プロジェクトの認識精度を向上
ビジョン認識の誤差は、ビジョンプロジェクトの認識の正確性と繰り返し精度を反映しています。
ビジョンプロジェクトが「3Dマッチング」アルゴリズムを使用して認識する場合、プロジェクトの認識精度を向上させるために、3Dマッチングの精度を向上 をご参照ください。
ビジョンプロジェクトが「ディープラーニング」アルゴリズムを使用して認識する場合、プロジェクトの認識精度を向上させるために、ディープラーニングの推論効果を向上 をご参照ください。
3Dマッチングの精度を向上
以下の方法で3Dマッチングの精度を向上させることができます。
-
カメラの点群品質を確保します。
-
点群モデルと把持位置姿勢設定の正確性を確保します。
-
マッチングアルゴリズムの設定を確認します。
カメラの点群品質を確保
カメラの点群品質は既に「ビジョンシステムのハードウェア設置」段階で確認されている場合、この部分をスキップしても問題ありません。
カメラの点群品質をまだ確認していない場合は、カメラの点群品質をチェック をご参照ください。
点群モデルと把持位置姿勢設定の正確性を確保
点群モデルの品質を確保
カメラで画像を取得してモデル点群を生成する場合は 、以下のことに注意してください。
-
適切なモデルタイプを選択：対象物が平らで、カメラ視野内に明確で固定されたエッジ特徴が表示される場合（パネル、クローラシュー、コネクティングロッド、ブレーキディスクなど）、エッジモデルを使用することをお勧めします。対象物の表面に明らかな認識可能な特徴がある場合（クランクシャフト、ローター、棒鋼など）、サーフェスモデルを使用することをお勧めします。
-
ノイズ除去：作成したモデルの点群にノイズが含まれていると、誤認識の原因となります。したがって、対象物の点群のみを残し、他のノイズを除去する必要があります。
CADファイルをインポートしてモデル点群を生成する場合は 、モデルの単位を正しく設定してください。そうしないと、モデルマッチングが失敗します。
把持位置姿勢の設定の正確性を確保
Mech-Visionでは、点群モデルに把持位置姿勢を追加するために、ドラッグ法とティーチング法の両方がサポートされています。
精度が高く、ワークの向きが一致しており、ロボットのTCP誤差が測定しにくい場合は、ティーチング法を使用することをお勧めします。
ティーチング法を使用して把持位置姿勢を追加する際には、以下のことに注意してください。
-
把持位置姿勢のフランジ位置姿勢を入力する際に、正しいオイラー角タイプを選択してください。
-
把持位置姿勢のフランジ位置姿勢を入力する際に、データの長さに注意してください。ティーチペンダントから読み取ったフランジ位置姿勢の形式は、位置姿勢編集画面で表示される形式と一致している必要があります。フランジ位置姿勢がオイラー角形式である場合、6つのデータを入力する必要があります。四元数形式である場合、7つのデータを入力する必要があります。
-
7軸ロボットの場合、ティーチペンダントに7軸の数値が含まれているなら、ソフトウェア内のフランジ位置姿勢にも7軸の数値が含まれている必要があります。その逆も同様です。
ディープラーニングの推論効果を向上
以下の方法でディープラーニングの推論効果を向上させることができます。
-
2D画像の品質を向上させます。ディープラーニングモデルのトレーニングに使用する2D画像は、以下の要件を満たす必要があります。
-
画像が明るすぎたり、暗すぎないこと。
-
画像の色が実物に近く、色の歪みがないこと。
-
十分な数の画像が取得され、画像の種類の多様性が確保されていること。
画像の要件の詳細については、ディープラーニング画像データを取得 をご参照ください。
-
-
モデルの追加学習を行います。モデルが一定期間使用されると、一部の現場のニーズを満たさない可能性があります。モデルを微調整して追加学習を行い、モデルの精度を向上させることができます。
-
ディープラーニングのパラメータを調整します。ディープラーニングのパラメータを調整することで、最適なディープラーニング推論効果を得ることができます。詳細については、ディープラーニングモデルパッケージを推論 ステップのパラメータ説明をご参照ください。