Ძრავის ბლოკისა და ცილინდრის თავის დეფექტების შემოწმება: სასრული დასამზადებლო დეფექტების ღრმა სწავლების ხედვით შემოწმება

Შეხედულება

Ძრავის კორპუსებსა და ცილინდრის თავებს შეიძლება წარმოების სხვადასხვა ეტაპზე დეფექტები მოეპაროს. Გადასხევის დეფექტებს მაგალითად, ქვიშის ხვრელები, პოროზულობა, შეკუმშვის დეფექტები და ჩარევები წარმოიქმნება საყრელის დროს, ხოლო მექანიკური დამუშავების და მოძრავების დეფექტები მაგალითად, შეჯახების ნიშნები და ხაზები შეიძლება წარმოიქმნას შემდგომი წარმოების პროცესების დროს.

Big Bird Industrial-ის ხედვის შემოწმების ამონახსნი აერთიანებს 20 მპ-იან სამრეწველო კამერებს, მაღალი სიკაშკაშის განათებას, რობოტულ სურათგადაღებას და ღრმა სწავლების ალგორითმებს რათა შეამოწმოს როგორც მექანიკურად დამუშავებული ზედაპირების, ასევე ხილული საყრელის დეფექტები ძრავის კორპუსებსა და ცილინდრის თავებზე.

Მითითებული სისტემის გამოცხადებული შემოწმების ციკლია 4.5 წუთი , საბოლოო კონფიგურაცია და ტაქტი შეიძლება მორგებული იყოს სამუშაო ნაკვეთისა და შემოწმების მოთხოვნების მიხედვით.

1. სასხმელების და მექანიკური დამუშავების დეფექტები სხვადასხვა შემოწმების პრობლემაა

Ძრავის კორპუსებსა და ცილინდრების თავებში შეიძლება არსებობდეს დეფექტები, რომლებიც წარმოიქმნებიან ძირევად განსხვავებულ წარმოების ეტაპებზე.

Გადასხევის დეფექტებს

Ტიპიური სასხმელების დეფექტები შეიძლება იყოს:

• Ქვიშის ხვრელებს
• Აირის პორისტობა
• Შეკუმშვის დეფექტები
• Ჩარევები

Ეს დეფექტები წარმოიქმნება ლითონის შევსების, გამყარების ან სხვა სასხმელების პროცესების დროს. როდესაც ისინი ზედაპირზე გამოჩნებიან, შეიძლება გამოიყურებოდნენ როგორც ბნელი ლაქები, ღრმავები, არეგულარული დაბალებები ან ზედაპირის ტექსტურით განსხვავებული არეები.

Მექანიკური დამუშავების და მოძრავების დეფექტები

Სასხმელების შემდეგ ძრავის კორპუსები და ცილინდრების თავები გადიან მექანიკურ დამუშავებას, ტრანსპორტირებას, მიმაგრებას და სხვა წარმოების ოპერაციებს.

Ამ ეტაპებიდან წარმოიქმნება ტიპიური დეფექტები, როგორიცაა:

• Შეჯახების კვალები
• Ჩამორჩენები
• Ზედა დაზიანება
• Ადგილობრივი დაბალებები

Ეს დეფექტები შეიძლება განსხვავდებოდეს სასტუმრო დეფექტებისგან მკაფიოდან განსხვავებული ვიზუალური გარეგნობით.

Ეს განსხვავება მნიშვნელოვანია მანქანური ხედვისთვის, რადგან ორივე დეფექტების ჯგუფის აღმოჩენას შეიძლება სჭირდებოდეს განსხვავებული სურათგადაღების და ალგორითმური სტრატეგიები.

2. რატომ არის სასტუმრო დეფექტების აღმოჩენა რთული

Სასტუმრო ზედაპირები ბუნებრივად უფრო რთულია მაღალი ერთგვაროვნების მქონე მექანიკურად დამუშავებულ ზედაპირებზე.

