ディープラーニングによる分割と 3D マッチングを組み合わせてデバッグに役立ちます。ここではこの方法を例に、Mech-Vision でインスタンスセグメンテーションモデルの適用方法を説明します。
ディープラーニングモデルパッケージのインポート、2D ROI の確認、信頼度しきい値の設定、データ拡張パラメータ設定という流れで行います。
ディープラーニングモデルパッケージをインポート
-
対応する Mech-Vision プロジェクトを開き、ワーク認識ステップの設定ツールをクリックして設定ウィンドウを開きます。
-
ワークの選択と認識パレットでディープラーニングを使用をオンにします。モデルパッケージ管理ツールをクリックし、ディープラーニングモデル管理ウィンドウのインポートをクリックしてモデルパッケージをインポートします。
-
ワークの選択と認識パレットでインポートしたモデルパッケージを選択します。
2D ROIを確認
認識の精度を確保するために 2D ROI を設定します。この時の ROI は、Mech-DLK で設定した ROI と同じです。ワークが ROI を出た場合に調整してください。ただし、調整したら ROI 範囲のズレからモデル適用効果が影響されるためトレーニング時に再度 ROI を設定しなければなりません。
信頼度しきい値を設定
ディープラーニングの結果パレットに切り替えて推論設定をクリックし、推論設定ウィンドウでインスタンスセグメンテーションの信頼度しきい値を設定します。これにより、信頼度が低い、分割効果向上が必要な結果をフィルタリングします。調整してみると、信頼度しきい値を 0.6 前後に設定したら効果がもっともいいです。
ステップを実行して効果を確認することができます。
膨張処理
膨張処理は、ディープラーニングモデルが完全な画像エッジ情報を出力することを確保します。これによって完全なワーク点群を取得することができます。使用する前に認識結果パレットに切り替えて現在の点群を確認することができます。この例では、エッジの点群が完全で効果がいいので膨張処理を使用しなくてもいいです。
これで Mech-Vision プロジェクトにおけるインスタンスセグメンテーションモデルパッケージのインポートと設定が完了し、Mech-Vision プロジェクトを実行してワークを認識することができます。
