检查识别效果是否变差
本节指导你检查识别效果是否变差。
在本节中，你需要进行如下检查：
-
检查点云质量是否变差
-
检查深度学习推理效果是否下降
-
检查3D匹配效果是否下降
检查点云质量是否变差
如果项目中使用了3D匹配进行识别，则参照本节进行检查。
检查方法：
-
将工件放置在出现抓不准问题的区域。
-
对于EIH场景，将相机移动到出现抓不准问题的拍照位。
-
打开Mech-Eye Viewer软件，连接项目使用的相机。
-
连接相机后，切换参数组为项目所使用的参数组，并点击
按钮进行单次图像采集。 -
在数据查看区的点云页签中，查看工件点云的质量。
检查标准：
如果工件点云出现如下问题，则说明点云质量变差：
-
点云不完整，缺失抓取相关的特征点。
-
点云波动（噪声）大，有明显的上下抖动。
矫正方法：
导致点云质量变差的常见原因及处理方法如下。
| 可能原因 | 处理措施 |
|---|---|
环境光变化 |
调节3D参数、点云后处理、深度范围和感兴趣区域分组下的参数优化点云质量。如果环境光太强，可以进行遮光。 |
来料方式变化（相机条纹方向与工件长边方向不垂直） |
恢复原有来料方式，保持相机条纹方向与工件长边方向垂直。 |
检查深度学习推理效果是否下降
如果项目使用深度学习辅助识别，你需要检查深度学习推理效果是否下降。
检查方法：
-
在Mech-Vision工具栏中单击生产界面进入当前方案的生产界面。
-
在已配置的“深度学习结果”视图中查看深度学习推理的效果。
检查标准：
如果出现如下情况，则深度学习推理效果下降：
-
正常工件漏识别。
-
工件及背景的误识别。误识别包括将背景误识别为工件、不同工件类型识别错误、工件上下层识别错误、工件与工件之间识别错误等。
-
掩码差以及识别的置信度低。如果掩码很差及分割实例的置信度低，会导致误识别或漏识别，从而影响抓取。
矫正方法：
如下情况下需要对模型进行迭代：
-
当置信度设置很低时仍然不能正常识别工件，需要对漏识别进行模型迭代。
-
如果误识别与输入的图像质量或工件自身无关，需要对误识别进行模型迭代。
-
如果掩码差以及分割出实例的置信度低，并且无法通过调整置信度阈值规避，需要对模型进行迭代。
除以上情况以外，可能导致深度学习推理效果下降的原因和处理措施见下表。
| 可能原因 | 处理措施 |
|---|---|
环境光变化，导致图像出现过曝、过暗的情况 |
调节2D曝光参数。如果环境光太强，可以进行遮光。 |
来料方式变化（异常来料） |
恢复原有来料方式、调整2D ROI使2D图包含所有工件。 |
异常工件 |
剔除异常工件。 |