Pemeriksaan Kecacatan Blok Enjin & Kepala Silinder: Penglihatan Pembelajaran Mendalam untuk Kecacatan Pengecoran

Gambaran Umum

Blok enjin dan kepala silinder boleh mengalami kecacatan pada pelbagai peringkat pembuatan. Kecacatan pengecoran seperti lubang pasir, kerapuhan, kecacatan susut dan inklusi yang terbentuk semasa proses pengecoran, manakala kecacatan Pemesinan dan Pengendalian seperti tanda hentaman dan garisan boleh berlaku semasa proses pengeluaran seterusnya.

Penyelesaian pemeriksaan penglihatan Big Bird Industrial menggabungkan kamera industri 20 MP, pencahayaan berkecerahan tinggi, pengimejan berasaskan robot dan algoritma pembelajaran mendalam untuk memeriksa kedua-dua kecacatan permukaan yang telah diproses dan kecacatan pengecoran yang kelihatan pada blok enjin dan kepala silinder.

Sistem yang dirujuk mempunyai kitaran pemeriksaan yang diterbitkan sebanyak 4.5 minit , dengan konfigurasi akhir dan takt boleh disesuaikan mengikut keperluan kerja dan pemeriksaan.

1. Kecacatan Pengecoran dan Kecacatan Pemesinan Adalah Masalah Pemeriksaan yang Berbeza

Blok enjin dan kepala silinder mungkin mengandungi kecacatan yang berasal daripada peringkat pembuatan yang asasnya berbeza.

Kecacatan pengecoran

Kecacatan berkaitan pengecoran yang lazim termasuk:

• Lubang pasir
• Porositi Gas
• Kecacatan mengecut
• Inklusi

Kecacatan ini terbentuk semasa pengisian logam, pepejal atau proses pengecoran lain. Apabila terdedah di permukaan, ia mungkin kelihatan sebagai tompok gelap, lesung, lekukan tidak sekata atau kawasan dengan tekstur permukaan yang berbeza.

Kecacatan Pemesinan dan Pengendalian

Selepas pengecoran, blok enjin dan kepala silinder menjalani pemesinan, pengangkutan, pengapit dan operasi pengeluaran lain.

Kecacatan lazim daripada peringkat ini termasuk:

• Tanda hentaman
• Luka
• Kerosakan permukaan
• Lesung tempatan

Kecacatan ini mungkin mempunyai rupa visual yang berbeza secara ketara daripada kecacatan pengecoran.

Perbezaan ini penting bagi penglihatan mesin kerana kedua-dua kumpulan cacat tersebut mungkin memerlukan strategi pengeimejan dan algoritma yang berbeza.

2. Mengapa Pengesanan Cacat Pengecoran Sukar

Permukaan pengecoran secara semula jadi lebih kompleks berbanding permukaan mesin yang sangat seragam.

Permukaan mesin mungkin mempunyai tekstur dan kecerahan yang agak konsisten, manakala permukaan pengecoran boleh mengandungi:

• Tekstur tidak sekata
• Varian permukaan semula jadi
• Perubahan kekasaran
• Tindak balas pencahayaan yang berbeza
• Ciri visual berkaitan bahan

Cacat pengecoran seperti lubang pasir dan porositi juga boleh berbeza secara ketara dari segi bentuk dan saiz.

Oleh sebab itu, sistem penglihatan berdasarkan ambang mudah mungkin sukar membezakan cacat sebenar daripada tekstur tuangan biasa.

Oleh sebab ini, sistem yang dirujuk menggunakan penglihatan mesin berbasis pembelajaran mendalam .

Daripada hanya bergantung pada ambang kelabu tetap atau ambang geometri, model terlatih boleh mempelajari ciri-ciri visual daripada sampel OK dan NG yang mewakili.

Namun, pembelajaran mendalam tidak menghilangkan keperluan akan pengimejan yang sesuai. Pencahayaan, resolusi optik, kualiti sampel dan takrifan kawasan pemeriksaan tetap merupakan asas kepada prestasi sistem.

