Bilgisayarlı görünün üretimde bugün kullanıldığı 20 yol

Üretimde bilgisayarlı görü, bir üretim hattındaki görsel kontrolleri otomatikleştirmek için kameraların, yapay zekânın ve yapay zekâ algoritmalarının kullanılmasıdır. Bilgisayarlı görü sistemleri makine öğrenmesini, görüntü işlemeyi ve gerçek zamanlı karar mantığını bir araya getirir, böylece bir kamera temaslı mastarların, elle yazılmış kuralların ya da uzun bir vardiya boyunca gözlerini kısan bir muayene elemanının yerini alabilir. Üretim sektörü genelinde bu teknoloji artık üretim sahasında altı iş ailesini kapsıyor: hat üstü kalite, montaj doğrulaması, boyut ölçümü, lojistik, izlenebilirlik ve operatör izleme. Her biri, yapay zekânın onlarca yıldır kural tabanlı görüşle çalışan üretim süreçlerini iyileştirmeye yardım ettiği daha geniş bir fabrika otomasyonu hikâyesine oturuyor.

Pazar analisti IoT Analytics, 2025 endüstriyel bilgisayarlı görü pazarını yıllık %22 artışla 15,6 milyar $ olarak belirledi ve Deloitte'un 2025 üretim raporu, yapay zekâ destekli görsel muayeneyi benimsenme açısından ilk üç Endüstri 4.0 yeteneği arasına koydu. Bu harcamanın çoğu “AOI” ya da “görsel kalite kontrol” gibi sektör jargonunun arkasına saklanıyor. Aşağıdaki liste, bu teknolojinin bugün gerçek üretim hatlarında çalıştığı 20 bilgisayarlı görü kullanım örneğini, üretim sahasında nerede karşınıza çıktığına göre gruplayarak sade bir dille anlatıyor.

Bu 20 bilgisayarlı görü uygulaması, dört yıllık Enao kurulumlarının yanı sıra Cognex, Keyence, Omron ve Fraunhofer IPM'in yayımlanmış vaka çalışmalarından geliyor. Aşağıdaki her madde bugün bir araştırma laboratuvarında değil, en az bir fabrikada çalışıyor. Liste ayrıca kullanım örneğinin kestirimci bakım, tedarik zinciri görünürlüğü ya da iş güvenliğiyle kesiştiği yerleri de işaretliyor, böylece kendi üretim sürecinizle eşleştirebilirsiniz.

Hat üstü kalite muayenesinde bilgisayarlı görü neyi kontrol eder?

Hat üstü kalite muayenesi, kullanım örneklerinin en büyük kümesi ve çoğu üretim operasyonu için en hızlı geri dönüşü olanıdır. Modern muayene sistemleri, yüksek hızlı kameraları kural tabanlı bir makine görüşü sisteminin kaçıracağı hataları yakalayan derin öğrenme modelleriyle eşleştirir ve bunu hat hızını düşürmeden gerçek zamanlı yapar.

1. Enjeksiyonla üretilmiş parçalarda yüzey hatası tespiti. Akış izleri, eksik dolumlar, çöküntü izleri ve gümüşleme, paketlemeden önce bantta işaretlenir. Plastik enjeksiyon yazımız, müşteri memnuniyeti sorunlarını hat sonrasında tetikleyen kozmetik sınıflar dahil, hata sınıflandırmasını ayrıntılarıyla anlatıyor.

2. Seramik karolarda yüzey hatası tespiti. Sır çatlakları, iğne delikleri, kenar kırıkları ve renk sapmaları palet sevk edilmeden önce yakalanır. Seramik kullanım örneği zordur çünkü hata boyutları milimetre altı iğne deliklerinden karonun tamamını kapsayan desen kaymasına kadar üç büyüklük mertebesine yayılır, bu yüzden karo hatlarının çoğu artık klasik görüntü işlemeyi anomali tespitiyle birleştiren hibrit algoritmalar çalıştırıyor.

