←返回检查和视觉系统类别

机器视觉:工业的四个阶段

下载此社论的音频版本

机器视觉是众多行业中成熟的技术,可提高制造和加工行业的质量和效率。 24 / 7能够可靠,快速地进行检测,使其成为质量控制方面的宝贵技术。

机器视觉技术的进步继续迅速发展,开辟了越来越多的可能性。 传感器技术,处理能力,光学,照明技术和软件的改进都有助于提高传统机器视觉领域的性能。

作者:STEMMER IMAGING董事总经理马克威廉姆森

马克威廉姆森

STEMMER IMAGING董事总经理Mark Williamson

深度学习和机器学习方法的应用开始转变复杂的图像分类挑战。 简化的3D视觉 - 机器人界面正在促进高性能3D机器人视觉指导,以便通过智能拾取和放置进行质量控制检查和自动装配。

可扩展嵌入式视觉系统的开发为机器制造商,系统集成商或OEM提供了极大的灵活性,他们可能希望将视觉用作过程或机器的组成部分。

进步是无情的,行业4.0,物联网(IoT),云计算,以及更广泛地使用人工智能,机器学习和许多其他技术为视觉系统的用户和开发人员提供理想系统选择方面的巨大挑战各自的申请。

然而,机器视觉的使用并不局限于高度自动化的过程; 它还适用于手动参与程度较高的领域。 我们可以考虑机器视觉参与的四个阶段。

Stage 1:帮助手动组装

â�<在制造业,有大量的产品是手工组装的,依靠操作员的技能来“正确”。 作为质量控制过程的一部分,这些产品通常由另一名员工进行视觉检查。

对于生产的任何有缺陷的产品/组件,有两种结果:它们要么在质量控制阶段被识别并被拒绝,要么它们会找到最终客户,在那里它们很可能作为次标准返回。 无论哪种方式,除非产品可以重新加工,否则可能会产生大量浪费,并且可能会超出制造商的声誉。

即使被拒绝的部件可以重新加工,这也会给制造商带来额外的成本。 安装视觉系统以接管检查可以显着降低产品缺陷到达客户的可能性,这有利于声誉,但对解决返工成本几乎没有作用。

机器视觉 - 使用理光SC 10人体辅助摄像机检查系统复制的PCB组装

解决方案是消除制造时的缺陷,并引入了新的视觉方法来帮助解决这个问题。 这涉及使用“人工辅助”相机,其中装有一组装配指令。 操作员遵循显示器上显示的说明。

在每次操作之后,系统将结果与正确存储的图像进行比较,以确保在操作员继续进行下一步之前正确完整地执行了该操作。 如果操作不完整或者出现错误,则会向操作员显示该操作以便进行更正。 完成的每个步骤都可以进行验证和记录,以提供可用于装配工作分析和可追溯性的数据。

Stage 2:集成手动装配过程

â�<上面概述的方法在确保产品的正确手动组装方面非常有效,但实质上是一个独立的系统。 通过将这种类型的手动装配过程集成到公司的整体控制系统中,可以更进一步。

这将允许使用更复杂的视觉系统来辅助手动组装,提供更大范围的测量和检查工具,同时使用突出显示监视器上的任何组装错误的相同原理。 然后可以根据需要从中央数据库将装配说明和制造数据下载到系统。

该方法还允许引入各种保护措施,例如将操作员ID链接到培训能力,以便系统可以检查登录以开始特定组件的操作员是否针对该产品进行了培训。 同样,包括图像在内的所有检测数据都可以传输回数据库,为每个组装的组件提供完整的审计跟踪。 更复杂的视觉工具的可用性还允许系统在新产品投入使用时满足新要求。

Stage 3:自动机器视觉检测

â�<自动检测系统用于各种行业和流程的质量控制应用。 虽然配置可能有很大差异,但基本前提是视觉系统已集成到流程中,并与拒绝机制相关联。

通常以高速检查产品或部件,并根据所进行的测量接受或拒绝。 视觉系统可以从单点自包含智能相机变化,其中所有处理和测量都在相机本身中执行,并且通过/失败结果被发送回拒绝机制,到可能具有功能的基于PC的系统多个摄像机和/或多个检查站。

