Inspekcja wad bloku silnika i głowy cylindra: wizja oparta na uczeniu się głębokim do wykrywania wad odlewów

Przegląd

Bloki silników i głowy cylindrów mogą ulec uszkodzeniu na różnych etapach produkcji. Wady odlewania np. otwory piaskowe, porowatość, wady skurczowe oraz wtrącenia powstają podczas procesu odlewania, podczas gdy wady związane z obróbką i manipulacją np. ślady uderzeń i zadrapania mogą wystąpić w kolejnych etapach produkcji.

Rozwiązanie inspekcyjne firmy Big Bird Industrial łączy w sobie przemysłowe kamery o rozdzielczości 20 MP, oświetlenie o wysokiej jasności, robotyczną rejestrację obrazów oraz algorytmy uczenia się głębokiego do inspekcji zarówno wad powierzchni po obróbce, jak i widocznych wad odlewów na blokach silników i głowach cylindrów.

Cykl inspekcji wskazanego systemu wynosi 4,5 minuty , przy końcowej konfiguracji i taktowaniu możliwych do dostosowania zgodnie z wymaganiami dotyczącymi przedmiotu roboczego i inspekcji.

1. Wady odlewnicze i wady związane z obróbką to różne problemy inspekcyjne

Blok silnika i głowa cylindra mogą zawierać wady pochodzące z zasadniczo różnych etapów produkcji.

Wady odlewania

Typowe wady związane z odlewaniem obejmują:

• Otworki piaskowe
• Porowatość gazowa
• Wady kurczenia
• SKŁADNIKI

Powstają one podczas wypełniania metalu, krzepnięcia lub innych procesów odlewniczych. Gdy są widoczne na powierzchni, mogą występować jako ciemne plamy, wgłębienia, nieregularne zagłębienia lub obszary o innej fakturze powierzchni.

Wady związane z obróbką i manipulacją

Po odlewaniu bloki silnika i głowy cylindra przechodzą procesy obróbki, transportu, chwytania w uchwyty oraz inne operacje produkcyjne.

Typowe wady występujące na tych etapach obejmują:

• Śladów uderzeń
• Szczyny
• Uszkodzenia powierzchni
• Lokalne wgniecia

Wady te mogą mieć zasadniczo inną postać wizualną niż wady odlewnicze.

Ta różnica ma znaczenie dla widzenia maszynowego, ponieważ obie grupy wad mogą wymagać różnych strategii obrazowania i algorytmów.

2. Dlaczego wykrywanie wad odlewów jest trudne

Powierzchnie odlewów są z natury bardziej złożone niż wysoce jednolite powierzchnie obrabiane.

Powierzchnia obrabiana może mieć stosunkowo spójną teksturę i odbijalność, podczas gdy powierzchnia odlewu może zawierać:

• Nieregularną teksturę
• Naturalne zmienności powierzchni
• Zmiany chropowatości
• Różne reakcje na oświetlenie
• Wizualne cechy związane z materiałem

Wady odlewnicze, takie jak otwory piaskowe i porowatość, mogą również znacznie różnić się kształtem i rozmiarem.

Prosty system wizyjny oparty na progach może zatem mieć trudności z odróżnieniem rzeczywistej wady od normalnej tekstury odlewu.

Z tego powodu odnoszony system wykorzystuje maszynowe widzenie oparte na uczeniu głębokim .

Zamiast polegać wyłącznie na stałych progach w skali szarości lub geometrycznych, wytrenowany model może uczyć się cech wizualnych na podstawie reprezentatywnych próbek OK i NG.

Jednak uczenie głębokie nie eliminuje potrzeby odpowiednich technik obrazowania. Oświetlenie, rozdzielczość optyczna, jakość próbek oraz precyzyjne określenie obszaru inspekcji pozostają podstawowymi czynnikami wpływającymi na wydajność systemu.