3. Penyelesaian Pemeriksaan: Pembelajaran Mendalam + Penglihatan Beresolusi Tinggi

Peralatan yang dirujuk menggabungkan pemeriksaan cacat pemesinan dan cacat tuangan ke dalam aliran kerja pemeriksaan sepunya.

Cacat Permukaan yang Dipemesin

Sistem ini boleh memeriksa kawasan yang ditentukan bagi permukaan yang dipemesin untuk cacat seperti:

• Tanda hentaman
• Luka
• Kerosakan permukaan

Kecacatan pengecoran

Julat pemeriksaan juga merangkumi:

• Lubang pasir
• Porositi Gas
• Kecacatan mengecut
• Inklusi

Saiz cacat yang sebenarnya dapat dikesan dan kriteria penerimaan bergantung pada permukaan benda kerja, keadaan imej, dan piawaian kualiti yang ditetapkan pelanggan.

Pemeriksaan Berasaskan Pembelajaran Mendalam

Sistem ini menggunakan algoritma pembelajaran mendalam untuk menganalisis imej yang diambil.

Pendekatan ini amat berguna apabila morfologi cacat sukar digambarkan dengan peraturan tetap yang mudah.

Sebagai contoh, lubang pasir dan kelompang mungkin berbeza dari segi:

• Bentuk
• Saiz
• Ciri-ciri Tepi
• Kontras
• Tekstur permukaan
• Pengedaran

Model pembelajaran mendalam boleh dilatih menggunakan sampel wakil untuk mengenal pasti ciri-ciri ini.

4. Konfigurasi Perkakasan

Sistem yang dirujuk menggunakan imej beresolusi tinggi bersama penentuan kedudukan bermotor.

Sistem Visi

• kamera industri 20 MP
• Sumber cahaya berkecerahan sangat tinggi berukuran sangat besar

Kamera beresolusi tinggi memberikan maklumat imej terperinci, manakala sistem pencahayaan besar direka untuk memberikan pencahayaan yang sesuai di seluruh kawasan pemeriksaan.

Pengimejan Robotik

ARobot FANUC digunakan untuk penentuan kedudukan kamera dan pengambilan imej secara automatik.

Konfigurasi ini membolehkan sistem memeriksa pelbagai kawasan pada komponen enjin yang kompleks tanpa memerlukan kamera tetap berasingan bagi setiap kedudukan pemeriksaan.

Fungsi Kawalan dan Data

Sistem ini terdiri daripada:

• Bacaan kod
• Pemeriksaan Visi Mesin
• Algoritma pembelajaran mendalam
• Keterlacakan pemeriksaan
• Analisis Data
• Akses data jarak jauh

Ini membolehkan hasil pemeriksaan dikaitkan dengan benda kerja individu dan dikaji semula kemudian untuk analisis kualiti.

5. Spesifikasi Teknikal

Spesifikasi berikut berdasarkan maklumat produk yang tersedia secara umum bagi sistem yang dirujuk.

Item	Spesifikasi
Aplikasi	Kenderaan komersial, kenderaan penumpang, termasuk kenderaan tenaga baharu (NEV)
Benda kerja	Komponen tren kuasa tenaga baharu; komponen tren kuasa diesel dan petrol
Kawasan pemeriksaan	Kecacatan permukaan mesin dan tuangan
Kecacatan pengecoran	Lubang pasir, kerapuhan, kecacatan susut, dan inklusi
Kecacatan pemesinan	Tanda hentaman, garisan dan kerosakan permukaan berkaitan
Kitaran pemeriksaan yang diterbitkan	4.5 minit
Kamera perindustrian	20 MP
Pencahayaan	Sumber cahaya berkecerahan sangat tinggi berukuran sangat besar
Robot	Fanuc
KAWALAN	Komputer peribadi industri Siemens / Advantech
Teknologi pemeriksaan	Penglihatan mesin + pembelajaran mendalam
Fungsi	Pembacaan kod, pemeriksaan, ketelusuran, analisis data dan akses jarak jauh

Pasaran kitaran 4.5 minit merupakan nilai aplikasi yang telah diterbitkan . Takt pemeriksaan sebenar harus dinilai berdasarkan bilangan kawasan pemeriksaan, geometri benda kerja, laluan robot, keperluan pemprosesan imej dan mod pengeluaran.

