System wizyjny do kontroli jakości to stanowisko, które ogląda produkt kamerą i decyduje: dobry czy wadliwy. W zakładach nazywa się go różnie — kontrola wizyjna, inspekcja wizyjna, wizja maszynowa, machine vision — ale zadanie jest zawsze to samo: zastąpić albo wesprzeć ludzkie oko tam, gdzie kontrola musi być powtarzalna, szybka i udokumentowana.
Ten przewodnik zbiera w jednym miejscu to, co warto wiedzieć przed decyzją: jak taki system działa, z czego się składa, jak ocenić jego wynik, od czego zależy koszt i jak zacząć bez dużego ryzyka. Szczegóły poszczególnych tematów rozwijamy w osobnych artykułach, do których linkujemy po drodze.
Do czego służy kontrola wizyjna
Najczęściej do wykrywania wad, które człowiek widzi gołym okiem, ale których nie da się niezawodnie wyłapać przy każdej sztuce i na każdej zmianie: braku elementu, nieprawidłowego montażu, nadlewek, pęknięć, błędów etykiet i zanieczyszczeń. Każde z tych zadań opisujemy osobno w Zastosowaniach, a typowe branże — tworzywa, motoryzację, elementy metalowe i opakowania — w Branżach.
Wartość systemu nie polega tylko na tym, że „widzi”. Polega na tym, że ta sama logika decyzji działa na pierwszej i na ostatniej godzinie zmiany, a każda decyzja zostaje zapisana — z obrazem, wersją modelu i ustawieniami, które za nią odpowiadały.
Jak system podejmuje decyzję: reguły albo model uczony na przykładach
Klasyczny system wizyjny działa na regułach: progowaniu jasności, wykrywaniu krawędzi, dopasowaniu wzorca, pomiarze odległości. Sprawdza się, gdy wadę da się opisać geometrycznie, a produkt i oświetlenie są stabilne. Każda zmiana produktu lub warunków oznacza jednak ponowne ustawianie reguł.
System oparty na AI uczy się na przykładach obrazów OK i NOK. Radzi sobie tam, gdzie wadę trudno opisać regułą — przy nieregularnych kształtach, subtelnych uszkodzeniach powierzchni i dużej naturalnej zmienności produktu. W zamian potrzebuje reprezentatywnych danych i rzetelnej walidacji. W praktyce oba podejścia się uzupełniają. Jak wybrać między dostępnymi formami — inteligentną kamerą, gotowym zestawem z AI, platformą w chmurze i oprogramowaniem na własnym sprzęcie — opisujemy w artykule Inteligentna kamera czy system AI?.
Z czego składa się stanowisko kontroli wizyjnej
- Kamera i optyka — muszą pokazać wadę wystarczająco wyraźnie i zawsze w podobny sposób. Rozdzielczość, obiektyw i odległość dobiera się do najmniejszej wady, którą trzeba wykryć.
- Oświetlenie — często ważniejsze od kamery. Ta sama rysa przy jednym kącie światła jest wyraźna, przy innym znika; piszemy o tym w artykule Oświetlenie w inspekcji wizualnej.
- Pozycjonowanie i wyzwalanie — produkt musi trafić przed kamerę w powtarzalnym położeniu, a stanowisko musi wiedzieć, kiedy zrobić zdjęcie: na sygnał czujnika, ze sterownika albo w trybie ciągłym.
- Komputer i oprogramowanie — analizują obraz i podejmują decyzję w czasie, który mieści się w takcie linii.
- Integracja z linią — wynik musi trafić do sterownika, który odrzuci wadliwą sztukę albo zatrzyma linię. Zwykle wystarcza kilka sygnałów, na przykład przez Modbus TCP.
- Dane i zarządzanie wersjami — zbiór obrazów do treningu, historia inspekcji i kontrola nad tym, która wersja modelu pracuje na którym stanowisku.
