System wizyjny do kontroli jakości pozwala automatycznie wykrywać wady, mierzyć wymiary, sprawdzać kompletność produktów oraz kontrolować ich położenie. Dobrze zaprojektowane rozwiązanie pracuje szybko, powtarzalnie i obiektywnie, dzięki czemu może ograniczać liczbę braków, reklamacji oraz kosztownych poprawek. Sam zakup kamery nie wystarczy jednak do uzyskania wiarygodnego wyniku. O skuteczności inspekcji decyduje cały układ obejmujący optykę, oświetlenie, sposób prezentacji produktu, algorytm, komunikację z maszyną oraz procedurę testowania. Każdy z tych elementów musi odpowiadać rzeczywistym warunkom pracy linii, wymaganiom jakościowym oraz planowanej wydajności produkcji.
W tym poradniku wyjaśniamy, jak działa przemysłowy system machine vision, czym różnią się rozwiązania 2D i 3D, jak dobrać rozdzielczość, obiektyw oraz światło, a także jak połączyć kontrolę z robotem i sterownikiem PLC. Pokazujemy również, jakie dane przygotować dla integratora i jak uniknąć błędów, które ujawniają się dopiero po uruchomieniu produkcji.
Czym jest system wizyjny do kontroli jakości?
System wizyjny to zestaw urządzeń i oprogramowania, który rejestruje obraz produktu, analizuje go według ustalonych kryteriów i przekazuje wynik do maszyny lub operatora. W najprostszym przypadku kamera sprawdza obecność jednego elementu. W bardziej zaawansowanym rozwiązaniu kilka kamer kontroluje geometrię, powierzchnię, kolor, kod, poprawność montażu oraz położenie produktu w przestrzeni.
Przemysłowa kontrola wizyjna różni się od zwykłego monitoringu. Nie służy wyłącznie do nagrywania obrazu. Jej zadaniem jest podjęcie powtarzalnej decyzji w wymaganym czasie cyklu. Wynikiem może być sygnał OK lub NOK, wartość pomiaru, współrzędne dla robota, rozpoznany kod albo informacja o rodzaju wykrytej wady.
Największą zaletą systemu jest możliwość sprawdzania każdego produktu bez zmęczenia i subiektywnej oceny. Człowiek może dobrze wykrywać nietypowe defekty, ale jego skuteczność spada przy monotonnej kontroli, zmianie oświetlenia i wysokim tempie linii. Kamera zachowuje ustalone parametry, a wynik można zapisać i powiązać z numerem partii. Warunkiem jest prawidłowe zdefiniowanie wady oraz zapewnienie stabilnych warunków obrazowania.
Jak działa automatyczna kontrola wizyjna?
Cykl rozpoczyna się od wykrycia produktu przez czujnik, enkoder lub sterownik maszyny. W odpowiednim momencie wyzwalane są kamera i oświetlenie. Krótki czas ekspozycji pozwala zamrozić ruch, natomiast dłuższa ekspozycja dostarcza więcej światła, ale może powodować rozmycie obrazu. Parametry trzeba dopasować do prędkości produktu i dostępnej ilości światła.
Następnie obraz jest przetwarzany. Oprogramowanie może wyrównać jasność, ograniczyć obszar analizy, znaleźć krawędzie, segmentować obiekt, odczytać kod, porównać wzór lub obliczyć wymiary. W systemach wykorzystujących uczenie maszynowe model szuka cech poznanych na przykładach. Niezależnie od metody końcowa reguła powinna jasno określać, kiedy produkt jest prawidłowy, kiedy wadliwy, a kiedy wynik pozostaje niepewny.
Po analizie decyzja trafia do PLC, robota albo układu odrzutu. Wadliwy produkt może zostać usunięty z przenośnika, zatrzymany do ponownej kontroli lub oznaczony. System może również zapisać zdjęcie, wynik pomiaru, czas, recepturę i numer partii. Taka identyfikowalność pomaga analizować przyczyny problemów, ale wymaga zaplanowania pojemności pamięci, okresu przechowywania danych oraz dostępu dla uprawnionych osób.
Co może sprawdzać system wizyjny?
Zakres kontroli powinien wynikać z rzeczywistego ryzyka jakościowego. Kamera może wykrywać brak śruby, uszczelki, etykiety lub innego komponentu. Może potwierdzać właściwą orientację części, sprawdzać kolejność elementów, obecność nadruku oraz zgodność wariantu produktu z aktualną recepturą.