6. Pertimbangan Utama dalam Memilih

6.1 Bina Pangkalan Data Sampel Sebelum Pembangunan Algoritma

Prestasi pembelajaran mendalam sangat bergantung kepada kualiti sampel.

Projek ini harus mengumpul sampel wakilan yang merangkumi:

• Produk normal
• Produk NG yang jelas
• Jenis-cacat yang berbeza
• Saiz-cacat yang berbeza
• Sampel sempadan atau hampir sempadan
• Keadaan permukaan yang berbeza

Sampel sempadan amat penting kerana cacat dalam pengeluaran sebenar tidak sentiasa jelas seperti contoh makmal.

6.2 Takrifkan Kriteria Cacat Kuantitatif

Istilah seperti "kerapuhan kecil" atau "lubang pasir kecil" sukar ditafsirkan oleh sistem penglihatan tanpa kriteria kejuruteraan.

Spesifikasi kualiti harus menakrifkan, di mana berkaitan:

• Saiz Kecacatan Minimum
• Saiz cacat maksimum yang boleh diterima
• Bilangan cacat
• Ketumpatan Cacat
• Lokasi Kecacatan
• Jarak yang boleh diterima antara cacat

Algoritma ini kemudian boleh dilatih dan disahkan terhadap sasaran pemeriksaan yang ditakrifkan dengan jelas.

6.3 Pertimbangkan kitaran 4.5 minit dalam perancangan pengeluaran

Masa kitaran yang diterbitkan adalah agak sederhana berbanding pemeriksaan penglihatan sebaris berkelajuan tinggi.

Ini boleh menjadikan konfigurasi sesuai untuk:

• Pemeriksaan penuh komponen kritikal
• Pemeriksaan kelompok
• Pemeriksaan kualiti di hujung talian
• Pemeriksaan Sampel

Jika pemeriksaan perlu diintegrasikan ke dalam talian pengeluaran yang lebih laju, titik pemeriksaan boleh diedarkan secara potensi merentasi beberapa stesen selari.

Penyelesaian sebenar harus ditentukan melalui analisis masa kitaran, bukan dengan mengandaikan bahawa satu sel pemeriksaan berrobot boleh memenuhi setiap keperluan takt.

6.4 Pelan Capaian Data dan Penyimpanan

Fungsi soal data jarak jauh berguna untuk ketelusuran kualiti, tetapi sistem perlu direka berdasarkan persekitaran IT sebenar kilang.

Spesifikasi teknikal perlu menetapkan:

• Tempoh penyimpanan data
• Kapasiti penyimpanan imej
• Kebenaran Pengguna
• Kaedah capaian jarak jauh
• Keperluan sandaran
• Hubungan antara benda kerja dengan hasil

7. Bolehkah Pemeriksaan Penglihatan Mengesan Kecacatan Pengecoran?

Penglihatan mesin boleh mengesan kecacatan pengecoran yang terdedah secara visual pada permukaan yang diperiksa , termasuk contoh-contoh yang sesuai bagi lubang pasir, kerapuhan, cacat permukaan berkaitan susut dan inklusi.

Namun, terdapat satu batasan penting.

Suatu cacat yang sepenuhnya terbenam di dalam tuangan dengan tiada petunjuk kelihatan pada permukaan tidak dapat dikesan secara boleh percaya hanya melalui imej permukaan .

Cacat dalaman sedemikian mungkin memerlukan kaedah ujian bukan merosakkan lain, bergantung kepada aplikasi, seperti:

• Pemeriksaan X-Ray
• Pengujian Ultrasonik
• Pemeriksaan zarah magnetik
• Kaedah UBM lain yang khusus untuk aplikasi

Oleh itu, pemeriksaan penglihatan perlu difahami sebagai kaedah untuk memeriksa manifestasi kelihatan pada permukaan dan hampir permukaan , dan bukannya pengganti bagi setiap bentuk pemeriksaan tuangan.

