Início / Blog / Visão edge na fábrica
IA industrial e engenharia da qualidade

Visão edge no controle de qualidade: da câmera à rejeição verificada

O modelo não inspeciona um produto no vácuo. Ele recebe pixels produzidos por câmera, lente, iluminação, suporte, disparo e estado da linha. Se isso muda, o problema também muda. Uma inspeção real exige imagem repetível, decisão rastreável e tratamento seguro para peças incertas.

Mapeie o caminho completo da inspeção

Cada etapa precisa de contrato e comportamento de falha mensuráveis
  1. Disparo: CLP ou encoder associa captura à peça e estação certas.
  2. Aquisição: câmera, óptica, exposição e iluminação geram pixels repetíveis.
  3. Inferência: modelo versionado retorna classe, score e região da falha.
  4. Decisão: política calibrada aceita, revisa ou rejeita no tempo disponível.
  5. Conciliação: CLP confirma atuação e operador fecha o registro da qualidade.

Comece pelo requisito: qual defeito importa, em qual superfície, com que dimensão e velocidade de linha? Fixe foco, distância de trabalho, campo de visão, exposição, geometria da luz e suporte. Iluminação difusa, dark-field, backlight ou polarizada realçam características diferentes; trocar a luminária ou câmera é mudança de processo, não manutenção neutra.

Faça a aquisição ser repetível

Registre receita de câmera, lente, intensidade da luz, exposição, ganho, disparo, variante e estação. Use trigger de hardware ou posição do encoder quando o tempo importar; uma chamada assíncrona pode fotografar a peça anterior. GenICam padroniza uma interface de recursos para câmeras compatíveis, mas não torna óptica, temporização ou comportamento do fabricante idênticos. Teste a combinação real e mantenha um setup conhecido.

No edge, grave ID da imagem e da peça, versões do modelo e pré-processamento, limiar, tempo de inferência e confirmação do atuador. Retenha imagens segundo a política de qualidade e privacidade; se a retenção for limitada, mantenha amostragem rastreável com metadados. Timeout de rede nunca pode virar aprovação silenciosa.

Score não é decisão fabril

SaídaPolítica operacionalControle a validar
Defeito conhecido, confiança altaRejeite apenas se o CLP confirmar a peça correspondente.Meça escape e precisão do desvio.
Score limítrofe ou anomalia novaEnvie para revisão humana com estado da linha explícito.Monitore fila, decisão e tempo de liberação.
Imagem ruim ou falha de câmeraRefaça a captura se seguro; caso contrário, retenha ou pare conforme procedimento.Detecte blur, oclusão, saturação e perda de trigger.
Modelo ou serviço indisponívelUse contingência aprovada; ausência de resposta nunca significa “aprovado”.Teste watchdog, bypass autorizado e recuperação.

Calibre limiares considerando defeitos escapados, rejeições falsas, retrabalho e parada da linha. Acurácia única esconde desbalanceamento e ponto operacional. Meça recall por defeito, falsos rejects por turno, precisão, volume de revisão, latência e deriva por variante, lote, luz e estação.

Benchmark não aprova produção

MVTec AD 2 é um benchmark útil para anomalias visuais, com cenas difíceis e variação de iluminação. Mas resultados públicos não comprovam desempenho com sua câmera, takt time ou custo de erro. A licença do dataset é CC BY-NC-SA e proíbe uso comercial; não inclua esses dados em treino comercial sem confirmar autorização.

Monte validação própria com lotes, turnos e luz representativos. Separe treino e teste por tempo ou lote para evitar imagens quase duplicadas. Especialistas da qualidade definem rótulos e resolvem divergências. Rode em shadow mode, compare com a inspeção atual e só depois aprove acionamento com manufatura e qualidade.

O que eu implementaria

Começaria por um defeito em uma estação, óptica fixa e inferência apenas de observação. Um serviço local associaria imagem disparada por encoder à peça, inferiria em GPU edge ou PC industrial e publicaria resultado estruturado ao gateway do CLP. A rejeição física só seria habilitada após limiar, revisão humana e contingências testados em linha.

Em resumo

Visão fabril é um sistema de imagem e operação que contém um modelo. Controle a óptica, vincule toda inferência à peça correta, trate incerteza como estado de trabalho, meça escapes e falsos rejects e valide com dados representativos da produção.

Fontes