इन्जिन ब्लक र सिलिण्डर हेड दोष निरीक्षण: ढालना दोषहरूका लागि गहिरो सिकाइ दृश्य

अवलोकन

इन्जिन ब्लक र सिलिण्डर हेडहरू उत्पादनका विभिन्न चरणहरूमा दोषहरू विकास गर्न सक्छन्। ढलाइ दोषहरू जस्तै राम्रो छिद्र, सूक्ष्म छिद्रता, सिकडाइ दोष र अशुद्धिहरू ढालना प्रक्रियाको समयमा उत्पन्न हुन्छन्, जबकि मेशिनिङ र ह्यान्डलिङ दोष जस्तै प्रभाव चिह्नहरू र खरोचहरू पछिका उत्पादन प्रक्रियाहरूमा घट्न सक्छन्।

बिग बर्ड इन्डस्ट्रियलको दृश्य निरीक्षण समाधानले २० एमपी औद्योगिक क्यामेरा, उच्च-चमक बत्ती, रोबोटिक इमेजिङ र गहिरो सिकाइ एल्गोरिदमहरूलाई संयोजन गर्दछ इन्जिन ब्लक र सिलिण्डर हेडमा मेशिन गरिएका सतह दोषहरू र दृश्यमान ढालना दोषहरू दुवै निरीक्षण गर्न।

सन्दर्भित प्रणालीको प्रकाशित निरीक्षण चक्र यो हो ४.५ मिनेट , अन्तिम विन्यास र ट्याक्ट कार्यप्रणाली र निरीक्षण आवश्यकताको आधारमा अनुकूलित गर्न सकिन्छ।

ढलाइ दोष र मेशिनिङ दोष फरक निरीक्षण समस्या हुन्

इन्जिन ब्लक र सिलिण्डर हेडमा मौलिक रूपमा फरक उत्पादन चरणबाट उत्पन्न दोषहरू हुन सक्छन्।

ढलाइ दोषहरू

ढलाइसँग सम्बन्धित सामान्य दोषहरूमा समावेश छन्:

• राम्रो राम्रो छिद्रहरू
• ग्याँस पोरोसिटी
• सिक्रिङ दोष
• अशुद्धि

यी दोषहरू धातु भर्ने, ठोसीकरण वा अन्य ढलाइ प्रक्रियाहरूको समयमा बन्दछन्। जब यी सतहमा प्रकट हुन्छन्, तिनीहरू अँध्यारो बिन्दु, गड्ढा, अनियमित अवनति वा फरक सतही बनोट भएका क्षेत्रहरूको रूपमा देखिन सक्छन्।

मेशिनिङ र ह्यान्डलिङ दोष

ढलाइ पछि, इन्जिन ब्लक र सिलिण्डर हेडहरूमा मेशिनिङ, परिवहन, क्ल्याम्पिङ र अन्य उत्पादन कार्यहरू सम्पन्न गरिन्छ।

यी चरणहरूबाट सामान्य दोषहरूमा समावेश छन्:

• प्रभाव चिह्नहरू
• खरोचहरू
• सतह क्षति
• स्थानीय धंसावटहरू

यी दोषहरूको दृश्य उपस्थिति कास्टिङ दोषहरूभन्दा धेरै फरक हुन सक्छ।

यो फरक मेसिन भिजनका लागि महत्त्वपूर्ण छ किनभने दुवै दोष समूहहरूका लागि फरक इमेजिङ र एल्गोरिदम रणनीतिहरू आवश्यक हुन सक्छन्।

२. किन कास्टिङ दोष डिटेक्सन गर्न गाह्रो हुन्छ

कास्टिङ सतहहरू प्राकृतिक रूपमा अत्यधिक एकरूप मेसिन गरिएका सतहहरूभन्दा बढी जटिल हुन्छन्।

मेसिन गरिएको सतहमा सापेक्ष रूपमा स्थिर बनावट र प्रतिबिम्बन गुण हुन सक्छ, जबकि कास्टिङ सतहमा निम्न कुराहरू समावेश हुन सक्छन्:

• अनियमित बनावट
• प्राकृतिक सतह भिन्नता
• खुर्दुरोपनमा परिवर्तन
• फरक प्रकाश प्रतिक्रिया
• सामग्री-सम्बन्धित दृश्य विशेषताहरू

रातो माटोका छिद्रहरू र छिद्रता जस्ता ढालनी दोषहरू पनि आकार र आकारमा काफी फरक हुन सक्छन्।

यसैले, एउटा सरल थ्रेसहोल्ड-आधारित दृश्य प्रणालीले सामान्य ढालनी बनावटबाट वास्तविक दोषलाई छुट्याउन गाह्रो महसुस गर्न सक्छ।

यस कारणले, सन्दर्भित प्रणालीले प्रयोग गर्दछ गहिरो सिकाइ-आधारित मेशिन दृश्य .

केवल निश्चित ग्रेस्केल वा ज्यामितीय थ्रेसहोल्डमा निर्भर नभएर, प्रशिक्षित मोडेलले प्रतिनिधित्वपूर्ण ओके र एनजी नमुनाहरूबाट दृश्य विशेषताहरू सिक्न सक्छ।

तथापि, गहिरो सिकाइले उपयुक्त इमेजिङको आवश्यकता समाप्त गर्दैन। प्रकाश, ऑप्टिकल रिजोल्युसन, नमुना गुणस्तर र निरीक्षण क्षेत्रको परिभाषा प्रणालीको प्रदर्शनका लागि मौलिक बनिरहेका छन्।

३. निरीक्षण समाधान: गहिरो सिकाइ + उच्च-रिजोल्युसन दृश्य

सन्दर्भित उपकरणले मेशिनिङ-दोष र कास्टिङ-दोष निरीक्षणलाई एउटै निरीक्षण कार्यप्रवाहमा एकीकृत गर्दछ।

मेशिन गरिएका सतहका दोषहरू

प्रणालीले निम्न जस्ता दोषहरूको लागि निर्दिष्ट मेशिन गरिएका क्षेत्रहरूको निरीक्षण गर्न सक्छ:

• प्रभाव चिह्नहरू
• खरोचहरू
• सतह क्षति

ढलाइ दोषहरू

निरीक्षणको दायरामा यी पनि समावेश छन्:

• राम्रो राम्रो छिद्रहरू
• ग्याँस पोरोसिटी
• सिक्रिङ दोष
• अशुद्धि

वास्तविक रूपमा ट्रयाक गर्न सकिने दोषको आकार र स्वीकृति मापदण्ड कार्यपदार्थको सतह, छवि निर्माणका अवस्था र ग्राहकले परिभाषित गुणस्तर मापदण्डमा निर्भर गर्दछ।

गहिरो-सिकाइ निरीक्षण

प्रणालीले क्याप्चर गरिएका छविहरूको विश्लेषण गर्न गहिरो-सिकाइ एल्गोरिदम प्रयोग गर्दछ।

यो दृष्टिकोण विशेष गरी तब उपयोगी हुन्छ जब दोषको आकार र रूपलाई सरल निश्चित नियमहरू प्रयोग गरेर वर्णन गर्न कठिन हुन्छ।

उदाहरणका लागि, राम्रो र छिद्रता निम्नमा फरक हुन सक्छ:

• आकार
• आकार
• किनारा विशेषताहरू
• तुलना
• सतहको बनावट
• डिस्ट्रिब्यूशन

गहिरो सिकाइको मोडेललाई यी विशेषताहरू पहिचान गर्नका लागि प्रतिनिधित्वपूर्ण नमुनाहरू प्रयोग गरेर तालिम दिन सकिन्छ।