8. Menjaga Prestasi Model Pembelajaran Mendalam

Model pembelajaran mendalam biasanya tidak menjadi tidak tepat hanya kerana ia telah beroperasi untuk jangka masa tertentu.

Namun, prestasi pemeriksaan boleh berubah apabila keadaan pengeluaran berubah.

Contohnya termasuk:

• Bahan pengecoran baharu atau pembekal baharu
• Proses pemesinan baharu
• Perubahan siap permukaan
• Perubahan pencahayaan
• Model produk baharu
• Jenis cacat baharu
• Penggantian kamera
• Perubahan kelengkapan atau kedudukan robot

Oleh itu, satu projek visi yang kukuh harus merangkumi mekanisme penyelenggaraan model yang meliputi:

1. Pengumpulan sampel cacat baharu
2. Semakan sampel pengeluaran
3. Sahihan model
4. Kemas kini model
5. Kawalan Versi
6. Sahihan semula selepas perubahan

Tanggungjawab dan prosedur ini paling baik ditakrifkan dalam perjanjian teknikal sebelum penerimaan peralatan.

9. Mengintegrasikan Pemeriksaan Visi dengan Pembersihan

Blok enjin dan kepala silinder boleh menjalani pembersihan sebelum pemeriksaan akhir.

Bagi talian pengeluaran yang memerlukan kedua-dua pembersihan dan pemeriksaan visi, kedua-dua proses ini boleh diintegrasikan ke dalam aliran kerja kawalan kualiti yang lebih luas.

Suatu jujukan lazim mungkin ialah:

Pemesinan → Pembersihan → Pengeringan → Pemeriksaan Penglihatan → Keterlacakan → Pemasangan

Pendekatan ini boleh mengurangkan kemungkinan pencemaran baharu atau kerosakan akibat impak berlaku semasa pengendalian sementara yang tidak perlu.

Ia juga boleh menjadikan keputusan pemeriksaan lebih mewakili keadaan komponen segera sebelum pemasangan.

Big Bird Industrial mempunyai kedua-duanya peralatan pembersihan ketepatan industri dan keupayaan pemeriksaan penglihatan mesin , menjadikan penyelesaian gabungan pembersihan dan pemeriksaan boleh dilaksanakan untuk aplikasi yang memerlukan kedua-dua proses tersebut.

10. Keupayaan Pemeriksaan Penglihatan Mesin Big Bird Industrial

Harbin Big Bird Industrial Co., Ltd. (Big Bird Industrial), sebelum ini dikenali sebagai Harbin Shimada Big Bird Industrial Co., Ltd., menyediakan penyelesaian terpadu pembersihan industri dan penglihatan mesin untuk aplikasi sistem kuasa kenderaan bermotor dan pembuatan tepat.

Perniagaan penglihatan mesinnya merangkumi enam bidang khusus:

• Orient See — pemeriksaan dimensi dan geometri
• Surface See — pemeriksaan cacat permukaan
• Pemasangan Lihat — pemeriksaan pemasangan dan poka-yoke
• Dalaman Lihat — pemeriksaan lubang dalaman dan dinding dalaman
• Cat Lihat — pemeriksaan cacat permukaan cat
• Algoritma & Platform Perisian — algoritma dan perisian penglihatan mesin

Untuk blok enjin dan kepala silinder, Surface See boleh dikonfigurasikan untuk kedua-dua cacat pada permukaan yang dimesin dan cacat pengecoran yang kelihatan.

Apabila pemeriksaan lubang dalaman diperlukan, Dalaman Lihat boleh memenuhi keperluan pemeriksaan yang melibatkan lubang dalaman dan permukaan dinding dalaman.

