EN
TIN TỨC
Kiểm tra khuyết tật khối động cơ và nắp xy-lanh: Thị giác máy học sâu cho khuyết tật đúc
Tổng Quan
Khối động cơ và nắp xy-lanh có thể phát sinh khuyết tật ở các giai đoạn khác nhau trong quá trình sản xuất. Khuyết tật do đúc chẳng hạn như lỗ cát, độ xốp, khuyết tật co ngót và tạp chất hình thành trong quá trình đúc, trong khi các khuyết tật do gia công và xử lý chẳng hạn như dấu va chạm và vết xước có thể xuất hiện trong các quy trình sản xuất tiếp theo.
Giải pháp kiểm tra thị giác của Big Bird Industrial kết hợp máy ảnh công nghiệp 20 MP, chiếu sáng độ sáng cao, chụp ảnh bằng robot và thuật toán học sâu để kiểm tra cả khuyết tật trên bề mặt đã gia công lẫn khuyết tật đúc nhìn thấy được trên khối động cơ và nắp xy-lanh.
Hệ thống tham chiếu có chu kỳ kiểm tra công bố là 4.5 phút , với cấu hình cuối cùng và chu kỳ sản xuất có thể tùy chỉnh theo yêu cầu về chi tiết gia công và kiểm tra.
1. Các khuyết tật do đúc và các khuyết tật do gia công là hai vấn đề kiểm tra khác nhau
Các khối động cơ và nắp máy có thể chứa các khuyết tật bắt nguồn từ các giai đoạn sản xuất cơ bản khác nhau.
Khuyết tật do đúc
Các khuyết tật điển hình liên quan đến quá trình đúc bao gồm:
- Lỗ cát
- Xốp do khí
- Khuyết tật co ngót
- CÁC THÀNH PHẦN
Những khuyết tật này hình thành trong quá trình đổ kim loại, đông đặc hoặc các quy trình đúc khác. Khi xuất hiện trên bề mặt, chúng có thể trông như các đốm tối, vết lõm, vùng lõm không đều hoặc những khu vực có kết cấu bề mặt khác biệt.
Các khuyết tật do gia công và xử lý
Sau khi đúc, các khối động cơ và nắp máy trải qua các công đoạn gia công, vận chuyển, kẹp chặt và các thao tác sản xuất khác.
Các khuyết tật điển hình phát sinh từ các giai đoạn này bao gồm:
- Dấu va đập
- Vết xước
- Hư hại bề mặt
- Các vết lõm cục bộ
Những khuyết tật này có thể có ngoại hình trực quan khác biệt đáng kể so với các khuyết tật do đúc.
Sự khác biệt này rất quan trọng đối với thị giác máy vì hai nhóm khuyết tật này có thể yêu cầu các chiến lược chụp ảnh và thuật toán khác nhau.
2. Vì sao việc phát hiện khuyết tật trong đúc lại khó khăn
Bề mặt đúc vốn dĩ phức tạp hơn nhiều so với các bề mặt gia công có độ đồng đều cao.
Một bề mặt gia công có thể có kết cấu và độ phản xạ tương đối nhất quán, trong khi bề mặt đúc có thể chứa:
- Kết cấu không đều
- Biến đổi tự nhiên trên bề mặt
- Thay đổi độ nhám
- Phản ứng ánh sáng khác nhau
- Các đặc điểm hình ảnh liên quan đến vật liệu
Các khuyết tật đúc như lỗ cát và độ xốp cũng có thể thay đổi đáng kể về hình dạng và kích thước.
Do đó, một hệ thống thị giác dựa trên ngưỡng đơn giản có thể gặp khó khăn trong việc phân biệt khuyết tật thực sự với kết cấu đúc bình thường.
Vì lý do này, hệ thống được đề cập sử dụng thị giác máy học dựa trên học sâu .
Thay vì chỉ dựa vào các ngưỡng cố định về mức xám hoặc hình học, một mô hình đã được huấn luyện có thể học các đặc điểm thị giác từ các mẫu đại diện đạt chuẩn (OK) và không đạt chuẩn (NG).
Tuy nhiên, học sâu không loại bỏ nhu cầu về hệ thống chụp ảnh phù hợp. Độ chiếu sáng, độ phân giải quang học, chất lượng mẫu và việc xác định vùng kiểm tra vẫn là những yếu tố nền tảng đối với hiệu năng của hệ thống.