४. हार्डवेयर कन्फिगरेसन

सन्दर्भित प्रणालीले उच्च-रिजोलुसन इमेजिङ र रोबोटिक स्थितिकरण सँगै प्रयोग गर्दछ।

दृष्टि प्रणाली

• २० एमपी औद्योगिक क्यामेरा
• अतिरिक्त-ठूलो उच्च-चमक बत्तीको स्रोत

उच्च-रिजोलुसन क्यामेराले विस्तृत छवि सूचना प्रदान गर्दछ, जबकि ठूलो प्रकाश प्रणालीले निरीक्षण क्षेत्रभर उपयुक्त प्रकाश प्रदान गर्नका लागि डिजाइन गरिएको छ।

रोबोटिक इमेजिङ

ए फ्यानुक रोबोट स्वचालित क्यामेरा स्थितिकरण र छवि संग्रहका लागि प्रयोग गरिन्छ।

यो व्यवस्थाले प्रत्येक निरीक्षण स्थितिका लागि अलग फिक्स्ड क्यामेरा आवश्यक नभएको अवस्थामा जटिल इन्जिन घटकहरूका धेरै क्षेत्रहरूको निरीक्षण गर्न अनुमति दिन्छ।

नियन्त्रण र डाटा कार्यहरू

प्रणालीमा समावेश छ:

• कोड पढ्ने
• मेशिन दृष्टि निरीक्षण
• गहिरो सिकाइ एल्गोरिदम
• निरीक्षण ट्रेसेबिलिटी
• डाटा विश्लेषण
• दूरस्थ डाटा पहुँच

यसले निरीक्षण नतिजाहरूलाई व्यक्तिगत कार्य-टुक्राहरूसँग जोड्न र पछि गुणस्तर विश्लेषणका लागि समीक्षा गर्न सक्छ।

5. तकनीकी विशिष्टताहरू

निम्न विशिष्टताहरू सन्दर्भित प्रणालीको सार्वजनिक रूपमा उपलब्ध उत्पादन जानकारीमा आधारित छन्।

आइटम	विशिष्टता
आवेदन	वाणिज्यिक वाहनहरू, यात्री वाहनहरू, जसमा NEV हरू समावेश छन्
कार्य-टुक्राहरू	नयाँ-ऊर्जा पावरट्रेन घटकहरू; डिजेल र ग्यासोलिन पावरट्रेन घटकहरू
निरीक्षण क्षेत्र	मेसिन-पृष्ठभाग र ढलाइ दोषहरू
ढलाइ दोषहरू	रातो माटोका छिद्रहरू, छिद्रता, सिक्रिज दोषहरू, अशुद्धिहरू
मेसिन गरिएका दोषहरू	प्रभाव चिह्नहरू, खरोचहरू र सम्बन्धित पृष्ठभाग क्षति
प्रकाशित निरीक्षण चक्र	४.५ मिनेट
औद्योगिक कैमरा	20 एमपी
प्रकाश संसाधनहरू	अतिरिक्त-ठूलो उच्च-चमक बत्तीको स्रोत
रोबोट	FANUC
नियन्त्रण	Siemens / Advantech औद्योगिक PC
निरीक्षण प्रविधि	मेशिन भिजन + डीप लर्निङ
कार्यहरू	कोड पढ्ने, निरीक्षण, ट्रेसेबिलिटी, डाटा विश्लेषण र दूरस्थ पहुँच

त्यो ४.५ मिनेटको चक्र एउटा प्रकाशित अनुप्रयोग मान हो वास्तविक निरीक्षण ट्याक्टलाई निरीक्षण क्षेत्रहरूको संख्या, कार्य-वस्तुको ज्यामिति, रोबोट पथ, छवि-प्रशोधन आवश्यकताहरू र उत्पादन मोड अनुसार मूल्याङ्कन गर्नुपर्छ।

६. प्रमुख छानौट विचारहरू

६.१ एल्गोरिथम विकास अघि नमुना डाटाबेस निर्माण गर्नुहोस्

गहिरो सिकाइको प्रदर्शन नमुनाको गुणस्तरमा धेरै निर्भर गर्दछ।

परियोजनाले निम्नको समावेश गर्ने प्रतिनिधित्वका नमुनाहरू सङ्कलन गर्नुपर्छ:

• सामान्य उत्पादहरू
• स्पष्ट NG उत्पादहरू
• विभिन्न दोष प्रकारहरू
• विभिन्न दोष आकारहरू
• सीमा वा सीमान्त नमुनाहरू
• फरक सतह अवस्थाहरू

सीमा नमुनाहरू विशेष रूपमा महत्त्वपूर्ण छन् किनभने वास्तविक उत्पादन दोषहरू प्रयोगशाला उदाहरणहरू जस्तै सधैं स्पष्ट हुँदैनन्।

६.२ मात्रात्मक दोष मापदण्ड परिभाषित गर्नुहोस्

जस्तै "सानो छिद्रता" वा "सानो राम्रो छिद्र" जस्ता शब्दहरूलाई इन्जिनियरिङ मापदण्ड बिना दृश्य प्रणालीले व्याख्या गर्न गाह्रो हुन्छ।

गुणस्तर विशिष्टताले, जहाँ लागू हुन्छ, परिभाषित गर्नुपर्छ:

• न्यूनतम दोष आकार
• अधिकतम स्वीकार्य दोष आकार
• दोषहरूको संख्या
• दोष घनत्व
• दोषको स्थान
• दोषहरू बीच स्वीकार्य दूरी

त्यसपछि एल्गोरिथमलाई स्पष्ट रूपमा परिभाषित निरीक्षण लक्ष्यको विरुद्ध प्रशिक्षित र मान्यता प्रदान गर्न सकिन्छ।

६.३ उत्पादन योजना बनाउँदा ४.५ मिनेटको चक्रलाई विचार गर्नुहोस्

प्रकाशित चक्र समय उच्च-गति सँगै दृश्य निरीक्षण भन्दा तुलनात्मक रूपमा माझौलिक छ।

यसले कन्फिगरेसनलाई निम्नका लागि उपयुक्त बनाउन सक्छ:

• महत्त्वपूर्ण घटकहरूको पूर्ण निरीक्षण
• ब्याच निरीक्षण
• लाइनको अन्त्यमा गुणस्तर निरीक्षण
• नमूना निरीक्षण

यदि निरीक्षणलाई अझ छिटो उत्पादन लाइनमा एकीकृत गर्नुपर्छ भने, निरीक्षण बिन्दुहरूलाई सम्भवतः कतिपय समानान्तर स्टेसनहरूमा वितरण गर्न सकिन्छ।

वास्तविक समाधान चक्र-समय विश्लेषण मार्फत निर्धारण गर्नुपर्छ, यो धारणा गरेर हुँदैन कि एउटा रोबोटीकृत निरीक्षण सेलले प्रत्येक टाक्ट आवश्यकतालाई ढाक्न सक्छ।

६.४ डाटा पहुँच र संरक्षणको योजना बनाउनुहोस्

दूरस्थ डाटा-सोधपुछ कार्यहरू गुणस्तर ट्रेसेबिलिटीका लागि उपयोगी छन्, तर प्रणालीलाई कारखानाको वास्तविक आईटी वातावरणको आधारमा डिजाइन गर्नुपर्छ।

ताकनिक विशिष्टताले परिभाषित गर्नुपर्छ:

• डाटा संग्रह अवधि
• छवि संग्रह क्षमता
• प्रयोगकर्ता अनुमतिहरू
• दूरस्थ पहुँच विधि
• ब्याकअप आवश्यकताहरू
• कार्य-वस्तु र परिणाम बीचको सम्बन्ध

७. के दृश्य निरीक्षणले ढलाइ दोषहरू पत्ता लगाउन सक्छ?

मेशिन दृश्यले पत्ता लगाउन सक्छ ढलाइ दोषहरू जुन निरीक्षण गरिएको सतहमा दृश्यमा आएका हुन्छन् , जसमा राम्रो उदाहरणहरूको रूपमा राम्रोसँग बालुवा छिद्रहरू, छिद्रता, सिक्रिङ-सम्बन्धित सतह दोषहरू र अशुद्धिहरू समावेश छन्।

तथापि, एउटा महत्त्वपूर्ण सीमितता छ।

ढलाइको भित्रतिर पूर्ण रूपमा छिपिएको दोषसँग दृश्य सतह संकेत छैन भनेर दृश्य छवि मात्र प्रयोग गरेर विश्वसनीय रूपमा पत्ता लगाउन सकिँदैन .

