Инспекция на дефекти в блока на двигателя и цилиндровата глава: компютърно зрение с дълбоко обучение за откриване на леярски дефекти

Общ преглед

Блоковете на двигателя и цилиндровите глави могат да развият дефекти на различни етапи от производствения процес. Леярски дефекти например пясъчни дупки, порозност, дефекти от свиване и включвания, които възникват по време на леенето, докато машинни и обработъчни дефекти например следи от удар и драскотини, могат да възникнат по време на последващите производствени процеси.

Решението за инспекция чрез компютърно зрение на Big Bird Industrial комбинира промышленски камери с резолюция 20 МР, осветление с висока яркост, роботизирана снимкова система и алгоритми с дълбоко обучение за инспекция както на дефекти по обработените повърхности, така и на видими леярски дефекти по блоковете на двигателя и цилиндровите глави.

Цитираната система има публикуван цикъл на инспекция от 4,5 минути , като окончателната конфигурация и тактът могат да се персонализират според изискванията към детайлите и инспекцията.

литейните дефекти и машинните дефекти са различни проблеми за инспекция

Двигателните блокове и главите на цилиндри може да съдържат дефекти, произлизащи от фундаментално различни производствени етапи.

Леярски дефекти

Типични литейни дефекти включват:

• Пясъчни дупки
• Газова порьозност
• Дефекти от свиване
• Включвания

Тези дефекти се образуват по време на пълнене с метал, ствърдяване или други литейни процеси. Когато са изложени на повърхността, те могат да изглеждат като тъмни петна, дупки, неравномерни вдлъбнатини или области с различна повърхностна текстура.

Машинни и обработъчни дефекти

След литането двигателните блокове и главите на цилиндри преминават през машинна обработка, транспортиране, затегане и други производствени операции.

Типични дефекти от тези етапи включват:

• Удари
• Драскотини
• Нарушения на повърхността
• Местни вдлъбнатини

Тези дефекти могат да имат значително различен визуален вид спрямо дефектите от леене.

Тази разлика е важна за машинното виждане, тъй като двете групи дефекти може да изискват различни стратегии за осветяване и алгоритми.

2. Защо откриването на дефекти от леене е трудно

Повърхностите от леене по природа са по-сложни от високо еднородните машинно обработени повърхности.

Машинно обработена повърхност може да има относително последователна текстура и отражателност, докато повърхността от леене може да съдържа:

• Неравномерна текстура
• Естествена вариация на повърхността
• Промени в шерохавостта
• Различни отговори на осветлението
• Визуални характеристики, свързани с материала

Леярските дефекти, като пясъчни дупки и пори, също могат да се различават значително по форма и размер.

Затова проста визуална система, базирана на прагови стойности, може да има затруднения при разграничаването на истински дефект от нормалната леярска текстура.

Поради тази причина референтната система използва машинно виждане, базирано на дълбоко обучение .

Вместо да разчита само на фиксирани прагови стойности за сиви нюанси или геометрични параметри, обучената модел може да учи визуални характеристики от репрезентативни примери на годни (OK) и негодни (NG) изделия.

Обаче дълбокото обучение не отменя необходимостта от подходящо визуализиране. Осветлението, оптическото разрешение, качеството на пробите и дефинирането на областта за инспекция остават основни за производителността на системата.

3. Решение за инспекция: дълбоко обучение + високоразрешително виждане

Референтното оборудване интегрира инспекцията за дефекти от машинна обработка и леярски дефекти в един общ работен процес за инспекция.

Дефекти на машинно обработваната повърхност

Системата може да инспектира определени машинно обработвани области за дефекти като:

• Удари
• Драскотини
• Нарушения на повърхността

Леярски дефекти

Обхватът на инспекцията включва също и:

• Пясъчни дупки
• Газова порьозност
• Дефекти от свиване
• Включвания

Фактическият откриваем размер на дефектите и критериите за приемане зависят от повърхността на детайла, условията на образуване на изображението и качествените стандарти, определени от клиента.