3. Rozwiązanie inspekcyjne: uczenie głębokie + wizja o wysokiej rozdzielczości

Odnośne urządzenie integruje inspekcję wad powierzchni frezowanych i wad odlewów w ramach jednego wspólnego procesu inspekcyjnego.

Wady powierzchni frezowanych

System może przeprowadzać inspekcję określonych obszarów frezowanych pod kątem wad takich jak:

• Śladów uderzeń
• Szczyny
• Uszkodzenia powierzchni

Wady odlewania

Zakres inspekcji obejmuje również:

• Otworki piaskowe
• Porowatość gazowa
• Wady kurczenia
• SKŁADNIKI

Rzeczywista wykrywalna wielkość wad i kryteria akceptacji zależą od powierzchni przedmiotu, warunków obrazowania oraz standardów jakości określonych przez klienta.

Inspekcja oparta na uczeniu głębokim

System wykorzystuje algorytmy uczenia głębokiego do analizy przechwyconych obrazów.

To podejście jest szczególnie przydatne, gdy morfologia wad trudno poddać opisowi za pomocą prostych, stałych reguł.

Na przykład otwory piaskowe i porowatość mogą różnić się pod względem:

• Kształt
• Rozmiar
• Charakterystyka krawędzi
• Kontrast
• Tekstura powierzchni
• Dystrybucja

Model uczenia głębokiego można wytrenować przy użyciu reprezentatywnych próbek, aby rozpoznawał te cechy.

4. Konfiguracja sprzętowa

Odniesiony system wykorzystuje obrazowanie o wysokiej rozdzielczości w połączeniu z pozycjonowaniem robota.

System widzenia

• przemysłowa kamera 20 MP
• Dodatkowo duża, wysokojasnościowa źródło światła

Wysokiej rozdzielczości kamera zapewnia szczegółowe informacje obrazowe, podczas gdy duży system oświetleniowy został zaprojektowany tak, aby zapewnić odpowiednie oświetlenie w całym obszarze inspekcji.

Obrazowanie robocze

ARobot FANUC służy do zautomatyzowanego pozycjonowania kamery i pozyskiwania obrazów.

Taka konfiguracja pozwala systemowi na inspekcję wielu obszarów złożonych elementów silników bez konieczności stosowania osobnej, nieruchomej kamery dla każdej pozycji inspekcji.

Funkcje sterowania i przetwarzania danych

System integruje:

• Odczyt kodów
• Inspekcja za pomocą wizji maszynowej
• Algorytmy uczenia głębokiego
• Śledzalność kontroli jakości
• Analiza danych
• Zdalny dostęp do danych

Umożliwia to powiązanie wyników inspekcji z poszczególnymi przedmiotami roboczymi oraz późniejsze ich przeglądanie w celu analizy jakości.

5. Dane techniczne

Poniższe specyfikacje opierają się na publicznie dostępnych informacjach produktowych dotyczących wymienionego systemu.

Element	Specyfikacja
Aplikacja	Pojazdy komercyjne i osobowe, w tym pojazdy o napędzie alternatywnym (NEV)
Przedmioty inspekcyjne	Składniki napędu pojazdów o napędzie alternatywnym; składniki napędu wysokoprężnego i benzynowego
Zakres inspekcji	Wady powierzchni frezowanych i odlewów
Wady odlewania	Otworki piaskowe, porowatość, wady skurczowe, wtrącenia
Wady powstające podczas frezowania	Uszkodzenia powierzchniowe, takie jak ślady uderzeń, zadrapania i podobne
Opublikowany cykl inspekcji	4,5 minuty
Kamery przemysłowe	20 MP
Oświetlenie	Dodatkowo duża, wysokojasnościowa źródło światła
Robot	Fanuc
Kontrola	Przemysłowy komputer przemysłowy Siemens / Advantech
Technologia inspekcji	Wizja maszynowa + uczenie głębokie
Funkcje	Odczyt kodów, inspekcja, śledzenie, analiza danych i zdalny dostęp

The cykl trwający 4,5 minuty to opublikowana wartość aplikacyjna rzeczywisty takt inspekcji należy ocenić z uwzględnieniem liczby obszarów inspekcji, geometrii przedmiotu, trasy robota, wymagań przetwarzania obrazu oraz trybu produkcji.