3. Giải pháp kiểm tra: Học sâu + Thị giác độ phân giải cao
Thiết bị được đề cập tích hợp việc kiểm tra khuyết tật gia công và khuyết tật đúc vào một quy trình kiểm tra chung.
Khuyết tật trên bề mặt gia công
Hệ thống có thể kiểm tra các khu vực gia công đã được chỉ định để phát hiện các khuyết tật như:
- Dấu va đập
- Vết xước
- Hư hại bề mặt
Khuyết tật do đúc
Phạm vi kiểm tra cũng bao gồm:
- Lỗ cát
- Xốp do khí
- Khuyết tật co ngót
- CÁC THÀNH PHẦN
Kích thước khuyết tật thực tế có thể phát hiện và các tiêu chí chấp nhận phụ thuộc vào bề mặt chi tiết, điều kiện tạo ảnh và tiêu chuẩn chất lượng do khách hàng quy định.
Kiểm tra dựa trên học sâu
Hệ thống sử dụng các thuật toán học sâu để phân tích hình ảnh đã chụp.
Phương pháp này đặc biệt hữu ích khi hình thái khuyết tật khó mô tả bằng các quy tắc cố định đơn giản.
Ví dụ, các lỗ rỗng do cát và độ xốp có thể khác nhau về:
- Hình dạng
- Kích thước
- Đặc điểm cạnh
- Khác biệt
- Vật liệu bề mặt
- Phân phối
Một mô hình học sâu có thể được huấn luyện bằng các mẫu đại diện để nhận diện những đặc điểm này.
4. Cấu hình phần cứng
Hệ thống tham chiếu sử dụng công nghệ tạo ảnh độ phân giải cao kết hợp với định vị bằng robot.
Hệ thống thị giác
- máy ảnh công nghiệp 20 MP
- Nguồn sáng có độ sáng rất cao và kích thước rất lớn
Máy ảnh độ phân giải cao cung cấp thông tin hình ảnh chi tiết, trong khi hệ thống chiếu sáng lớn được thiết kế để đảm bảo độ sáng phù hợp trên toàn bộ khu vực kiểm tra.
Chụp ảnh robot
ARobot FANUC được sử dụng để định vị máy ảnh và thu ảnh một cách tự động.
Cấu hình này cho phép hệ thống kiểm tra nhiều khu vực trên các chi tiết động cơ phức tạp mà không cần lắp đặt riêng một máy ảnh cố định cho từng vị trí kiểm tra.
Chức năng điều khiển và xử lý dữ liệu
Hệ thống tích hợp:
- Đọc mã
- Kiểm tra Hình ảnh Máy móc
- Các thuật toán học sâu
- Khả năng truy xuất kết quả kiểm tra
- Phân tích dữ liệu
- Truy cập dữ liệu từ xa
Điều này cho phép kết quả kiểm tra được liên kết với từng phôi cụ thể và xem lại sau đó nhằm phân tích chất lượng.
5. Thông Số Kỹ Thuật
Các thông số kỹ thuật sau đây dựa trên thông tin sản phẩm công khai dành cho hệ thống được tham chiếu.
| Mục | Thông số kỹ thuật |
|---|---|
| Ứng dụng | Xe thương mại, xe chở khách, bao gồm cả xe năng lượng mới (NEV) |
| Chi tiết gia công | Các bộ phận truyền động năng lượng mới; các bộ phận truyền động diesel và xăng |
| Phạm vi kiểm tra | Khuyết tật trên bề mặt gia công và khuyết tật do đúc |
| Khuyết tật do đúc | Lỗ cát, rỗ khí, co ngót, lẫn tạp chất |
| Khuyết tật do gia công | Các dấu va chạm, vết xước và các hư hại bề mặt liên quan |
| Chu kỳ kiểm tra đã công bố | 4.5 phút |
| Máy ảnh công nghiệp | 20 MP |
| Chiếu sáng | Nguồn sáng có độ sáng rất cao và kích thước rất lớn |
| Robot | FANUC |
| Điều khiển | Máy tính công nghiệp Siemens / Advantech |
| Công nghệ kiểm tra | Thị giác máy tính kết hợp học sâu |
| Chức năng | Đọc mã, kiểm tra, truy xuất nguồn gốc, phân tích dữ liệu và truy cập từ xa |
Thị trường chu kỳ 4,5 phút là giá trị ứng dụng được công bố thời gian chu kỳ kiểm tra thực tế cần được đánh giá dựa trên số lượng vùng kiểm tra, hình dạng chi tiết, quỹ đạo robot, yêu cầu xử lý ảnh và chế độ sản xuất.