Инспекция чрез дълбоко обучение

Системата използва алгоритми за дълбоко обучение за анализ на заснетите изображения.

Този подход е особено полезен, когато морфологията на дефектите е трудно описуема чрез прости фиксирани правила.

Например, пясъчни дупки и порестост могат да се различават по:

• Форма
• Размер
• Характеристики на ръба
• Контраст
• Структура на повърхността
• Разпространение

Модел за дълбоко обучение може да бъде обучен чрез репрезентативни проби, за да идентифицира тези характеристики.

4. Конфигурация на хардуера

Системата използва високоразделно визуализиране заедно с роботизирано позициониране.

Визуална система

• промишлена камера с резолюция 20 МР
• Екстра-голям източник на висока яркост

Високоразделната камера осигурява подробна информация за изображението, докато голямата осветителна система е проектирана така, че да осигурява подходящо осветление по цялата зона за инспекция.

Роботизирана визуализация

AРобот FANUC се използва за автоматизирано позициониране на камерата и придобиване на изображения.

Тази конфигурация позволява на системата да инспектира множество области на сложни двигатели без нужда от отделна фиксирана камера за всяка позиция за инспекция.

Функции за управление и данни

Системата включва:

• Четене на кодове
• Инспекция чрез машинно виждане
• Алгоритми за дълбоко учене
• Проследяемост на инспекциите
• Анализ на данните
• Достъп до данни на разстояние

Това позволява резултатите от инспекцията да се свързват с отделни работни части и да се преглеждат по-късно за целите на анализ на качеството.

5. Технически спецификации

Следните спецификации са базирани на публично достъпна информация за продукта относно посочената система.

Артикул	Спецификация
Заявка	Търговски превозни средства, леки автомобили, включително новоенергийни превозни средства
Работни части	Компоненти за новоенергийни трансмисии; компоненти за трансмисии с дизелови и бензинови двигатели
Обхват на инспекцията	Машинно обработени повърхности и дефекти от леене
Леярски дефекти	Пясъчни дупки, пори, стегнатостни дефекти, включвания
Дефекти от машинна обработка	Ударни следи, драскотини и свързани повърхностни повреди
Публикуван цикъл на инспекция	4,5 минути
Индустриална камера	20 MP
Осветление	Екстра-голям източник на висока яркост
Робот	Fanuc
Контрол	Промишлен компютър Siemens / Advantech
Технология за инспекция	Машинно виждане + дълбоко обучение
Функции	Четене на кодове, инспекция, проследимост, анализ на данни и дистанционен достъп

Пазарът цикъл от 4,5 минути е публикувана стойност за приложение фактическото темпо на инспекция трябва да се оценява според броя на зоните за инспекция, геометрията на детайла, траекторията на робота, изискванията към обработката на изображения и начина на производство.

6. Основни съображения при избора

6.1 Създаване на база данни с проби преди разработване на алгоритъм

Ефективността на дълбокото обучение силно зависи от качеството на пробите.

Проектът трябва да събере репрезентативни проби, обхващащи:

• Нормални продукти
• Очевидни дефектни продукти (NG)
• Различни типове дефекти
• Различни размери на дефектите
• Гранични или погранични проби
• Различни повърхностни условия

Граничните проби са особено важни, тъй като дефектите в реалното производство не винаги са толкова очевидни, колкото лабораторните примери.

6.2 Определяне на количествени критерии за дефекти

Термини като "малка порозност" или "незначителна пясъчна дупка" са трудни за интерпретация от визуална система без инженерни критерии.

Спецификацията за качество трябва да определя, когато е приложимо:

• Минимален размер на дефекта
• Максимално допустим размер на дефекта
• Брой дефекти
• Плътност на дефектите
• Локализация на дефект
• Допустимо разстояние между дефектите

След това алгоритъмът може да бъде обучен и валидиран спрямо ясно дефинирана цел за инспекция.

6.3 Вземете предвид 4,5-минутния цикъл при планирането на производството

Публикуваното време на цикъл е относително умерено в сравнение с високоскоростната вградена визуална инспекция.