Ini membolehkan sistem pemeriksaan dikonfigurasikan mengikut jenis cacat sebenar, lokasi pemeriksaan dan proses pengeluaran, bukan dengan menggunakan satu kaedah imej untuk setiap kawasan.

Soalan Lazim

Bolehkah penglihatan mesin menggantikan pemeriksaan manual untuk lubang pasir dan kerapuhan?

Bagi cacat yang terdedah secara jelas pada permukaan yang diperiksa, penglihatan automatik boleh menggantikan atau mengurangkan secara ketara pemeriksaan visual manual.

Namun, cacat yang sepenuhnya tersembunyi di dalam pengecoran dan tanpa sebarang tanda pada permukaan tidak dapat dikesan hanya melalui imej permukaan. Cacat sedemikian memerlukan kaedah ujian bukan merosakkan yang sesuai.

Adakah model pembelajaran mendalam menjadi tidak tepat setelah beroperasi dalam tempoh tertentu?

Bukan sekadar disebabkan oleh tempoh operasi.

Prestasi boleh berubah apabila produk, proses, bahan, pencahayaan atau populasi cacat berubah. Oleh itu, pengumpulan sampel secara berterusan dan pengesahan model adalah penting bagi mengekalkan kestabilan pengeluaran jangka panjang.

Mengapa kitaran pemeriksaan yang diterbitkan ialah 4.5 minit?

Sistem yang dirujuk menjalankan pelbagai operasi pengimejan pada permukaan komponen enjin yang kompleks dengan menggunakan penentuan kedudukan robotik dan pemprosesan imej.

Yang diterbitkan kitaran 4.5 minit sesuai untuk aplikasi yang dirujuk. Jika takt pengeluaran yang lebih pantas diperlukan, titik pemeriksaan boleh dibahagikan antara stesen selari atau laluan pengimejan dan robot boleh dioptimumkan.

Bolehkah sistem penglihatan disambungkan dengan mesin pembersihan?

Ya.

Big Bird Industrial menyediakan peralatan pembersihan industri berketepatan tinggi dan sistem pemeriksaan penglihatan mesin. Apabila proses pengeluaran menghendakinya, pembersihan dan pemeriksaan boleh dihubungkan supaya komponen berpindah secara langsung daripada pembersihan dan pengeringan kepada pemeriksaan visual automatik serta keterlacakan.

Kesimpulan

Kecacatan pengecoran dan pengecilan mewakili dua cabaran kawalan kualiti yang berbeza bagi blok enjin dan kepala silinder.

Lubang pasir, kerapuhan, kecacatan susut dan inklusi berasal daripada proses pengecoran, manakala garisan dan tanda hentaman boleh diperkenalkan semasa pengecilan, pengendalian atau pemindahan dalam proses pengeluaran. Ciri-ciri visualnya boleh berbeza secara ketara, menjadikan strategi pemeriksaan satu ambang tetap sukar dilaksanakan secara boleh percaya.

Penyelesaian yang dirujuk ini menggabungkan kamera industri 20 MP, pencahayaan berkecerahan tinggi, penentududukan robot FANUC dan penglihatan mesin pembelajaran mendalam untuk memeriksa kedua-dua permukaan yang telah dikisar mengikut spesifikasi serta kecacatan pengecoran yang kelihatan.

Bagi aplikasi pengeluaran, bagaimanapun, keberkesanan pemeriksaan pembelajaran mendalam bergantung pada lebih daripada algoritma itu sendiri. Sampel yang mewakili, kriteria penerimaan kuantitatif, keadaan imej yang stabil dan proses penyelenggaraan model yang ditakrifkan semuanya merupakan komponen penting bagi sistem pemeriksaan penglihatan yang boleh dipercayai.

Bagi pengilang yang ingin menggabungkan pembersihan, pemeriksaan permukaan dan ketelusuran, Big Bird Industrial boleh mengintegrasikan proses-proses ini ke dalam aliran kerja kawalan kualiti automatik yang lebih luas, dengan SHIMADA kekal sebagai sebahagian daripada identiti jenama sejarah syarikat.