Მექანიკურად დამუშავებული ზედაპირი შეიძლება ჰქონდეს შედარებით მუდმივი ტექსტურა და რეფლექტიურობა, ხოლო სასტუმრო ზედაპირი შეიძლება შეიცავდეს:

• Არეგულარულ ტექსტურას
• Ბუნებრივ ზედაპირის ცვალებადობას
• Ხელოვნურობის ცვლილებებს
• Განსხვავებულ რეაქციას სინათლეზე
• Მასალასთან დაკავშირებულ ვიზუალურ თავისებურებებს

Სასტუმრო დეფექტები, როგორიცაა ქვიშის ხვრელები და პოროზულობა, ასევე შეიძლება საკმაოდ მნიშვნელოვნად განსხვავდებოდეს ფორმით და ზომით.

Ამიტომ, მარტივი ზღვარზე დაფუძნებული ხედვის სისტემა შეიძლება სირთულეში მოექცეს ჭეშმარიტი დეფექტის და ნორმალური სასტუმრო ტექსტურის გამოყოფაში.

Ამ მიზეზით, მითითებული სისტემა იყენებს ღრმა სწავლებაზე დაფუძნებულ მანქანურ ხედვას .

Განსაკუთრებით არ ყოფნის მხოლოდ მუდმივი ნაცრისფერი ან გეომეტრიული ზღვრების დაყრდნობით, განსაკუთრებით შესწავლილი მოდელი შეძლებს წარმოდგენითი OK და NG ნიმუშებიდან ვიზუალური მახასიათებლების შესწავლას.

Თუმცა, ღრმა სწავლება არ აცილებს შესაბამისი სურათგადაღების საჭიროებას. Განათება, ოპტიკური გარჩევადობა, ნიმუშის ხარისხი და შემოწმების არეს განსაზღვრა სისტემის შედეგიანობის ძირეული ფაქტორები რჩება.

3. შემოწმების ამოხსნა: ღრმა სწავლება + მაღალი გარჩევადობის ხედვა

Მითითებული მოწყობილობა შეერთებს მექანიკურად დამუშავებული ზედაპირის და სასტუმრო დეფექტების შემოწმებას ერთი საერთო შემოწმების სამუშაო დიდაქტიკაში.

Მექანიკურად დამუშავებული ზედაპირის დეფექტები

Სისტემა შეუძლია მითითებული მექანიკურად დამუშავებული ზედაპირების შემოწმება შემდეგი დეფექტების აღმოსაჩენად:

• Შეჯახების კვალები
• Ჩამორჩენები
• Ზედა დაზიანება

Გადასხევის დეფექტებს

Შემოწმების სფერო ასევე მოიცავს:

• Ქვიშის ხვრელებს
• Აირის პორისტობა
• Შეკუმშვის დეფექტები
• Ჩარევები

Ფაქტობრივი აღმოსაჩენი დეფექტის ზომა და მიღების კრიტერიუმები დამოკიდებულია ნიმუშის ზედაპირზე, სურათის მიღების პირობებზე და მომხმარებლის მიერ განსაზღვრულ ხარისხის სტანდარტებზე.

Ღრმა სწავლების შემოწმება

Სისტემა გამოიყენებს ღრმა სწავლების ალგორითმებს გადაღებული სურათების ანალიზისთვის.

Ეს მიდგომა განსაკუთრებით სასარგებლოა მაშინ, როდესაც დეფექტის ფორმა რთულია აღწერისთვის მარტივი და მყარი წესების გამოყენებით.

Მაგალითად, ქვიშის ხვრელები და პოროზულობა შეიძლება განსხვავდებოდეს შემდეგი მახასიათებლებით:

• Ფორმა
• Ზომა
• Სასაზღვრო მახასიათებლები
• Კონტრასტი
• Ზედაპირის ტექსტურა
• Დისტრიბუცია

Ღრმა სწავლების მოდელი შეიძლება განვითარდეს წარმოდგენითი ნიმუშების გამოყენებით ამ მახასიათებლების აღმოსაჩენად.

4. ჰარდვერული კონფიგურაცია

Მითითებული სისტემა იყენებს მაღალი გარჩევადობის სურათების მიღებას რობოტული პოზიციონირებით ერთად.

