engiAI

1. engiAI और ज़ोन-पेयर विधि क्यों?

engiAI Ethernet System - एक विजुअल निरीक्षण कार्यक्रम जो उत्पादन लाइन के लिए है। यह एक औद्योगिक या सामान्य कैमरे से एक फ्रेम लेता है, उसे क्षेत्रों में विभाजित करता है, प्रत्येक क्षेत्र की जांच एक प्रशिक्षित न्यूरल नेटवर्क द्वारा करता है, और परिणाम को एक क्रिया में बदल देता है: कैमरे के एक डिस्क्रीट आउटपुट पर सिग्नल, एक रोबोट या पीएलसी को एक टीसीपी संदेश, या लॉग में रिकॉर्ड। "ज़ोन-पेयर" विधि उन उत्पादों के लिए बनाई गई है, जिनमें "सही" तरीके से हर जगह एक निश्चित विशेषता होती है: प्रिंटेड सर्किट, असेंबली, लॉजमेंट में पुर्जों के सेट, और पैकेजिंग।

1.1. यह विधि, पूरे फ्रेम के वर्गीकरण की तुलना में क्या लाभ प्रदान करती है?

एक सामान्य दृष्टिकोण यह है कि पूरे फ्रेम या सभी क्षेत्रों पर एक ही मॉडल का उपयोग किया जाए, जिसमें "सामान्य / विसंगति" के दो वर्ग हों। लेकिन यह प्लेट पर काम नहीं करता: प्लेट के क्षेत्र 2 में BR1 पुल के नीचे की खाली जगह एक दोष है, जबकि प्लेट के किसी अन्य कोने में भी इसी तरह की खाली जगह सामान्य हो सकती है। एक ही मॉडल में इन दोनों को व्यक्त करना संभव नहीं है। दूसरा चरम दृष्टिकोण यह है कि प्रत्येक घटक के लिए एक अलग मॉडल का उपयोग किया जाए, जिसके लिए कई प्रशिक्षण और मेमोरी में कई फ़ाइलें आवश्यक होंगी।

ज़ोन-पेयर इसे इस तरह हल करता है: एक मॉडल होता है, और कक्षाओं की संख्या उस क्षेत्र की संख्या के बराबर होती है। "क्षेत्र" एक ऐसा आयत होता है जो एक घटक के चारों ओर होता है। "कक्षा" एक फ़ोल्डर होता है जिसमें चित्र होते हैं, जिन पर नेटवर्क सीखता है। प्रत्येक क्षेत्र का अपना युग्म होता है: "zone_001" (सामान्य क्षेत्र 1, उदाहरण के लिए, संधारित्र C30) और "zone_001_anomaly" (दोष क्षेत्र 1); "zone_002" और "zone_002_anomaly" - BR1 पुल। जब क्षेत्र 1 की जाँच की जाती है, तो प्रोग्राम केवल उसके युग्म पर ध्यान केंद्रित करता है, क्षेत्र 2 के बारे में उत्तरों का उपयोग नहीं किया जाता है। असामान्य कक्षाओं की आवश्यकता नहीं है: दोष क्षेत्र के स्वरूप को बदल देता है, और "सामान्य" में विश्वास स्वतः ही कम हो जाता है; लेकिन सिंथेटिक डेटा (4.6 अनुभाग) के साथ, उन्हें एक क्लिक में बनाया जा सकता है और वे विश्वसनीयता में उल्लेखनीय रूप से वृद्धि करते हैं।

1.2. गति: AI केवल आवश्यक भागों पर ध्यान केंद्रित करता है

न्यूरल नेटवर्क कभी भी पूरे फ्रेम को नहीं देखता। प्रत्येक क्षेत्र के लिए, केवल उसकी आयत काटा जाता है, और क्षेत्र की संख्या दो वर्गों में से एक का चयन करती है। एक ही फ्रेम के क्षेत्रों को समानांतर (अधिकतम चार थ्रेड्स) माना जाता है, और सभी क्षेत्रों के परिणाम एक साथ स्क्रीन पर प्रदर्शित होते हैं, न कि एक-एक करके।

• विश्लेषण की गति समय के अनुसार निर्धारित की जाती है। "कैमरे" टैब पर "सेकंड में विश्लेषण (AI)" स्लाइडर का मतलब है कि प्रति सेकंड ठीक N विश्लेषण किए जा रहे हैं, न कि "हर N-वें फ्रेम"। यह कैमरा की आवृत्ति और अनुमान के समय पर निर्भर करता है।
• डिफ़ॉल्ट रूप से GPU का उपयोग होता है। यह ONNX रनटाइम और CUDA के माध्यम से इन्फेरेंस करता है। यदि NVIDIA ग्राफिक्स कार्ड नहीं है, तो प्रोग्राम स्वचालित रूप से प्रोसेसर पर स्विच हो जाता है और इसके बारे में जानकारी स्थिति में प्रदर्शित करता है (GPU (CUDA) या CPU)।
• बिना कचरे के बफर। मेमोरी को एक बार में प्रत्येक स्ट्रीम में अलग-अलग हिस्सों में विभाजित किया जाता है और फिर से उपयोग किया जाता है; विश्लेषण का समय एक फ्रेम से दूसरे फ्रेम में नहीं बदलता।
• मॉडल को कार्य के अनुसार अनुकूलित किया गया। ज़ोन-पेयर प्रोग्राम स्वचालित रूप से इनपुट आकार को 128 पिक्सेल पर सेट करता है और YOLO11 नेटवर्क का उपयोग करता है, जिसका आकार "s" है। इस कॉन्फ़िगरेशन में, ज़ोन का आकार लगभग स्केल नहीं होता है, और नेटवर्क में सैकड़ों क्लास जोड़े को संसाधित करने के लिए पर्याप्त क्षमता होती है।
• लाइव कन्वेयर, कर्मचारियों की बचत करता है। जब कोई कर्मचारी कन्वेयर पर काम करता है, तो वह एक निश्चित अवधि के लिए काम पर रहता है, जिससे कर्मचारियों की आवश्यकता कम होती है। सर्किट बोर्ड की खोज और उसे एक बार व्यवस्थित करने के बाद ही कटिंग की प्रक्रिया शुरू होती है।
• यह प्रदर्शन विश्लेषण में बाधा नहीं डालता। यह टाइल 25 बार प्रति सेकंड से अधिक नहीं खींची जाती है और केवल कैमरे की नई फ़्रेम के आधार पर, छवि को स्क्रीन पर प्रदर्शित होने तक टाइल के आकार में छोटा किया जाता है, जबकि लॉग बैकग्राउंड थ्रेड द्वारा फ़ाइल में लिखा जाता है। 8-मेगापिक्सेल फ़्रेम और सैकड़ों क्षेत्रों के साथ, इंटरफ़ेस 8-मेगापिक्सेल फ़्रेम पर भी प्रतिक्रियाशील रहता है।

वीडियो के ऊपर स्थित स्टेटस बार में वास्तविक संख्याएं दिखाई देती हैं: fps (प्रति सेकंड फ्रेम) और अंतिम विश्लेषण के बाद की मिलीसेकंड, साथ ही Eff - प्रति सेकंड कितने विश्लेषण वास्तव में हुए।

1.3. आप किस स्तर की सटीकता की उम्मीद कर सकते हैं: अपने कैमरे के साथ गणना करें

यह प्रोग्राम "0.5 मिमी" की सटीकता की गारंटी नहीं देता, जो कैमरे और लेंस पर निर्भर करता है। विचलन की संवेदनशीलता यह निर्धारित होती है कि प्रति मिलीमीटर कितने पिक्सेल हैं, और मॉडल को किस सीमा तक प्रशिक्षित किया गया है। इसे दो पंक्तियों में दर्शाया गया है:

