Tehnilised põhimõtted: intelligentne loogika "nägemisest" kuni "hinnangu andmiseni"
Visuaalse kontrolli seadmete tuumaks on masinnägemissüsteem, mille töövoo saab jagada kolmeks intelligentseks etapiks:
Kujutiste hankimine: katsetatava objekti pildistamiseks mitme nurga ja spektri kaudu kasutatakse kõrge{0}}eraldusvõimega tööstuskaameraid (CCD/CMOS), professionaalseid optilisi objektiive ja kohandatud valgustussüsteeme. Näiteks kasutatakse peegeldavate pindade jaoks polariseeritud valguse valgustust ja koaksiaalset valgust või struktureeritud valgust kasutatakse kontrasti suurendamiseks väikeste defektide korral, tagades, et pildi üksikasjad ei jää kahe silma vahele.
Algoritmitöötlus: kujutise defektide (nt suurus, kuju, värv ja tekstuur) eraldamiseks ja analüüsimiseks kasutatakse süvaõpet (CNN-i konvolutsioonilised närvivõrgud) ja traditsioonilisi pilditöötlusalgoritme (servade tuvastamine, läve segmenteerimine, funktsioonide sobitamine). Tüüpilised algoritmid hõlmavad ResNeti võrku defektide klassifitseerimiseks ja YOLO seeriat objektide tuvastamiseks.
Otsuste teostamise süsteem: süsteem väljastab automaatselt tuvastamistulemused eelseadistatud kvaliteedikontrolli standardite alusel, klassifitseerib ja märgistab kvalifitseeritud ja defektsed tooted ning kasutab integreeritud tuvastamise-sortimise saavutamiseks I/O-liideseid robotkäte, hülgamisseadmete või häiresüsteemidega ühendamiseks.
Peamised eelised: käsitsi kvaliteedikontrolli "laest" läbimurdmine
Võrreldes traditsioonilise käsitsi visuaalse kontrolliga näitavad visuaalse kontrolli seadmed viit revolutsioonilist läbimurret:
(1) Täpsus: hüpe "millimeetri tasemelt" "mikroni tasemele"
Inimsilma eraldusvõime on ligikaudu 0,1-0,2 millimeetrit, samas kui visuaalse kontrolli seadmed suudavad mikroskoopiliste läätsede kaudu tuvastada 5-10 mikronit (vastab 1/10 juuksekarva läbimõõdust). Näiteks pooljuhtide pakendi kontrollimisel suudavad seadmed täpselt tuvastada mikronitasemel defekte, nagu jootekuuli nihkumine ja padja kahjustused, vältides välimusdefektidest põhjustatud kiibi rikkeid.
(2) Tõhusus: 24/7 "kvaliteedikontrolli robot"
Käsitsi kvaliteedikontrolli mõjutavad sellised tegurid nagu väsimus ja emotsioonid. Efektiivne igapäevane kontrollimise aeg on ligikaudu 6-8 tundi ja tuvastamata jätmise määr kuni 5%-10%. Visuaalse kontrolli seadmed võimaldavad kiirelt tuvastada sadu tükke minutis ja toetavad 7 × 24 tundi pidevat tööd. Pärast seadmete kasutuselevõttu suurendas teatud autoosade tootmisliin oma ühe vahetuse võimsust 40% ja tuvastamata jätmise määr langes alla 0,1%.
(3) Järjepidevus: standardiseeritud kvaliteedikontrolli "raudne jõustaja".
Inimestest inspektorite subjektiivseid hinnanguid defektide kohta mõjutavad valgustus ja kogemused kergesti, mis võib viia erinevate inspektorite poolt sama defekti väärhinnanguni. Visuaalse kontrolli seadmed, mis põhinevad standardiseeritud algoritmilistel mudelitel, saavutavad ühtse kvantitatiivse hinnangu selliste näitajate kohta nagu värvihälve (ΔE<1) and dimensional tolerance (±0.01mm), ensuring the consistency and traceability of quality inspection results.
(4) Andmeväärtus: „Kvaliteedikontrollist“ üleminek „Kvaliteedikontrollile“
Seadmed suudavad koguda kontrolliandmeid reaalajas ja genereerida statistilisi aruandeid, nagu defektitüüpide jaotus ja tootmisliinide saagikuse trendid, pakkudes andmete tuge protsessi optimeerimiseks. 3C tootetootja avastas seadmete andmeid kasutades, et kriimustused mobiiltelefoni korpuse teatud mudelil olid koondunud survevalu protsessi. Pärast vormi temperatuuri reguleerimist vähenes defektide määr 75%.
(5) Kohanemisvõime: "kõik-kvaliteediinspektor" keerulistes stsenaariumides
See suudab toime tulla inimestele raskesti ligipääsetavates keskkondades, nagu kõrge temperatuur (nt metallist kuumtöötlemise osade kontroll), tolm (nt ehitusmaterjalide pinna kontroll) ja kõrge riskiga (nt kemikaalide mahutite kontroll). Fotogalvaanilise mooduli kontrollimisel suudavad seadmed päikesevalgust simuleerivas tugevas valguskeskkonnas täpselt tuvastada defekte, nagu elementide praod ja jooteühenduste nihked, tagades moodulite energiatootmise efektiivsuse.
