机器视觉：​3D视觉检测案例分享 外观检测

机器视觉

3D视觉检测案例分享——外观检测

现今，药机企业所生产的整机或生产线，是由成千上万种零部件组装而成。而这些零部件在加工过程中存在各种各样的瑕疵，品质管控的手段也多以人工检验为主，借助部分工装检具、测量仪器进行辅助测量。众所周知，“4M1E”中最难以管控的因素就是“人”的因素，受限于人体自身难以避免的这些缺陷，极易造成不良零件的漏检。

然而这些细微的不良，如若发现不及时，对于药企制药的安全则存在着巨大的安全隐患；如若发现及时，重新制作、更换可以消除风险，但对于药机企业来说，也存在着大量的人力、财力、物力的浪费，更有可能影响产品的交付，使企业信誉降低。

随着工业4.0时代的到来，机器视觉系统被广泛应用到各行各业，对于零部件的检验也逐步由人工检验向机器视觉过渡。例如：轿车零配件尺寸查看和主动安装的完整性查看、电子安装线的元器件主动定位，产品包装上的条码和字符辨认等。

但目前，绝大部分用于工业检测的机器视觉系统是基于传统的二维图像的分析与识别，即从灰度图中提取被测物特征，在X-Y平面内进行测量，如果对于某些更高级别的检测需求，如需要测高度、深度、厚度、磨损情况等，传统的方法则无法胜任，只能借助更高级别的检测手段，也是我们将要谈到的3D视觉技术。那么，3D视觉检测技术是否可应用于药机企业零部件的检测呢？

下面给大家分享两个3D相机做外观检测的案例。废话不说，请往下看。

案例一：

首先请大家看下图。该金属件表面有两处明显的不良，大家看出来了么？注意，表面因为加工原因产生的纹路属正常现象。

不良如下图：1、一处表面划伤；2、一处边缘的缺料。

此类型的不良，因为和底色相同，普通面相机无法分辨出来，需要使用3D相机。

1、表面划伤。

大家可以很清楚的看到该表面划伤和因为加工产生的纹路并没有太大区别。都是暗色背景下的亮色。怎么办？

但是加入了高度信息和背景处理后，得到了如下图的效果。可以清楚无误的找到对应的不良。

2、边沿的缺料。

根据高度的差异，边缘的缺料也可以稳定检测到（中间两个小圆圈是屏蔽掉的区域）。

案例二：

大家是否注意到下图产品表面防水胶的不良？有凹陷，也有凸出。这种不良容易导致最终防水效果的失效。所以一定要检测出来。因为凸出凹陷和产品的底色相同。通过普通的平面相机无法稳定检测。这时候，使用3D智能相机可以轻松对应，如KEYENCE。

测试效果图：

凹陷不良效果图。

凸出不良效果图。

不同不良被检出的观察画面效果。

机器视觉的应用极大提高了企业生产自动化水平和检测系统的智能水平。相信3-5年内它将逐渐在药机行业普及开来，更好的为药机行业服务。

责任编辑：xj

原文标题：3D视觉检测案例分享：外观检测

文章出处：【微信公众号：新机器视觉】欢迎添加关注！文章转载请注明出处。