संख्या 5 पिक्सेल - अनुशंसित असामान्यताओं के सेटिंग्स में सिंथेटिक विचलन की निचली सीमा (इसकी विचलन सामान्य रूप से 0-2 पिक्सेल है)। डिफ़ॉल्ट सेटिंग्स 11 पिक्सेल/मिमी पर आधारित हैं: इस पैमाने पर, 0.5 मिमी का अर्थ है 5-6 पिक्सेल, जो कि विकास के दौरान तय की गई लक्ष्य के अनुरूप है। अपनी मानों को डालें:

1.4. त्वरित शुरुआत: सेटिंग्स पहले से ही समायोजित, क्षेत्र और मॉडल कुछ क्लिक में

यह विधि इस बात पर केंद्रित है कि एक ऐसे व्यक्ति को, जिसके पास मशीन लर्निंग का अनुभव नहीं है, एक कामकाजी मॉडल एक ही शिफ्ट में मिल जाए। जो भी पहले से समायोजित किया जा सकता है, वह पहले से ही समायोजित है और प्रोग्राम के डेटाबेस में संग्रहीत है:

• मिनटों में क्षेत्र निर्धारित करना। ROI संपादक में, उस क्षेत्र के चारों ओर एक फ्रेम खींचें और क्षेत्र का आकार (उदाहरण के लिए, 256 पिक्सेल) निर्दिष्ट करें। यदि आपके पास कई वस्तुएं हैं जो एक सीधी रेखा में व्यवस्थित हैं, तो पूरे भुगतान पर फ्रेम खींचें - प्रोग्राम स्वचालित रूप से ग्रिड की पंक्तियों और स्तंभों की गणना करेगा।
• सिंथेटिक डेटा: सामान्य और त्रुटि पूर्व-निर्धारित हैं। "डिफ़ॉल्ट," "तत्वों का स्थानांतरण," और "रंग और पेंट" बटन पूर्वनिर्धारित प्रोफाइल बदलते हैं। फ़ाइलों की संख्या, कैमरे से प्राप्त फ़्रेम, और अनुमानित समय "शुरू करें" बटन दबाने से पहले प्रदर्शित होते हैं।
• प्रशिक्षण पैरामीटर स्वचालित रूप से निर्धारित किए जाते हैं। पहली छवि के बाद, प्रोग्राम आकार 128, मॉडल आकार s, युगों 50, बैच 64 सेट करता है, और प्रशिक्षण के दौरान, उन डेटा वृद्धि को अक्षम कर देता है जो असामान्य वर्गों के साथ संघर्ष करते हैं।
• कैमरा बटन के माध्यम से सेट किया जा सकता है। "स्वचालित रूप से AI (फ्रेम के आधार पर) के लिए सेटिंग्स" एक्सपोजर, कंट्रास्ट, गामा और व्हाइट बैलेंस को समायोजित करता है; USB कैमरों के लिए "फॉर्म के आधार पर स्वचालित चयन" और "पैरामीटर को लॉक करना" विकल्प उपलब्ध हैं।
• कैमरे की सेटिंग्स के पैक। पूर्व-निर्धारित सेटिंग्स को एक नाम के साथ सहेजा जाता है और सूची से चुना जा सकता है। कैमरा उन्हें तुरंत स्वीकार करता है और अपने मेमोरी में संग्रहीत करता है।
• एक ONNX फ़ाइल आउटपुट के रूप में। प्रशिक्षित मॉडल स्वचालित रूप से निर्यात किया जाता है और तुरंत निरीक्षण के लिए आवंटित किया जाता है, जिसमें कोई अतिरिक्त कदम शामिल नहीं हैं।

पूरा प्रक्रिया: कैमरा कनेक्ट करें → मॉडल बनाएं → क्षेत्रों को चिह्नित करें → संरेखण क्षेत्र को कैप्चर करें → "क्षेत्रों के अनुसार" कई ठीक किए गए बोर्डों पर → "क्षेत्रों में विसंगतियां" → AI मॉडल को प्रशिक्षित करें → "निरीक्षण" टैब। इसके बाद, क्षेत्रों पर ध्वनि, आउटपुट और TCP को जोड़ना बाकी है। शुरुआत के लिए आवश्यक: विंडोज 10/11 वाला कंप्यूटर (तेजी से निरीक्षण के लिए - NVIDIA ग्राफिक्स कार्ड), कैमरा, एक ठीक किया हुआ बोर्ड और प्रशिक्षण वातावरण स्थापित करने के लिए एक बार इंटरनेट। दोषपूर्ण बोर्डों की आवश्यकता नहीं है।

2. प्रोग्राम इंटरफेस एक मिनट में

मुख्य विंडो को दो भागों में विभाजित किया गया है। बाईं ओर - कैमरों से लाइव वीडियो और उसके ऊपर एक स्थिति बार। दाईं ओर - एक पैनल जिसमें सभी नियंत्रण मौजूद हैं। भागों के बीच की सीमा को ड्रैग किया जा सकता है; सभी विंडो के आकार, स्थिति और लेआउट को प्रोग्राम अपने डेटाबेस में याद रखता है।

वीडियो के ऊपर बटन

दाएं ओर टैब

स्थिति पंक्ति

कнопों के ऊपर, सक्रिय कैमरे की स्थिति दिखाई जाती है: लाइव (एंड्रॉइड): 3264×2448 [एचडी यूएसबी कैमरा] — प्रकार, रिज़ॉल्यूशन और नाम; एआई: वेटिंग या एआई: जीपीयू (CUDA) — मॉडल किस पर काम कर रहा है और अंतिम विश्लेषण में कितने मिलीसेकंड लगे; नेट: कुल … सक्रिय … एमबी/से — गीगे-कैमरों से नेटवर्क पर पड़ने वाला लोड (हर 40% तक हरा, 70% तक नारंगी, उसके बाद लाल)। एक्सप लोड बैंड दर्शाता है कि एक्सपोजर फ्रेम अंतराल का कितना हिस्सा लेता है: यदि यह दाईं ओर जा रहा है, तो कैमरा अपेक्षित आवृत्ति को नहीं बनाए रख पाएगा।

प्रत्येक कैमरे के ऊपर एक शीर्षक होता है जिसमें उसका नाम, स्थिति "LIVE | AI:ON" और रीकनेक्ट बटन होता है। स्क्रीन पर राइट-क्लिक करने से क्षेत्र का मेनू खुलता है, और राइट-क्लिक करके स्क्रीन को पैन करना संभव होता है।

3. कैमरे: कनेक्शन और सेटअप

3.1. कौन से कैमरे समर्थित हैं

कैमरों की संख्या पर कोई सख्त सीमा नहीं है: कैमरे एक ग्रिड में व्यवस्थित किए जा सकते हैं, और वास्तविक सेटअप पर 8 और 9 कैमरे एक साथ काम कर रहे थे। प्रत्येक कैमरे में अपने-अपने मॉडल, ज़ोन, सीमा और विश्लेषण की गति होती है।

3.2. कैमरा विंडो: जोड़ें, रीकनेक्ट करें, हटाएं

सूची के अंतर्गत दिए गए चेक, चुने गए कैमरे के लिए सक्रिय होते हैं: कैमरा चालू (अन्यथा, यह डिवाइस से डिस्कनेक्ट हो जाता है और स्क्रीन से गायब हो जाता है), वीडियो/क्षेत्र प्रदर्शित करें (केवल रेंडरिंग, विश्लेषण हमेशा चलता रहता है), चुने गए कैमरे के लिए AI सक्रिय। पुन: कनेक्ट करें बटन, AI और मॉडल के पूर्ण डिस्कनेक्शन और पुनः कनेक्शन के साथ, धारा को पुनः शुरू करता है और मॉडल को पुनः लोड करता है।

विंडो के दाहिने हिस्से में कैमरे से प्राप्त सभी पैरामीटर प्रदर्शित होते हैं, जो हार्डवेयर के साथ कनेक्ट होने पर एकत्र किए जाते हैं, साथ ही समूहों और इकाइयों के साथ: "कौन से पैरामीटर प्रदर्शित करें", कैमरे से पुनः प्राप्त करें, बफर में कॉपी करें। यह केवल देखने के लिए है: आप कैमरे के टैब पर पैरामीटर बदल सकते हैं।