यस्ता आन्तरिक दोषहरूको लागि अन्य गैर-विनाशकारी परीक्षण विधिहरूको आवश्यकता हुन सक्छ, जुन अनुप्रयोग अनुसार फरक हुन सक्छ, जस्तै:

• एक्स-रे निरीक्षण
• अल्ट्रासोनिक परीक्षण
• चुम्बकीय कण निरीक्षण
• अन्य अनुप्रयोग-विशिष्ट एनडीटी विधिहरू

त्यसैले, दृश्य निरीक्षणलाई निम्नको निरीक्षण गर्ने विधिको रूपमा बुझ्नु पर्छ: दृश्य सतह र सतह नजिकैका प्रकटनहरू , न कि सबै प्रकारका ढलाइ निरीक्षणको सट्टामा।

८. डिप-लर्निङ मोडेल प्रदर्शन कायम राख्ने

डिप-लर्निङ मोडेल सामान्यतया केवल यसले केही समयदेखि सञ्चालित भएको हुनाले अशुद्ध हुँदैन।

तर, उत्पादन अवस्थाहरू परिवर्तन भएमा निरीक्षण प्रदर्शन परिवर्तन हुन सक्छ।

उदाहरणहरूमा समावेश छन्:

• नयाँ ढालन सामग्री वा आपूर्तिकर्ता
• नयाँ मेशिनिङ प्रक्रिया
• सतह-समाप्ति परिवर्तनहरू
• प्रकाश परिवर्तनहरू
• नयाँ उत्पाद मोडलहरू
• नयाँ दोष प्रकारहरू
• क्यामेरा प्रतिस्थापन
• फिक्सचर वा रोबोट-स्थिति परिवर्तनहरू

त्यसैले, एउटा दृढ दृश्य परियोजनामा निम्न कुराहरू समावेश हुनुपर्छ:

1. नयाँ दोष नमुना संग्रह
2. उत्पादन नमूना समीक्षा
3. मोडेल प्रमाणीकरण
4. मोडेल अद्यावधिक
5. संस्करण नियन्त्रण
6. परिवर्तन पछि पुनः प्रमाणीकरण

यी जिम्मेवारीहरू र प्रक्रियाहरू उपकरण स्वीकृति अघि तकनीकी समझौतामा सबैभन्दा राम्रोसँग परिभाषित गरिएको हुन्छ।

९. दृश्य निरीक्षणलाई सफाइसँग एकीकृत गर्ने

इन्जिन ब्लकहरू र सिलिन्डर हेडहरू अन्तिम निरीक्षण अघि सफाइ गर्न सकिन्छ।

दुवै सफाइ र दृश्य निरीक्षण आवश्यक गर्ने उत्पादन लाइनहरूका लागि, यी दुई प्रक्रियाहरू एक व्यापक गुणस्तर नियन्त्रण कार्यप्रवाहमा एकीकृत गर्न सकिन्छ।

एक सामान्य क्रम हुन सक्छ:

मशीनिङ → सफाइ → सुखाउने → दृश्य निरीक्षण → ट्रेसेबिलिटी → असेम्बली

यो दृष्टिकोणले अनावश्यक मध्यवर्ती हेरचाहको समयमा नयाँ दूषण वा प्रभाव क्षतिको सम्भावना घटाउन सक्छ।

यसले निरीक्षणको नतिजालाई घटकको संयोजन गर्नु अघि तुरुन्तैको अवस्थाको प्रतिनिधित्व गर्न अझ बढी सम्भव बनाउँछ।

