Tehnički principi: Inteligentna logika od "vidjenja" do "prosuđivanja"
Srž opreme za vizualnu inspekciju je sustav strojnog vida, čiji se tijek rada može podijeliti u tri inteligentne faze:
Snimanje slike: industrijske kamere visoke-razlučivosti (CCD/CMOS), profesionalne optičke leće i prilagođeni sustavi osvjetljenja koriste se za snimanje objekta koji se testira iz više kutova i spektra. Na primjer, osvjetljenje polariziranim svjetlom koristi se za reflektirajuće površine, a koaksijalno svjetlo ili strukturirano svjetlo koristi se za poboljšanje kontrasta za sitne nedostatke, osiguravajući da nijedan detalj slike ne promakne.
Obrada algoritama: Duboko učenje (CNN konvolucijske neuronske mreže) i tradicionalni algoritmi za obradu slike (detekcija rubova, segmentacija praga, podudaranje značajki) koriste se za izdvajanje i analizu značajki nedostataka (kao što su veličina, oblik, boja i tekstura) na slici. Tipični algoritmi uključuju ResNet mrežu za klasifikaciju grešaka i YOLO seriju za otkrivanje objekata.
Sustav za izvršenje odluka: Sustav automatski daje rezultate detekcije na temelju unaprijed postavljenih standarda inspekcije kvalitete, klasificira i označava kvalificirane i neispravne proizvode i koristi I/O sučelja za povezivanje s robotskim rukama, uređajima za odbacivanje ili alarmnim sustavima za postizanje integriranog "otkrivanja-sortiranja."
Osnovne prednosti: Probijanje "stropa" ručne kontrole kvalitete
U usporedbi s tradicionalnim ručnim vizualnim pregledom, oprema za vizualni pregled pokazuje pet revolucionarnih otkrića:
(1) Točnost: Skok s "milimetarske razine" na "mikronsku razinu"
Razlučivost ljudskog oka je približno 0,1-0,2 milimetra, dok oprema za vizualni pregled može postići detekciju na razini 5-10 mikrona pomoću mikroskopskih leća (ekvivalentno 1/10 promjera ljudske vlasi). Na primjer, u inspekciji pakiranja poluvodiča, oprema može točno identificirati kvarove na mikronskoj razini kao što su pomak lemne kuglice i oštećenje jastučića, izbjegavajući kvar čipa uzrokovan nedostatkom izgleda.
(2) Učinkovitost: 24/7 "robot za inspekciju kvalitete"
Na ručnu inspekciju kvalitete utječu čimbenici kao što su umor i emocije, s efektivnim dnevnim vremenom inspekcije od približno 6-8 sati i stopom propuštenog otkrivanja od čak 5%-10%. Oprema za vizualni pregled može postići brzu detekciju stotina komada u minuti i podržava 7×24 sata neprekidnog rada. Nakon uvođenja opreme, određena linija za proizvodnju automobilskih dijelova povećala je svoj kapacitet rada u jednoj smjeni za 40%, a stopa otkrivanja promašaja pala je ispod 0,1%.
(3) Dosljednost: "Ironclad Enforcer" standardizirane inspekcije kvalitete
Na subjektivne procjene nedostataka od strane ljudskih inspektora lako utječu osvjetljenje i iskustvo, što dovodi do mogućih pogrešnih procjena istog nedostatka od strane različitih inspektora. Oprema za vizualnu inspekciju, temeljena na standardiziranim algoritamskim modelima, postiže jedinstvenu kvantitativnu procjenu pokazatelja kao što je odstupanje boje (ΔE<1) and dimensional tolerance (±0.01mm), ensuring the consistency and traceability of quality inspection results.
(4) Vrijednost podataka: Nadogradnja s "Inspekcije kvalitete" na "Kontrolu kvalitete"
Oprema može prikupljati podatke o inspekciji u stvarnom vremenu i generirati statistička izvješća kao što su distribucija vrsta grešaka i trendovi prinosa proizvodne linije, pružajući podršku podacima za optimizaciju procesa. Proizvođač proizvoda 3C, koristeći podatke o opremi, otkrio je da su ogrebotine na određenom modelu kućišta mobitela koncentrirane u procesu injekcijskog prešanja. Nakon podešavanja temperature kalupa, stopa grešaka se smanjila za 75%.
(5) Prilagodljivost: "Sve-kontrolor kvalitete" u složenim scenarijima
Može se nositi s okolinama koje su ljudima teško dostupne, poput visoke temperature (npr. inspekcija metalnih dijelova toplinskom obradom), prašine (npr. inspekcija površine građevinskog materijala) i visokog rizika (npr. inspekcija spremnika s kemikalijama). U pregledu fotonaponskih modula, oprema može točno identificirati nedostatke kao što su pukotine ćelija i neusklađenost lemljenih spojeva u okruženjima jakog svjetla koje simuliraju sunčevu svjetlost, osiguravajući učinkovitost proizvodnje energije modula.
