RaspCam — Experimento de inspeção em bancada (smoke test)

⚠ Protótipo não funcional, usado como prova de conceito (smoke test). Este experimento não mede o desempenho do sistema. Ele só verifica se o ciclo completo, da captura ao laudo, roda de ponta a ponta sem intervenção manual. O ensaio foi feito em ambiente não controlado, com luz natural, sem gabarito e com um escritório em uso ao redor. Por isso, o modelo não é confiável e nenhum veredito deste documento deve ser usado para aprovar ou reprovar peça real.

1. Objetivo

Um smoke test responde a uma pergunta mais modesta do que "o sistema funciona bem?". A pergunta é: "as partes se conectam e o fluxo chega ao fim?". Neste caso, o fluxo verificado foi:

1. o operador põe a peça sob a câmera e aperta ENTER no laptop;
2. a placa Raspberry Pi captura a foto e a guarda no dataset (capturas/inspecao/);
3. o laptop baixa a foto, alinha a peça na pose de referência e compara com o modelo;
4. o terminal do laptop mostra o veredito — APROVADA, SUSPEITA ou INDETERMINADA;
5. se houver suspeita, o laptop grava o mapa de calor em laudo/bancada/.

Em linguagem de teste: o que se avaliou foi integração, não acurácia.

1.1 Divisão de trabalho: laptop e placa

Todo o processamento do modelo acontece na estação de trabalho (laptop). A placa Raspberry Pi com a câmera é apenas a interface de captura: ela recebe o pedido, tira a foto, guarda e entrega a imagem pela rede. Ela não executa alinhamento, modelo nem veredito.

A divisão foi imposta pelo hardware. A placa não tem OpenCV instalado e opera com cerca de 120 MB de RAM livres, o que não comporta o processamento. O laptop se comunica com ela pela API web, com login, pela rede local.

2. Vídeo do experimento

Vídeo: experimento.mp4 (na mesma pasta deste relatório).

3. Arranjo da bancada

A chapa polida reflete o ambiente como um espelho. Tudo o que muda ao redor (luz da janela, uma pessoa passando, um objeto sobre a mesa) altera o brilho da peça na foto. É esse o sentido de "ambiente não controlado" neste relatório.

4. O que acontece no vídeo

As rodadas consideradas neste relatório:

O IoU mede o quanto a silhueta da peça na foto se sobrepõe à do modelo depois do alinhamento. O corte é 0,80. As duas rodadas sem defeito ficaram acima dele e não tiveram nenhuma região acusada.

5. Resultado da última execução (rodada 6)

Arquivo: laudo/bancada/006-suspeita.jpg, gerado no laptop. A peça aparece já girada para a pose de referência. O mapa de calor mostra, pixel a pixel, quanto a foto se afasta do que o modelo aprendeu nas peças boas.

Do ponto de vista do smoke test, este é o resultado que importa. O fluxo completo rodou: captura na placa, download para o laptop, alinhamento, comparação, veredito e laudo gravado. E a caixa vermelha caiu no lugar exato do objeto estranho, que o sistema nunca tinha visto. A detecção de anomalia se comportou como se espera: ela não reconhece "fita", só aponta o que não se parece com as peças boas.

Isso confirma o ensaio de 28/08, que teve 2,51% da peça e z = 8,6 com o mesmo tipo de defeito simulado.

6. Por que o modelo não é confiável

Três rodadas com o resultado esperado não tornam o modelo confiável. As manchas azuis e verdes espalhadas pela chapa no mapa de calor da rodada 6, fora da fita, são regiões onde o brilho já foge do padrão só porque a luz mudou. Nesta rodada elas ficaram abaixo dos limiares, mas estão lá.

Nas 10 peças boas de reserva do próprio modelo v0, fotografadas no dia do treino, 4 ficam abaixo do corte de IoU 0,80 e seriam recusadas por pose:

v0-reserva: 0,829  0,782  0,875  0,877  0,893  0,866  0,767  0,752  0,911  0,798

Resumindo: o sistema acha um objeto escuro grande sobre a chapa, mas não há como afirmar, com este ensaio, que ele acharia um defeito real ou que não acusaria reflexo como defeito. Serve para demonstrar a ideia, não para inspecionar.

7. Fase atual do projeto

O objetivo do RaspCam é montar um dataset de peças para visão computacional e, sobre ele, fazer inspeção automática de defeitos com detecção de anomalia. Esse método aprende só com peças boas, porque peça defeituosa é rara por definição.

No portão de bancada de 28/08, o caixilho de pinus claro foi segmentado junto com a peça, e o IoU de 0,816 media o caixilho, não a repetibilidade da pose. Os próximos passos, nesta ordem:

1. escurecer o gabarito (preto fosco) e difundir a luz, isolando a bancada da janela;
2. refazer o portão de 10 fotos e exigir IoU ≥ 0,95 entre recolocações;
3. recoletar as peças boas e treinar um novo modelo na bancada controlada, com duas iluminações (difusa e rasante) e quadro de 1280 px;
4. medir falso positivo nas peças boas de reserva e falso negativo nas de refugo, antes de ajustar qualquer limiar.

8. Conclusão

O smoke test passou no que se propôs. O ciclo completo da bancada roda num ENTER: a placa captura e grava a foto no dataset, e o laptop processa e produz um laudo que aponta o lugar da anomalia. A arquitetura, com a placa como interface de captura e o processamento na estação de trabalho, está validada como caminho.

O experimento não valida o modelo. O protótipo é não funcional para uso real, o ensaio foi feito em ambiente não controlado e três rodadas não são base para medir acerto. A confiabilidade depende da bancada controlada da seção 7, não de ajuste de parâmetros.

9. Arquivos e reprodução

Para repetir o ensaio, no laptop, na raiz do projeto e com a placa ligada:

python ferramentas\veredito.py modelos\v0.npz --usuario admin