Drugą grupą zastosowań są pomiary. Po wykonaniu kalibracji system może wyznaczać średnice, długości, kąty, odstępy, położenie otworów i tolerancje montażowe. Wynik nie zależy wyłącznie od liczby pikseli. Znaczenie mają jakość optyki, stabilność mechaniczna, perspektywa, głębia ostrości, temperatura oraz sposób bazowania detalu. Jeżeli wymagany jest wiarygodny pomiar, trzeba zaplanować wzorcowanie i okresowe sprawdzanie systemu.
Kolejna grupa to kontrola powierzchni. System może wykrywać rysy, pęknięcia, wgniecenia, zabrudzenia, odpryski, nieciągłości spoiny, ubytki powłoki lub różnice koloru. Takie zadania bywają trudniejsze od pomiaru krawędzi, ponieważ wygląd wady zmienia się wraz z materiałem i kierunkiem światła. Element błyszczący, przezroczysty albo silnie teksturowany wymaga szczególnie starannie dobranego oświetlenia.
Systemy wizyjne odczytują również kody 1D, 2D, oznaczenia bezpośrednie DPM oraz tekst metodą OCR. Pozwala to sprawdzić zgodność etykiety, numer partii, datę lub kolejność procesu. W aplikacjach robotycznych kamera może wskazywać współrzędne pobrania detalu, kontrolować orientację części i korygować trajektorię. Robotorium realizuje integrację systemów wizyjnych i czujników optycznych z liniami, maszynami oraz robotami.
Z jakich elementów składa się system wizyjny?
Podstawowym elementem jest kamera. Może to być kompaktowy czujnik wizyjny z wbudowanym oprogramowaniem, kamera inteligentna wykonująca analizę we własnym procesorze albo kamera współpracująca z komputerem przemysłowym. Wybór zależy od liczby zadań, wymaganej szybkości, rozdzielczości, liczby kamer i sposobu zarządzania danymi.
Obiektyw tworzy obraz na matrycy i decyduje o polu widzenia, powiększeniu, ostrości oraz zniekształceniach. Standardowy obiektyw wystarcza do wielu inspekcji obecności. Przy dokładnych pomiarach warto rozważyć optykę telecentryczną, która ogranicza zmianę pozornego wymiaru obiektu przy niewielkich różnicach odległości. Nie jest to jednak rozwiązanie potrzebne w każdej aplikacji.
Oświetlenie odpowiada za uwidocznienie cechy, a nie za estetyczny wygląd zdjęcia. Stosuje się między innymi światło pierścieniowe, kopułowe, liniowe, współosiowe, tylne i kierunkowe. Filtry polaryzacyjne mogą ograniczać refleksy, natomiast światło o dobranej barwie zwiększa kontrast pomiędzy materiałami lub nadrukami.
Do kompletnego systemu należą także uchwyty, osłony, przewody, wyzwalanie, komputer albo kontroler, oprogramowanie, komunikacja z PLC oraz mechanizm odrzutu. Konstrukcja musi chronić optykę przed drganiami, pyłem, mgłą olejową i przypadkową zmianą położenia. W praktyce właśnie mechanika oraz stabilność prezentacji produktu często decydują o skuteczności bardziej niż sama klasa kamery.
Kamera 2D, 3D czy rozwiązanie z AI?
Kiedy wystarczy system wizyjny 2D?
Kamera 2D analizuje jasność i kolor pikseli w płaskim obrazie. Dobrze sprawdza się przy kontroli obecności, krawędzi, nadruków, kodów, położenia oraz wymiarów widocznych w jednej płaszczyźnie. Jest zwykle prostsza, szybsza i tańsza od rozwiązania 3D. Jeżeli detal można powtarzalnie ustawić, a cechę da się pokazać za pomocą odpowiedniej optyki i światła, system 2D często będzie najlepszym wyborem.
Kiedy potrzebna jest wizja 3D?
System 3D rejestruje informację o wysokości lub kształcie przestrzennym. Może wykorzystywać triangulację laserową, światło strukturalne, stereowizję albo pomiar czasu przelotu. Rozwiązanie jest przydatne, gdy trzeba kontrolować wysokość, objętość, płaskość, deformację lub pozycję losowo ułożonych przedmiotów. Wizja 3D pomaga także robotowi pobierać części z pojemnika. Wymaga jednak większej ilości danych, odpowiedniego czasu pomiaru i kontroli wpływu powierzchni odbijających lub pochłaniających światło.