3. PVC profil yüzey muayenesi. Pencere profili ekstrüzyonları, dakikada 30 metrenin üzerindeki hat hızlarında çizik, yanık izi ve profil deformasyonu açısından kontrol edilir. PVC profiller rehberimizde teknik ayrıntılar var. Aynı yaklaşım, üretim sürecinin sürekli yüzey hataları ürettiği diğer ekstrüde profillere de ölçeklenir.

4. Kaynak dikişi muayenesi. Porozite, yanma oluğu, sıçrantı ve eksik ergime, otomotiv ham gövde ve basınçlı kap kaynaklarında işaretlenir. Bazı otomotiv fabrikaları bunu kaynak akımı verisiyle eşleştirerek bir süreç iyileştirme döngüsü besliyor, bu da görsel muayeneyi kaynak hücresi için gerçek zamanlı bir izleme aracına dönüştürüyor.

5. Elektronikte lehim bağlantısı muayenesi. AOI sistemleri, SMT lehim bağlantılarını köprüleme, tombstoning, eksik bileşen ve kalkmış bacak açısından saatte 50.000 bileşene varan hızlarda kontrol eder. Bu, bugün üretim sektöründeki en yüksek hacimli hat üstü kalite kullanım örneği ve ürün kalitesi ile çevrim süresinin ikisinin de önemli olduğu durumlarda bilgisayarlı görü teknolojisinin nereye kadar gidebileceğinin ölçütünü koyuyor.

6. Etiket ve baskı doğrulaması. OCR ile desen eşleştirme birlikte çalışarak hatalı basılmış etiketleri, yanlış parti kodlarını ve eksik yasal işaretleri hattan çıkmadan yakalar. Aynı muayene sistemleri izlenebilirlik için barkodları ve 2D Data Matrix kodlarını da okur, böylece regüle sektörlerde sık görülen bir insan hatası kaynağı ortadan kalkar.

Bilgisayarlı görü montajları doğrulamak için nasıl kullanılır?

Montaj doğrulaması, bilgisayarlı görü sistemlerinin montaj hatlarında manuel muayenenin yerini en sık aldığı alandır. Operatörler vardiyanın başında saniyede beş ya da altı özelliği makul bir doğrulukla kontrol edebilir, ancak yedinci saatten sonra hassasiyet hızla düşer. Yapay zekâ destekli bir görüş sistemi kalite standartlarını vardiya boyunca korur ve her birim için kayıtlı bir muayene sonucu üretir.

7. Var-yok kontrolleri. Bir alt montajdaki her cıvata, klips, pul, conta ve konnektör, ürün bir sonraki aşamaya geçmeden doğrulanır. Bu, manuel montaj rehberimizde yazdığımız manuel montaj açığını kapatan kullanım örneğidir ve hata tespitinin, hat hızının ve operatör verimliliğinin kesiştiği yerdir.

8. Yön doğrulaması. Ters takılan parçalar, bir muhafazanın içine kapatılmadan önce yakalanır. Rulmanlar üzerindeki oklar, diyotlar ya da bir PCB üzerindeki diyot yönü aklınıza gelsin. Nesne tespiti modelleri yanlış yönü milisaniyeler içinde işaretler, bu da küçük bir montaj hatasının üretim hattının ilerisinde koca bir partinin hurdaya çıkmasına yol açmasını önler.

9. Tork işareti kontrolleri. Bilgisayarlı görü, tork anahtarının bıraktığı boya işaretini okuyarak her bağlantı elemanının gerçekten doğru cıvatada sıkıldığını doğrular. Bu kontrolü çalıştıran fabrikalar, özellikle otomotiv ve iş makinesi montajında yıl boyunca daha az garanti iadesi ve daha düşük işletme maliyeti bildiriyor.