6. Các yếu tố quan trọng cần xem xét khi lựa chọn
6.1 Xây dựng cơ sở dữ liệu mẫu trước khi phát triển thuật toán
Hiệu năng học sâu phụ thuộc rất nhiều vào chất lượng mẫu.
Dự án cần thu thập các mẫu đại diện bao gồm:
- Sản phẩm bình thường
- Sản phẩm lỗi rõ ràng
- Các loại khuyết tật khác nhau
- Các kích thước khuyết tật khác nhau
- Mẫu ở ranh giới hoặc gần ranh giới
- Các điều kiện bề mặt khác nhau
Mẫu ở ranh giới đặc biệt quan trọng vì khuyết tật trong sản xuất thực tế không luôn rõ ràng như các ví dụ trong phòng thí nghiệm.
6.2 Xác định tiêu chí khuyết tật định lượng
Các thuật ngữ như "độ xốp nhỏ" hoặc "lỗ cát nhỏ" rất khó để hệ thống thị giác diễn giải nếu thiếu các tiêu chí kỹ thuật.
Đặc tả chất lượng nên xác định, khi áp dụng được:
- Kích thước lỗi tối thiểu
- Kích thước khuyết tật tối đa được chấp nhận
- Số lượng khuyết tật
- Mật độ lỗi
- Vị trí lỗi
- Khoảng cách chấp nhận được giữa các khuyết tật
Khi đó, thuật toán có thể được huấn luyện và xác thực dựa trên mục tiêu kiểm tra được xác định rõ ràng.
6.3 Cân nhắc chu kỳ 4,5 phút trong lập kế hoạch sản xuất
Thời gian chu kỳ công bố tương đối vừa phải so với kiểm tra thị giác trực tuyến tốc độ cao.
Điều này có thể khiến cấu hình phù hợp với:
- Kiểm tra toàn bộ các thành phần quan trọng
- Kiểm tra theo lô
- Kiểm tra chất lượng cuối dây chuyền
- Kiểm Tra Mẫu
Nếu việc kiểm tra cần được tích hợp vào dây chuyền sản xuất nhanh hơn, các điểm kiểm tra có thể được phân bổ trên nhiều trạm song song.
Giải pháp thực tế nên được xác định thông qua phân tích thời gian chu kỳ thay vì giả định rằng một ô kiểm tra tự động hóa bằng robot có thể đáp ứng mọi yêu cầu takt.
6.4 Lập kế hoạch truy cập và lưu trữ dữ liệu
Các chức năng truy vấn dữ liệu từ xa rất hữu ích cho khả năng truy xuất chất lượng, nhưng hệ thống cần được thiết kế dựa trên môi trường CNTT thực tế tại nhà máy.
Thông số kỹ thuật cần xác định rõ:
- Thời gian lưu trữ dữ liệu
- Dung lượng lưu trữ hình ảnh
- Quyền người dùng
- Phương thức truy cập từ xa
- Yêu cầu dự phòng
- Sự liên kết giữa phôi và kết quả kiểm tra
7. Hệ thống kiểm tra thị giác có thể phát hiện các khuyết tật trong quá trình đúc hay không?
Hệ thống thị giác máy có thể phát hiện các khuyết tật đúc lộ rõ trên bề mặt được kiểm tra , bao gồm các ví dụ phù hợp như lỗ cát, độ xốp, các khuyết tật bề mặt liên quan đến co ngót và tạp chất.
Tuy nhiên, tồn tại một hạn chế quan trọng.
Một khuyết tật hoàn toàn chìm sâu bên trong vật đúc với không có dấu hiệu nào trên bề mặt có thể quan sát được sẽ không thể được phát hiện một cách đáng tin cậy chỉ bằng kỹ thuật chụp ảnh bề mặt .