Vision System

• 20 მპ სამრეწველო კამერა
• Ექსტრა დიდი მაღალი სიკაშკაშეს მქონე სინათლის წყარო

Მაღალი გარჩევადობის კამერა აძლევს დეტალურ სურათის ინფორმაციას, ხოლო დიდი განათების სისტემა შეიმუშავებულია შემოწმების არეალში შესაბამისი განათების უზრუნველყოფისთვის.

Რობოტული სურათების მიღება

AFANUC რობოტი გამოიყენება ავტომატიზებული კამერის პოზიციონირებისა და სურათების მიღებისთვის.

Ეს კონფიგურაცია სისტემას საშუალებას აძლევს რთული ძრავის კომპონენტების რამდენიმე არეალის შემოწმებას ყოველი შემოწმების პოზიციისთვის ცალკე დამაგრებული კამერის გარეშე.

Კონტროლი და მონაცემების ფუნქციები

Სისტემა ინტეგრირებს:

• Კოდის წაკითხვა
• Განვითარების აჩქარებას მნიშვნელოვანი ზრდის მიმართულებად მიიჩნევს.
• Ღრმა სწავლების ალგორითმები
• Შემოწმების საკვალიფიკაციო სიზუსტე
• Მონაცემთა ანალიზი
• Მონაცემებზე დაშორებული წვდომა

Ეს საშუალებას აძლევს შემოწმების შედეგების დაკავშირებას ცალკეულ ნაკეთობასთან და მათი შემდგომი ხარისხის ანალიზის მიზნით გადახედვას.

5. ტექნიკური სპეციფიკაციები

Შემდეგი სპეციფიკაციები მოცემული სისტემის საჯაროდ ხელმისაწვდომი პროდუქტის ინფორმაციის საფუძველზეა.

Ელემენტი	Სპეციფიკაცია
Გამოყენება	Კომერციული სატრანსპორტო საშუალებები, მგზავრთა სატრანსპორტო საშუალებები, მათ შორის NEV-ები
Სამუშაო ნიმუშები	Ახალი ენერგიის ძრავის კომპონენტები; დიზელისა და ბენზინის ძრავის კომპონენტები
Ინსპექციის სCOPE	Მომზადებული ზედაპირისა და საყრელი ნაკეთობების დეფექტები
Გადასხევის დეფექტებს	Ქვიშის ხვრელები, პოროზულობა, შეკუმშვის დეფექტები, ჩარევები
Მომზადებული ნაკეთობების დეფექტები	Შეჯახების ნიშნები, ხაზები და საკავშირო ზედაპირის ზიანი
Გამოქვეყნებული შემოწმების ციკლი	4.5 წუთი
Ინდუსტრიული კამერა	20 მგ
Განათება	Ექსტრა დიდი მაღალი სიკაშკაშეს მქონე სინათლის წყარო
Რობოტი	Fanuc
Კონტროლი	Siemens / Advantech სამრეწველო კომპიუტერი
Შემოწმების ტექნოლოგია	Მანქანური ხედვა + ღრმა სწავლება
Ფუნქციები	Კოდის წაკითხვა, შემოწმება, საკვალიფიკაციო კვლევა, მონაცემების ანალიზი და დაშორებული წვდომა

Ეს 4,5 წუთიანი ციკლი არის გამოქვეყნებული აპლიკაციის მნიშვნელობა ფაქტობრივი შემოწმების ტაქტი უნდა შეფასდეს შემოწმების რეგიონების რაოდენობის, ნაკეთობის გეომეტრიის, რობოტის ტრაექტორიის, სურათის დამუშავების მოთხოვნების და წარმოების რეჟიმის მიხედვით.

6. ძირევანი არჩევის ფაქტორები

6.1 ალგორითმის შემუშავებამდე ნიმუშების ბაზის შექმნა

Ღრუბლიანი სწავლების შედეგი ძალზე მოკლებულია ნიმუშების ხარისხზე.

