聊一聊基于机器视觉的换向器缺陷检测方案
工作原理
1运动
通过多种机构方案将前道工序的产品取至检测设备中，产品在个检测工位中流转检测，检测完成后，产品摆盘或剔除至不良盒中。
2触发、拍照
PLC通过IO输出方式触发相机拍照，检测软件收到相机拍摄产品的图像。
3算法检测
检测软件在收到图像后，经过一系列的处理与检测，根据参数的设定对产品进行结果判定。
4分拣、摆盘
PLC根据检测软件的结果判定，对产品进行分类摆放和剔除。
产品特点
工位多光源方案，比较大化检测项，比较小化检测工位体积
高亮条光、蓝色背光、红色激光结合：
检测表明缺陷的同时，切换不同光源可以检测冲钩废、产品高度。
白色背光、双环光结合：
检测底部电木掉块同时，切换环光可以检测槽部、钩部缺陷。
白色环光、白色背光结合：
测量高部电木掉块同时，切换白色背光可以测量钩部长度、角度、宽度等缺陷。
传统算法+深度学习双重方法检测，对产线环境和物料有更强的鲁棒性
针对部分缺陷，传统算法法直观、稳定地检测到特征时，本检测方案会是使用深度学习进行检测或测量，以达到更好的或传统算法法现的效果。
自动取料、摆料
视觉检测设备可以产线连线通讯，摆料。减轻员工工作量，提高工作效率。
一机多测
视觉检测设备可以与电气检测共同使用。例如：片轴检测、片间检测，内径检测，现一机多测的功能。一台设备可以现电气、外观全方位检测，在有限的设备空间内，比较大化检测效果。
ERP、MES、看板集成
视觉检测软件时记录产品的检测记录，为后期通过API或数据库等方式与各系统集成提供可能。方便对产品质量及检测效果进行直观地分析。
检测效果展示
铜排损伤检测
铜排表面损伤是换向器常见缺陷，但由于其出现位置随机、颜色不一。使用传统算法会因物料和设备等原因，需频繁调整参数。使用深度学习可以在必选反复调参的前提下，现很好的检测效果。
铜排内陷检测
铜排内陷多出现于铜排底部，其呈现颜色为亮色或暗色，因此使用传统算法较难检测。使用深度学习可以比较稳定地获取此特征。
铜排缺角检测
铜排缺角位于铜排底部角落，其难点在与：如何保证检测效果的前提下，如何降低误检。使用数据集增强方法可以提高检测准确率并降低误检。
铜排圆边检测
铜排圆边缺陷位于铜排一侧，往往伴随铜排铜排肩部电木粉缺陷出现。此种缺陷均使用深度学习的目标检测方法检测。
冲钩废检测
底部槽封料检测
软件展示
要知道大数据处理与人工智能市场一定会给整个行业带来极大的影响力。数之联专注于大数据与人工智能技术的研发和应用的企业数字化转型服务商,提供大数据审计分析云平台,全链路数据资产管理平台,助力客户提升管理和服务的智慧化水平,实现降本提质增效。https://www.unionbigdata.com/https://img.wds168.cn/comdata/85080/202411/202411250949259c2385.jpg
页:
[1]