Ziel und Einsatzgrenzen
Farbentscheidung im deklarierten Format umsetzen; semantische SKU und Cloudfreigabe separat halten.
Diese Anleitung beschreibt eine technische Bewertung, keine Zertifizierung eines sofort einsatzbereiten Produkts. Das öffentliche PC-Beispiel von Deyi Vision umfasst derzeit einen EAN-13-Ablauf mit bestätigten Musterbildern. Native OCR- und Detektionsfunktionen im Entwicklungscode sind vor Verwendung anhand der installierten Laufzeit, gebundenen Modelle und Prüfaufgabe zu kontrollieren. Eine Browser-Vorlage belegt keine Ausführung im Browser; das geplante OpenCV.js-Backend benötigt eine eigene Prüfung. Cloud-Erkennung erfordert die ausdrückliche Freigabe von Bildumfang, Anbieter, Modell und Kosten. Ein Prüfarchiv ist kein ausführbares Release-Paket. Kamera-, Firmware- und Treiberkompatibilität sind separat zu prüfen. Alle Werte im Arbeitsblatt sind hypothetisch, keine Messungen oder Kundenergebnisse von Deyi Vision.
Nachweise vorbereiten
Kanalreihenfolge, Tiefe, Maske und Klassen fixieren, ausführbaren lokalen Ablauf binden; Vorlage oder Archiv liefert keine Laufzeit. Zwischenausgabe vor dem Endflag auf ihren Vertrag prüfen. Fehlende Region, ungültiger Text, Koordinate oder nicht endliche Zahl bleibt ausdrücklicher Fehler, kein voreingestelltes Gut. Tatsächliches Backend und Abhängigkeiten notieren; Abnahme nicht von gleich benannten Vorlagen übertragen. Nach Modell- oder Vorverarbeitungswechsel alte Version behalten und festen Vergleich neu ausführen. Vollständige Versuchszahl, nutzbare Nachweise und Umgang mit dem Rest zeigen. Diese Größen beschreiben auch Abdeckung und Fehlerbehandlung. Farbsortierung und SKU-Erkennung beantworten verschiedene Fragen. Eine Fläche kann zum roten Referenzwert passen, obwohl Größe, Etikett oder Verpackungsvariante falsch sind. Festlegen, ob physische Farbe sortiert, die erwartete SKU geprüft oder beides unabhängig gefordert wird. Farbbilder mit bekannter Kanalreihenfolge verwenden; Belichtung, Weißabgleich und Lichtspektrum im Rezept speichern. Zulässige Materialchargen, Glanz, Schatten und Fremdprodukte statt nur einer sauberen Farbkarte prüfen. Bei geringer Sättigung ist Farbton unzuverlässig; übersteuerte Glanzstellen verlieren nicht rekonstruierbare Informationen. Unbekannte, unbeobachtbare und mehrfarbige Artikel benötigen einen klaren Weg. Modellbasierte SKU-Erkennung separat von der Farbschwelle validieren und Cloud-Übertragung vorab freigeben lassen. Behandeln Sie einen Ablauf als Folge typisierter Entscheidungen statt einer einzigen Modellantwort. Eingabeidentität, Bereichstransformation, Knotenversionen, Vorverarbeitung und Modellpaket vor dem Experiment binden. Parameterwahl auf Entwicklungsbildern von der Bewertung eines eingefrorenen Satzes trennen, dessen Antworten nicht zur Einstellung dienten. Basis- und Kandidatenergebnis für jeden Fall einschließlich fehlgeschlagener Ausführung aufbewahren. Ein KI-Vorschlag kann eine Revision vorschlagen, aber weder Referenzantwort bestätigen noch Datenübertragung oder Produktionsbetrieb freigeben. Bei unklarer Provider-Rückmeldung die Anfrageidentität sichern und den Beleg untersuchen, bevor eine Wiederholung erwogen wird. Laufzeitverfügbarkeit, Erkennungsqualität und Release-Freigabe sind unabhängige Prüfungen.
Vorgehen
- Mit korrekter Eingabereihenfolge konvertieren, HSV-Darstellung vor Grenzen deklarieren.
- Im 8-bit-OpenCV-Versuch Rot über H 0–10 oder 170–179 behandeln; Sättigung/Helligkeit aus Mustern statt Universalvorgabe wählen.
- Gültige Farbpixel zählen, bei unzureichender Evidenz Review und gemessene Quote erhalten.
