KI-Auftrag auf sichtbaren Bestand begrenzen
Bitten Sie KI um unterstützte Verarbeitung sichtbarer Artikel in offener Verpackung und Vergleich mit Kit, mit Referenzen, Präsentation und Ausschlüssen. Keine Inventur durch Karton oder automatische Annahme aus ordentlichem Bild. Graph bleibt Hypothese bis Prüfung an Originalen und unabhängigen Referenzen. Fixieren Sie Aufnahme, damit Verarbeitung statt anderes Material oder bequemes Exemplar Unterschiede erklärt.
Kit und Referenzen fixieren
Fixieren Sie Paket, Kit, Inhalt, Bild, Maße, Zonen und Transform. Unsichere Referenzen behalten Regel statt bequeme Klasse. Kitrevision benennt sichtbare und ausgeschlossene Objekte. Wiederholbilder sind verbunden, keine unabhängigen Bestandsreferenzen. Vollbilder lassen Klappen und Nachbarn prüfen. Fremdes Paket oder alter Ausschnitt belegt nicht das aktuelle Kit.
Sichtbare Belegkette aufbauen
Bauen Sie Vorbereitung, Vordergrund oder Erkennung, typisierte Detektionen und BOM passend zur Präsentation. Festzonenlabels sind keine gelernte Klassifikation beliebigen Inhalts. Nötige Erkennung braucht validiertes Modell, Klassen, Filter und Duplikate. Rohe Kandidaten sind nicht automatisch Einzelartikel. Erhalten Sie Sicht und Koordinaten, damit Abschneiden, Berührung und Verdeckung nicht zu autoritativer Zahl verschwinden.
BOM liest sichtbare typisierte Belege
Teile und Kit in erklärten Koordinaten vor Zählung erhalten.
- Original offener Verpackung
- Sichtbare Artikelbelege
- Versionierte Labels und Mengen
- Verdeckter Inhalt außerhalb
Versionierten BOM-Vertrag erklären
Legen Sie BOM-ID, Revision, bekannte Labels und exakte Mengen vorher fest. Das Beispiel prüft sichtbaren Deckel und Dichtung mit erwarteter Menge, kein Produktionskit. In der geprüften Route gilt für bekannte Labels ohne Sollzeile null erwartet; unbekannte Labels brauchen Review. Labelbedeutung bleibt zwischen Methode und BOM stabil. observable erklärt eine durch Bilder zu begründende Bedingung; true macht weder Abdeckung transparent noch falsches Label gültig.
{
"version": 1,
"id": "visible-cap-seal-example/v1",
"observable": true,
"known_labels": ["cap", "seal"],
"items": [
{"label": "cap", "quantity": 1},
{"label": "seal", "quantity": 1}
]
}Unbekannte und ungültige Beobachtungen erhalten
Erhalten Sie native Gründe und Rohdetektionen. Ungültige Sicht oder unobservierbarer Inhalt führen Review, gültige Mengenabweichung Fail. Unbekannte Klasse führt Review und überwiegt bequemes Match. Fehlende Ausführung und fehlerhafter Eingang sind kein gültig leerer Bestand. Prüfen Sie installierte Verträge und Nichtfreigabe für Unbekannt/Fehler. Grüne Menge ohne Bild, Kit und Sicht beweist keinen Anspruch.
Kandidaten an Entwicklung vergleichen
Vergleichen Sie Basis und Kandidat an denselben vollständigen, fehlenden, zusätzlichen, unbekannten, berührenden und abgeschnittenen Fällen samt Material. Ändern Sie Variable, erhalten Fehler. Prüfen Sie korrigierte, unbeobachtbare und falsch gelabelte Fälle. Review und Ausführung bleiben im Nenner. Suche ist Entwicklung, keine unabhängige Abnahme. Reservieren Sie separate Pakete und Varianten mit dokumentierten Grenzen.
Vollständigkeitsprotokoll führen
Dokumentieren Sie Paket und Kit, Referenz, Bild und Crop, Methode, Labels oder Modelle, Filter, Rohdaten, Sicht, BOM, Gründe und Ausführung. Basis und Kandidat bleiben mit Fehlerbildern. Tabelle trennt Match, Abweichung, Fremdklasse und ungültige Sicht ohne erfundene Genauigkeit. Empfänger verfolgt Zählung und Herkunft von Festzone oder validierter Erkennung; KI beweist keine industrielle Kit-Identität.
| Typisierte Belege | Begrenzte Entscheidung | Bedeutung |
|---|---|---|
| Gültige bekannte sichtbare Mengen passen | Pass | Nur erklärte Kit-Artikel |
| Gültige bekannte Mengen weichen ab | Fail | Sichtbare Mengenabweichung |
| Unbekanntes Label vorhanden | Review | Kit-Identität prüfen |
| Ungültige Sicht oder unbeobachtbarer Inhalt | Review | Keine vertrauenswürdige Inventur |
| Ausführung fehlt oder fehlerhaft | Explizite Nichtfreigabe | Kein gültig leeres Paket |
Quellen und technische Referenzen
Die Quellen erläutern Methoden und Grenzen dieser Anleitung. Beispielprüfungen dienen der Orientierung; die Produktionsabnahme benötigt Belege aus Ihren eigenen Mustern.
- Contours: Getting StartedOpenCVGeprüft
- skimage.measure APIscikit-imageGeprüft
- Deyi Vision Vision WorkbenchDeyi VisionGeprüft
Komponenten- und Auswahlreferenzen
- machine vision software · Englische Referenz
- Checkliste für den Abnahmetest für maschinelles Sehen
- automatische visuelle Inspektion
- EAN-13: Abnahme an der Linie
- EAN-13: Decodierung und Datenregeln
- Stabile Kameraaufnahme: Puffer, Zeitüberschreitung und Wiederverbindung
- Sichtbare Füllstandsabläufe abnehmen und integrieren
- KI-gestützter Ablauf für einen sichtbaren Füllstandsindikator
- Prüfprotokolle, Bilder und Teilekennungen verknüpfen
- OCR-Etiketten: Abnahme und SPS-Vertrag
- OCR-Etiketten: nativer Ablauf und exakter Vergleich
- Offene Verpackungsvollständigkeit abnehmen
- SPS–Vision-Handschlag mit eindeutigen Zuständen
- Siegel- und Raupenbild: Linienabnahme
- Siegel- und Raupenbild: Workflowregeln
- SKU-Farbsortierung: Abnahme und unbekannt
- SKU-Farbsortierung: Farb- und Produktregeln
- Oberflächenfehler: Abnahme und Linienausgang
- Oberflächenfehler: begrenzte KI-Bewertung
- Latenz vom Trigger bis zur SPS-Entscheidung unter Last prüfen
- Vollständige Vision-Rezepte versionieren und zurücksetzen