Პროექტმა უნდა შეაგროვოს წარმომადგენლობითი ნიმუშები, რომლებიც მოიცავს:

• Ნორმალურ პროდუქტებს
• Გასარკვევად არასწორ პროდუქტებს
• Სხვადასხვა სახის დეფექტებს
• Სხვადასხვა ზომის დეფექტებს
• Საზღვრის ან საზღვრის მიმდებარე ნიმუშებს
• Სხვადასხვა ზედაპირის მდგომარეობას

Საზღვრის ნიმუშები განსაკუთრებით მნიშვნელოვანია, რადგან რეალურ წარმოებაში დეფექტები არ არის ყოველთვის ისე გასარკვევად აშკარა, როგორც ლაბორატორიული მაგალითები.

6.2 დეფექტების რაოდენობრივი კრიტერიუმების განსაზღვრა

Ტერმინები, როგორიცაა "პატარა ფორიანობა" ან "მცირე ქვიშის ხვრელი", ხარვეზების ავტომატური აღმოჩენის სისტემისთვის ინჟინერული კრიტერიების გარეშე ინტერპრეტაცია რთულია.

Ხარვეზების სპეციფიკაცია უნდა განსაზღვროს შესაძლებლობის შემთხვევაში:

• Ხარვეზის მინიმალური ზომა
• Ხარვეზის მაქსიმალურად დასაშვები ზომა
• Ხარვეზების რაოდენობა
• Ხარვეზების სიმჭიდროვე
• Დეფექტის მდებარეობა
• Ხარვეზებს შორის დასაშვები მანძილი

Შემდეგ ალგორითმი შეიძლება დაიწყოს სწავლება და შემოწმება კარგად განსაზღვრული შემოწმების მიზნის მიხედვით.

6.3 გაითვალისწინეთ წარმოების გეგმირებაში 4,5-წუთიანი ციკლი

Გამოქვეყნებული ციკლის ხანგრძლივობა მაღალსიჩქარეიანი სახაზო ხარვეზების ავტომატური აღმოჩენის შედარებით საშუალო მნიშვნელობაა.

Ეს შეიძლება გააკეთოს კონფიგურაცია შესატანად:

• Კრიტიკული კომპონენტების სრული შემოწმება
• Სერიის შემოწმება
• Ხაზის ბოლოს ხარისხის შემოწმება
• Ნიმუშის ინსპექცია

Თუ შემოწმება უნდა იყოს ინტეგრირებული უფრო სწრაფ წარმოების ხაზში, შემოწმების წერტილები შეიძლება განაწილდეს რამდენიმე პარალელურ სადგურზე.

Ფაქტობრივი ამონახსნის განსაზღვრა უნდა მოხდეს ციკლის დროის ანალიზის საფუძველზე, არ უნდა ვივარაუდოთ, რომ ერთი რობოტიზებული შემოწმების უჯრედი შეძლებს ყველა ტაქტის მოთხოვნის დაკმაყოფილებას.

6.4 მონაცემების წვდომისა და შენახვის გეგმა

Დაშორებული მონაცემების მოთხოვნის ფუნქციები სასარგებლოა ხარისხის საკვალიფიკაციო სისტემებისთვის, მაგრამ სისტემა უნდა იყოს დაპროექტებული საწარმოს ფაქტობრივი IT-გარემოს მიხედვით.

Ტექნიკური სპეციფიკაცია უნდა განსაზღვრავს:

• Მონაცემების შენახვის ვადა
• Სურათების შენახვის მოცულობა
• Მომხმარებლის უფლებები
• Დაშორებული წვდომის მეთოდი
• Რეზერვული ასლების მოთხოვნები
• Ნაკეთობის და შედეგის კავშირი

7. შეუძლია თუ არა ხედვის შემოწმებას აღმოაჩინოს სასროლის დეფექტები?

Მანქანური ხედვა შეუძლია აღმოაჩინოს სასროლის დეფექტები, რომლებიც ვიზუალურად არის გამოხატული შემოწმებულ ზედაპირზე , მათ შორის სამაგრის ხვრელების, პოროზულობის, შეკუმშვის მიერ გამოწვეული ზედაპირული დეფექტებისა და ჩარევების შესაბამისი მაგალითები.

