华汉伟业定义缺陷检测再小都能看见

本站原创 2024-05-27 02:43:00

目前,现代化工业生产的产品形态朝着多样化、多元化方向发展,随着产品设计的复杂化和生产速度的加快,工业缺陷检测面临着前所未有的挑战。

因此,如何在保持生产效率的同时,实现对复杂、细微瑕疵的精准识别,成为亟待解决的问题。

缺陷检测原理

机器视觉助力生产自动化

缺陷检测是指对工件的表面缺陷进行检测,例如工件表面的斑点、凹坑、划痕、色差、缺损等缺陷。

在缺陷检测过程中,常用的图像处理技术包括数字图像处理技术和机器视觉技术。数字图像处理技术主要针对数字图像,包括图像的增强、滤波、分割和取样等处理技术。而机器视觉技术则是基于数字图像中的分割和模式识别,针对现有场景中的图像进行应用分析,通过处理,识别出其中的缺陷,从而实现产品缺陷的自动化检测,并对这些缺陷进行定位。

简单来说,机器视觉再现人类解读图像的能力,“眼睛”被传感设备和机器学习算法驱动的视觉设备所取代。通过使用大型图像数据集进行训练,深度学习模型可以解释给定图像的内容,用于缺陷和异常检测。

(人类视觉过程)

(基于人工智能的机器视觉,可用于异常和缺陷检测)

破解检测难题

解除多种干扰因素影响

在工业缺陷检测过程中,面临的一个较大问题是部分缺陷偏小,因为小尺寸的缺陷通常在图像中具有低信噪比,难以实现精确检测。例如,在半导体制造、精密机械加工、电子产品组装等高精尖领域,缺陷往往微小且多样化,人工检测不仅耗时费力,且难以保证一致性。

产品表面微小的划痕和毛刺等瑕疵可能会增加生产过程中的废品率,或者需要额外的维修和返工,从而增加生产成本和降低生产效率。在某些情况下,微小缺陷可能会酿成重大的安全事故。例如,手机电池的极耳焊接毛刺过大,可能会刺穿绝缘胶带和隔膜,从而造成极片的短路,导致电池自燃的重大安全事故。

由于产品缺陷种类繁多且干扰因素众多,华汉伟业通过多尺度特征融合训练与小目标缺陷检测技术,能够将微小的缺陷尺寸特征进行放大处理。

在产品缺陷检测中融合了深度学习技术,不同于传统工业机器视觉基于规则解决问题,深度学习通过对大量“OK”和“NG”图片特征的自动学习和缺陷标注训练,从而完成模型的建立,在后续遇到新增缺陷类型时,只需要完成新类型缺陷样本训练优化就能实现新的缺陷检测。

华汉伟业能够轻松应对瑕疵,将微小缺陷的检出率提升至99%以上,人力替代效率达到80%,缩短检测时间约40%,实现缺陷检测精准度和检测效率的提升,大幅度降低人力成本。目前,华汉伟业自主创新构建的视觉系统解决方案已实现1000+生产线部署的落地应用。

全方位检测破除项目难点

覆盖多领域缺陷检测场景

华汉伟业提供了高速度、高精度、低成本的解决方案,搭载2D+2.5D+3D+AI算法的视觉检测系统,让依赖于目视检测的较浅划伤、凹陷等细微的瑕疵缺陷无所遁形。

以实际应用案例为例:在锂电池工业生产过程,密封钉焊接质量检测中,针对缺陷形态丰富、边缘难以界定等难点,华汉伟业深度融合多种图像处理方式,实现工件亚微米级尺寸测量,可有效识别0.1mm的大小,误判率≤0.3%。

在汽车三电中,华汉伟业使用3D视觉成像,通过AI的赋能,打通了数据从采集、分析到算法沉淀的全链路柔性化定制,实现对电机定子Tig焊点的缺陷检测,精准识别细微缺陷,漏判率为0,误判率≤1%,视觉检测精度可达到±0.1mm。

在3C电子行业,针对手机Type-C接口点胶质量检测,华汉伟业采用3D检测技术,可分14个区域进行精细检测,区域联动,减少配置,一次拍照可准确检测“多胶、少胶、漏点、溅胶”等缺陷,可同时检测A、B面,实现检测精度≤0.1mm。

华汉伟业深度融合AI机器视觉技术和多种自研算法,针对不同行业的实际应用需求,以高效算法、快速识别、精准检出等优势,提供一定的技术支持,打造不同行业的成功案例。

未来,我们也将持续不断攻关核心技术,创新研发机器视觉应用,加速机器视觉方案在各个垂直领域的应用部署,成为3D+AI交付专家。

上一篇:工控机智能机器的心脏
下一篇:工控机价格分析市场动态与购买指南
相关文章