Kiedy zastosować sztuczną inteligencję?
Uczenie maszynowe jest przydatne przy wadach, których nie można łatwo opisać zestawem sztywnych reguł. Dotyczy to nieregularnych rys, zmian tekstury, naturalnych produktów i zmiennego wyglądu powierzchni. Model wymaga reprezentatywnych zdjęć dobrych oraz wadliwych produktów. Zbiór powinien obejmować normalną zmienność procesu, różne partie, dostawców i warunki pracy.
AI nie naprawi niewłaściwego oświetlenia ani źle ustawionej kamery. Jeżeli na obrazie nie widać wady, algorytm również jej wiarygodnie nie wykryje. Często najlepszy jest system hybrydowy: klasyczne narzędzia odpowiadają za pomiary i pozycję, a model uczy się wyglądu powierzchni. Przed decyzją warto wykonać testy systemu wizyjnego, czujników i peryferii na rzeczywistych próbkach.
Jak dobrać rozdzielczość, pole widzenia i optykę?
Dobór należy rozpocząć od najmniejszej cechy, którą system ma wykrywać, oraz od całego pola widzenia. Jeżeli kamera obserwuje obszar o szerokości 400 mm, a obraz ma 2000 pikseli w poziomie, na jeden piksel przypada około 0,2 mm. Nie oznacza to jeszcze, że system będzie niezawodnie wykrywał wadę o takim rozmiarze. Cecha powinna zajmować kilka pikseli, a potrzebny zapas zależy od kontrastu, szumu, optyki i algorytmu.
Większa rozdzielczość zwiększa ilość szczegółów, ale także czas przesyłania i przetwarzania obrazu. Może wymagać mocniejszego komputera, lepszego obiektywu i większej pamięci. Czasami lepszym rozwiązaniem są dwie kamery obserwujące mniejsze obszary niż jedna kamera o bardzo wysokiej rozdzielczości.
Trzeba sprawdzić odległość roboczą, dostępną przestrzeń, wymagany kąt obserwacji oraz głębię ostrości. Przysłona wpływa jednocześnie na ilość światła i zakres ostrości. Jej mocne zamknięcie zwiększa głębię, ale wymaga mocniejszego oświetlenia i może pogorszyć szczegółowość wskutek dyfrakcji. Parametry powinny być dobierane jako całość, nie niezależnie.
Przy porównywaniu kamer warto patrzeć nie tylko na liczbę megapikseli. Znaczenie mają rozmiar piksela, czułość, szum, zakres dynamiczny, szybkość odczytu i rodzaj migawki. Dane prezentowane zgodnie ze standardem EMVA 1288 ułatwiają obiektywne porównanie parametrów sensorów i kamer przemysłowych.
Dlaczego oświetlenie jest kluczowe?
Dobry system nie powinien liczyć na światło wpadające przez okno ani oprawy hali. Ich intensywność i kierunek zmieniają się w ciągu dnia, po otwarciu bramy albo po wymianie źródła światła. Oświetlenie inspekcyjne powinno tworzyć kontrolowane warunki, a w razie potrzeby obszar pomiaru należy osłonić od wpływu otoczenia.
Światło tylne tworzy wyraźny kontur i dobrze nadaje się do pomiaru krawędzi, średnic oraz szczelin. Oświetlenie kierunkowe pod małym kątem uwidacznia rysy i nierówności. Kopuła rozprasza światło na błyszczących, zakrzywionych powierzchniach. Oświetlenie współosiowe pomaga kontrolować płaskie elementy odblaskowe, a polaryzacja ogranicza refleksy na folii, metalu i tworzywach.
Należy także dobrać czas impulsu, moc i barwę. Krótki, intensywny błysk umożliwia zamrożenie szybkiego ruchu bez ciągłego nagrzewania lampy. Kolor światła może zwiększyć albo zmniejszyć kontrast wybranej cechy. Przed zakupem warto porównać kilka geometrii na detalach dobrych, granicznych i wadliwych. Symulacja komputerowa nie pokaże wszystkich odbić, zabrudzeń i różnic materiałowych.
