SKU・色分選：照明と物体マスク

目的と適用範囲

安定した物体領域で色を比べ、影、鏡面反射、背景色で試料の意味を変えないようにします。

本記事は技術評価の手順であり、そのまま稼働できる製品の認証ではありません。Deyi Vision の公開 PC 例は、確認済みサンプル画像を用いる EAN-13 ワークフローが対象です。開発コードのネイティブ OCR や検出機能は、使用前にインストール済みランタイム、結び付けられたモデル、検査内容を確認してください。ブラウザーのテンプレートがあるだけでは実行可能とは言えず、計画中の OpenCV.js バックエンドには別の検証が必要です。クラウド認識には画像範囲、提供元、モデル、費用の明示的な承認が必要です。審査用アーカイブは実行可能なリリースパッケージではありません。カメラ、ファームウェア、ドライバーの互換性も個別に確認します。以下の数値は仮定例であり、Deyi Vision の実測値や顧客成果ではありません。

確認資料の準備

拡散照明下に中性標的と代表形状を置き、分類結果を見る前に対象表面を決めます。 選んだ条件は治具を復元して繰り返し、配置を動かさない反復だけにしません。段取り替え時の再現性を確認できます。影響があれば環境光と点灯からの経過時間を記録します。マスクやビット深度が違う測定を照明だけの比較にしないでください。採用しなかった条件も画像と理由を保存します。見栄えの良い画像が最適とは限らず、合意した試料範囲全体で対象特徴と良品変動の分離を維持する必要があります。 色分けと SKU 認識は別の質問に答えます。赤の参照色に一致する領域でも、寸法、ラベル、包装仕様が間違っている場合があります。物理的な色を分けるのか、期待 SKU を照合するのか、両方を独立確認するのか定義します。画素のチャンネル順が分かるカラー画像を使い、露光、ホワイトバランス、照明スペクトルをレシピに残します。きれいな色票だけでなく、許容材料ロット、光沢、影、異品種を試験します。低彩度では色相が不安定で、飽和したハイライトの情報はアルゴリズムで復元できません。未知、観察不能、混色品の処理先を定義します。モデルによる SKU 認識は色閾値とは別に検証し、クラウド送信前に承認を得ます。 閾値を変える前に、管理された光学比較を作ります。治具、作動距離、照明角度、ピントに印を付け、各条件を復元できるようにします。カメラ設定とサンプル識別を固定し、選んだ照明条件または領域条件だけを変更します。切り出しやマスクと一緒に元フレームと元座標への変換を保存します。許容される変動と既知の問題サンプルを、配置範囲の端まで含めて撮影します。数値を見る前に元画像上の領域表示を確認します。領域を小さくすると不具合を隠す場合があるため、除外範囲には明確な技術的理由が必要です。

操作手順

1. カメラ設定を固定して照明を比べ、中性片のチャンネル偏りと飽和を確認します。
2. 物体を見つけてマスクを元座標へ対応させ、分類材料を切らず既知背景を除きます。
3. 有効物体画素数を記録し、反射・影の除外を原画像で確認します。誤分類になるだけの理由で難しい部分を消しません。
4. 同じ試料の基準・候補マスクを保存し、姿勢と仕上げを変えてから ROI を固定します。

試験結果の読み方

仮定の試験窓は 2000 画素、有効物体は 1000 画素です。色画素 600 の比率は物体を分母にして 60%、窓全体の 30% ではありません。マスクが比率の意味を変えるため、除外画素と理由を確認可能に残します。

記録ワークシート

object_ratio = 600 / 1000 = 60%
window_ratio = 600 / 2000 = 30%

二つの工程図

不具合の切り分け

• 色付き搬送帯が ROI を占めると結果を支配します。
• 反射除外で色面の大半を失ったら根拠不足にし、既知クラスを強制しません。

受入確認と引き継ぎ

対象材料が観察でき分母が許容変動で安定してから照明と幾何を受け入れ、閾値と SKU は次に確認します。

元画像、期待する判定、正確なリビジョン、完全な結果記録を一組で保存します。最終パラメーターを選ぶ前に評価集合を固定してください。その正解を後から調整に使った場合は開発データに変更し、新しい独立した受入集合を用意します。Review、NoResult、実行エラー、取得漏れを分母に残し、行を除外して合格に変えないでください。成功例とともに再現可能な失敗例を保存します。引き継ぎにはレシピ変更の権限、承認済み旧版への復元方法、受入確認まで禁止する装置出力を記載します。ソフトウェアの結果だけでは、動く実物が正しい搬送先に到達したことを証明できません。