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.
Publicado em 28 de setembro de 202615 min de leituraVisão industrial e edge
Mapeie o caminho completo da inspeção
Cada etapa precisa de contrato e comportamento de falha mensuráveis
Disparo: CLP ou encoder associa captura à peça e estação certas.
Aquisição: câmera, óptica, exposição e iluminação geram pixels repetíveis.
Inferência: modelo versionado retorna classe, score e região da falha.
Decisão: política calibrada aceita, revisa ou rejeita no tempo disponível.
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
Saída
Política operacional
Controle a validar
Defeito conhecido, confiança alta
Rejeite apenas se o CLP confirmar a peça correspondente.
Meça escape e precisão do desvio.
Score limítrofe ou anomalia nova
Envie para revisão humana com estado da linha explícito.
Monitore fila, decisão e tempo de liberação.
Imagem ruim ou falha de câmera
Refaça a captura se seguro; caso contrário, retenha ou pare conforme procedimento.
Detecte blur, oclusão, saturação e perda de trigger.
Modelo ou serviço indisponível
Use 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.