Თუმცა, არსებობს მნიშვნელოვანი შეზღუდვა.

Დეფექტი, რომელიც სრულიად დამალულია სასროლის შიგნით და რომელსაც ზედაპირზე ვიზუალური ნიშანი არ აქვს, არ შეიძლება საიმედოდ აღმოაჩინოს მხოლოდ ზედაპირული სურათგადაღების საშუალებით .

Ამ შიგა დეფექტებს შეიძლება სხვა უკანონო შემოწმების მეთოდები დასჭირდეს, მოცემული გამოყენების მიხედვით, მაგალითად:

• Რენტგენის შემოწმებას
• Ულტრასაouncი ტესტირება
• Მაგნიტური ნაკლებოვანების შემოწმება
• Სხვა კონკრეტული გამოყენების მიზნით გამოყენებული არადესტრუქციული შემოწმების მეთოდები

Ამიტომ, ვიზუალური შემოწმება უნდა გაგებული იქნას როგორც შემოწმების მეთოდი ხილული ზედაპირისა და მის მიდამოებში არსებული მანიფესტაციების შემოწმების მეთოდი, ხოლო არ უნდა განიხილებოდეს როგორც ყველა სახის საყრელი ნაკლებოვანების შემოწმების ჩანაცვლება.

8. ღრმა სწავლების მოდელის შედეგიანობის შენარჩუნება

Ღრმა სწავლების მოდელი ჩვეულებრივ არ ხდება არასწორი მხოლოდ იმიტომ, რომ იგი გარკვეული ხანგრძლივობით მუშაობს.

Თუმცა, შემოწმების შედეგიანობა შეიძლება შეიცვალოს წარმოების პირობების ცვლილების შემდეგ.

Მაგალითები შეიცავს:

• Ახალი საყრელი მასალა ან მომწოდებელი
• Ახალი მექანიკური დამუშავების პროცესი
• Ზედაპირის გასაუმჯობესებლად შეტანილი ცვლილებები
• Განათების ცვლილებები
• Ახალი პროდუქტის მოდელები
• Ახალი დეფექტების ტიპები
• Კამერის შეცვლა
• Ფიქსატორის ან რობოტის პოზიციის ცვლილებები

Ამიტომ მყარი ხედვის პროექტი უნდა მოიცავდეს მოდელის მოვლის მეхანიზმს, რომელიც მოიცავს:

1. Ახალი დეფექტების ნიმუშების შეგროვებას
2. Წარმოების ნიმუშების შემოწმებას
3. Მოდელის ვალიდაციას
4. Მოდელის განახლება
5. Ვერსიის კონტროლი
6. Ცვლილებების შემდეგ ხელახლა ვალიდაცია

Ეს პასუხისმგებლობები და პროცედურები ყველაზე კარგად განისაზღვრება ტექნიკურ შეთანხმებაში აღჭურვილობის მიღებამდე.

9. ხედვის შემოწმების ინტეგრაცია სუფთავებასთან

Ძრავის ბლოკები და ცილინდრის თავები შეიძლება დაისუფთავოს საბოლოო შემოწმებამდე.

Იმ წარმოების ხაზებში, რომლებსაც სუფთავება და ხედვის შემოწმება ერთდროულად მოითხოვს, ორივე პროცესი შეიძლება ინტეგრირდეს ფართო ხარისხის კონტროლის სამუშაო დასაგეგმარებლად.

Ტიპიკური თანმიმდევრობა შეიძლება იყოს:

Მექანიკური დამუშავება → სუფთავება → გამხმარება → ხედვის შემოწმება → საკონტროლო კვალის დასადგენად → შეკრება

Ეს მიდგომა შეიძლება შეამციროს არსებული არ არსებული დაბინძურების ან შემთხვევითი დაზიანების ალბათობა არასაჭიროებელი შუალედური მომსახურების დროს.

Ასევე შეიძლება გააკეთოს შემოწმების შედეგი უფრო წარმოდგენითი კომპონენტის მდგომარეობის შესახებ შეკრებამდე დასასრული მომენტში.