6. Kluczowe kwestie związane z doborem

6.1 Zbudowanie bazy próbek przed opracowaniem algorytmu

Wydajność uczenia głębokiego zależy w dużej mierze od jakości próbek.

Projekt powinien obejmować zbieranie reprezentatywnych próbek obejmujących:

• Produkty prawidłowe
• Wyraźnie uszkodzone produkty
• Różne typy wad
• Różne rozmiary wad
• Próbki brzegowe lub pograniczne
• Różne warunki powierzchni

Próbki brzegowe są szczególnie istotne, ponieważ wady występujące w rzeczywistej produkcji nie zawsze są tak oczywiste jak przykłady laboratoryjne.

6.2 Określenie ilościowych kryteriów wad

Wyrażenia takie jak „mała porowatość” lub „niewielka dziurka od piasku” są trudne do interpretacji przez system wizyjny bez kryteriów inżynierskich.

Specyfikacja jakości powinna określać, tam gdzie to stosowne:

• Minimalny rozmiar wady
• Maksymalnie dopuszczalny rozmiar wady
• Liczba wad
• Gęstość wad
• Lokalizacja wad
• Dopuszczalna odległość między wadami

Następnie algorytm można przeszkolić i zweryfikować w odniesieniu do wyraźnie zdefiniowanego celu inspekcji.

6.3 Rozważ cykl 4,5 minuty w planowaniu produkcji

Opublikowany czas cyklu jest stosunkowo umiarkowany w porównaniu z szybką, liniową inspekcją wizyjną.

Może to sprawić, że konfiguracja będzie odpowiednia do:

• Pełnej inspekcji kluczowych komponentów
• Inspekcja partii
• Inspekcji jakości na końcu linii
• Kontrola Próbki

Jeśli inspekcję należy zintegrować z szybszą linią produkcyjną, punkty inspekcji można potencjalnie rozdzielić pomiędzy wiele stacji równoległych.

Rzeczywiste rozwiązanie powinno zostać określone na podstawie analizy czasu cyklu, a nie poprzez założenie, że jedna zrobotyzowana komórka inspekcyjna może spełnić każde wymagania takt.

6.4 Zaplanuj dostęp do danych i ich przechowywanie

Funkcje zdalnego zapytania o dane są przydatne do zapewnienia śledzalności jakości, ale system powinien być zaprojektowany z uwzględnieniem rzeczywistego środowiska IT zakładu.

Specyfikacja techniczna powinna określać:

• Okres przechowywania danych
• Pojemność pamięci na obrazy
• Uprawnienia użytkownika
• Sposób zdalnego dostępu
• Wymagania dotyczące tworzenia kopii zapasowych
• Powiązanie przedmiotu roboczego z wynikiem

7. Czy inspekcja wizyjna może wykrywać wady odlewów?

Wizja maszynowa może wykrywać wady odlewów widoczne na badanej powierzchni , w tym odpowiednie przykłady otworów piaskowych, porowatości, powierzchniowych wad związanych ze skurczem oraz wtrąceń.

Jednak istnieje istotne ograniczenie.

Wada całkowicie ukryta wewnątrz odlewu z brakiem widocznych oznak na powierzchni nie może być niezawodnie wykryta wyłącznie za pomocą obrazowania powierzchniowego. .