Integracja systemu wizyjnego z robotem i sterownikiem PLC
System musi działać jako część procesu, nie jako osobna demonstracja. PLC przekazuje informację o recepturze, gotowości produktu i momencie wykonania zdjęcia. Kamera zwraca wynik, kod błędu lub dane pomiarowe. Sterownik decyduje następnie o zwolnieniu produktu, odrzucie, zatrzymaniu maszyny albo ponownej inspekcji.
Sekwencja powinna obsługiwać sytuacje wyjątkowe: brak obrazu, przekroczony czas analizy, nieznaną recepturę, zapełnienie pamięci, brak produktu w strefie odrzutu oraz utratę komunikacji. Sam sygnał NOK nie wystarcza. Trzeba mieć pewność, że odrzucony został dokładnie ten produkt, którego dotyczył wynik. Przy szybkich przenośnikach stosuje się śledzenie pozycji za pomocą enkodera lub rejestru kolejnych sztuk.
Kamera może również prowadzić robota. Po wykonaniu kalibracji przelicza położenie obiektu na współrzędne robota, który pobiera lub obrabia część. Stabilność zależy wtedy od sztywności mocowania, dokładności kalibracji i powtarzalności całego układu. Robotorium prowadzi kompleksową integrację robotów z procesami produkcyjnymi, obejmującą automatykę, oprzyrządowanie, testy i uruchomienie.
W bardziej rozbudowanych stanowiskach potrzebne jest odpowiednie programowanie sterowników PLC. Czytelne alarmy, diagnostyka i kontrolowany restart skracają przestoje. Operator powinien widzieć przyczynę błędu i zalecane działanie, ale nie powinien mieć możliwości przypadkowej zmiany progów jakościowych.
Jakie dane przygotować przed doborem systemu?
Najważniejsze są rzeczywiste próbki. Należy zebrać produkty prawidłowe, wadliwe i graniczne, najlepiej z kilku partii oraz zmian produkcyjnych. Każda wada powinna mieć nazwę, lokalizację, minimalny istotny rozmiar i jednoznaczną decyzję jakościową. Jeżeli dwaj doświadczeni kontrolerzy różnie klasyfikują tę samą sztukę, najpierw trzeba uzgodnić standard jakości.
Integrator potrzebuje informacji o takcie, prędkości ruchu, wariantach produktu, dostępnej przestrzeni, odległości roboczej, sposobie podawania oraz warunkach środowiskowych. Ważne są drgania, pył, wilgoć, temperatura, odbicia, możliwość zabrudzenia obiektywu i częstotliwość przezbrojeń. Trzeba też ustalić, czy produkt można na chwilę zatrzymać.
Należy określić dopuszczalny poziom fałszywego odrzutu oraz ryzyko przepuszczenia wady. Te dwa wskaźniki są ze sobą powiązane. Zbyt agresywny próg może zatrzymywać dobre produkty, a zbyt łagodny przepuszczać wadliwe. Kryteria odbioru powinny opisywać wyniki na reprezentatywnej partii, a nie na kilku starannie wybranych sztukach.
Jeżeli nie wiadomo, który proces ma największy potencjał, dobrym początkiem jest audyt techniczny zakładu. Szerszy proces przygotowania inwestycji opisuje również poradnik jak zacząć robotyzację produkcji krok po kroku.
Jak wygląda wdrożenie systemu wizyjnego krok po kroku?
- Definicja zadania. Zespół ustala wady, warianty produktu, takt, miejsce kontroli i oczekiwany sposób reakcji.
- Test wykonalności. Na próbkach porównywane są kamery, obiektywy, oświetlenie oraz algorytmy. Powstają pierwsze wyniki i lista ograniczeń.
- Koncepcja. Określane są położenie kamer, osłony, mechanika, wyzwalanie, komunikacja, odrzut, archiwizacja i dostęp operatora.
- Budowa oraz programowanie. Integrator przygotowuje konstrukcję, instalację, receptury, interfejs, alarmy i wymianę danych z maszyną.
- Test FAT. Przed dostawą sprawdzane są próbki, warianty, błędy, czasy cyklu, zmiana receptur i reakcje układu.
- Instalacja i SAT. System jest testowany w docelowym otoczeniu z rzeczywistą linią oraz operatorami.
- Stabilizacja. Po uruchomieniu analizuje się fałszywe odrzuty, przepuszczone wady, zabrudzenia i zmienność kolejnych partii.
