视觉检测AI,您先定好要测什么了吗 — 尺寸的定义与基准设备 (1)

想用相机和AI测量尺寸或检出不良的咨询越来越多。但导入后最常听到的抱怨,是AI与原有测量值对不上。多数情况下并不是AI错了,而是在没有定好测什么、怎么测的情况下就开始了。第1篇结合韩国国内外案例,整理了如何用文字写下尺寸的定义,以及如何把基准设备与单位统一起来。

AXAI转型视觉检测质量管理

装相机之前要先定下来的,不是模型,而是尺子。 如果不就测什么、用什么单位达成一致,“精度”这个词本身就无从谈起。

“AI和卡尺对不上”

视觉检测试点开始两三周后,往往会接到类似的电话:相机测出的尺寸,和质量团队用卡尺测的值对不上。有时一整天都偏大几个百分点,有时只有产线末端的产品莫名偏小。结论通常落在“AI精度还不够”。

但一项项追查下去,问题出在模型上的情况比想象中少。卡尺测的是两点之间的最大距离,相机测的是俯视轮廓的面积或宽度。两者都叫“大小”,测的却不是同一个东西。相机如果倾斜,画面边缘的物体会以不同的放大倍率成像;分辨率不够,小缺陷根本不会出现在画面上。

视觉检测AI是一台测量设备。引进测量设备时会问的问题,要先问一遍:测什么,跟什么对照,能看清多小的东西,以及测量本身波动有多大。本篇讨论前两个问题:尺寸的定义与基准设备。

一、用文字定义“大小”是什么

在为测量值争论之前,要先写清这个数字是什么东西的大小。是最大长度、宽度、与俯视面积相同的圆的直径,还是由重量换算的值,同一个物体会因此得到不同的数字。

示意同一个不规则颗粒,卡尺读的是两点之间的最大距离,相机读的是俯视轮廓的宽度,激光衍射读的是产生相同图样的球体直径
卡尺、相机、激光衍射在同一颗粒上各自把什么读作大小的示意图。激光衍射的定义依据ISO 13320(2020)。

颗粒分析行业公开承认这个问题。设备厂商麦奇克的咖啡粉应用说明写道,测量同一批粉末时,图像分析找到了长达2 mm的颗粒,而激光衍射结果中没有大于1,200 µm的颗粒。并得出结论:对于咖啡这类形状不规则的颗粒,几乎不可能合理、可靠地比较筛分与激光的结果。激光衍射的国际标准ISO 13320同样把结果定义为“产生相同图样的球体的体积”,并明确指出对于非球形颗粒,其结果与筛分法或沉降法不同。比较富含片状矿物土壤的科纳特与范登贝赫(1997)报告说,沉降法中2 µm的分界,用激光测相当于8 µm,相差四倍。

韩国也曾大规模发生过类似的事。2014年,韩国政府就同一车型的油耗得出了不同结论。据《京乡新闻》报道(韩语),在国土交通部的调查中,一款SUV的实测油耗比申报的14.4 km/L低8.3%,超过5%的允许误差,被判为不合格;而在产业通商资源部的调查中却是合格。厂商反驳称两个部门的检测主体、设备和检测条件都不同(韩语)。同年7月,国土交通部发布了将三个部门各自执行的油耗检测方法公告合而为一的共同公告草案(韩语),内容包括明确行驶阻力的测试方法,并为缩小检测机构之间的测量差异而进行设施间相关性试验。测量定义有两个,结论就会有两个。

把上面三个案例并排放在一起:

对象一方的测量另一方的测量出处
咖啡粉图像分析:长达2 mm的颗粒激光衍射:没有大于1,200 µm的颗粒麦奇克
富含片状矿物的土壤沉降法:2 µm分界激光:相当于8 µm科纳特与范登贝赫(1997)
同一款SUV的油耗(2014)国土交通部:比申报油耗低8.3%,不合格产业通商资源部:合格《京乡新闻》(韩语)

放到业务里就是:在视觉检测需求文档的第一行,配图写明“测哪个面、沿哪个方向、以什么为基准线”。如果是不良判定,要写清“划痕”指长度几毫米以上,以及在什么光照角度下可见的才算。

二、把基准设备和单位统一起来

必须确定唯一的基准设备,作为核对AI数字的对象。卡尺、三坐标测量机、熟练检验员的目视判定,以哪个为正确答案若不定下来,每个团队都会拿着不同的标准来说AI错了。

单位和定义错位会发生什么,有一个著名的案例。1999年,NASA的火星气候探测者号在进入火星轨道时失踪。事故调查委员会报告指出的根本原因,是地面导航软件的一部分以磅·秒而非牛顿·秒为单位传递数值。接收方按公制读取了这些数值,导致轨道修正的效果被算小了4.45倍。报告还把没有对软件进行端到端验证列为原因之一。

NASA绘制的火星气候探测者号在火星表面上空绕行的想象图
1999年进入火星轨道时失踪的火星气候探测者号想象图。图片:NASA/JPL/Corby Waste(公有领域),维基共享资源

因此报告数字时,请把测量设备、尺寸的定义和计数基准一并写上。不要只写“平均宽度2.31 mm”,而要写成“平均宽度2.31 mm(上部相机、投影最小宽度、按个数计)”。看似麻烦,但有了这一行,就能避免把不同设备的数字混在一起比较的错误。测量设备更换后,不要直接比较数字,应先用两台设备同时测量同一批样品,确认换算关系。

确定基准设备时,也要一并写下这台设备测的是什么。如果质量团队的卡尺测最大长度,新相机测投影宽度,两者从一开始就会给出不同的数字。这个差异是视为误差,还是视为定义不同而进行换算,要在导入前达成一致。没有这个共识,每次试点结果评审会都会以“谁的数字才对”收场。

本周可以试着做的事

这两条原则在买设备之前,坐在桌前就能完成。

  • 一页定义:用一张图和三句话写清要测的尺寸或不良。必须包含哪个面、哪个方向、哪条基准线
  • 指定标准设备:确定唯一一台用来核对AI结果的设备或判定人,并写下该设备所测大小的定义
  • 标注规则:制作一个模板,在报告中每个数字旁边附上测量设备、定义和计数基准
  • 确认换算:如果新旧设备会并行一段时间,就用两台设备同时测量几十个相同样品,确认两者关系

有了这四项,才能追问AI报价单里“精度99%”这句话是以什么为基准的数字。如何核对结果,在AI验证设计篇中有更详细的讨论。

总结

同一个物体,用不同的测量方式会得到不同的数字。这种差异通常不是错误,而是定义不同。用文字写清要测什么,把基准设备和单位统一起来。当试点结果与原有测量对不上时,原因往往出在尺子上,而不是模型。

下一篇将讨论如何计算相机能看到的最小物体,以及如何在关注AI之前先测量测量系统本身的波动。


「视觉检测AI,您先定好要测什么了吗」系列
  1. 尺寸的定义与基准设备(本文)
  2. 分辨率极限与测量波动

参考资料