3.3. HIKROBOT और SICK के लिए "कैमरा" टैब

यह मॉड्यूल कैमरे के साथ काम करता है, जिसका फ्रेम नीले रंग का है। जब यह कनेक्ट होता है, तो यह कैमरे में कुछ भी नहीं रिकॉर्ड करता: कैमरा सच्चाई का स्रोत है, जबकि स्लाइडर उसकी वैल्यू के अनुसार समायोजित होते हैं। केवल "पैरामीटर सहेजें" बटन (Сохранить параметры) का उपयोग करके सेटिंग्स को सहेजा जा सकता है।

"Hikrobot: कैमरा पैरामीटर (GenICam)" ब्लॉक

केवल वही प्रदर्शित होता है जो कैमरा कैप्चर करता है। पंक्तियाँ: ऑटो-एक्सपोजर (ऑफ / एक बार / निरंतर), ऑटो-एम्प्लीफिकेशन, गामा और गामा मोड, शार्पनेस, टोन, संतृप्ति, ऑटो-व्हाइट बैलेंस, चैनल के अनुसार व्हाइट बैलेंस, डिजिटल शिफ्ट, ब्लैक लेवल चालू, FPS की सीमा चालू, क्षैतिज और ऊर्ध्वाधर में घुमाव, GigE: पैकेट का आकार, GigE: पैकेट के बीच का विलंब, GigE: बैंडविड्थ की सीमा, परीक्षण छवि। "कैमरा से पैरामीटर को फिर से लोड करें" बटन तालिका को फिर से कॉन्फ़िगर करता है।

"इमेज का रंग" ब्लॉक

बाइयर का रंग पैटर्न (ऑटो / BGGR / RGGB / GRBG / GBRG), संतृप्ति 0…200 %, गामा 0,30…3,00, कंट्रास्ट 50…200 %, रीसेट बटन। यह प्रोग्रामिंग सभी फ्रेम के उपभोक्ताओं पर लागू होती है: प्रदर्शन, रिकॉर्डिंग, अनुमान और प्रशिक्षण के लिए चित्र, इसलिए प्रशिक्षण और निरीक्षण के दौरान चित्र समान होते हैं। HIKROBOT के लिए, रंग पैटर्न कैमरे के पिक्सेल फॉर्मेट से लिया जाता है, जबकि SICK के लिए, यह सेंसर से लिया जाता है और पहले फ्रेम के अनुसार समायोजित किया जाता है।

3.4. कैमरा टैब के लिए USB/वेबकैम

USB कैमरों के लिए, टैब "USB-कैमरा: रिज़ॉल्यूशन, FPS और गुण" दिखाता है। कैमरे द्वारा प्रदान नहीं किए जाने वाले ड्राइवर के गुण प्रदर्शित नहीं होते हैं; फ़ील्ड की सीमाएँ प्रोग्राम द्वारा निर्धारित की जाती हैं, क्योंकि DirectShow रेंज के बारे में कोई जानकारी नहीं होती है।

3.5. सहेजे गए कैमरे के सेटिंग्स (सेट)

"सहेजे गए कैमरे के सेटिंग्स" USB, SICK और HIKROBOT के लिए प्रदर्शित होते हैं। उपयुक्त पैरामीटर के साथ, उन्हें इस नाम से सहेजें: किसी अन्य प्लेट या अन्य प्रकाश व्यवस्था के लिए, सूची से एक सेट का चयन करना पर्याप्त है।

• से सहेजें… - यह वर्तमान मूल्यों को कैमरे से पढ़ता है और सेट का नाम पूछता है। यदि नाम पहले से मौजूद है, तो यह इसे बदलने का विकल्प देता है।
• सूची में सेट का चयन तुरंत कैमरे में पैरामीटर दर्ज करता है और उन्हें सुरक्षित रखता है: USB के लिए - डेटाबेस में, SICK और HIKROBOT के लिए - पैरामीटर फ़ाइल और कैमरे की मेमोरी (UserSet1 / EEPROM) में। फिर पैनल हार्डवेयर से मान पढ़ता है और दिखाता है कि कितने पैरामीटर स्वीकार किए गए हैं और कितने अस्वीकार किए गए हैं।
• पुन: सहेजें वर्तमान मूल्यों से चयनित सेट को फिर से लिखता है, नाम बदलें और हटाएं केवल डेटाबेस में मौजूद प्रविष्टि पर ही लागू होते हैं, कैमरे में सेट किए गए पैरामीटर नहीं बदलते।

सेट में शामिल: USB के लिए - रिज़ॉल्यूशन, FPS, ड्राइवर के गुण और ऑटो-मोड; SICK के लिए - एम्प्लीफिकेशन, एक्सपोजर, FPS, ब्लैक लेवल, पिक्सेल क्लॉक, गेन बूस्ट, व्हाइट बैलेंस R/G/B, हार्डवेयर गामा और सॉफ्टवेयर कलर; HIKROBOT के लिए - एम्प्लीफिकेशन, एक्सपोजर, FPS, ब्लैक लेवल और सभी GenICam नोड्स। औद्योगिक कैमरों के फ्रेम का आकार सेट में शामिल नहीं है: इसे बदलने से रिकॉर्डिंग फिर से शुरू हो जाती है। सभी एक ही प्रकार के कैमरों के लिए सेट समान होते हैं, इसलिए एक ही प्रकार के कैमरों के स्टैंड पर, एक सेट को प्रत्येक पर लगाया जाता है।

3.6. GigE नेटवर्क और रीकनेक्ट

• HIKROBOT के GigE पैकेट का आकार स्वचालित रूप से इष्टतम पर सेट होता है जब यह खुलता है; इसे मैन्युअल रूप से GenICam ब्लॉक में भी ठीक किया जा सकता है। Jumbo-फ्रेम 8164–9000 लोड को कम करते हैं, जबकि टूटे हुए फ्रेम के लिए 1500 का उपयोग करें और पैकेट के बीच विलंबता बढ़ाएँ।
• `Net` पंक्ति प्रत्येक कैमरे से आने वाले लोड को उसकी अपनी जानकारी (उपयोगी भार × आवृत्ति) के अनुसार मापती और इसे नेटवर्क कार्ड से आने वाले वास्तविक ट्रैफ़िक के साथ तुलना करती है। यदि इनमें महत्वपूर्ण अंतर है, तो इसका मतलब है कि कुछ फ़्रेम खो गए हैं या बाहरी ट्रैफ़िक आ रहा है। इस गणना में शामिल वर्चुअल एडाप्टर और NDIS फ़िल्टर (जैसे GigEVision, uEye, Npcap) को ध्यान में नहीं रखा गया है।
• यदि कैमरा दिखाई दे रहा है, लेकिन डेटा नहीं आ रहा है, तो "रीसेट करें" बटन पर क्लिक करें (कैमरे के विंडो या टाइल पर)। आमतौर पर, इसका कारण नेटवर्क या USB की कम क्षमता होता है।
• SICK picoCam, जब यह एक विवरण को बंद करता है, तो यह अपने सेटिंग्स खो देता है। यदि कैमरे में कोई सेट नहीं है, तो प्रोग्राम पैरामीटर फ़ाइल का उपयोग करता है और "पैरामीटर सहेजें" पर क्लिक करने का सुझाव देता है ताकि उन्हें कैमरे में सहेज सकें।

4. ज़ोन-पेयर मॉडल: ग्रिड से प्रशिक्षित मॉडल तक

4.1. विधि कैसे काम करती है: प्रत्येक क्षेत्र के लिए एक मॉडल, प्रत्येक क्षेत्र के लिए एक वर्ग।