10. Geçme ve boşluk ölçümü. Temassız boyut kontrolleri, komşu panellerin belirtilen toleranslar içinde hizalandığını teyit eder. Bu kontrol otomotiv, beyaz eşya ve mobilya montajı için kritiktir ve montaj hattını yavaşlatan manuel sentil adımını ortadan kaldırır.

Bilgisayarlı görü boyut ölçümünü nasıl yapar?

Boyut ölçümü, makine görüşü sistemleri için en olgun uygulama alanı ve yeni yapay zekâ destekli muayeneyle en sık harmanlanan alandır. Bu birleşim, kural tabanlı ölçümün deterministik doğruluğunu korurken varyantlar için esneklik ekler.

11. Piksel altı boyut ölçümü. Lazer çizgi triangülasyonu ve derin öğrenmeyle keskinleştirilmiş kenar tespiti, özellikleri temassız olarak ±5 mikrona kadar ölçer ve hat üstü kontrollerde daha yavaş koordinat ölçüm makinelerinin yerini alır. Modern bilgisayarlı görü çözümleri ölçümü hattın içine taşır, böylece boyut kayması spesifikasyon dışı parçalardan koca bir parti birikmeden gerçek zamanlı yakalanır.

12. 3D şekil doğrulaması. Yapılandırılmış ışık tarayıcıları ve uçuş süresi sensörleri her parçayı bir CAD modeliyle karşılaştırarak tolerans dışı sapmaları işaretler. 3D görü, katman katman taramanın hem kalite kontrolü hem süreç iyileştirmesini desteklediği eklemeli imalatta da yeni kullanım örneklerinin kapısını açıyor.

Bilgisayarlı görü lojistik ve malzeme taşımada ne yapar?

Lojistik, bilgisayarlı görü sistemlerinin daha geniş tedarik zincirine en doğrudan bağlandığı alandır. Bir hatta parçaları kontrol eden aynı kamera ve algoritma yığını, stok yönetimine, ayrıştırmaya ve yüklemeye de yardımcı olabilir.

13. Paket ayrıştırma. Barkod okuma, şekil ve boyut kontrolleriyle birleşerek kolileri dağıtım merkezlerinde saatte 15.000'in üzerinde hızla yönlendirir. Sistem hasarlı paketleri de işaretler, bu da müşterinin mal kabul rampasında ileride oluşacak bir darboğazı önler.

14. Palet ve yük doğrulaması. Görü, kamyon rampadan ayrılmadan önce palet istifleme düzenini, streç filmin bütünlüğünü ve yük ölçülerini teyit eder. Bunu forklifte monte kameralarla eşleştirmek aynı iş akışlarına ekipman izleme verisi ekler, böylece sevkiyat yöneticileri depo genelindeki darboğazları görebilir. Bazı sahalar otonom mobil robotlara da aynı görü yığınını takıyor, böylece robotlar hücreler arasında mekik dokurken kendi yüklerini doğrulayabiliyor.

15. Kutudan parça alma. Robot kolları ve cobotlar, rastgele yönlenmiş parçaları kutulardan alıp bir sonraki aşamaya beslemek için 3D görü ile derin öğrenmeye dayalı kavrama tahminini kullanır. Kutudan parça alma, robotlarla bilgisayarlı görü teknolojisinin birlikte çalışmasının klasik örneğidir ve küçük ya da orta ölçekli bir fabrikada yapay zekâ destekli otomatik sistemlere en sık giriş noktalarından biridir. Bunu daha da ölçekleyen fabrikalar genellikle aynı görü yığını üzerinde kit hazırlama, makine besleme ve paletleme için de robot ekler, böylece tek bir muayene modeli bir hücredeki birden fazla robotu besleyebilir.

Bilgisayarlı görü izlenebilirliği ve serileştirmeyi nasıl destekler?

İzlenebilirlik, regüle üretim ortamlarında bilgisayarlı görünün en yüksek kaldıraçlı gerçek dünya kullanım örneklerinden biridir. Bir kodu günde yüzlerce istasyonda güvenilir biçimde okumak insan gözü için zor, eğitilmiş bir model için kolaydır.