Това може да направи конфигурацията подходяща за:

• Пълна инспекция на критични компоненти
• Инспекция на партиди
• Контрол на качеството в края на производствената линия
• Проверка на проби

Ако инспекцията трябва да се интегрира в по-бърза производствена линия, точките за инспекция потенциално могат да бъдат разпределени между няколко паралелни станции.

Фактическото решение трябва да се определи чрез анализ на цикъла на времето, а не чрез предположението, че една роботизирана инспекционна клетка може да отговаря на всички изисквания за такт.

6.4 План за достъп до данни и тяхното запазване

Функциите за дистанционно заявяване на данни са полезни за проследимост на качеството, но системата трябва да бъде проектирана според действителната ИТ среда в завода.

Техническата спецификация трябва да определя:

• Период на запазване на данните
• Капацитет за съхранение на изображения
• Потребителски права
• Метод за дистанционен достъп
• Изисквания за резервно копиране
• Асоциация между заготовка и резултат

7. Може ли визуалната инспекция да открива дефекти от леене?

Машинното зрение може да открива дефекти от леене, които са визуално видими на инспектираната повърхност , включително подходящи примери за пясъчни дупки, порозност, повърхностни дефекти, свързани с контракция, и включвания.

Обаче има важно ограничение.

Дефект, напълно скрит вътре в отливката с някакво видимо повърхностно проявление, не може да бъде надеждно открит само чрез повърхностно визуализиране .

Такива вътрешни дефекти може да изискват други методи за неразрушително тестване, в зависимост от приложението, като например:

• Рентгенова инспекция
• Ултразвуково тестиране
• Магнитопорошка инспекция
• Други методи за неразрушително тестване, специфични за приложението

Следователно, визуалната инспекция трябва да се разбира като метод за инспекция на видимите повърхностни и близки до повърхността прояви , а не като заместител на всеки вид леярска инспекция.

8. Поддържане на производителността на моделите за дълбоко обучение

Моделът за дълбоко обучение обикновено не става неточен просто защото е работил в продължение на определен период от време.

Обаче производителността на инспекцията може да се промени при промяна на производствените условия.

Примери включват:

• Нов материал за леене или доставчик
• Нов процес на машинна обработка
• Промени в повърхностната обработка
• Промени в осветлението
• Нови модели на продукти
• Нови типове дефекти
• Замяна на камера
• Промени в положението на фиксатурата или робота

Един устойчив проект за машинно виждане следователно трябва да включва механизъм за поддръжка на модела, който обхваща:

1. Събиране на нови проби от дефекти
2. Преглед на производствени проби
3. Валидиране на модела
4. Актуализация на модела
5. Контрол на версията
6. Повторно валидиране след промени

Тези отговорности и процедури се дефинират най-добре в техническото споразумение преди приемането на оборудването.

9. Интегриране на визуалната инспекция с почистването

Двигателните блокове и главите на цилиндърите могат да бъдат почистени преди окончателната инспекция.

За производствени линии, които изискват както почистване, така и визуална инспекция, двете процеса могат да бъдат интегрирани в по-широк работен поток за контрол на качеството.

Типична последователност може да е:

Машинна обработка → Почистване → Сушка → Визуална инспекция → Проследяемост → Сглобяване

Този подход може да намали вероятността от ново замърсяване или увреждане поради удар при ненужно междинно обращение.

Също така може да направи резултата от инспекцията по-представителен за състоянието на компонента непосредствено преди сглобяването.

Big Bird Industrial разполага както с индустриално прецизно оборудване за почистване, така и с възможности за машинна визуална инспекция , което прави възможни комбинирани решения за почистване и инспекция за приложения, при които са необходими и двете процеса.

10. Възможности за инспекция чрез машинно зрение на Big Bird Industrial

Harbin Big Bird Industrial Co., Ltd. (Big Bird Industrial), предишно Harbin Shimada Big Bird Industrial Co., Ltd., предлага интегрирани промишлени решения за почистване и машинно зрение за приложения в автомобилната трансмисия и прецизното производство.

