DeepVision-Web: ein AOI-Autopilot, der sich selbst prüft und nachstellt
Neuer Plan: Statt dass ich Fotos von Hand durchsehe, schickt ein Autopilot Handyfotos, Videos und Scans durch die echte App, prüft, ob jeder Bauteilrahmen wirklich auf seinem Bauteil sitzt, bewertet die Crops und stellt danach Schwellen, Referenzen und den Datensatz selbst nach. Von mir kommen nur noch ab und zu ein paar Labels vom Handy. Privates Projekt — nur vereinzelte Einblicke.
Angefangen hat es so: Auf leicht schrägen Handyfotos saßen die Bauteilrahmen oft nicht genau auf den Bauteilen. Eine einzige Pose für die ganze Platine kann Objektiv, Schräglage oder eine durchgebogene Platine nicht abbilden, also zeigte ein als OK bestätigter Crop manchmal leere Platine statt Bauteil. Dafür kommt ein lokales Korrekturfeld, und der Sitz jedes Crops wird gegen einen Referenzscan gemessen.
Daraus wird ein Kreislauf: Bilder durchlaufen lassen, Sitz messen (grün, gelb oder rot je Bild), Crops bewerten, nachstellen, wieder prüfen. Dabei hilft eine neue Datenbank mit Fotos von Ober- und Unterseite, mit guten Bauteilen und echten Fehlern. Die Unterseite bekommt so zum ersten Mal einen eigenen Datensatz.
Übernommen wird nichts blind. Jede Änderung muss vorher durch eine Regression: künstliche Handyfotos mit Schräglage, Verzeichnung, durchgebogener Platine, Unschärfe und wechselndem Licht, bei denen die wahre Lage jedes Bauteils bekannt ist; echte Fotos; ein Satz bestätigter Fehler und Fehlalarme; und die Labels vom Handy. Erst dann schreibt der Autopilot neue Schwellen und Referenzen, und ich bekomme den Bericht danach.
Als Fehler zählen: fehlendes oder falsches Bauteil, versetzt oder verdreht, Lötfehler und Fremdkörper. Wer um ein Viertel der Pad-Breite oder mehr daneben sitzt, gilt als versetzt. Ein Lauf dauert bis etwa 15 Minuten und startet, wenn ich ihn anstoße. Der Plan steht, gebaut wird als Nächstes, Schritt für Schritt.