SKU 색상 분류: 조명과 물체 마스크

목적과 적용 범위

안정된 물체 영역에서 색을 비교해 그림자, 반사와 배경이 샘플을 재정의하지 않게 합니다.

이 안내는 엔지니어링 평가 절차이며 즉시 운용 가능한 제품의 인증이 아닙니다. 현재 Deyi Vision 공개 PC 예제는 확인된 샘플 이미지를 이용한 EAN-13 워크플로입니다. 개발 코드의 네이티브 OCR 및 검출 기능은 사용 전에 설치된 런타임, 연결된 모델과 검사 작업을 확인해야 합니다. 브라우저 템플릿만으로 브라우저 실행을 입증할 수 없으며 계획 중인 OpenCV.js 백엔드는 별도 검증이 필요합니다. 클라우드 인식에는 이미지 범위, 공급자, 모델과 비용에 대한 명시적인 승인이 필요합니다. 검토용 아카이브는 실행 가능한 릴리스 패키지가 아닙니다. 카메라, 펌웨어와 드라이버 호환성도 별도로 확인합니다. 아래 기록표의 모든 수치는 가정 예시이며 Deyi Vision의 측정값이나 고객 성과가 아닙니다.

검증 자료 준비

확산광 아래 중성 기준과 대표 형상을 놓고 결과를 보기 전에 대상 표면을 정의합니다. 선택한 조건은 지그를 다시 설치한 뒤 반복해 교체 시 재현성을 확인합니다. 영향이 있다면 주변광 상태와 점등 후 시간을 기록합니다. 마스크나 비트 깊이가 다른 측정을 조명만의 비교로 취급하지 않습니다. 배제한 광학 조건도 영상과 이유를 남깁니다. 보기 좋은 영상이 최적 검사 영상은 아닙니다. 합의한 전체 샘플 범위에서 특징과 정상 편차의 분리가 유지되어야 합니다. 색상 분류와 SKU 인식은 서로 다른 질문에 답합니다. 빨간색 기준에 맞는 영역이라도 크기, 라벨 또는 포장 종류가 잘못될 수 있습니다. 물리 색상을 분류할지, 기대 SKU를 검증할지, 두 조건을 독립 확인할지 정의합니다. 채널 순서를 아는 컬러 이미지를 사용하고 노출, 화이트 밸런스와 조명 스펙트럼을 레시피에 저장합니다. 깨끗한 색상표만 보지 말고 허용 재료 로트, 광택, 그림자와 다른 제품을 시험합니다. 채도가 낮으면 색상이 불안정하고 포화된 반사점의 정보는 알고리즘으로 복구할 수 없습니다. 알 수 없거나 관찰 불가 또는 혼합 색상 제품의 경로를 명시합니다. 모델 기반 SKU 인식은 색상 임계값과 별도로 검증하고 클라우드 전송 전에 승인받습니다. 임계값을 바꾸기 전에 통제된 광학 비교를 구성합니다. 지그, 작업 거리, 조명 각도와 초점 위치를 표시해 각 조건을 복원할 수 있게 합니다. 카메라 설정과 샘플 ID를 고정하고 선택한 조명 또는 영역 변수만 바꿉니다. 잘라낸 이미지나 마스크와 함께 전체 원본 및 원본 좌표로의 변환을 저장합니다. 허용 편차와 알려진 문제 샘플을 배치 허용 범위 끝까지 촬영합니다. 수치 결과를 해석하기 전에 원본 위의 영역 표시를 확인합니다. 작은 영역은 검사를 개선하기보다 실패를 숨길 수 있으므로 제외한 면적에는 명확한 공학적 이유가 필요합니다.

작업 절차

1. 카메라 설정을 고정해 조명을 비교하고 기준의 채널 편향·포화를 확인합니다.
2. 물체를 찾고 마스크를 원본에 매핑해 분류 재질은 남기고 알려진 배경을 제외합니다.
3. 유효 물체 픽셀과 반사·그림자 제외를 기록하고 오분류한다는 이유로 어려운 패치를 지우지 않습니다.
4. 동일 샘플의 기준·후보 마스크를 저장하고 자세·표면을 바꾼 뒤 ROI를 고정합니다.

시험 결과 해석

가정 창 2000 픽셀 중 유효 물체는 1000입니다. 색 600 픽셀은 물체 분모의 60%이며 전체 창의 30%가 아닙니다. 마스크가 비율 의미를 바꾸므로 제외 픽셀과 이유를 검토 가능하게 남깁니다.

시험 기록표

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

두 가지 공정 도해

고장 원인 분석

• 유색 컨베이어가 ROI를 점유하면 색을 지배합니다.
• 반사 제외로 대부분 색면을 잃으면 근거 부족으로 처리하며 알려진 클래스를 강제하지 않습니다.

수락 검증과 인계

재질이 보이고 허용 변동에서 분모가 안정될 때 조명·기하를 수락합니다. 색 임계값과 SKU는 다음 단계입니다.

원본 이미지, 기대 판정, 정확한 리비전과 전체 결과 기록을 함께 보관합니다. 최종 매개변수를 선택하기 전에 평가 세트를 고정합니다. 이후 그 정답을 조정에 사용했다면 개발 데이터로 표시하고 새로운 독립 수락 세트를 확보합니다. Review, NoResult, 실행 오류와 영상 누락을 분모에 남기고 행을 제거해 합격으로 바꾸지 않습니다. 성공 샘플과 함께 재현 가능한 실패 샘플도 저장합니다. 인계 자료에는 레시피 변경 권한, 이전 승인 리비전 복원 방법과 수락 전까지 차단할 장치 출력을 명시합니다. 소프트웨어 결과만으로 이동 중인 실제 부품이 올바른 목적지에 도달했음을 입증할 수 없습니다.