ज़ोन-पेयर मॉडल एक सामान्य YOLO11 वर्गीकरण नेटवर्क है, जिसमें वर्गों की संख्या उन क्षेत्रों की संख्या के बराबर होती है, साथ ही कुछ वैकल्पिक असामान्य वर्गों भी होते हैं। एक वर्ग एक फ़ोल्डर होता है जो `train` और `val` के अंदर स्थित होता है। प्रोग्राम स्वचालित रूप से सभी फ़ोल्डरों का निर्माण करता है; मैन्युअल रूप से कुछ भी बनाने की आवश्यकता नहीं है। प्रशिक्षण के बाद, इस प्रकार एक मॉडल फ़ोल्डर दिखाई देता है:

फ़ाइलें `real_…jpg` - ये कैमरे से सीधे लिए गए चित्र हैं (ये "ट्रेन" और "वेल" दोनों सेट में मौजूद हैं)। `syn_…jpg` - ये सिंथेटिक डेटा हैं। `edit_…jpg` - ये ज़ोन एडिटर से लिए गए चित्र हैं। उदाहरण के लिए, कुछ प्लेटों की छवियों को लेने के बाद: `zone_001` - "ट्रेन" में 502 फ़ाइलें और "वेल" में 111 फ़ाइलें हैं; `zone_001_anomaly` - "ट्रेन" में 680 फ़ाइलें और "वेल" में 144 फ़ाइलें हैं; `zone_002` - "ट्रेन" में 813 फ़ाइलें और "वेल" में 181 फ़ाइलें हैं; `zone_002_anomaly` - "ट्रेन" में 340 फ़ाइलें और "वेल" में 60 फ़ाइलें हैं।

यह प्रोग्राम स्वचालित रूप से "भुगतान" के मॉडल को पहचानता है, जब zone_NNN जैसे वर्गों की उपस्थिति होती है। वर्ग संख्या - ग्रिड में क्षेत्र की समग्र संख्या (1…N)। इसी के आधार पर विधि के मुख्य नियम हैं:

4.2. मॉडल बनाना

4.3. बोर्ड पर क्षेत्रों को चिह्नित करना

लाल क्षेत्र: एक क्लिक से सिंथेटिक डेटा से क्षेत्र को हटा दें

"एआई मॉडल" टैब में, पहले से बनाए गए क्षेत्र पर वीडियो पर सीधे बाएं क्लिक करें: क्षेत्र लाल हो जाएगा और यह क्षेत्र-आधारित स्नैपशॉट और विसंगतियों में शामिल नहीं होगा। दोबारा क्लिक करने पर यह वापस सामान्य हो जाएगा। सिंथेटिक डेटा विंडो में फ़ाइल काउंटर्स तुरंत अपडेट हो जाते हैं, और फ़्रेम के ऊपर "बंद N" लिखा हुआ दिखाता है कि कितने क्षेत्र बंद हैं। लाल क्षेत्रों की सूची कैमरे और मॉडल के अनुसार संग्रहीत की जाती है; "इंस्पेक्ट" टैब में, वही क्षेत्र सामान्य रहता है (वहां पीले क्षेत्र होते हैं - अनुभाग 5.5)।

4.4. संदर्भ छवि को लॉक करें: संरेखण क्षेत्र

निरीक्षण क्षेत्र एक-एक सर्किट बोर्ड के आधार पर चिह्नित किए जाते हैं। ताकि एक अन्य सर्किट बोर्ड को, जिसमें थोड़ा सा अंतर और घुमाव हो, लाइन पर डाला जा सके, तो प्रोग्राम "संदर्भ छवि" को याद रखता है: एक लाइव फ्रेम और "संरेखण क्षेत्र" - यह सर्किट बोर्ड का वह भाग है जिसमें उत्पाद की तलाश प्रत्येक नए फ्रेम में की जाती है। जब यह क्षेत्र मिल जाता है, तो प्रोग्राम निरीक्षण क्षेत्रों को नए सर्किट बोर्ड पर स्थानांतरित कर देता है। इसी तरह, रिकॉर्डिंग, सिंथेटिक डेटा और निरीक्षण किया जाता है।

"संदर्भ छवि के साथ क्षेत्र" बटन, जो पहले से सहेजी गई संदर्भ छवि (जिसमें ग्रिड और क्षेत्रों के नंबर हैं - अनुभाग 4.8) को खोलता है, का उपयोग किया जाता है। पाई गई सर्किट को तार्किक रूप से जांचा जाता है: क्षेत्र 0.5 से 2 क्षेत्रों तक, एक उत्तल चतुर्भुज, और समर्थन बिंदु प्रत्येक अक्ष पर कम से कम एक चौथाई क्षेत्र को घेरने चाहिए - अन्यथा परिणाम को अस्वीकार कर दिया जाता है, और कंसोल पर "सर्किट नहीं मिला" लिखा जाता है।

4.5. क्षेत्र के अनुसार छवि: सामान्य और उसके सिंथेटिक डेटा

"ज़ोन-पेयर: क्षेत्र-आधारित सुविधा का मुख्य कार्य: यह लाइव छवि को क्षेत्रों में विभाजित करता है, प्रत्येक क्षेत्र के स्निपेट को उसके संबंधित वर्ग zone_NNN में रखता है, और सिंथेटिक डेटा सामान्य जोड़ता है। सिंथेटिक डेटा सामान्य, वास्तविक डेटा की विसंगति नहीं है, बल्कि यह कुछ मामूली अंतरों को दर्शाता है, जैसे कि कैमरा थोड़ा गलत तरीके से लगाया गया है, प्रकाश थोड़ा अलग है, या सेंसर में शोर है।

4.6. सिंथेटिक डेटा दो क्लिक में: तत्व आधार के साथ स्थानांतरित होता है

दो क्लिक

अब और कुछ करने की आवश्यकता नहीं है: न तो दोषों को चिह्नित करना है, और न ही दोषपूर्ण सर्किट ढूंढना है। इसके बाद, AI मॉडल को प्रशिक्षित करें।

पहले और बाद में: प्रोग्राम क्या हासिल करता है

ये फ़ोल्डर, उपयोगकर्ता द्वारा देखे गए असामान्य तत्वों को दर्शाते हैं।

4.5 अनुभाग में सामान्य फ़ोल्डरों के साथ तुलना करें: अंतर केवल आधार के सापेक्ष तत्वों की स्थिति में है।

तत्वों का लेबलिंग: "गहरा" निशान क्यों है और इसे कैसे सेट किया जाता है

भागों के परतों पर एक लेबल होता है - 1-2 पिक्सेल की मोटाई वाले अक्षरों और रेखाएँ। यह लेबल एक बैच से दूसरे बैच में बदलता रहता है: अलग-अलग फ़ॉन्ट, कैपेसिटर पर लिखे अक्षरों की दिशा, कुछ प्रतीकों को मिटा दिया जाता है। यदि "खरोंच" जैसी कृत्रिम दोष को इसी तरह की पतली रेखा से दर्शाया जाता है, तो सेंसर इसे लेबल की रेखा और सेंसर की शोर से अलग नहीं कर पाएगा और दूसरे बैच के सही भागों को अस्वीकार करना शुरू कर देगा।

सिंथेटिक डेटा ज़ोन-पेयर इस समस्या को दोनों तरफ से हल करता है। पहले, मुख्य दोष - तत्व का विस्थापन - लेबल को शरीर के साथ ले जाता है, इसलिए लेबल एक सामान्य और असामान्य दोनों स्थितियों में समान दिखता है। दूसरे, डिफ़ॉल्ट रूप से खींचा गया रेखा/खरोंच मोटा (⅛ क्षेत्र, 3px से कम नहीं) होता है और यह स्पष्ट रूप से लेबल की रेखा जैसा नहीं होता। अब, रेखा की मोटाई को स्पष्ट रूप से परिभाषित किया जा सकता है: रेखा की मोटाई, px (0 = ऑटो) फ़ील्ड रेखा और क्रॉस दोनों पर लागू होता है।