Wdrożenie powinno zakończyć się dokumentacją, kopią konfiguracji, listą parametrów chronionych, planem konserwacji i szkoleniem. Użytkownik musi wiedzieć, jak zmienić recepturę, wyczyścić optykę, sprawdzić wzorzec i bezpiecznie zareagować na alarm.
Ile kosztuje system wizyjny do kontroli jakości?
Koszt zależy od liczby kamer, rozdzielczości, optyki, oświetlenia, rodzaju analizy, mechaniki, komputera, integracji z linią i sposobu archiwizacji. Prosty czujnik obecności jest nieporównywalny z wielokamerowym stanowiskiem 3D kontrolującym całą powierzchnię produktu. Dlatego wycena powinna dotyczyć kompletnego rezultatu, a nie ceny samej kamery.
W kalkulacji ROI należy uwzględnić ograniczenie reklamacji, braków, poprawek i ręcznej kontroli. Warto policzyć uniknięte zatrzymania klienta, szybsze wykrywanie rozregulowania procesu oraz wartość identyfikowalności. Trzeba odjąć koszty utrzymania, kalibracji, czyszczenia, części zapasowych i rozwoju nowych receptur.
System może zwrócić się szybko, gdy wykrywa kosztowną wadę przed dalszą obróbką albo zabezpiecza wysyłkę do wymagającego odbiorcy. Nie powinno się jednak obiecywać wyniku bez danych. Metodykę liczenia inwestycji omawia artykuł ile kosztuje robotyzacja stanowiska produkcyjnego.
Najczęstsze błędy przy projektowaniu kontroli wizyjnej
- Rozpoczęcie od wyboru kamery. Najpierw należy zdefiniować wadę, pole widzenia, takt i warunki procesu.
- Brak kontroli oświetlenia. Światło hali powoduje zmianę wyniku pomiędzy porą dnia, zmianami i stanowiskami.
- Testy tylko na idealnych próbkach. System nie poznaje rzeczywistej zmienności dobrych produktów ani pełnego zakresu wad.
- Niestabilna pozycja detalu. Niepotrzebnie zwiększa trudność algorytmu i ryzyko błędnej klasyfikacji.
- Zbyt mała cecha na obrazie. Braku rozdzielczości nie można naprawić wyłącznie programem.
- Brak kategorii wyniku niepewnego. Każdy nietypowy obraz jest na siłę kwalifikowany jako dobry albo wadliwy.
- Brak śledzenia produktu. Maszyna wykrywa wadę, ale mechanizm odrzuca inną sztukę.
- Swobodna edycja progów. Drobne korekty wykonywane bez kontroli stopniowo zmieniają standard jakości.
- Brak planu utrzymania. Zabrudzenie, drgania lub przesunięcie uchwytu obniżają skuteczność niezauważenie.
W aplikacji zrobotyzowanej należy patrzeć na całą celę. Kamera, robot, chwytak, podawanie, bezpieczeństwo i sterowanie tworzą jeden proces. Pomocne może być porównanie opisane w artykule cobot czy robot przemysłowy, zwłaszcza gdy wizja ma wskazywać robotowi położenie zmiennych detali.
Jak utrzymać skuteczność systemu po uruchomieniu?
Po odbiorze trzeba obserwować wskaźniki: liczbę produktów, udział NOK, fałszywe odrzuty, wyniki niepewne, czas analizy i alarmy komunikacji. Nagła zmiana może oznaczać pogorszenie procesu, zabrudzenie optyki, zmianę materiału albo uszkodzenie oświetlenia. System wizyjny może dzięki temu pełnić funkcję wczesnego ostrzegania, a nie tylko końcowego selektora.
Plan konserwacji powinien obejmować kontrolowane czyszczenie szyby i obiektywu, sprawdzanie mocowań, przewodów i lamp oraz okresową weryfikację na wzorcach. Nie należy używać przypadkowych środków, które mogą zmatowić osłonę lub pozostawić smugi. Po wymianie kamery, obiektywu, oświetlenia albo elementu konstrukcji może być potrzebna ponowna kalibracja.
Zmiany oprogramowania i receptur muszą być wersjonowane. Warto przechowywać kopię konfiguracji oraz zestaw zatwierdzonych obrazów testowych. Nowy wariant produktu powinien przejść kontrolowany proces wdrożenia. Dodanie kilku zdjęć do modelu AI bez walidacji może poprawić jeden przypadek, a pogorszyć inne.