Različiti scenariji primjene: "Glavni ključ" za inspekciju kvalitete u svim industrijama
Oprema za vizualni pregled prodrla je u cijeli proizvodni lanac. Sljedeći su tipični scenariji primjene:
(1) 3C Electronics: Precizna kontrola u malom prostoru
Provjera kućišta mobilnog telefona: Otkrivanje nedostataka kao što su neravnine na CNC strojno obrađenim okvirima, neujednačena debljina anodiziranog filma i neusklađenost ispisa LOGO-a, osiguravajući preciznost procesa izgleda.
Provjera PCB ploče: Korištenje AOI (Automatic Optical Inspection) za prepoznavanje problema kao što su odvajanje jastučića, kratki spojevi i pogrešno postavljene komponente, sa stopom otkrivanja kvarova većom od 99%.
Studija slučaja: nakon što je vodeći proizvođač mobilnih telefona uveo visoko{0}}preciznu liniju za vizualni pregled, ukupna stopa grešaka u izgledu gotovog proizvoda smanjila se s 3% na 0,5%, čime se godišnje uštedi više od deset milijuna juana u troškovima prerade.
(2) Proizvodnja automobila: Sveobuhvatna zaštita od dijelova do cijelog vozila
Provjera dijelova: otkrivanje kvarova na površini bloka cilindra motora, mjehurića na oplati glavčine kotača i lošeg presovanja terminala kabelskog svežnja. Završni pregled vozila: Identifikacija vanjskih nedostataka kao što su narančina kora, neravni razmaci na vratima i ogrebotine na staklu, podržavajući pregled-modela vozila na istoj proizvodnoj liniji.
Tehničke značajke: Koristeći tehnologiju 3D strukturiranog svjetlosnog skeniranja, može rekonstruirati tro-dimenzionalni profil zakrivljenih dijelova (kao što su paneli karoserije automobila), postižući točnost otkrivanja deformacije od ±0,02 mm.
(3) Hrana i lijekovi: "Vizualni stražar" sigurnosne linije
Provjera pakiranja hrane: uklanjanje nedostataka kao što su krive naljepnice na bocama pića, naborane brtve vrećica i oštećena pakiranja od aluminijske farmaceutske folije.
Provjera farmaceutskog izgleda: Vizualna identifikacija nedostataka kao što su promjena boje tablete, deformacija kapsule i pukotine ampule, u skladu sa zahtjevima GMP usklađenosti.
Inovativna primjena: U scenarijima sortiranja svježih proizvoda, tehnologija multispektralnog vida koristi se za otkrivanje oštećenja površine voća i raspodjele šećera, omogućujući automatizirano ocjenjivanje kvalitete.
(4) Hardver i građevinski materijali: Kvalitetna inovacija za rasute proizvode
Provjera dijelova za obradu metala: otkrivanje nedostataka kao što su pukotine na površini prstena ležaja, nejednaka debljina oplate vijaka i neravnine dijelova za utiskivanje.
Inspekcija površine građevinskog materijala: Kontrola kvalitete izgleda mrlja od glazure na keramičkim pločicama, staklenih mjehurića i spojeva ploča, s brzinom otkrivanja od preko 20 metara u minuti.
Inteligentna nadogradnja: proizvođač sanitarne opreme integrirao je vizualni pregled sa sustavom MES, postižući kontrolu zatvorene-petlje od podataka inspekcije do parametara procesa, povećavajući prinos prvog-prolaska za 18%.
Trendovi u industriji: duboka integracija umjetne inteligencije i vizualnog pregleda
Trenutno oprema za vizualni pregled nedostataka izgleda pokazuje tri glavna razvojna trenda:
Duboko učenje omogućuje prepoznavanje nedostataka: Tradicionalni algoritmi oslanjaju se na ručno definirane značajke (kao što su rubovi i teksture), što rezultira ograničenom učinkovitošću otkrivanja složenih nedostataka (kao što su nepravilne ogrebotine i mutne mrlje u boji). Modeli za-detekciju defekata temeljeni na dubokom učenju mogu automatski izdvojiti više{2}}značajke kroz masovnu obuku uzoraka, značajno poboljšavajući sposobnost generalizacije za "nepoznate defekte". Proizvođač optičkih leća upotrijebio je tehnologiju prijenosa učenja kako bi skratio ciklus obuke novog modela za otkrivanje nedostataka materijala s 2 tjedna na 3 dana.
Multimodalna vizualna fuzija: jedan vizualni modalitet (kao što je 2D slikanje) teško je zadovoljiti potrebe složenih scenarija, a 2D+3D vizualna fuzija i "vidljiva svjetlost + infracrvena + ultraljubičasta" multispektralna slika postaju trendovi. Na primjer, u testiranju litij-ionske baterije, kombiniranje 2D vizualnog pregleda s infracrvenim toplinskim snimanjem omogućuje istovremenu identifikaciju nedostataka zavarenih jezičaka elektroda i opasnosti od unutarnjeg toplinskog odstupanja.
Suradnja-temeljena na oblaku i inteligentni rad i održavanje, putem industrijske internetske platforme, omogućuju prikupljanje i analizu podataka testiranja iz više tvornica u oblaku, pomažući poduzećima grupa da uspostave jedinstvene standarde kontrole kvalitete.