这种方法成功的关键是能够将视觉系统整合到过程中,同时考虑到空间和其他环境因素。

机器视觉 - 通过3D Vision引导机器人进行零件拾取(由LMI Technologies提供

视觉系统可以改装到现有的流程中,从一开始就设计为新的流程,随着嵌入式视觉系统的出现,它们越来越多地被整合到OEM设备中。

阶段4:使用机器视觉的过程控制

使用自动视觉作为QC工具可以显着降低“超出规格”产品到达最终用户的可能性,但通过将其与统计过程控制和反馈方法结合使用,它不仅可以检查关键测量,还可以分析趋势。这些测量并对过程进行了更改。 通过这种方式,可以在产生任何超出公差的产品之前进行干预以调整过程。

因此,从业务4.0可以进行逻辑扩展,其目标是使用基于监控流程的许多不同类型传感器的反馈的大数据分析来优化流程。 当然,这些将包括简单和智能的视觉传感器以及更复杂的视觉子系统或系统。

评估可能性

â�<上述四个视野阶段仅概述了视觉系统的部署方式,而没有公正地展示机器视觉所提供的非凡能力。

应用范围从制造过程中产品和组件的测量,到包装完整性的检查,到印刷,条形码和标签的读取和验证。 测量属于3类别:1D,2D和3D。 1D测量通常用于获得边缘的位置,距离或角度。 2D测量提供了大量测量,包括面积,形状,周长,重心,表面外观质量,基于边缘的测量以及特征的存在和位置。

对象与模板的模式匹配也是2D军械库的重要组成部分。 读取和检查字符和文本,以及解码1D或2D代码是另一项关键活动。 3D测量方法增加高度信息,允许测量体积,形状和表面质量,如压痕,划痕和凹痕以及3D形状匹配。

通常使用连续线扫描视觉系统检查以连续卷(网)或片材(例如纸,纺织品,薄膜,箔,塑料,金属,玻璃或涂层)生产的材料以检测和识别缺陷。

Vision通过读取1D或2D代码,字母数字甚至盲文形式的唯一标识符,在航空航天,汽车,食品,医疗保健和制药等行业中进行跟踪和追踪应用,在终端检测中发挥着重要作用。 人类可读的包装数据,如批次,批号,最佳使用日期或有效期,对食品,药品,医疗器械和化妆品等产品也至关重要。

Omega SRI标签整理系统与集成标签检测子系统(Courtesy AB Graphic International GmbH)


机器视觉在机器人应用中也变得越来越重要。 工业机器人已经被广泛使用,随着协同机器人的出现和3D机器视觉的快速发展,它们被更多地结合使用,例如在视觉引导机器人或随机拣选中。

机器视觉系统识别物体的精确位置,并将这些坐标传送给机器人。 视觉 - 机器人界面的巨大进步使这一过程变得更加容易。

实现它

机器视觉技术包括机器视觉系统的所有组成部分,如相机,光学器件,镜头,图像采集卡,计算机,软件,电缆等。最重要的是能够选择最合适的组件并创建解决方案的专业知识针对具体应用。

选择具有丰富知识和经验的供应商,可以提供量身定制的解决方案,从配置组件到系统集成商的垂直应用子系统,或为OEM制定客户特定解决方案,是一个主要考虑因素。

在考虑嵌入其他设备和制造过程的视觉系统的开发时,这一点变得越来越重要。 许多领先的机器视觉库和工具包现在可以移植到小型嵌入式处理板上,通常基于ARM架构,为更高容量的应用程序提供更低的成本。

将这些处理能力与低成本相机(包括板级相机)相结合,意味着视觉系统可以被整合到各种产品和工艺中,而且成本开销相对较小,而这在以前是不可行的。

此外,在视觉应用中利用深度学习和机器学习技术为有机和不同产品开辟了更多可能性,这些产品也可以在廉价的嵌入式系统上运行,从而使极具成本效益的系统成为可能。

流程工业线人

相关新闻

发表评论

本网站使用Akismet来减少垃圾邮件。 了解您的数据如何处理.

通过分享