Üretimde Kamera Destekli Kalite Kontrol: Görünüm Değişiklikleri Nedeniyle Oluşan Yanlış Alarmları Azaltma

Problem tanımı: Görünüm değişiklikleri ve yanlış alarmlar

Üretim hatlarında kameralarla yapılan kalite kontrol uygulamalarında en sık karşılaşılan operasyonel problemlerden biri; parça yüzeyindeki veya çevresel aydınlatmadaki değişikliklerin, doğru parçaları yanlış olarak işaretlemesi (false positive) veya hatalı parçaları kaçırması (false negative)dır. Bu durum hatalı istatistikler, gereksiz duruşlar ve müşteri itirazlarına yol açar. Örnek senaryo: aynı gün içinde aynı montaj hattında, farklı vardiyalar veya dış ışık koşulları nedeniyle yüzey parlaklığı değişiyor ve görsel kontrol algoritması hata oranını artırıyor.

Hedef arama niyeti ve bu yazının amacı

Bu yazı, üretimde kamera destekli kalite kontrol sistemlerinde ışık ve görünüm değişikliklerinden kaynaklanan yanlış alarmları azaltmak isteyen fabrika mühendisleri ve kalite yöneticilerine teknik, adım adım uygulanabilir rehber sunmayı amaçlar. Öneriler donanım (kamera/aydınlatma), hat entegrasyonu (PLC/barkod tetikleme), görüntü işleme/algoritma ve veri kaydı/izlenebilirlik taraflarını kapsar. Daha ileri entegrasyon ihtiyaçlarınız için Bayrak Bilişim'in Kalite Kontrol IoT hizmet sayfası üzerinden çözüm odaklı bilgi alabilirsiniz.

1) Fiziksel yerleşim ve optik önlemler

• Kamera açısı ve uzaklığı: Parçaya göre düşük açılar yansımayı artırır. Parça yüzeyinin yapısını dikkate alarak 90 dereceye yakın normal görüntüleme veya kontrol edilebilir oblique açılar tercih edin.
• Lens seçimi: Distorsiyonu düşük, gerekli alanı kapsayan C/CS mount objektifler kullanın. Derinlik alanı ve açısal görüşten dolayı makro lensler veya tele merkezlikli lensler gerekebilir.
• Filtreler: Polarize filtreler (CPL) metalik/parlak yüzeylerde yansıma azaltır. IR veya UV filtreleri belirli aydınlatma tipleriyle birlikte düşünün.
• Aydınlatma gölgeleme ve kontrolü: Homojen LED panel veya halka aydınlatma, nokta/spot kaynaklardan daha tutarlıdır. Parlaklık değişimlerine duyarlı uygulamalarda stroblı (flash) aydınlatma, kısa pozlama ile hareket bulanıklığını engeller ve görsel varyasyonu düşürür.

2) Aydınlatma ve senkronizasyon stratejileri

Işık koşullarını sabitlemek, yanlış alarm ihtimalini en çok azaltan adımdır.

• Sürekli vs stroblı aydınlatma: Sürekli aydınlatma kolay uygulama sağlar ancak hareketten kaynaklı blur veya değişen ambiyans ışığı sorun yaratır. Stroboskopik aydınlatma (PLC/encoder tarafından tetiklenen) genellikle daha tutarlı sonuç verir.
• PLC/encoder ile tetikleme: Kamerayı ve strobu üretim hattındaki konum sensörleri veya enkoder ile senkronize edin. Böylece her görüntü aynı parça konumunda ve aynı aydınlatma koşulunda alınır.
• Aydınlatma seviyesinin izlenmesi: Hat üzerinde referans bir bölge (diffuse beyaz hedef) koyun; periyodik referans çekimleri ile ışık seviyesini meterleyin ve yazılımla eşik ayarlamalarını dinamik hale getirin.

3) Tetikleme ve ürün eşleştirme

Yanlış eşlenmiş görüntüler, hatalı raporlamaya doğrudan sebep olur. Bu nedenle görüntüleri doğru ürünle ilişkilendirme adımları kritik:

• Barkod/QR tetiklemeli çekim: Her ürün hattı segmentinde barkod okuyucu + kamera entegrasyonu ile görüntü alımı tetiklenebilir. Barkod okuma sonucu bir ürün kimliği ile görüntü meta verilerini ilişkilendirin.
• PLC sinyali kullanma: Barkod yoksa PLC sinyali (parça algılama, piston konumu) ile time-based indexing yapın. Ancak PLC zaman damgası ile kamera zaman damgasını senkronize etmek için NTP/PTP kullanın.
• Zaman damgası ve meta veri: Görüntü dosyasına ürün ID, hattaki pozisyon, kamera ID, vardiya ve kesin zaman damgası (UTC) gibi alanları ekleyin. Bu, itiraz dönemlerinde kanıt sorgulaması ve izlenebilirlik sağlar.

4) Görüntü işleme ve algoritma yaklaşımları

Görüntü varyasyonunu yazılımla da azaltmak mümkündür; burada basit kurallar ve ML tabanlı yaklaşımların kombinasyonu iyi sonuç verir.