बिग बर्ड इन्डस्ट्रियलको दुवै औद्योगिक सटीक सफाई उपकरण र मेशिन भिजन निरीक्षण क्षमता छ , जसले दुवै प्रक्रियाहरू आवश्यक भएका अनुप्रयोगहरूका लागि संयुक्त सफाई र निरीक्षण समाधानहरू सम्भव बनाउँछ।

१०. बिग बर्ड इन्डस्ट्रियलको मेशिन भिजन निरीक्षण क्षमता

हार्बिन बिग बर्ड इन्डस्ट्रियल को., लि. (बिग बर्ड इन्डस्ट्रियल), अघिल्लो नाम हार्बिन शिमाडा बिग बर्ड इन्डस्ट्रियल को., लि., स्वचालित शक्ति-ट्रेन र सटीक उत्पादन अनुप्रयोगहरूका लागि एकीकृत औद्योगिक सफाई र मेशिन भिजन समाधानहरू प्रदान गर्छ।

यसको मेशिन भिजन व्यवसाय छह विशेषीकृत क्षेत्रहरूमा फैलिएको छ:

• ओरिएन्ट सी — आयामिक र ज्यामितीय निरीक्षण
• सतह देख्नुहोस् — सतहको दोष निरीक्षण
• सङ्ग्रह देख्नुहोस् — संयोजन निरीक्षण र पोका-योके
• भित्री देख्नुहोस् — आन्तरिक छिद्र र भित्री भित्ताको निरीक्षण
• पेन्ट देख्नुहोस् — पेन्ट सतहको दोष निरीक्षण
• एल्गोरिथम र सफ्टवेयर प्लेटफर्म — मेशिन भिजन एल्गोरिदम र सफ्टवेयर

इन्जिन ब्लक र सिलिन्डर हेडहरूको लागि, सतह देख्नुहोस् यसलाई मेशिन-सतहका दोषहरू र दृश्यमान ढालनी दोषहरू दुवैको लागि कन्फिगर गर्न सकिन्छ।

जहाँ आन्तरिक-छिद्र निरीक्षण आवश्यक छ, भित्री देख्नुहोस् यसले आन्तरिक छिद्रहरू र भित्री-भित्ता सतहहरूसँग सम्बन्धित निरीक्षण आवश्यकताहरूलाई सम्बोधन गर्न सक्छ।

यसले निरीक्षण प्रणालीलाई वास्तविक दोष प्रकार, निरीक्षण स्थान र उत्पादन प्रक्रिया अनुसार कन्फिगर गर्न दिन्छ, न कि प्रत्येक क्षेत्रमा एउटै इमेजिङ विधि प्रयोग गरेर।

प्रश्नोत्तर

मेशिन दृष्टि ले राम्रोसँग बालुवा छिद्र र सुषिरताको लागि हातले गरिएको निरीक्षणलाई प्रतिस्थापन गर्न सक्छ?

जुन दोषहरू निरीक्षण गरिएको सतहमा स्पष्ट रूपमा प्रकट छन्, तिनीहरूको लागि स्वचालित दृष्टिले हातले गरिएको दृश्य निरीक्षणलाई प्रतिस्थापन गर्न वा धेरै कम गर्न सक्छ।

तर, ढालनीको भित्रै पूर्ण रूपमा लुकाइएका र सतहमा कुनै संकेत नभएका दोषहरूलाई केवल सतह इमेजिङले छैन पत्ता लगाउन सक्छ। यस्ता दोषहरूको लागि उपयुक्त गैर-विनाशकारी परीक्षण विधिहरू आवश्यक हुन्छन्।

गहिरो-सिकाइ मोडल एक पटक सञ्चालन भएपछि समय बित्दै जाँदा अशुद्ध हुन्छ?

केवल सञ्चालन समयको कारणले होइन।

उत्पाद, प्रक्रिया, सामग्री, प्रकाश वा दोषको जनसंख्या परिवर्तन भएमा प्रदर्शनमा परिवर्तन हुन सक्छ। यसैले दीर्घकालीन उत्पादन स्थिरताका लागि निरन्तर नमुना संग्रह र मोडेल प्रमाणीकरण महत्त्वपूर्ण छन्।

प्रकाशित निरीक्षण चक्र ४.५ मिनेट किन भएको हो?