चित्रित दोष (जैसे कि आयत, वृत्त, रेखा, "गायब तत्व", धुंधली пятन और अन्य) को एक संकुचित समूह में व्यवस्थित किया गया है: "उत्पादित क्षेत्र पर सिंथेटिक दोष"। डिफ़ॉल्ट रूप से, यह संकुचित और अक्षम होता है: बोर्ड पर मुख्य दोष - विस्थापन। इसे विशिष्ट कार्यों के लिए चालू करें: भरा हुआ क्षेत्र, अतिरिक्त बूंद, मिटा हुआ लेबल।

4.7. क्षेत्र में विसंगतियाँ: सेटिंग विंडो

"ज़ोन-पेयर: असामान्य क्षेत्र" बटन सामान्य कटआउट से zone_NNN_anomaly कक्षाएं बनाता है। सभी क्षेत्र, सिवाय लाल (AI मॉडल के फ्रेम पर क्लिक करके बंद किए गए) क्षेत्रों को शामिल किया जाता है। असामान्यताओं की कक्षाएं हर जगह आवश्यक नहीं हैं: उन्हें केवल उन क्षेत्रों के लिए जोड़ें जहां वास्तव में दोष मौजूद है, जबकि अन्य क्षेत्रों को मॉडल पहचान के माध्यम से जांचा जाएगा।

4.8. संदर्भ छवि के साथ क्षेत्र: सोल्डरिंग प्लेट और क्षेत्र संपादक

"संदर्भ छवि के साथ क्षेत्र" बटन, जो पहले से सहेजी गई सर्किट बोर्ड की संदर्भ छवि को खोलता है, जिसमें ग्रिड शामिल है। यहां, कैमरा के बिना सिंथेटिक डेटा बनाया जा सकता है: पहिया - ज़ूम, दाहिना बटन - पैन, बायां - क्षेत्र का चयन (Ctrl - जोड़ें, खींचें - सीमा के साथ, Ctrl+A - सभी), डबल क्लिक - क्षेत्र संपादक।

• चुने हुए क्षेत्रों के लिए सोल्डरिंग नट्स… — "सोल्डरिंग नट्स: ट्रैक के बीच शॉर्ट सर्किट" नामक विंडो। यह प्रोग्राम स्वचालित रूप से क्षेत्र में ट्रैक (ओत्ज़ की सीमा, 2px या उससे अधिक चौड़ी हल्के पट्टियाँ) ढूंढता है, और आसन्न ट्रैकों के बीच एक अंतराल में सोल्डरिंग नट लगाता है, जो ट्रैकों के रंग, एक गहरे किनारे और चमक के साथ होता है। सेटिंग्स: ऊर्ध्वाधर या क्षैतिज ट्रैकों के बीच, 1 से 3 तस्वीरों पर सोल्डरिंग नट्स, क्षेत्र के 8 से 18% का आकार, क्षेत्र के लिए 5 तस्वीरें, जहाँ लगाना है - विसंगति में या सामान्य में, सतह पर प्रकाश, val - एक नई तस्वीर जिसमें अलग प्रकाश हो या सटीक प्रतिलिपि।
• क्षेत्र संपादक: ब्रश, पिपेट, रंग से दाग, क्षेत्र की प्रतिलिपि, सम्मिलित करें, स्टैम्प, प्लेट क्षेत्र; "सल्डर / क्षेत्र", "प्लेट", "छाया / मास्क", सफेद, काला; "प्रतिलिपि" फ़ील्ड और छवि बनाएँ बटन। इस प्रकार, एक दोष बनाया जाता है जो पहले रेखा पर मौजूद नहीं था: भरा हुआ क्षेत्र, अतिरिक्त तत्व, गायब लेबल।

एडिटर की फाइलें "edit_…" जैसे नामों से जानी जाती हैं और ये या तो "ज़ोन" श्रेणी में या फिर इसके किसी "असामान्य" पहलू में वर्गीकृत होती हैं। "इंस्पेक्ट" टैब में, वही विंडो खुलती है, लेकिन केवल देखने के लिए।

4.9. मॉडल का प्रशिक्षण

"AI मॉडल" टैब में "प्रशिक्षण सेटिंग्स" को स्वचालित रूप से पहली बार स्कैन के बाद क्षेत्रों के अनुसार भर दिया जाता है: इमेज साइज़ 128, मॉडल साइज़ s, एपोच 50, बैच 64। ये मान 108-137 पिक्सेल के क्षेत्रों के लिए हैं। 256 पिक्सेल के क्षेत्रों के लिए, जैसा कि उदाहरण में दिखाया गया है, इमेज साइज़ 192 या 256 सेट करें - इस स्थिति में कट लगभग सिकुड़ नहीं होगा (मुख्य विंडो में एपोच 100 और इमेज साइज़ 192 सेट हैं)। मूल्यों की जांच करें और "AI मॉडल को प्रशिक्षित करें" पर क्लिक करें।

5. निरीक्षण

पूरा काम "Inspect" टैब पर होता है। मॉडल को प्रशिक्षण के बाद पहले से ही सेट कर दिया गया है; अब आपको क्षेत्रों की जांच करनी है, सीमा निर्धारित करनी है, गति का स्रोत चुनना है, और यदि भुगतान किसी भी स्थिति में आता है, तो लाइव कन्वेयर को चालू करना है।

5.1. मॉडल और क्षेत्रों को निर्दिष्ट करें और जांचें

5.2. क्षेत्र की पहचान सीमा

प्रत्येक क्षेत्र के लिए, नेटवर्क सभी वर्गों की संभावनाएँ प्रदान करता है, लेकिन निर्णय केवल दो वर्गों के बीच लिया जाता है। सामान्य संभावना q = p(zone_N) / (p(zone_N) + p(zone_N_anomaly)) को "पहचान" से गुणा किया जाता है - यानी, क्या दो वर्गों ने नेटवर्क से निकलने का रास्ता वास्तव में लिया है (यदि पूर्ण पहचान 10% या उससे अधिक है)। अंतिम मूल्यांकन 0…100% की तुलना एक सीमा से की जाती है: यदि यह सीमा से ऊपर है, तो यह "सामान्य" होगा, और यदि यह सीमा से नीचे है, तो यह "असामान्य" होगा।

डिफ़ॉल्ट सीमा 50% है, जो मॉडल के साथ board.json में संग्रहीत होती है और तुरंत लागू होती है, बिना रीस्टार्ट किए। 50% से कम सीमा को सामान्य रूप से और अधिक लागू किया जाता है: 25% → 6% का कट-ऑफ, 10% → 0.4%, 1% → लगभग सभी हरे; 99% केवल आत्मविश्वास वाले क्षेत्रों को ही पास करते हैं। इस पैमाने का उपयोग यह सुनिश्चित करने के लिए किया जाता है कि ऑपरेटर 5% और 99% के बीच के अंतर को देख सके, न कि केवल लाल क्षेत्रों को।

5.3. लाइव पाइपलाइन: किसी भी स्थिति में

लाइव कन्वेयर: किसी भी स्थिति में प्लेट की खोज में, प्रत्येक विश्लेषण से पहले प्लेट को संरेखण क्षेत्र में खोजने की प्रक्रिया शामिल है: एक फ्रेम को संदर्भ छवि के साथ मिलाया जाता है, संयुक्त छवि से क्षेत्र काटे जाते हैं, और वीडियो में संरेखण क्षेत्र और क्षेत्रों की सीमाएं (हरे - सामान्य, लाल - असामान्य) चिह्नित की जाती हैं। अवधि, मिलीसेकंड फ़ील्ड, प्लेट को कितनी बार खोजा जाए, यह निर्धारित करता है (डिफ़ॉल्ट रूप से 1000, तस्वीर में 2000)। आस-पास का इंडिकेटर: हरा "सामान्य · N बिंदु", लाल "असामान्य · N बिंदु", नारंगी "प्लेट नहीं मिली" या "कोई संदर्भ छवि नहीं - रिकॉर्ड करें"। निर्णय एक विश्लेषण पर आधारित होता है, बिना किसी जानकारी को जमा किए।