Các khuyết tật nội bộ như vậy có thể đòi hỏi các phương pháp kiểm tra không phá hủy (NDT) khác, tùy thuộc vào ứng dụng cụ thể, ví dụ như:
- Kiểm tra tia X
- Kiểm tra siêu âm
- Kiểm tra bằng hạt từ
- Các phương pháp NDT khác, phù hợp riêng cho từng ứng dụng
Do đó, kiểm tra bằng thị giác cần được hiểu là một phương pháp nhằm kiểm tra các biểu hiện trên bề mặt và gần bề mặt , chứ không phải là sự thay thế cho mọi hình thức kiểm tra vật đúc.
8. Duy trì hiệu năng của mô hình học sâu
Một mô hình học sâu thường không tự động trở nên kém chính xác chỉ vì nó đã hoạt động trong một khoảng thời gian.
Tuy nhiên, hiệu suất kiểm tra có thể thay đổi khi điều kiện sản xuất thay đổi.
Ví dụ bao gồm:
- Vật liệu đúc mới hoặc nhà cung cấp mới
- Quy trình gia công mới
- Thay đổi độ hoàn thiện bề mặt
- Thay đổi hệ thống chiếu sáng
- Mô hình sản phẩm mới
- Loại khuyết tật mới
- Thay thế camera
- Thay đổi vị trí giá đỡ hoặc robot
Do đó, một dự án thị giác bền bỉ cần bao gồm cơ chế bảo trì mô hình, trong đó có:
- Thu thập mẫu khuyết tật mới
- Đánh giá mẫu sản xuất
- Xác thực mô hình
- Cập nhật mô hình
- Kiểm Soát Phiên Bản
- Xác thực lại sau khi thay đổi
Các trách nhiệm và quy trình này nên được xác định rõ nhất trong thỏa thuận kỹ thuật trước khi chấp nhận thiết bị.
9. Tích hợp kiểm tra thị giác với làm sạch
Các khối động cơ và đầu xy-lanh có thể được làm sạch trước khi kiểm tra cuối cùng.
Đối với các dây chuyền sản xuất yêu cầu cả làm sạch và kiểm tra thị giác, hai quy trình này có thể được tích hợp vào một quy trình kiểm soát chất lượng tổng thể.
Một trình tự điển hình có thể là:
Gia công → Làm sạch → Sấy khô → Kiểm tra bằng thị giác → Truy xuất nguồn gốc → Lắp ráp
Phương pháp này có thể giảm khả năng xảy ra nhiễm bẩn mới hoặc hư hại do va chạm trong quá trình xử lý trung gian không cần thiết.
Nó cũng giúp kết quả kiểm tra phản ánh chính xác hơn tình trạng chi tiết ngay trước khi lắp ráp.
Big Bird Industrial có cả thiết bị làm sạch độ chính xác công nghiệp và khả năng kiểm tra bằng thị giác máy , nhờ đó có thể cung cấp giải pháp kết hợp làm sạch và kiểm tra cho các ứng dụng yêu cầu cả hai quy trình.
10. Khả năng kiểm tra bằng thị giác máy của Big Bird Industrial
Công ty TNHH Công nghiệp Big Bird Cáp Nhĩ Tân (Big Bird Industrial), trước đây là Công ty TNHH Công nghiệp Big Bird Shimada Cáp Nhĩ Tân, cung cấp giải pháp tích hợp về làm sạch công nghiệp và kiểm tra bằng thị giác máy cho các ứng dụng liên quan đến hệ truyền động ô tô và sản xuất chính xác.
Hoạt động kiểm tra thị giác máy của công ty bao gồm sáu lĩnh vực chuyên biệt:
- Orient See — kiểm tra chiều và hình học
- Surface See — kiểm tra khuyết tật bề mặt
- Assembly See — kiểm tra trong quá trình lắp ráp và phòng tránh sai sót
- Inner See — kiểm tra lỗ bên trong và thành trong
- Kiểm tra sơn — kiểm tra khuyết tật trên bề mặt sơn
- Nền tảng phần mềm và thuật toán — các thuật toán và phần mềm thị giác máy
Đối với khối động cơ và nắp quy lát xi-lanh, Surface See có thể được cấu hình để phát hiện cả khuyết tật trên bề mặt gia công lẫn khuyết tật đúc nhìn thấy được.
Khi yêu cầu kiểm tra lỗ bên trong, Inner See có thể đáp ứng các yêu cầu kiểm tra liên quan đến lỗ bên trong và bề mặt thành trong.
