Kural tabanlı ve yapay zeka destekli görüntü işleme: hangisini ne zaman kullanmalı?

"Kural tabanlı mı yapay zeka mı" sorusu genellikle bir yarış gibi kurgulanır ve bu kurgu yanlıştır. Bunlar farklı işler için farklı araçlardır. Bir barkodu iki milisaniyede okuyan kural tabanlı bir sistemin bir sinir ağıyla değiştirilmesi için hiçbir neden yoktur; hiçbir kuralın tarif edemeyeceği ince bir çatlağı yakalayan bir yapay zeka modelinin de kural tabanlı bir karşılığı yoktur. Faydalı soru hangisinin kazandığı değil, önünüzdeki işe hangisinin uyduğu ve ne zaman ikisinin birden kullanılacağıdır.

Bu yazıda bir karar çerçevesi, yan yana bir karşılaştırma ve üretim hatlarının çoğunun yerleştiği hibrit mimariyi bulacaksınız.

Kural tabanlı görüntü işleme neyi iyi yapar?

Kural tabanlı görüntü işleme sabit, elle yazılmış talimatları izler: şu kenarı bul, şu mesafeyi ölç, şu kodu oku, şu piksel değerini bir eşikle karşılaştır. Mantık açık olduğu için hızlı, deterministik ve doğrulaması kolaydır; bir parçanın neden geçtiğini veya kaldığını tam olarak söyleyebilirsiniz.

Kural tabanlı görü, özellik iyi tanımlıysa ve görüntüleme koşulları kararlıysa doğru araçtır:

• Barkod, data matrix ve OCR okuma, hedefin bilinen bir sembol olduğu durumlarda.
• Sabit ölçü kontrolü, her zaman aynı yerde olan bir mesafeyi ölçtüğünüzde.
• Varlık ve konum kontrolleri, kontrollü aydınlatma altında sabitlenmiş bir parçada.

Sınırını varyasyon belirler. Kararlı aydınlatma varsayan bir kural, hat hızı pozlamayı değiştirdiğinde kayar. Bir parça varyantı için yazılan kural, bir sonraki varyantta işe yaramaz. Üstelik bir kural, ancak önceden birinin tarif edebildiği bir kusuru kontrol edebilir; kimsenin öngörmediği kusura karşı kördür. Etiket ve kod kontrollerinin baskı değişkenliğine, eğri yüzeylere ya da kısmen örtülü bir sembole dayanması gerektiğinde, yapay zeka destekli OCR, barkod ve etiket doğrulama sabit bir kuralın bittiği yerden devam ediyor.

Yapay zeka muayene neyi ekler?

Yapay zeka muayene, hatasız (ve gerektiğinde hatalı) parçaların görünümünü elle yazılmış kurallardan değil, örnek görüntülerden öğrenir. Bu tek fark, kural tabanlı görünün yapamadığı durumlarla başa çıkmasını sağlar: doğal varyasyon, karmaşık yüzeyler ve nadir kusurlar.

Yapay zeka şu durumlarda yerini hak eder:

• Kusurlar görünümce değişir, bir çizik asla iki kez aynı yerde olmaz.
• Kusur kataloğu açıktır, hiç belirtilmemiş yeni hata modları çıkar.
• Parçanın kendisi değişir, varyantları hat üzerinde canlı tanıyıp sınıflandırmanız gerekir.

Modern yapay zeka muayene, "yığınla veri ister" eski itirazını da ortadan kaldırır. Anomali tespiti yöntemleri yalnızca hatasız parçalarla eğitilir ve sapan her şeyi işaretler, bu MVTec Anomali Tespiti veri kümesi gibi kamuya açık kıyaslamalarla ölçülen bir görevdir; yani çalışan bir model binlerce yerine yaklaşık 20 referans görüntüden başlayabilir. (Few-shot ve anomali tespitinin nasıl çalıştığının tam resmi için Yapay Zeka Görsel Muayene rehberine bakın.)