Skąd się bierze model
W systemie opartym na AI najważniejszym składnikiem są dane. Model uczy się odróżniać wadę od dopuszczalnej zmienności, więc musi tę zmienność zobaczyć — różne partie, zmiany i nasilenie wad. Ile obrazów to oznacza, opisujemy w artykule Ile zdjęć potrzeba, żeby wytrenować inspekcję AI?, a jak nie oszukać samego siebie przy ocenie wyniku — w artykule Zbiór danych, który nie oszukuje.
Sam trening nie musi już wymagać specjalisty od uczenia maszynowego. W AIVQC inżynier jakości oznacza wady, a automatyczny trening dobiera model i parametry. Wynik sprawdza się na niezależnym zbiorze testowym, zanim cokolwiek trafi na linię.
Jak ocenić, czy system działa
Nie wystarczy pytanie „ile procent wykrywa”. Liczą się dwa rodzaje błędów: błędna akceptacja, czyli wadliwa sztuka przepuszczona dalej, i błędne odrzucenie, czyli dobra sztuka niepotrzebnie odrzucona. Oba kosztują, ale inaczej, a próg decyzji ustawia się tak, żeby zrównoważyć je zgodnie z ryzykiem procesu. Szczegóły w artykule Błędna akceptacja czy błędne odrzucenie?.
Równie ważne jest to, co stanowisko robi, gdy nie jest pewne. Dobry system nie zgaduje: zgłasza sztukę do sprawdzenia przez człowieka albo sygnalizuje awarię, zamiast po cichu przepuszczać produkty. W AIVQC służą do tego wyniki REVIEW i ERROR, obok OK i NOK.
Od czego zależy koszt
Koszt systemu wizyjnego to nie tylko kamera. Na całkowity koszt składają się:
- sprzęt: kamera, optyka, oświetlenie, komputer i mocowania — chyba że da się wykorzystać istniejący, po kwalifikacji (retrofit czy nowe stanowisko),
- integracja z linią i uruchomienie,
- czas ludzi: zebranie danych, anotacja, trening i walidacja,
- utrzymanie: nowe warianty produktu, nowe wady, aktualizacje,
- koszt błędów po uruchomieniu: przepuszczone wady i fałszywe odrzuty.
Największa różnica między podejściami leży zwykle nie w sprzęcie, tylko w tym, kto wykonuje pracę przy uruchomieniu i przy każdej zmianie. Jeśli robi to integrator, płacisz za jego godziny za każdym razem. Jeśli Twój zespół, koszt zamienia się w pracę ludzi, których już zatrudniasz — tak wygląda wdrożenie własnym zespołem. Jak policzyć opłacalność na danych z własnej linii, opisujemy w artykule Jak policzyć zwrot z automatyzacji kontroli jakości.
Jak zacząć bez dużego ryzyka
Najbezpieczniej zacząć od jednego stanowiska i jednego dobrze zdefiniowanego problemu — wady, która dziś kosztuje najwięcej. Zanim zainwestujesz w pełne wdrożenie, sprawdź na własnej linii, czy wada jest wykrywalna w dostępnych warunkach obrazowania. Do tego służy pilot: w AIVQC to 30 dni na jednej stacji Trainer i jednym stanowisku, z maksymalnie trzema klasami defektów i możliwością bezpłatnego przedłużenia. Przebieg krok po kroku opisujemy w artykule Pilot AI w kontroli jakości.
Zanim zaczniesz, warto przygotować kilka rzeczy:
- Wybierz jedną wadę i opisz, co jest jeszcze OK, a co już NOK.
- Zacznij archiwizować wadliwe sztuki — fizycznie, nie tylko na zdjęciach.
- Policz, ile ta wada kosztuje dziś: reklamacje, sortowanie, czas kontrolerów.
- Sprawdź, czy produkt trafia przed kamerę w powtarzalnym położeniu.
- Ustal, kto w zespole przejmie system: inżynier jakości, informatyk i automatyk.
Masz pytanie, które nie zmieściło się w tym przewodniku? Zajrzyj do bazy FAQ albo napisz do nas — pomożemy ocenić, czy Twój przypadek nadaje się do kontroli wizyjnej.