Takie wady wewnętrzne mogą wymagać zastosowania innych metod nieniszczącej kontroli jakości, w zależności od przeznaczenia, np.:

• Badanie rentgenowskie
• Test ultradźwiękowy
• Badanie metodą magnetyczno-proszkową
• Inne metody NDT dostosowane do konkretnego zastosowania

Dlatego inspekcję wizyjną należy rozumieć jako metodę badania widocznych objawów na powierzchni i w pobliżu powierzchni , a nie jako zamiennik każdej formy kontroli odlewów.

8. Utrzymywanie wydajności modelu uczenia głębokiego

Model uczenia głębokiego zwykle nie traci dokładności jedynie dlatego, że działa przez pewien czas.

Jednak wydajność inspekcji może ulec zmianie wraz ze zmianą warunków produkcji.

Przykłady obejmują:

• Nowy materiał odlewniczy lub nowy dostawca
• Nowy proces obróbki
• Zmiany wykończenia powierzchni
• Zmiany oświetlenia
• Nowe modele produktów
• Nowe typy wad
• Wymiana aparatu fotograficznego
• Zmiany uchwytu lub pozycji robota

Solidny projekt wizji maszynowej powinien zatem zawierać mechanizm konserwacji modelu obejmujący:

1. Nowa kolekcja próbek wadliwych
2. Przegląd próbek produkcyjnych
3. Walidacja modelu
4. Aktualizacja modelu
5. Kontrola wersji
6. Ponowna walidacja po wprowadzeniu zmian

Te obowiązki i procedury najlepiej określić w porozumieniu technicznym przed akceptacją sprzętu.

9. Integracja inspekcji wizyjnej z czyszczeniem

Blok silnika i głowa cylindra mogą zostać oczyszczone przed końcową inspekcją.

W liniach produkcyjnych wymagających zarówno czyszczenia, jak i inspekcji wizyjnej, oba procesy można zintegrować w szerszym przepływie pracy kontroli jakości.

Typowa kolejność może być następująca:

Obróbka → Czyszczenie → Suszenie → Kontrola wizyjna → Śledzalność → Montaż

Takie podejście pozwala zmniejszyć ryzyko nowego zanieczyszczenia lub uszkodzenia przez uderzenie podczas niepotrzebnego przetwarzania pośredniego.

Pozwala również na uzyskanie wyników kontroli bardziej reprezentatywnych dla stanu komponentu tuż przed montażem.

Big Bird Industrial posiada zarówno przemysłowe urządzenia do precyzyjnego czyszczenia, jak i możliwości kontroli wizyjnej , co umożliwia zapewnienie zintegrowanych rozwiązań czyszczenia i kontroli w aplikacjach, w których wymagane są oba procesy.

10. Możliwości kontroli wizyjnej Big Bird Industrial

Harbin Big Bird Industrial Co., Ltd. (Big Bird Industrial), wcześniej Harbin Shimada Big Bird Industrial Co., Ltd., dostarcza zintegrowanych rozwiązań przemysłowego czyszczenia i kontroli wizyjnej do zastosowań w układach napędowych pojazdów oraz w precyzyjnym przemyśle produkcyjnym.

Działalność firmy w zakresie inspekcji wizyjnej obejmuje sześć specjalistycznych obszarów:

• Orient See — inspekcja wymiarowa i geometryczna
• Surface See — inspekcja wad powierzchniowych
• Inspekcja montażu — kontrola montażu i poka-yoke
• Inspekcja wewnętrzna — inspekcja otworów wewnętrznych i ścian wewnętrznych
• Inspekcja malowania — inspekcja wad powierzchni malowanej
• Algorytm i platforma oprogramowania — algorytmy i oprogramowanie do analizy obrazów maszynowych

Dla bloków silników i główek cylindrowych, Surface See można skonfigurować zarówno do wykrywania wad powierzchni obrabianych, jak i widocznych wad odlewów.

Gdy wymagana jest inspekcja otworów wewnętrznych, Inspekcja wewnętrzna można spełnić wymagania inspekcyjne dotyczące otworów wewnętrznych oraz powierzchni wewnętrznych ścianek.