Ბიგ ბერდ ინდასტრიალს აქვს როგორც ინდუსტრიული სიზუსტის სასუფთავო მოწყობილობა, ასევე მანქანური ხედვის შემოწმების შესაძლებლობები , რაც საშუალებას აძლევს შექმნას კომბინირებული სუფთავის და შემოწმების ამოხსნები იმ აპლიკაციებისთვის, სადაც ორივე პროცესი სჭირდება.

10. ბიგ ბერდ ინდასტრიალის მანქანური ხედვის შემოწმების შესაძლებლობები

Харбин Биг Бёрд Индастриал Ко., Лтд. (Big Bird Industrial), ადრე ჰარბინ შიმადა ბიგ ბერდ ინდასტრიალ კო., ლტდ. აწარმოებს ინტეგრირებულ ინდუსტრიულ სუფთავისა და მანქანური ხედვის ამოხსნებს ავტომობილების ძრავის სისტემებისა და სიზუსტის მანუფაქტურის აპლიკაციებისთვის.

Მისი მანქანური ხედვის ბიზნესი მოიცავს ექვს სპეციალიზებულ სფეროს:

• Orient See — სივრცითი და გეომეტრიული შემოწმება
• Ზედაპირი იხილეთ — ზედაპირის დეფექტების შემოწმება
• Შეკრება იხილეთ — შეკრების შემოწმება და პოკა-იოკე
• Შიგნით იხილეთ — შიგა ხვრელებისა და შიგა კედლების შემოწმება
• Ფერადობა იხილეთ — ფერადობის ზედაპირის დეფექტების შემოწმება
• Ალგორითმი და სოფტვერული პლატფორმა — ხელოვნური ხედვის ალგორითმები და პროგრამული უზრუნველყოფა

Ძრავის კორპუსებისა და ცილინდრის თავებისთვის, Ზედაპირი იხილეთ შეიძლება დაკონფიგურდეს როგორც მანქანურად დამუშავებული ზედაპირების დეფექტების, ასევე ხილული სასხმელების დეფექტების შესამოწმებლად.

Სადაც შესაძლებელია შიგა ხვრელების შემოწმება, Შიგნით იხილეთ შეიძლება მოახდინოს შიგა ხვრელებისა და შიგა კედლის ზედაპირების შემოწმების მოთხოვნების დაკმაყოფილება.

Ეს საშუალებას აძლევს შემოწმების სისტემის კონფიგურირებას ფაქტობრივი დეფექტის ტიპის, შემოწმების ადგილის და წარმოების პროცესის მიხედვით, არ არის აუცილებელი ერთი სურათის მიღების მეთოდის ყველა არეალზე გამოყენება.

Ხშირად დასმული კითხვები

Შეძლებს თუ არა მანქანური ხედვა ჩანაძირების და პოროზულობის ხელით შემოწმების ჩანაცვლებას?

Ჩანაძირების და პოროზულობის მსგავსი დეფექტების შემთხვევაში, რომლებიც ხელით შემოწმების ზედაპირზე ხილულია, ავტომატიზებული ხედვა შეძლებს ხელით ვიზუალური შემოწმების ჩანაცვლებას ან მნიშვნელოვნად შემცირებას.

Თუმცა, სრულიად დამალული დეფექტები, რომლებიც საერთოდ არ აისახებიან საყრდენი ზედაპირზე, არ შეიძლება გამოვლინდეს მხოლოდ ზედაპირის სურათის მიღების საშუალებით. ამ სახის დეფექტების გამოსავლენად შესაბამისი არადესტრუქციული შემოწმების მეთოდები სჭირდება.

Გახდება თუ არა ღრმა სწავლების მოდელი უზუსტო დროთანაბარ მისი გამოყენების გარკვეული პერიოდის შემდეგ?

Არ ხდება მხოლოდ მისი მუშაობის ხანგრძლივობის გამო.