Kural tabanlı vs yapay zeka: yan yana karşılaştırma

İki noktanın altını çizmekte fayda var. Birincisi, kural tabanlı görü açıklanabilirlikte öndedir: bir kural bir parçayı reddettiğinde, hangi kuralın ve neden reddettiğini tam olarak bilirsiniz. İkincisi, kural tabanlı banda hakim sabit işlevli akıllı kameralar ve kod okuyucular, yapay zeka anomali sistemlerinden farklı bir kontrol problemi sınıfını çözer; fiyat noktaları ve satış kanalları da farklıdır, yine de aynı proje bütçesi için yarışabilirler. Onları birbirinin yerine geçer sanmak yanlış araç seçimine yol açar.

Hibrit mimari en güçlü seçenek ne zaman olur?

Güçlü üretim kurulumlarının çoğu seçim yapmaz. Bir kural tabanlı ön filtreyi bir yapay zeka ikinci aşamayla eşleştirirler; bu desen, deterministik kontrollerle değişken kusurların aynı hattı paylaştığı her yerde ayrık imalatta yayılıyor.

Ön filtre, açık durumları ele almak için hızlı, deterministik kurallar kullanır: kodu oku, parçanın varlığını doğrula, bariz tolerans dışı reddi yakala. Emin olduğu her şeye anında karar verir. Yapay zeka aşamasına aktardığı şey gri bölgedir: sınırdaki yüzey, belirsiz iz, bir kuralın ifade edemeyeceği nadir kusur. Yapay zeka modeli daha sonra bu gri bölgeyi, örneklerden genelleme yeteneğinin ekstra çıkarımı hak ettiği yerde sınıflandırır.

Sonuç, kolay olan %90 için kuralların hızını ve denetlenebilirliğini korur ve öğrenilmiş yargıyı yalnızca gereken yerde uygular. Ayrıca bir tesisin, çalışan bir sistemi tümden değiştirmek yerine mevcut bir kural tabanlı istasyona yapay zekayı kademeli eklemesini sağlar.

Karar kontrol listesi: hangisini seçmeli?

Teknolojiyi değil, işi ele alın.

Kural tabanlı seçin, eğer:

• Özellik bilinen bir sembol veya sabit bir ölçümse.
• Aydınlatma ve parça konumu sıkı kontrol altındaysa.
• İyi tanımlı bir kontrolde kesin, açıklanabilir bir geç/kal gerekiyorsa.

Yapay zeka muayene seçin, eğer:

• Kusurlar görünümce veya konumca değişiyorsa ya da nadirse.
• Parça varyantlarını canlı tanımanız veya sınıflandırmanız gerekiyorsa.
• Yakalamanız gereken her durumu hiçbir sabit kural tarif edemiyorsa.

Hibrit seçin, eğer:

• Zaten bir kural tabanlı istasyon çalıştırıyor ve kaçırdığı kusurları yakalamak istiyorsanız.
• Hattınızda hem net kontroller hem de bir gri bölge varsa.
• Kolay durumlarda deterministik hız, zor olanlarda öğrenilmiş yargı istiyorsanız.

Probleminiz yapay zeka veya hibrit sütununda duruyorsa, pratik takip sorusu kurulumdur ve yaklaşık 20 hatasız parçayla eğitilen ve kabaca 30 dakikada kurulan bir birim, bir hatta yapay zeka eklemenin ekonomisini değiştirir. Adente Vision tam bu bant için kuruldu: uçta anomali, nadir-kusur ve konum tespiti. Adente Vision, Aden Group bünyesindeki ADENTE Advanced Engineering Technologies tarafından geliştirilen ve otomasyon sistem entegratörleri üzerinden satılan bir edge-AI görsel muayene ünitesidir. Hat patlayıcı ortam sınıfındaysa kurulum sorusu muhafazayı da kapsar.