संदर्भ छवि और संरेखण क्षेत्र को उसी बटन संदर्भ छवि को लॉक करें के माध्यम से लॉक किया जाता है, जैसा कि शूटिंग के दौरान किया जाता है (अनुभाग 4.4); संदर्भ छवि और क्षेत्र इसे देखने के लिए खोलता है। वीडियो में संरेखण क्षेत्र की सीमाएं और नीले समर्थन बिंदु दर्शाए जाते हैं, जिन पर भुगतान मेल खाता है। संरेखण के बाद फ्रेम के किनारों से बाहर निकलने वाले क्षेत्रों को SKIP लेबल के साथ छोड़ दिया जाता है।

5.4. किस सिग्नल पर विश्लेषण करना है

'टेम्प' का स्रोत हमेशा एक ही होता है: जब एक नया स्थापित किया जाता है, तो पुराना हटा दिया जाता है।

5.5. पीले क्षेत्र: क्लिक करके क्षेत्र को बंद करें

लाइन पर, कुछ क्षेत्रों को अस्थायी रूप से नियंत्रण से बाहर करने की आवश्यकता हो सकती है: यह इसलिए हो सकता है क्योंकि कोई घटक इस बैच में स्थापित नहीं है, या कोई क्षेत्र किसी उपकरण से अवरुद्ध है, या सिस्टम का परीक्षण चल रहा है। इसके लिए, आपको ग्रिड या मॉडल को संपादित करने की आवश्यकता नहीं है; क्षेत्र सीधे वीडियो पर, केवल "निरीक्षण" टैब पर, निष्क्रिय किए जा सकते हैं।

"पीले क्षेत्र क्या करते हैं, यह सामान्य चेकबॉक्स पीले (क्लिक करके अक्षम) क्षेत्र चुप रहते हैं आउटपुट विंडो में "ऑडियो" टैब पर (डिफ़ॉल्ट रूप से सक्षम):"

5.6. स्क्रीन और कंसोल पर क्या दिखाई देता है

• क्षेत्र के ऊपर परिणाम दर्ज किया गया है; क्षेत्र का ढांचा - रंग के अनुसार, जब कोई ट्रिगर सक्रिय होता है तो यह लाल रंग का होता है। जब 50 से अधिक क्षेत्र होते हैं, तो केवल हरे रंग का ढांचा दिखाई देता है, जबकि असामान्य और अनिश्चित क्षेत्र लाल रंग में दर्शाए जाते हैं। प्रत्येक फ्रेम में सैकड़ों क्षेत्रों के कारण, चित्र को पढ़ना और रेंडर करना मुश्किल हो गया था। पीले रंग के क्षेत्र को क्लिक करके बंद किया जा सकता है (अनुभाग 5.5)।
• नीचे दिए गए "ट्रिगर द्वारा विश्लेषण" पैनल में, टैब का निचला भाग प्रत्येक ट्रिगर इवेंट को एक पंक्ति में दिखाता है: `[घंटे:मिनट:सेकंड.मिलीसेकंड] कैमरा इनपुट + ट्रिगर 4 मिलीसेकंड | एआई 12 मिलीसेकंड #57` और प्रत्येक क्षेत्र के लिए परिणाम। ये पंक्तियाँ डेटाबेस में नहीं लिखी जाती हैं।
• वीडियो में किसी क्षेत्र पर राइट-क्लिक करने पर: "इस क्षेत्र में 'क्लास' → इसे '…' के रूप में मानें" इस क्षेत्र के लिए मॉडल की प्रतिक्रिया का नाम बदल देता है (यह मॉडल को नहीं बदलता, लेकिन रिजेक्टर और लॉग में एक नया नाम दिखाई देगा); साथ ही, "इस क्षेत्र के लिए रिजेक्टर बनाएं" और नियमों की गणना भी।
• जांच के चित्रों को सहेजें: निरीक्षण के चित्रों और फ़ाइलों को सहेजने का विकल्प। "फ़ोल्डर:" विकल्प में, उन फ़ाइलों को सहेजा जाएगा जिनमें चित्रित क्षेत्र शामिल हैं, और उनका फ़ाइल एक्सटेंशन "inspect_….jpg" होगा। प्रत्येक कैमरे के लिए यह सेटिंग अलग-अलग होती है।
• हर 10 मिनट में, "diag" नामक उप-फ़ोल्डर में, एक लाइव कन्वेयर बेल्ट की फ़्रेम और क्षेत्रों की एक टेक्स्ट सूची लिखी जाती है, और अंतिम 20 फ़ोटो संग्रहीत की जाती हैं - ताकि विवादित मामलों की जांच बिना फ़ोल्डर के आकार में वृद्धि के की जा सके।

6. ट्रिगर: कैमरे के इनपुट पर बाहरी सेंसर

मुख्य मोड: कन्वेयर के लिए, कैमरा सेंसर के एक निश्चित इनपुट से विद्युत सिग्नल के माध्यम से एक फ्रेम कैप्चर करता है। यह सबसे सटीक फ्रेम कैप्चरिंग का क्षण है: उत्पाद हमेशा एक ही फ्रेम में होता है, और विश्लेषण केवल एक बार उत्पाद पर किया जाता है। विंडो "ट्रिगर" सेंसर और कैमरे के बीच के कनेक्शन को एकत्र करता है और चयनित कनेक्टर के तहत कनेक्शन का एक आरेख बनाता है।

कनेक्टरों का विवरण

7. आउटपुट: रिजेक्टर, कैमरे के डिस्क्रीट आउटपुट और टीसीपी

रिजेक्टर निरीक्षण के परिणाम को कार्रवाई में बदल देता है। यह नियम किसी विशिष्ट क्षेत्र (या मॉडल, वर्ग या चिह्नित क्षेत्रों में सभी क्षेत्रों पर) पर बनाया जाता है और तब सक्रिय होता है जब मॉडल उस क्षेत्र में निर्दिष्ट वर्ग को देखता है। क्रियाएं तीन हैं: कैमरे को या तो एक रोबोट या पीएलसी को एक TCP-पैकेट भेजना, कैमरे के डिजिटल आउटपुट को बदलना और ऑपरेटर को एक ध्वनि चेतावनी देना। प्रत्येक सक्रियण को लॉग में दर्ज किया जाता है।

7.1. आउटपुट: संपर्क और टेस्टर के साथ जांच

वीडियो पर स्थित "बाहर" बटन एक सूचनात्मक विंडो खोलता है, जो कुछ भी कॉन्फ़िगर नहीं करता है। यह दिखाता है कि किस संपर्क पर आउटपुट है, इसे बिना बिजली के टेस्टर से कैसे जांचा जाए, और लोड को कैसे कनेक्ट किया जाए।

• आउटपुट - "ड्राई कॉन्टैक्ट" वाला ऑप्टोपार: यह अपनी वोल्टेज नहीं देता, बल्कि केवल सर्किट को पूरा करता है। बाहरी पावर स्रोत की आवश्यकता होती है।
• टेस्टर का उपयोग करके जांच: आउटपुट बंद - खुले सर्किट (OL), चालू - सैकड़ों ओम। ज़ूमर दोनों मामलों में चुप रहता है, इसलिए संख्याएं देखें। यदि कुछ नहीं बदलता है - तो щуप्स को पलट दें, ऑप्टोपार ध्रुवीकृत है।
• भार: +24 В → लैंप → पिन «+», पिन «−» → GND। HIKROBOT के लिए 25 mA — सीमा: 27 mA पर सिग्नलिंग उपकरण, यदि इससे अधिक है, तो बिजली कम करें या एक इंटरमीडिएट रिले लगाएं। SICK के लिए, 20–30 mA पर लैंप सीधे कनेक्ट किया जा सकता है।

7.2. आउटपुट विंडो: क्षेत्र के लिए नियम

दाएं पैनल पर स्थित "OUTPUT" बटन (या क्षेत्र पर राइट-क्लिक करके → "इस क्षेत्र के लिए रिजेक्टर बनाएं") "OUTPUT - TCP-पैकेट और कैमरों की डिस्क्रीट आउटपुट" विंडो खोलता है। बाईं ओर, "कैमरे → AI मॉडल → कक्षाएँ → क्षेत्र" ट्री, जिसमें क्षेत्रों पर चेक शामिल हैं; दाईं ओर, "क्षेत्र के नियम", "ट्रिगर लॉग", और "डेटाबेस" टैब।

