工业控制
01 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,产品在三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。
02 产品特点
工位多光源方案,最大化检测项,最小化检测工位体积
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: 测量顶部电木掉块同时,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,传统算法无法直观、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无法实现的效果。
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,实现一机多测的功能。一台设备可以实现电气、外观全方位检测,在有限的设备空间内,最大化检测效果。 ERP、MES、看板集成 视觉检测软件实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。
03 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,实现很好的检测效果。
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。
铜排肩部电木粉检测
槽内异物检测
槽内余料检测使用传统算法和深度学习共同检测,双重检测保证检测效果。 此方法可用于槽内余料、毛刺等异物检测。
冲钩废检测
冲钩废缺陷在点光源照射下,高度异于正常钩。
底部槽封料检测
底面在测量是否封料的同时,还检测钩、槽角度信息。
底部电木检测
底面电木掉块由于缺陷特征与真实电木相差较小、不同批次电木颜色呈现差异,使用传统算法无法检测。使用深度学习可以获得很好的检测效果。
顶部电木检测
顶面电木掉块相对于底面电木掉块,掉块特征可以较好地区分,检测难度较低。使用传统算法可以轻松、准确地检测。 顶面工位利用背光,可以检测钩宽、钩钩夹角、钩尖外径等信息。
编辑:黄飞
全部0条评论
快来发表一下你的评论吧 !