Điều này cho phép hệ thống kiểm tra được cấu hình dựa trên loại khuyết tật thực tế, vị trí kiểm tra và quy trình sản xuất — thay vì áp dụng một phương pháp chụp ảnh duy nhất cho mọi khu vực.
Câu hỏi thường gặp
Liệu thị giác máy có thể thay thế việc kiểm tra thủ công đối với các lỗ cát và độ xốp không?
Đối với các khuyết tật lộ rõ trên bề mặt được kiểm tra, thị giác tự động có thể thay thế hoặc giảm đáng kể việc kiểm tra trực quan bằng thủ công.
Tuy nhiên, các khuyết tật hoàn toàn nằm sâu bên trong vật đúc và không có bất kỳ dấu hiệu nào trên bề mặt sẽ không thể phát hiện được chỉ bằng phương pháp chụp ảnh bề mặt. Những khuyết tật như vậy đòi hỏi các phương pháp kiểm tra không phá hủy phù hợp.
Liệu mô hình học sâu sẽ trở nên kém chính xác sau một thời gian vận hành?
Không chỉ vì thời gian vận hành.
Hiệu suất có thể thay đổi khi sản phẩm, quy trình, vật liệu, điều kiện chiếu sáng hoặc tỷ lệ khuyết tật thay đổi. Việc thu thập mẫu liên tục và xác thực mô hình do đó rất quan trọng để đảm bảo ổn định sản xuất lâu dài.
Tại sao chu kỳ kiểm tra được công bố là 4,5 phút?
Hệ thống tham chiếu thực hiện nhiều thao tác chụp ảnh trên các bề mặt phức tạp của bộ phận động cơ bằng cách sử dụng vị trí robot và xử lý ảnh.
Được công bố chu kỳ 4,5 phút phù hợp với ứng dụng tham chiếu. Nếu yêu cầu nhịp sản xuất nhanh hơn, các điểm kiểm tra có thể được phân chia giữa các trạm song song hoặc tối ưu hóa đường đi của robot và quy trình chụp ảnh.
Hệ thống thị giác có thể kết nối với máy làm sạch không?
- Vâng.
Big Bird Industrial cung cấp cả thiết bị làm sạch công nghiệp độ chính xác cao và hệ thống kiểm tra thị giác máy. Khi quy trình sản xuất yêu cầu, quá trình làm sạch và kiểm tra có thể được tích hợp để các chi tiết di chuyển trực tiếp từ giai đoạn làm sạch và sấy sang kiểm tra thị giác tự động và truy xuất nguồn gốc.
Kết luận
Các khuyết tật do đúc và gia công đại diện cho hai thách thức khác nhau về kiểm soát chất lượng đối với thân động cơ và nắp xy-lanh.
Lỗ cát, độ xốp, khuyết tật co ngót và tạp chất có nguồn gốc từ quá trình đúc, trong khi các vết xước và dấu va chạm có thể xuất hiện trong quá trình gia công, xử lý hoặc vận chuyển sản xuất. Đặc điểm thị giác của chúng có thể khác biệt đáng kể, khiến chiến lược kiểm tra dựa trên ngưỡng cố định duy nhất khó áp dụng một cách đáng tin cậy.
Giải pháp được đề cập kết hợp một camera công nghiệp 20 MP, hệ thống chiếu sáng độ sáng cao, vị trí robot FANUC và thị giác máy học sâu để kiểm tra cả các bề mặt đã gia công theo quy định lẫn các khuyết tật đúc có thể quan sát được.
Tuy nhiên, đối với các ứng dụng sản xuất, hiệu quả của việc kiểm tra dựa trên học sâu không chỉ phụ thuộc vào chính thuật toán. Các mẫu đại diện, tiêu chí chấp nhận định lượng, điều kiện chụp ảnh ổn định và quy trình bảo trì mô hình được xác định rõ đều là những thành phần thiết yếu của một hệ thống kiểm tra thị giác đáng tin cậy.
Đối với các nhà sản xuất muốn kết hợp làm sạch, kiểm tra bề mặt và truy xuất nguồn gốc, Big Bird Industrial có thể tích hợp các quy trình này vào một quy trình kiểm soát chất lượng tự động rộng hơn, với SHIMADA được giữ nguyên như một phần trong bản sắc thương hiệu lịch sử của công ty.