एक क्षेत्र कई TCP नियमों (विभिन्न रिसीवर) को धारण कर सकता है, लेकिन एक वर्ग के लिए केवल एक डिस्क्रीट आउटपुट नियम और एक वर्ग के लिए केवल एक ध्वनि अनुमति है। नियम डेटाबेस में संग्रहीत होते हैं और इन्फेरेंस स्ट्रीम से काम करते हैं: नियम मेमोरी में संग्रहीत होते हैं, एक क्षेत्र के पते पर एक खोज प्रत्येक फ्रेम में की जाती है, और सॉकेट और कैमरे के SDK को एक अलग फ़्लो-मैनेजर द्वारा संभाला जाता है ताकि विश्लेषण नेटवर्क पर निर्भर न रहे।

7.3. TCP पैकेट रोबोट या पीएलसी को

यह प्रोग्राम TCP-क्लाइंट के रूप में काम करता है: यह IP-एड्रेस और पोर्ट वाले रिसीवर से कनेक्ट होता है, कनेक्शन को खुला रखता है और उसका पुन: उपयोग करता है। जब कनेक्शन टूट जाता है, तो यह एक बार पुनः कनेक्ट करने और पुनः प्रयास करने का प्रयास करता है। स्ट्रिंग UTF-8 में CR+LF के साथ समाप्त होती है।

एक संरचित टेम्पलेट का उदाहरण: zoneId={zoneId};zone={zone};class={class};conf={conf};camera={camera};model={model};time={time};date={date};data={data}. संख्याएँ हमेशा एक निश्चित प्रारूप में होती हैं ताकि "87,6" जैसे मान PLC द्वारा संसाधित न किए जा सकें।

• कनेक्शन की जांच केवल सॉकेट को खोलता है और "कनेक्शन स्थापित" या "N मिलीसेकंड के बाद कोई प्रतिक्रिया नहीं" बताता है।
• टेस्ट भेजना वास्तव में एक स्ट्रिंग भेज रहा है; परिणाम बटन के बगल में दिखाई देता है, न कि विंडो में।
• पुष्टि करना। यदि "पुन: भेजें" विकल्प में टिक न हो, तो यह एक ही पैकेज भेजता है जब श्रेणी बदलती है, और जब तक रिसीवर "ok <पैकेज>" लिखकर जवाब नहीं देता, तब तक यह पैकेज को बार-बार भेजता रहता है। यदि टिक हो, तो यह एक निश्चित अंतराल पर पैकेज को भेजता रहता है, जब तक कि श्रेणी बनी रहती है।
• "अंतिम कमांड जीतती है": यदि मॉडल ने कुछ परिणाम दिए हैं, जबकि ऑपरेटर व्यस्त है, तो अंतिम परिणाम सफल होगा। कतार 512 कार्यों तक सीमित है।

7.4. कैमरे से अलग-अलग आउटपुट

"बाहर की सुविधा चालू करें, बाहर की सुविधा बंद करें, इम्पल्स की जांच एक टेस्टर या लैंप का उपयोग करके की जाती है; कैमरा क्या कर सकता है सभी तरीकों का पता लगाता है और रिपोर्ट तैयार करता है। मैनुअल परीक्षण उसी जर्नल में लिखे जाते हैं।

7.5. ध्वनि चेतावनी: प्रत्येक क्षेत्र के लिए अलग ध्वनि

तीसरी प्रकार का नियम - कंप्यूटर पर प्रोग्राम के माध्यम से ध्वनि। ऑपरेटर को स्क्रीन देखने की आवश्यकता नहीं है: ध्वनि के संकेत के माध्यम से, वे सुनते हैं कि क्षेत्र दोष में चला गया है, और विभिन्न क्षेत्रों की अलग-अलग ध्वनियाँ बताती हैं कि यह कहाँ है। यह ध्वनि USB और RTSP जैसे सभी कैमरों के लिए उपलब्ध है, जिनमें अलग-अलग आउटपुट नहीं हैं।

7.6. क्रियान्वयन लॉग और डेटाबेस

"सक्रियता लॉग" टैब में पिछले 300 रिकॉर्ड प्रदर्शित होते हैं, जिनमें निम्नलिखित जानकारी पंक्तियों में दिखाई जाती है: "घंटे:मिनट:सेकंड.मिलीसेकंड ✔/✖ कैमरा · मॉडल · श्रेणी · क्षेत्र → क्रिया [संदेश]।" यह जानकारी वास्तविक समय में अपडेट होती रहती है। यहां "अपडेट करें" और "लॉग साफ़ करें" जैसे बटन उपलब्ध हैं।

टैब (Tab) डेटाबेस।यह प्रोग्राम सभी डेटा को एक SQLite फ़ाइल में संग्रहीत करता है। rejectors.db "exe" फ़ाइल के बगल में कोई अलग सेवा नहीं है, पोर्ट काम नहीं कर रहा है, और कुछ भी स्थापित करने की आवश्यकता नहीं है। तालिकाएँ: "सेटिंग्स" (सेटिंग्स), "कैमरा" (कैमरा प्रोफाइल)। camera_models (कैमरों पर मौजूद मॉडल), क्षेत्र (क्षेत्रों के नाम और ज्यामिति), अस्वीकारकर्ता (नियम)। reject_log (पत्रिका) camera_param_files (कैमरों के मापदंडों की प्रतियां), camera_presets (कैमरों की सेटिंग्स के समूह)। डेटाबेस की एक प्रति सहेजें... यह उपकरण VACUUM INTO कमांड का उपयोग करके, सीधे चल रहे डेटाबेस का एक संपूर्ण स्नैपशॉट (नकल) बनाता है। डेटाबेस को कॉपी से लोड करें... यह प्रक्रिया पहले मौजूदा डेटा को सुरक्षित रखती है और फिर उसे पुनर्स्थापित करती है। आप DBeaver प्रोग्राम को बंद किए बिना, डेटाबेस को DBeaver में देख सकते हैं; हालांकि, डेटाबेस में बाहर से सीधे बदलाव करने की सलाह नहीं दी जाती है।

8. अन्य मोड और कार्य

सामान्य मॉडल: सामान्य / असामान्य और किसी भी श्रेणी।

उसी संपादक ROI का उपयोग सामान्य वर्गीकरण के लिए भी किया जा सकता है: गोलियां, ढक्कन, लेबल, और लॉट में मौजूद हिस्से। कक्षाएं "नया AI मॉडल" संवाद में निर्धारित की जाती हैं (डिफ़ॉल्ट रूप से normal और anomaly, नाम लैटिन अक्षरों में), क्षेत्र उत्पादों पर सेट किए जाते हैं, और "छवि बनाएं" बटन पर 1...50 के साथ, कैमरा (फ्रेम/स्लॉट) या एन्कोडर के माध्यम से, "छवियां बनाएं" श्रृंखला। "AI के लिए सिंथेटिक डेटा": सटीक 90°/180° के कोण, 360° का पूर्ण घूर्णन, चरण और सीमा के साथ, दर्पण, "डिग्री के अनुसार कक्षाएं" (प्रत्येक कोण को TCP के माध्यम से भेजा जाता है), चमक और कंट्रास्ट की सीमाएं। प्रशिक्षण - अल्ट्रालायटिस के पूर्ण ऑगमेंटेशन के साथ। इन मॉडलों के लिए आत्मविश्वास सीमा को "Inspect" टैब पर, ज़ोन-पेयर के समान ही स्थान पर निर्धारित किया जाता है।

बहु-मॉडल निरीक्षण (स्लॉट 1-20)