16. Seri numarası ve Data Matrix okuma. Lazerle kazınmış, basılmış ya da nokta vuruşlu kodlar, her birimi fabrika içinde takip etmek için üretim adımları boyunca okunur. Enao müşterileri bunun için iPhone tabanlı okuyuculara güveniyor, bunu iPhone endüstriyel kullanım rehberinde belgeledik. Aynı yaklaşım, görsel verinin denetim için kaydedilmesi gereken uyumluluk kritik bağlamlara da ölçekleniyor.

17. Hammadde tanımlama. Görü, üretim başlamadan önce makineye doğru hammadde partisinin ya da reçine granülü tipinin yüklendiğini teyit eder. Yanlış hammaddeyi bu noktada yakalamak, sonraki aşamalarda bir hata zincirini önler ve üretim sürecini tedarik zinciri boyunca kalite standartlarıyla hizalı tutar.

Bilgisayarlı görü operatörleri ve süreçleri nasıl izler?

Bilgisayarlı görü uygulamalarının en yeni kümesi, hattın çevresindeki insanlara ve ekipmana odaklanıyor. Bu kullanım örnekleri hem çalışan güvenliğini hem sürekli iyileştirmeyi destekliyor ve bilgisayarlı görünün kestirimci bakım ile ekipman izlemeyle en çok kesiştiği yer burası.

18. KKD uyum kontrolleri. Kameralar, operatörlerin belirlenen bölgelerde gerekli koruyucu gözlük, eldiven ve barete sahip olduğunu doğrular ve sapmaları gerçek zamanlı işaretler. KKD izleme, ağır sanayi fabrikalarında en hızlı büyüyen güvenlik izleme kullanım örneklerinden biri ve hat hızını düşürmeden iş güvenliğini doğrudan iyileştiriyor.

19. Ergonomik duruş izleme. İskelet takibi, zaman içinde yaralanma riskiyle ilişkilenen tekrarlayan kötü duruşları tespit eder. Aynı veri operasyonel verimlilik değerlendirmelerini de besler, çünkü kötü duruş çoğu zaman sonradan yeniden işlemeye yol açan kötü tasarlanmış bir iş istasyonuna işaret eder ve fabrika yöneticilerine çalışma ortamının operatör sağlığını nasıl şekillendirdiğine dair net bir okuma verir.

20. Tip değişimi doğrulaması. Görü, bir tip değişiminden sonra doğru fikstürün, takımın ya da kalıbın takıldığını teyit eder ve koca partilerin hurdaya çıkmasına yol açan yanlış takım hatalarını yakalar. Tip değişimi hatalarını azaltmak, çok çeşitli ürün üreten bir fabrikada duruşu düşürmenin en temiz yollarından biri, bu da onu operasyonel verimlilik arayan ekipler için popüler bir ilk kurulum yapıyor.

Bu bilgisayarlı görü uygulamaları Endüstri 4.0 içinde nereye oturuyor?

Bu bilgisayarlı görü çözümlerinin çoğu, kestirimci bakım, IoT panoları ve tedarik zinciri analitiği için kullanılan aynı fabrika düzeyindeki platformlara veri besler. Her muayene sonucu yapılandırılmış bir veri noktasıdır: görüntü, karar, zaman damgası, istasyon kimliği. Bunu doğru araca akıtın, hem hat liderlerinin hem fabrika yöneticilerinin süreç iyileştirmesini, kök neden analizini ve karar almasını destekleyen sürekli bir kalite sinyali elde edersiniz.