• Ön işlem (preprocessing):
  • Histogram eşitleme, renk normalize etme (white balance), CLAHE gibi kontrast düzeltmeleri kullanın.
  • ROI (Region of Interest) tanımlayarak sadece ürünün ilgili kısmını değerlendirip arka plan gürültüsünü azaltın.
• Thresholding ve adaptive eşik: Statik eşikler ışık değişimlerinde başarısız olur. Adaptive thresholding veya lokal eşik metodları tercih edin.
• Özellik tabanlı kontrol: Kenar, doku ve renk histogramı gibi özellikleri kullanarak rule-based kontroller ile hızlı ön filtreleme sağlayın.
• Makine öğrenmesi / Derin öğrenme: CNN tabanlı modeller, görünüm değişikliklerine daha dayanıklı olabilir. Ancak eğitim verisi çeşitli aydınlatma ve yüzey koşullarını kapsamalıdır. Gerçek zamanlı uygulamalarda kenar cihazda hafif modeller veya model çıktısını doğrulayan ikinci aşama kurallar kombinasyonu önerilir.

5) Edge vs bulut işleme ve gecikme yönetimi

Gerçek zamanlı karar gereken durumlarda edge (kamera CPU/edge gateway) işleme; geniş analiz ve raporlama için merkezi sunucu/bulut tercih edin.

• Edge avantajı: Düşük gecikme, bant genişliği tasarrufu ve anlık alarm. Ancak sınırlı model kapasitesi ve erişim zorlukları olabilir.
• Merkezi analiz: Detaylı ML eğitimleri, uzun dönem trend analizi ve video arşiv sorguları için uygundur. Edge'den gelen meta veriler ve özetler SQL Server veya zaman serisi DB'ye kaydedilir.

6) Kayıt, indeksleme ve izlenebilirlik

Videoların ve görüntülerin doğru şekilde saklanması, aranması ve doğrulanması itiraz yönetimi açısından kritiktir.

• Chunking ve meta veri: Uzun sürekli kayıt yerine parçaları (ör. her ürün için veya her 10 saniyede bir) kaydedin. Her chunk içine ürünID, hatID, kameraID, zaman damgası ve hash bilgisi ekleyin.
• Veritabanı taslağı (örnek):
  • ProductVisuals table: VisualID (PK), ProductID, CameraID, CaptureTimestampUTC, FilePath, Hash, TriggerSource (Barcode/PLC), OperatorID
  • Alarms table: AlarmID, VisualID, AlarmType, Confidence, ResolvedFlag, ResolutionTimestamp
• EDS ve erişim kontrolü: Video kanıtları için read-only erişim, izleme logu ve dijital imza/hashing ile bütünlük garanti edilir.
• Retention policy: Yasal gerekliliklere ve müşteri sözleşmelerine göre saklama süresini belirleyin; arşivlemeyi otomatikleştirin.

7) Zaman senkronizasyonu ve veri tutarlılığı

Tüm bileşenlerin (kameralar, barkod okuyucular, PLC'ler, edge gateway'ler) zamanını NTP/PTP ile senkronize edin. Özellikle yüksek hızlı hatlarda PTP (Precision Time Protocol) tercih edilir. Zaman farklılıkları ürün-görüntü eşleştirmesinde ciddi hatalara yol açar.

8) Entegrasyon ve API önerileri

Görsel doğrulama verilerini mevcut ERP/ERP entegrasyon katmanına güvenilir biçimde aktarmak önemlidir. ASP.NET Core tabanlı bir ingestion API yapısı pratik ve ölçeklenebilirdir:

• POST /api/visuals/upload: multipart ile video/görsel + JSON meta (ProductID, CameraID, Timestamp, TriggerID)
• GET /api/visuals/query?productId=...&from=...&to=... : Ürün bazlı hızlı sorgulama
• Webhook: Alarm veya kritik durumlarda ERP/mesaj kuyruğuna bildirim

API'lerde idempotency (aynı görselin tekrar yüklenmesi) ve sıra garantisi için unique hash veya upload-id kullanın. SQL Server tarafında işlem loglarını ve sorgu performansını izleyin.

9) Operasyonel adımlar: Kurulumdan son kullanıcı eğitimine

• Pilot hattı: Önce tek bir hat/istasyon üzerinde pilot kurulum yapın. Farklı vardiya ve aydınlatma koşullarını pilotta simüle edip performansı ölçün.
• Kalibrasyon prosedürü: Günlük/haftalık quick-check; aydınlatma referans çekimi ve kamera white-balance kaydı olsun.
• Operatör arayüzü: Hataların nedenleri ve örnek görüntülerle birlikte kısa açıklamalar sağlayın. Hızlı itiraz/inceleme akışı ekleyin.
• Geri bildirim döngüsü: Algoritma hatalarını operatör etiketlemesi ile besleyip modeli düzenli olarak güncelleyin.

10) Denetim, gizlilik ve yasal konular

Görüntü kaydı işleyen sistemlerde kişisel veri (operatör yüzü vb.) ortaya çıkabilir. Kayıt sınırlarını, yetkilendirmeyi ve gizlilik politikalarını netleştirin. Gerektiğinde yüz bulanıklaştırma veya sadece ürün ROI'sini kaydedecek şekilde kamera açılarını belirleyin.

Özet ve sonraki adımlar

Görünüm ve aydınlatma kaynaklı yanlış alarmları azaltmak, donanım-dizayn, hat entegrasyonu, görüntü işleme ve veri yönetiminin birlikte ele alınmasını gerektirir. Önerilen adımlar: doğru aydınlatma seçimi ve senkronizasyon, sağlam tetikleme ve ürün eşleştirme, ön işleme + adaptif algoritmalar, tutarlı zaman damgası ve güvenli arşivleme. Bu ilkeleri uygulayarak hem operasyonel verimliliği hem de üretim izlenebilirliğini iyileştirebilirsiniz.

Daha fazla teknik destek veya pilot proje danışmanlığı için lütfen iletişime geçin; Bayrak Bilişim üretim hattı entegrasyonlarınızda uygulamalı çözüm tasarımı ve yazılım geliştirme desteği sağlayabilir.