एक कैमरे में 20 मॉडल तक रखे जा सकते हैं: "ONNX को स्लॉट में जोड़ें", फिर "ROI → चयनित मॉडल में क्लास जोड़ें" - प्रत्येक मॉडल के लिए स्लॉट में अलग-अलग क्षेत्र चिह्नित किए जाते हैं, और सभी मॉडलों के परिणाम एक ही फ्रेम पर दिखाई देते हैं।

जब बहु-शैली दृष्टिकोण का उपयोग किया जाता है:

सीमा, विश्लेषण की गति, पीले क्षेत्र और रिजेक्टर के नियम सभी कैमरों के मॉडलों पर लागू होते हैं। "मॉडल हटाएं" बटन स्लॉट को साफ़ करता है और इसलिए पुष्टि मांगता है; "चुना हुआ हटाएं" एक मॉडल को स्लॉट से हटा देता है, लेकिन उसके फ़ाइलें और क्षेत्र डेटाबेस में बने रहते हैं।

सामान्य मॉडल

"सामान्य मॉडल" बटन "कैमरा → मॉडल" के सेट को निम्नलिखित नामों से सहेजता है: वर्तमान मॉडलों से बनाएं, सभी कैमरों पर लागू करें, वर्तमान से अपडेट करें, नाम बदलें, सेट हटाएं. आठ कैमरों से किसी अन्य उत्पाद में बदलाव करना एक ही विकल्प है। सेट को हटाने से केवल समूह हट जाता है: फ़ोल्डर, ONNX, क्षेत्र और नियम बरकरार रहते हैं। क्षेत्र "कैमरा + मॉडल" के जोड़े से संबंधित हैं: आठ कैमरों पर एक मॉडल - आठ स्वतंत्र लेबल।

कन्वेयर पर एन्कोडर और रिजेक्टर

COM-पोर्ट पर एन्कोडर वाले लाइनों के लिए (115200, ESP32): एन्कोडर कनेक्ट करें, ऑटो-कनेक्शन, स्थिति, शॉट की लंबाई और सुधार, शून्य सेट करें + शॉट लें। प्रशिक्षण और विश्लेषण के लिए "एन्कोडर के माध्यम से" शॉट लेना संभव है, जिससे उत्पाद के मार्ग पर फ्रेम समान रूप से होते हैं। पुराना रिजेक्टर समय के साथ, देरी और स्पैम विरोधी के रूप में, एन्कोडर कंट्रोलर पर REJECT कमांड भेजता है।

वीडियो और छवियों का रिकॉर्ड

सेटिंग्स टैब: सक्रिय कैमरे से वीडियो रिकॉर्डिंग शुरू करें और इसे `record_तारीख_समय.avi` (MJPG, कैमरे की वास्तविक फ्रेम प्रति सेकंड दर) फ़ाइल में सहेजें। प्रशिक्षण के लिए तस्वीरें `real_….jpg` प्रारूप में होंगी, और निरीक्षण के लिए तस्वीरें `inspect_….jpg` प्रारूप में होंगी, जिनमें चिह्नित क्षेत्र होंगे।

9. सेटिंग्स, कंसोल, आवश्यकताएं और लाइसेंस

Settings

• फ़ाइल में सहेजें / फ़ाइल से लोड करें - सभी सेटिंग्स (कैमरा, मॉडल, नियम) JSON प्रारूप में, जो कि रीइंस्टॉलेशन या दूसरे कंप्यूटर पर स्थानांतरित करने से पहले उपयोगी है। मूल स्रोत - डेटाबेस, JSON - डेटाबेस अनुपलब्ध होने की स्थिति में एक सुरक्षा उपाय। प्रत्येक सेटिंग्स में किए गए बदलाव स्वचालित रूप से सहेजे जाते हैं।
• शुरुआती सेटिंग्स को रीसेट करना - यह अपरिवर्तनीय है: यह कॉन्फ़िगरेशन और विंडो लेआउट को हटा देता है।
• इंटरफेस की भाषा - 14 भाषाएं; मुख्य विंडो तुरंत स्विच हो जाती है, जबकि अन्य विंडो अगली बार खुलने पर दिखाई देती हैं।
• सभी विंडो की स्थिति, आकार और मॉनिटर, विभाजकों की स्थिति - डेटाबेस में संग्रहीत हैं; जब मॉनिटर बंद होता है, तो विंडो दृश्य क्षेत्र में वापस आ जाती है।

Console

"कैमरा" और "ट्रिगर" पर चिह्नित विकल्प डिफ़ॉल्ट रूप से अक्षम हैं और संबंधित संदेशों को प्रदर्शित करते हैं (कैमरे के संदेश "ट्रिगर" मोड में जाते हैं); सभी डेटा, फिल्टर तक, फ़ाइलों logs\engiai-*.log में लिखा जाता है। कंसोल को बिना किसी रुकावट के हफ्तों तक चलने के लिए डिज़ाइन किया गया है: स्क्रीन पर 800 पंक्तियाँ प्रदर्शित होती हैं, और 1000 पुरानी पंक्तियों को हटा दिया जाता है; नई पंक्तियाँ प्रति सेकंड 4 बार एकत्र की जाती हैं, न कि एक-एक करके; नीचे की ओर स्क्रॉलिंग चालू है जब तक कि आप स्वयं ऊपर की ओर स्क्रॉल न कर लें; कंसोल में कोई ध्वनि नहीं है। क्षेत्र के वर्गीकरण को प्रति सेकंड 10 पंक्तियों से अधिक नहीं लिखा जाता है (शेष को एक काउंटर में रखा जाता है), लॉग फ़ाइल 20 एमबी तक की होती है, 14 दिनों से पुरानी फ़ाइलें शुरू होने पर हटा दी जाती हैं, लॉग में पिछले 20,000 रिकॉर्ड संग्रहीत होते हैं। बिना संसाधित त्रुटियाँ crash.log में, जबरन बंद करने के कारण runtime.log के पास स्थित हैं। यदि कुछ ठीक से काम नहीं कर रहा है, तो सबसे पहले यहां देखें।

आवश्यकताएं

लाइसेंस और परीक्षण मोड

जब प्रोग्राम शुरू होता है, तो यह engi.live नामक लाइसेंस सर्वर से संपर्क करता है; केवल हार्डवेयर और संस्करण की पहचान के हैश भेजे जाते हैं, बिना किसी सीरियल नंबर या उपयोगकर्ता के नाम के। यदि सर्वर उपलब्ध नहीं है और अनुमति कैश में है, तो प्रोग्राम कैश का उपयोग करके काम करता है (इंटरनेट के बिना लाइनों के लिए)। बिना लाइसेंस के, 20 मिनट की परीक्षण अवधि सक्रिय होती है: विंडो के शीर्षक और "परीक्षण एमएम:СС" पंक्ति में एक काउंटर चलता है, और "सेटिंग्स" टैब पर "खरीदें" बटन खरीदारी पृष्ठ खोलता है। जब लाइसेंस सक्रिय होता है, तो काउंटर सक्रिय नहीं होता।

10. संक्षिप्त चेकलिस्ट और समस्या निवारण

शून्य से शुरुआत के लिए चेकलिस्ट

यदि कुछ गलत हो गया

engiAI Ethernet System। बटन और फ़ील्ड के नाम आपके भाषा में जिस तरह से प्रदर्शित होते हैं, उसी तरह दिए गए हैं (स्क्रीनशॉट - रूसी इंटरफ़ेस से)। स्क्रीनशॉट मॉडल "model_4" पर लिए गए हैं (दो 256x256 क्षेत्र: C30 कैपेसिटर और BR1 ब्रिज), USB कैमरा 3264x2448, मॉडल ग्रे शेड्स में प्रशिक्षित किया गया है। संपादन 3, सितंबर 2026: दो क्षेत्रों का उदाहरण, मॉडल के फ़ोल्डरों का निर्माण, संरेखण क्षेत्र, सिंथेटिक डेटा "आधार वाली वस्तु" के साथ "पहले / बाद" चित्रों, रंग पैलेट और रेखा की मोटाई, लाल क्षेत्र, कंसोल।