Შესაძლებელია საწარმოო პროცესის მახასიათებლების ცვლილება, როდესაც იცვლება პროდუქტი, პროცესი, მასალა, განათება ან დეფექტების რაოდენობა. ამიტომ მუდმივი ნიმუშების შეგროვება და მოდელის ვალიდაცია მნიშვნელოვანია საწარმოო პროცესის გრძელვადიანი სტაბილურობის უზრუნველყოფად.

Რატომ არის გამოქვეყნებული შემოწმების ციკლი 4,5 წუთი?

Მითითებული სისტემა ასრულებს რამდენიმე სურათის მიღების ოპერაციას რობოტული პოზიციონირებისა და სურათების დამუშავების გამოყენებით სირთულეებით დატვირთული ძრავის კომპონენტების ზედაპირებზე.

Გამოქვეყნებული 4,5 წუთიანი ციკლი შესატყობარებლად არის მითითებული გამოყენების შემთხვევაში. თუ სჭირდება უფრო სწრაფი საწარმოო ტაქტი, შემოწმების წერტილები შეიძლება გადანაწილდეს პარალელურ სადგურებს შორის ან შეიძლება გაუმჯობესდეს სურათის მიღების და რობოტის მოძრაობის ტრაექტორიები.

Შეიძლება თუ არა ხედვის სისტემას დაკავშირება სუფთავი მანქანას?

نعم.

Big Bird Industrial მიაწოდებს როგორც სიზუსტის მოთხოვნებს აკმაყოფილებად სამრეწველო სუფთავი მოწყობილობას, ასევე მანქანური ხედვის შემოწმების სისტემებს. სადაც საწარმოო პროცესი ამას მოითხოვს, სუფთავი და შემოწმების პროცესები შეიძლება დაკავშირდეს ისე, რომ კომპონენტები სუფთავისა და გამშრალის შემდეგ პირდაპირ მივიდეს ავტომატიზებული ვიზუალური შემოწმების და საკვალიფიკაციო სისტემებში.

Დასკვნა

Სასწორის და ცილინდრების თავების ხარვეზები წარმოადგენენ ორ სხვადასხვა ხარისხის კონტროლის გამოწვევას.

Ქვიშის ხვრელები, პორები, შეკუმშვის ხარვეზები და ჩარევები წარმოიქმნება სასწორის დროს, ხოლო ხაზები და შეჯახების ნიშნები შეიძლება ჩამოყალიბდეს მექანიკური დამუშავების, მოძრავების ან წარმოების გადატანის დროს. მათი ვიზუალური მახასიათებლები შეიძლება საკმაოდ განსხვავდებოდეს, რაც ერთი მუდმივი ზღვარის მიხედვით შემოწმების სტრატეგიის სანდო გამოყენებას რთულის ხდის.

Მითითებული ამოხსნა კომბინირებს 20 მპ-იან სამრეწველო კამერას, მაღალი სიკაშკაშის განათებას, FANUC-ის რობოტულ პოზიციონირებას და ღრმა სწავლების მანქანურ ხედვას რათა შეამოწმოს როგორც მითითებული მექანიკურად დამუშავებული ზედაპირები, ასევე ხილული სასწორის ხარვეზები.

Თუმცა, წარმოების გამოყენების შემთხვევაში, ღრმა სწავლების შემოწმების ეფექტურობა დამოკიდებულია არ მხოლოდ ალგორითმზე. Წარმოდგენითი ნიმუშები, რაოდენობრივი მისაღებლობის კრიტერიუმები, სტაბილური სურათგადაღების პირობები და განსაზღვრული მოდელის მოვლის პროცესი არის სანდო ხედვის შემოწმების სისტემის ყველა ძირეული ნაკრები.

Მწარმოებლებისთვის, რომლებსაც სჭირდებათ სისუფთავის დამუშავება, ზედაპირის შემოწმება და საკუთარი წარმოშობის დადგენა, Big Bird Industrial შეძლებს ამ პროცესების ინტეგრაციას უფრო ფართო ავტომატიზებულ ხარისხის კონტროლის სამუშაო ნაკრებში, რომელშიც SHIMADA შენარჩუნდება კომპანიის ისტორიული ბრენდის იდენტობის ნაკრების ნაკლებად.