Erinevad rakendusstsenaariumid: kõigi tööstusharude kvaliteedikontrolli põhivõti
Visuaalse kontrolli seadmed on läbinud kogu tootmisahela. Järgmised on tüüpilised rakendusstsenaariumid.
(1) 3C elektroonika: täpne juhtimine väikeses ruumis
Mobiiltelefoni korpuse kontroll: defektide tuvastamine, nagu näiteks CNC-töödeldud raamidel olevad pursked, ebaühtlane anodeeritud kile paksus ja LOGO printimisviga, tagades välimuse protsessi täpsuse.
PCB plaadi kontroll: AOI (Automatic Optical Inspection) kasutamine selliste probleemide tuvastamiseks nagu padja eraldumine, lühised ja valesti paigutatud komponendid, mille defektide tuvastamise määr ületab 99%.
Juhtumiuuring: pärast seda, kui juhtiv mobiiltelefonide tootja tutvustas ülitäpse{0}}visuaalse kontrolli liini, vähenes valmistoote välimuse defektide määr 3%-lt 0,5%-le, mis säästab aastas üle kümne miljoni jüaani ümbertöötlemiskuludelt.
(2) Autotootmine: terviklik kaitse osade eest kogu sõidukile
Osade ülevaatus: mootori silindriploki pinna aukude, rattarummu plaadimullide ja juhtmestiku klemmide kehva kokkupressimise tuvastamine. Sõiduki lõplik ülevaatus: välisdefektide tuvastamine, nagu apelsinivärvi koor, ebaühtlased uksevahed ja klaasikriimud, mis toetab segamudeli{1}}sõidukite kontrollimist samal tootmisliinil.
Tehnilised esiletõstmised: 3D-struktureeritud valguse skaneerimise tehnoloogia abil saab see rekonstrueerida kumerate osade (nagu autode kerepaneelid) kolme-mõõtmelise profiili, saavutades deformatsiooni tuvastamise täpsuse ±0,02 mm.
(3) Toit ja farmaatsia: ohutusliini "visuaalne valvur".
Toidupakendite ülevaatus: selliste defektide kõrvaldamine nagu kõverad joogipudelite sildid, kortsus kotitihendid ja kahjustatud farmaatsiaalumiiniumfooliumist pakend.
Farmatseutilise välimuse kontroll: defektide, nagu tableti värvimuutus, kapsli deformatsioon ja ampulli praod, visuaalne tuvastamine, mis vastab GMP nõuetele.
Uuenduslik rakendus: Värskete toodete sortimise stsenaariumides kasutatakse multispektraalset nägemistehnoloogiat puuviljapinna kahjustuste ja suhkru jaotumise tuvastamiseks, võimaldades automaatset kvaliteedi hindamist.
(4) Riistvara ja ehitusmaterjalid: kvaliteetsed uuendused hulgitoodete jaoks
Metallitöötlemise osade ülevaatus: defektide, nagu laagrirõnga pinna pragude, kruvide plaadistuse ebaühtlase paksuse ja stantsimisosade murdude tuvastamine.
Ehitusmaterjalide pinnakontroll: keraamiliste plaatide glasuurilaikude, klaasimullide ja plaatide vuugivahede välimuse kvaliteedikontroll tuvastamiskiirusega üle 20 meetri minutis.
Intelligentne täiendus: sanitaarseadmete tootja integreeris visuaalse kontrolli MES-süsteemiga, saavutades suletud-ahela kontrolli alates kontrolliandmetest kuni protsessiparameetriteni, suurendades esimese-käigu saagist 18%.
Tööstuse suundumused: AI ja visuaalse kontrolli sügav integreerimine
Praegu näitavad välimusdefektide visuaalse kontrolli seadmed kolme peamist arengusuunda:
Süvaõpe võimaldab defektide tuvastamist: traditsioonilised algoritmid tuginevad käsitsi määratletud funktsioonidele (nt servad ja tekstuurid), mille tulemuseks on keeruliste defektide (nagu ebakorrapärased kriimustused ja udused värvilaigud) tuvastamise tõhusus. Süvaõppe{1}}põhised defektide tuvastamise mudelid suudavad massilise näidisõppe abil automaatselt eraldada mitmel{2}}tasemel funktsioone, parandades oluliselt "tundmatute defektide" üldistusvõimet. Optiliste läätsede tootja kasutas ülekande õppimise tehnoloogiat, et lühendada uue materjalidefektide tuvastamise mudeli koolitustsüklit 2 nädalalt 3 päevale.
Multimodaalne visuaalne fusioon: üht visuaalset modaalsust (nagu 2D-pildistamine) on keeruline keerukate stsenaariumide vajadustele rahuldada ning 2D+3D-visuaalne liitmine ja "nähtav valgus + infrapuna + ultraviolett" multispektraalne pildistamine on muutumas trendideks. Näiteks liitium-ioonakude testimisel võimaldab 2D visuaalse kontrolli kombineerimine infrapuna-termopildistamisega samaaegselt tuvastada elektroodide sakkide keevitusdefekte ja sisemisi termiliselt äravoolu riske.
Pilve{0}}põhine koostöö ning intelligentne käitamine ja hooldus tööstusliku Interneti-platvormi kaudu võimaldavad mitme tehase katseandmete koondamist ja analüüsi pilves, aidates grupi ettevõtetel kehtestada ühtsed kvaliteedikontrolli standardid.