Umożliwia to skonfigurowanie systemu inspekcyjnego zgodnie z rzeczywistym typem wady, lokalizacją inspekcji oraz procesem produkcyjnym, a nie stosowanie jednej metody obrazowania do każdej strefy.

Często zadawane pytania

Czy model uczenia głębokiego może zastąpić inspekcję ręczną pod kątem występowania porów i jam piaskowych?

W przypadku wad widocznie występujących na badanej powierzchni automatyczna analiza obrazów może zastąpić lub znacznie ograniczyć ręczną inspekcję wzrokową.

Jednak wady całkowicie ukryte wewnątrz odlewu i nieposiadające żadnych objawów na powierzchni nie mogą zostać wykryte wyłącznie za pomocą obrazowania powierzchniowego. Takie wady wymagają odpowiednich metod nieniszczącej kontroli jakości.

Czy model uczenia głębokiego traci dokładność po pewnym czasie pracy?

Nie tylko z powodu czasu pracy.

Wydajność może ulec zmianie w przypadku zmiany produktu, procesu, materiału, oświetlenia lub populacji wad. Dlatego ciągłe zbieranie próbek i walidacja modelu są ważne dla długotrwałej stabilności produkcji.

Dlaczego opublikowany cykl inspekcji wynosi 4,5 minuty?

Odniesiony system wykonuje wiele operacji obrazowania na złożonych powierzchniach elementów silnika przy użyciu pozycjonowania robota i przetwarzania obrazów.

Opublikowany cykl 4,5 minuty jest odpowiedni do odniesionej aplikacji. W przypadku wymagania szybszego taktu produkcyjnego punkty inspekcji mogą zostać podzielone między stacje równoległe lub zoptymalizowane ścieżki obrazowania i robota.

Czy system wizyjny można połączyć z maszyną do czyszczenia?

- Tak, to jest...

Big Bird Industrial dostarcza zarówno precyzyjnego przemysłowego sprzętu do czyszczenia, jak i systemów inspekcji wizyjnej. Tam, gdzie proces produkcyjny tego wymaga, czyszczenie i inspekcja mogą być połączone, dzięki czemu komponenty przechodzą bezpośrednio z etapu czyszczenia i suszenia do zautomatyzowanej inspekcji wizyjnej oraz śledzenia.

Wniosek

Wady odlewów i wady powstałe podczas obróbki stanowią dwa różne wyzwania kontroli jakości dla bloków silników i główek cylindrów.

Otwory piaskowe, porowatość, wady skurczowe i wtrącenia powstają w trakcie odlewnictwa, podczas gdy zarysowania i ślady uderzeń mogą pojawić się podczas obróbki, manipulacji lub transportu w ramach produkcji. Ich cechy wizualne mogą znacznie się różnić, co utrudnia zastosowanie jednolitej strategii inspekcji opartej na stałym progu.

Omawiane rozwiązanie łączy przemysłową kamerę o rozdzielczości 20 MP, oświetlenie o wysokiej jasności, pozycjonowanie robota FANUC oraz maszynowe widzenie oparte na uczeniu głębokim w celu inspekcji zarówno określonych powierzchni obrobionych, jak i widocznych wad odlewniczych.

W przypadku zastosowań produkcyjnych jednak skuteczność inspekcji opartej na uczeniu głębokim zależy od czynników innych niż sam algorytm. Reprezentatywne próbki, ilościowe kryteria akceptacji, stabilne warunki obrazowania oraz zdefiniowany proces utrzymywania modelu są wszystkie niezbędnymi elementami niezawodnego systemu inspekcji wizyjnej.

Dla producentów chcących połączyć czyszczenie, inspekcję powierzchni i śledzenie pochodzenia, firma Big Bird Industrial może zintegrować te procesy w szerszy zautomatyzowany przepływ pracy kontroli jakości, przy czym SHIMADA pozostaje częścią historycznej tożsamości markowej firmy.