सन्दर्भित प्रणालीले रोबोटिक स्थितिकरण र छवि प्रशोधन प्रयोग गरेर जटिल इन्जिन-घटक सतहहरूमा बहुविध छवि लिने कार्यहरू सम्पादन गर्छ।

प्रकाशित ४.५-मिनेटको चक्र सन्दर्भित अनुप्रयोगका लागि उपयुक्त छ। यदि छिटो उत्पादन ट्याक्ट आवश्यक छ भने, निरीक्षण बिन्दुहरू समानान्तर स्टेसनहरू बीच विभाजित गर्न सकिन्छ वा छवि लिने र रोबोट पथहरू अनुकूलित गर्न सकिन्छ।

दृश्य प्रणालीलाई सफाई मेसिनसँग जोड्न सकिन्छ?

हो।

बिग बर्ड इन्डस्ट्रियलले उच्च-सटीक औद्योगिक सफाई उपकरण र मेसिन भिजन निरीक्षण प्रणाली दुवै प्रदान गर्छ। जहाँ उत्पादन प्रक्रियाले यस्तो आवश्यकता राख्छ, सफाई र निरीक्षणलाई जोड्न सकिन्छ जसले घटकहरू सफाई र सुखाइ पछि सीधा स्वचालित दृश्य निरीक्षण र ट्रेसेबिलिटीमा अगाडि बढ्न पाउँछन्।

निष्कर्ष

ढाल्ने र मेसिनिङ गर्दा हुने दोषहरू इन्जिन ब्लक र सिलिण्डर हेडहरूका लागि दुई फरक गुणस्तर नियन्त्रण चुनौतीहरू प्रस्तुत गर्दछन्।

राम्रो रेतका छिद्रहरू, छिद्रता, सिक्रिज दोषहरू र अशुद्धिहरू ढाल्ने प्रक्रियाबाट उत्पन्न हुन्छन्, जबकि खरोचहरू र प्रभाव चिह्नहरू मेसिनिङ, ह्यान्डलिङ वा उत्पादन स्थानान्तरणको समयमा प्रविष्ट भएका हुन सक्छन्। तिनीहरूका दृश्य विशेषताहरू धेरै फरक हुन सक्छन्, जसले एउटै निश्चित-सीमा निरीक्षण रणनीतिलाई विश्वसनीय रूपमा प्रयोग गर्न कठिन बनाउँछ।

सन्दर्भित समाधानले २० एमपी औद्योगिक क्यामेरा, उच्च-चमक लाइटिङ, फ्यानुक रोबोटिक पोजिसनिङ र गहिरो-सिकाइ यन्त्र दृष्टि प्रयोग गरेर निर्दिष्ट मेसिन गरिएका सतहहरू र दृश्यमान ढाल्ने दोषहरू दुवैको निरीक्षण गर्दछ।

तथापि, उत्पादन अनुप्रयोगहरूका लागि, गहिरो-सिकाइ निरीक्षणको प्रभावकारिता केवल एल्गोरिदममा मात्र निर्भर गर्दैन। प्रतिनिधित्वका नमूनाहरू, मात्रात्मक स्वीकृति मापदण्डहरू, स्थिर छवि अवस्थाहरू र परिभाषित मोडल-रखरखाव प्रक्रिया विश्वसनीय दृश्य निरीक्षण प्रणालीका सबै आवश्यक भागहरू हुन्।

सफाइ, सतह निरीक्षण र ट्रेसेबिलिटी सँगै संयोजन गर्न खोज्ने उत्पादकहरूका लागि, बिग बर्ड इन्डस्ट्रियलले यी प्रक्रियाहरूलाई व्यापक स्वचालित गुणस्तर नियन्त्रण कार्यप्रवाहमा एकीकृत गर्न सक्छ, सँगै शिमाडा कम्पनीको ऐतिहासिक ब्राण्ड पहिचानको भागको रूपमा सुरक्षित राखिएको छ।