Ekosistem önemlidir. Ölçeklenebilir bir bilgisayarlı görü kurulumu MES, ERP ve IoT katmanıyla konuşur, böylece çıktıları süreçte hem yukarı hem aşağı yönde otomasyonu tetikleyebilir: parçaları yeniden yönlendiren, bir robotu yavaşlatan ya da operatör kararı onaylayana kadar bir süreç adımını duraklatan otomasyon rutinleri dahil. Tek seferlik bir muayene istasyonunu, birden fazla fabrikada iş akışlarını sadeleştirebilen üretim sınıfı bir Endüstri 4.0 yeteneğinden ayıran şey budur. Bunu doğru kuran ekipler sürekli iyileştirmeyi de açar, çünkü her yeni görüntü partisi modeli geliştirir ve çevresindeki üretim süreçlerini sıkılaştırır.

Partner referansı: Elektronik alanında bir uygulama örneği olarak Go Wombat'ın Cybord geliştirme vakası gösterilebilir; bileşen kökeni, yerleştirme izlenebilirliği ve çok tesisli panolar bu örnekte ele alınıyor. Bu, Go Wombat'ın kendi geliştirme kaydıdır, bir Enao kurulumu ya da yazıda referans verilen bir kıyaslama değildir.

Bu bilgisayarlı görü kullanım örnekleri için gerçekte hangi donanım gerekir?

Donanım ayak izi, fabrika yöneticilerinin çoğunun beklediğinden çok daha küçük. Bir lamba, bir montaj aparatı ve birkaç kabloyla birlikte yenilenmiş bir iPhone, bu muayene sistemlerinin çoğunu 1.000 € altında çalıştırır. Apple Neural Engine, hata tespiti ve nesne tespiti iş yüklerinin çoğunda gerçek zamanlı çıkarımı üstlenir. Daha yüksek hat hızları, özel aydınlatma ya da milimetre altı boyut ölçümü söz konusu olduğunda endüstriyel bir makine görüşü kamerası hâlâ kazanır. Modern fabrikaların çoğu karma çalışıyor: kozmetik ve montaj kontrolleri için iPhone tabanlı istasyonlar, yüksek hız ve 3D görü kullanım örnekleri için endüstriyel kameralar ve muayene sonuçlarını birbirine bağlayan ortak bir yazılım omurgası.

Bilgisayarlı görü teknolojisi bugün endüstriyel yapay zekâda ikinci en büyük bütçe kalemi ve üretim sahası harcamasında üretken yapay zekânın önünde. Yatırım eğrisi çoğu ekibin beklediğinden daha yumuşak, çünkü her kullanım örneği tek bir istasyonun işlevi olarak pilot çalıştırılabiliyor, algoritmalar doğrulandıktan sonra fabrika geneline ölçekleniyor.

Bu listeyle ne yapmalı

Bir hat seçin ve baştan sona yürüyün. Bir operatör ya da özel bir sensör tarafından görsel olarak kontrol edilen her noktada, kontrolün hataları güvenilir biçimde yakalayıp yakalamadığını ve verinin analitik için kaydedilip kaydedilmediğini sorun. Üretim operasyonlarının çoğunda yukarıdaki 20 kullanım örneğinden 6 ila 12'si zaten sahada bir yerde çalışıyor. Asıl ilginç soru, eksik olan iki tanesinin hangileri olduğu ve size yeniden işlemede, iadede ya da duruşta en çok neyin pahalıya mal olduğudur.

Endüstriyel görüntü işleme rehberimiz, bu bilgisayarlı görü sistemlerini ölçekte çalıştıran mimarileri anlatıyor. Modern yapay zekâ görsel muayenesini eski kural tabanlı yaklaşımlardan ayıran şeyin tanımı için yapay zekâ görsel muayene nedir yazımıza bakın. Bir ila üç haftalık bir kurulumun kendi hata örneklerinizde nasıl göründüğünü görmek isterseniz bir Enao Vision demosu ayırtın ve üç görüntü gönderin.

Üretimde bilgisayarlı görü hakkında sık sorulan sorular

Üretimde AOI ne anlama gelir?