Нейният бизнес в областта на машинното зрение обхваща шест специализирани области:

• Orient See — инспекция на размери и геометрия
• Surface See — инспекция на повърхностни дефекти
• Сглобяване – виж — инспекция при сглобяване и поко-йоке
• Вътрешно – виж — инспекция на вътрешни отвори и вътрешни стени
• Боя – виж — инспекция на дефекти по повърхността на боята
• Алгоритъм и софтуерна платформа — алгоритми и софтуер за машинно зрение

За блокове на двигатели и глави на цилиндри Surface See може да бъде конфигуриран за дефекти на обработени повърхности и видими леярски дефекти.

Когато е необходима инспекция на вътрешни отвори Вътрешно – виж може да отговори на изискванията за инспекция на вътрешни отвори и вътрешни повърхности.

Това позволява системата за инспекция да се конфигурира според действителния тип дефект, мястото на инспекция и производствения процес, а не да се прилага един и същ метод за визуализация за всички области.

ЧЗВ

Може ли машинното зрение да замени ръчната инспекция за пясъчни дупки и порестост?

За дефекти, които са видими на инспектираната повърхност, автоматизираното визуално наблюдение може да замени или значително да намали ръчната визуална инспекция.

Обаче дефекти, напълно скрити вътре в отливката и без никакви повърхностни индикации, не могат да бъдат открити само чрез повърхностна визуализация. Такива дефекти изискват подходящи методи за неразрушително тестване.

Ще стане ли моделът с дълбоко обучение неточен след определен период на работа?

Не просто поради времето на експлоатация.

Производителността може да се промени, когато се променят продуктът, процесът, материала, осветлението или популацията от дефекти. Затова непрекъснатото събиране на проби и валидирането на модела са важни за дългосрочната стабилност на производството.

Защо публикуваният цикъл на инспекция е 4,5 минути?

Системата извършва множество операции по визуализация върху сложни повърхности на компоненти на двигателя чрез роботизирано позициониране и обработка на изображения.

Публикуваното 4,5-минутно цикъл е подходящо за посоченото приложение. Ако е необходим по-бърз такт на производството, точките за инспекция могат да се разпределят между паралелни станции или да се оптимизират процесите за визуализация и траекториите на робота.

Може ли системата за машинно зрение да се свърже с машина за почистване?

Да

Big Bird Industrial предлага както прецизно промишлено оборудване за почистване, така и системи за инспекция чрез машинно зрение. Когато производственият процес го изисква, почистването и инспекцията могат да бъдат свързани, така че компонентите да преминават директно от почистване и сушене към автоматизирана визуална инспекция и проследимост.

Заключение

Дефектите от леене и от механична обработка представляват два различни предизвикателства за контрола на качеството на блоковете на двигателя и главите на цилиндрите.

Пясъчни дупки, пори, дефекти от свиване и включвания са резултат от процеса на леене, докато драскотини и следи от удар могат да възникнат по време на машинна обработка, при манипулация или при прехвърляне в производствения процес. Визуалните им характеристики могат значително да се различават, което затруднява надеждното прилагане на една фиксирана прагова стратегия за инспекция.

Посоченото решение комбинира промишлена камера с резолюция 20 МР, осветление с висока яркост, роботизирано позициониране от FANUC и дълбокообучаваща компютърна визия за инспекция както на зададените машинно обработени повърхности, така и на видими дефекти от леене.

За производствени приложения обаче ефективността на инспекцията чрез дълбоко обучение зависи от повече неща от самия алгоритъм. Репрезентативни проби, количествени критерии за приемане, стабилни условия за заснемане и дефиниран процес за поддръжка на модела са всички съществени компоненти на надеждна система за визуална инспекция.

За производители, които търсят комбиниране на почистване, инспекция на повърхността и проследимост, Big Bird Industrial може да интегрира тези процеси в по-широк автоматизиран работен поток за контрол на качеството, като SHIMADA се запазва като част от историческата брандова самоличност на компанията.