- SKU separat mit freigegebenen Identitäten prüfen; Cloud braucht Bild-, Anbieter-, Modell- und Kostenfreigabe.
Versuch auswerten
Hypothetisch 600 von 1000 Objektpixeln sind 60%; Versuchskriterium 70% ergibt Review, kein erzwungenes Rot. Bereiche/Quote an echter Tiefe und Ware validieren. Farbe trennt keine gleichfarbigen SKU.
Versuchsprotokoll
| Eintrag | Wert / Beobachtung | Auswertung |
|---|---|---|
| HSV-Versuchsformat | 8-bit; H [0,10] OR [170,179] | Beispielbereiche für Rot, S/V validieren |
| Treffer / gültige Pixel | 600 / 1000 | Quote = 60% |
| Versuchskriterium | 70% | 60% < 70% → Review |
ratio = 600 / 1000 = 60%
60% < 70% -> ReviewZwei technische Ansichten
Zwei technische Ansichten · 1
Die Grafik zeigt die Prüfreihenfolge. Jeder Pfeil benötigt protokollierte Nachweise und bedeutet keine implementierte automatische Verbindung. Eingabeidentität → Gebundene Knoten → Ergebnisvertrag → Review.
- Eingabeidentität
- Gebundene Knoten
- Ergebnisvertrag
- Review
Zwei technische Ansichten · 2
Die Grafik zeigt die Prüfreihenfolge. Jeder Pfeil benötigt protokollierte Nachweise und bedeutet keine implementierte automatische Verbindung. Entwicklung → Feste Bewertung → Kandidat → Freigabe.
- Entwicklung
- Feste Bewertung
- Kandidat
- Freigabe
Fehler eingrenzen
- Hue-Grenze anderer Tiefe verändert Klasse stillschweigend.
- Hohe Cloudkonfidenz ohne SKU-Zuordnung oder Objektnachweis erlaubt keine Route.
Abnahme und Übergabe
Farbe mit unabhängigen bekannten/unbekannten Mustern, danach Produktregel abnehmen. Bereiche, Maske, Paket und Modelle an Datensatz binden.
Quellbilder, erwartete Entscheidung, genaue Revision und vollständigen Ergebnisdatensatz gemeinsam aufbewahren. Den Bewertungssatz vor der endgültigen Parameterwahl einfrieren. Werden seine Antworten später zum Einstellen verwendet, diesen Satz als Entwicklungsdaten kennzeichnen und einen neuen unabhängigen Abnahmesatz beschaffen. Review, NoResult, Ausführungsfehler und fehlende Aufnahme bleiben im Nenner sichtbar; durch Zeilenfilterung werden sie nicht zu bestandenen Prüfungen. Einen reproduzierbaren Fehler zusammen mit dem erfolgreichen Muster sichern. Die Übergabe benennt Änderungsberechtigte, die Wiederherstellung einer früher freigegebenen Revision und den bis zur Abnahme gesperrten Geräteausgang. Ein Softwareergebnis beweist nicht, dass ein bewegtes Werkstück sein richtiges Ziel erreicht hat.
Quellen und technische Referenzen
Die Quellen erläutern Methoden und Grenzen dieser Anleitung. Beispielprüfungen dienen der Orientierung; die Produktionsabnahme benötigt Belege aus Ihren eigenen Mustern.
- Deyi Vision machine vision software: evaluation scopeDeyi VisionGeprüft
- Thresholding Operations using inRangeOpenCVGeprüft
- Color Space ConversionsOpenCVGeprüft
Komponenten- und Auswahlreferenzen
- machine vision software · Englische Referenz
- automatische visuelle Inspektion
- Checkliste für die Gestaltung visueller Inspektionssysteme
- KI-gestützten sichtbaren Montageablauf aufbauen
- 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
- KI-Ablauf für Vollständigkeit offener Verpackungen
- SPS–Vision-Handschlag mit eindeutigen Zuständen
- Siegel- und Raupenbild: Linienabnahme
- Siegel- und Raupenbild: Workflowregeln
- SKU-Farbsortierung: Abnahme und unbekannt
- Oberflächenfehler: Abnahme und Linienausgang
- Oberflächenfehler: begrenzte KI-Bewertung
- Latenz vom Trigger bis zur SPS-Entscheidung unter Last prüfen
- Vollständige Vision-Rezepte versionieren und zurücksetzen