AOI, Otomatik Optik Muayene anlamına gelir. Parçaları temaslı mastarlar ya da insan muayene elemanları yerine görsel olarak kontrol eden bilgisayarlı görü sistemlerinin genel adıdır. AOI sistemleri elektronik, ambalaj ve otomotiv fabrikalarında yaygındır ve vardiya başına binlerce birimde kalite kontrolü destekler.

Makine görüşü ile bilgisayarlı görü arasındaki fark nedir?

Makine görüşü, sabit görevler için kural tabanlı görüntü işlemeye odaklanan daha eski endüstriyel disiplindir. Bilgisayarlı görü ise değişken sahneleri işleyen ve makine öğrenmesiyle örneklerden öğrenen daha geniş, yapay zekâ temelli alandır. Modern sistemlerin çoğu ikisini harmanlar: bir makine görüşü kamerası temiz bir görüntü yakalar, bir bilgisayarlı görü algoritması da bunun ne anlama geldiğine karar verir.

Bilgisayarlı görü bir hatta parçaları ne kadar hızlı muayene edebilir?

Hat üstü sistemler, çözünürlüğe ve hata sınıfına bağlı olarak saniyede birkaç parçadan SMT lehim bağlantısı muayenesinde saatte 50.000 bileşenin üzerine kadar çıkar. Hat hızı aydınlatmaya, kamera seçimine ve algoritmaların çalıştıkları üretim ortamına göre nasıl ayarlandığına bağlıdır.

Özel bir endüstriyel kamera şart mı, yoksa akıllı telefon iş görür mü?

Bir lamba, montaj aparatı ve kablolarla birlikte yenilenmiş bir iPhone, bu kullanım örneklerinin çoğunu 1.000 € altında çalıştırır. Çok hızlı hatlarda ya da özel aydınlatma gerektiğinde endüstriyel kameralar hâlâ kazanır. Küçük ve orta ölçekli fabrikaların çoğu için iPhone yolu, bilgisayarlı görüye en ucuz ölçeklenebilir giriş noktasıdır.

Bilgisayarlı görü kestirimci bakımı nasıl destekler?

Pek çok bilgisayarlı görü kurulumu, görüntü akışlarını ekipman aşınmasını, yağlama sorunlarını ya da görsel olarak yakalanan ince titreşim izlerini gözleyen kestirimci bakım modellerine besler. Bir parçada hata tespiti yapan aynı kamera, o parçayı üreten makineyi de izleyebilir, bu da ürün kalitesi ile ekipman sağlığı arasındaki döngüyü kapatır.

Öne çıkanlar

• Üretimde bilgisayarlı görü, yapay zekâ algoritmalarını, makine öğrenmesini ve gerçek zamanlı çıkarımı kullanarak üretim sahasındaki altı iş ailesinde görsel kontrolleri otomatikleştirir.
• Endüstriyel bilgisayarlı görü 2025'te yıllık %22 artışla 15,6 milyar $'lık bir pazardı ve Deloitte, yapay zekâ görsel muayenesini ilk üç Endüstri 4.0 yeteneği arasına koydu.
• Fabrikaların çoğu 20 kullanım örneğinden 6 ila 12'sini zaten çalıştırıyor; eksik olanlar genellikle en büyük yeniden işleme maliyetini, duruş riskini ya da tedarik zinciri riskini saklıyor.
• Hat üstü kalite, montaj doğrulaması ve izlenebilirlik en hızlı geri dönüşü olan üç aile ve kestirimci bakım, iş güvenliği ile süreç iyileştirmesiyle kesişiyorlar.
• Yenilenmiş bir iPhone kurulumu ilk kullanım örneğini ölçeklemeden önce 1.000 € altında test eder, bu da bilgisayarlı görü teknolojisini her ölçekten üretim operasyonu için erişilebilir kılar.

Başlayın

Enao Vision'ın sizin hattınızda nasıl çalıştığını görmek ister misiniz? Demoyu deneyin ya da hâlihazırda sahip olduğunuz bir iPhone ile ücretsiz başlayın.