Istotne jest również zarządzanie danymi jakościowymi. Zdjęcia wszystkich produktów mogą szybko zająć dużą przestrzeń, dlatego warto ustalić, które obrazy mają być zachowywane i przez jaki okres. Często wystarczy archiwizować wszystkie wyniki NOK, wybrane wyniki OK oraz dane statystyczne. Numer zdjęcia powinien być powiązany z numerem produktu, partii lub zlecenia. Dzięki temu po reklamacji można sprawdzić wynik konkretnej kontroli, a podczas analizy procesu porównać częstość wad z dostawcą materiału, zmianą produkcyjną albo ustawieniami maszyny. Dostęp do zapisów oraz możliwość zmiany progów powinny wynikać z poziomu uprawnień. Regularny przegląd trendów pomaga zauważyć stopniowe pogarszanie procesu wcześniej niż pojedynczy alarm. Pozwala to zaplanować korektę narzędzia, czyszczenie lub regulację maszyny, zanim liczba braków wyraźnie wzrośnie.
Podsumowanie - skuteczność wynika z całego procesu
Dobry system wizyjny do kontroli jakości zaczyna się od jednoznacznej definicji zadania. Kamera jest tylko jednym z elementów. Wynik zależy od prezentacji produktu, optyki, światła, rozdzielczości, algorytmu, komunikacji i reakcji maszyny. Rozwiązanie 2D będzie najlepsze dla wielu stabilnych zadań, system 3D dostarczy informacji o kształcie i wysokości, a AI pomoże klasyfikować złożone, zmienne wizualnie wady.
Przed wdrożeniem należy wykonać testy na reprezentatywnych próbkach i ustalić mierzalne kryteria odbioru. Po uruchomieniu potrzebne są monitoring, czyszczenie, wzorcowanie i kontrola zmian. Takie podejście pozwala stworzyć system, który nie tylko pokazuje efektowny obraz, ale realnie chroni jakość produkcji.
Najlepszy rezultat daje współpraca działów jakości, produkcji, automatyki i utrzymania ruchu, ponieważ każdy z nich ocenia inne ryzyko oraz inne warunki codziennej eksploatacji systemu.
Najczęściej zadawane pytania
Jak działa system wizyjny do kontroli jakości?
Kamera wykonuje zdjęcie produktu, a oprogramowanie analizuje wskazane cechy, na przykład obecność elementu, wymiar, powierzchnię, kod lub położenie. Wynik trafia do PLC, robota albo mechanizmu odrzutu. Skuteczność zależy od stabilnego oświetlenia, właściwej optyki i jednoznacznych kryteriów jakości.
Czy do kontroli jakości potrzebna jest kamera 3D?
Nie zawsze. Kamera 2D wystarcza do wielu kontroli obecności, nadruków, krawędzi i wymiarów w jednej płaszczyźnie. System 3D jest potrzebny, gdy istotna jest wysokość, objętość, kształt przestrzenny albo położenie losowo ułożonych detali.
Czy sztuczna inteligencja jest lepsza od klasycznych algorytmów?
AI jest przydatna dla nieregularnych wad i zmiennej tekstury, ale wymaga dobrych danych treningowych. Klasyczne narzędzia są zwykle bardziej przewidywalne przy pomiarach, kodach i jasno określonych cechach. Często najlepsze efekty daje połączenie obu metod.
Jak sprawdzić, czy system wykryje konkretną wadę?
Należy przeprowadzić test na rzeczywistych produktach dobrych, wadliwych i granicznych. Trzeba odwzorować docelową prędkość, pozycję i warunki środowiskowe. Robotorium oferuje testowanie i walidację systemów wizyjnych przed wdrożeniem produkcyjnym.
Czy system wizyjny można połączyć z robotem?
Tak. Kamera może kontrolować produkt albo przekazywać robotowi współrzędne pobrania i orientację detalu. Wymaga to kalibracji układów współrzędnych, stabilnego mocowania i obsługi sytuacji, w których obiekt nie zostanie rozpoznany. Przykładem szerszego zastosowania jest robotyzacja obsługi maszyn CNC, gdzie wizja może identyfikować części i wspierać kontrolę procesu.