機(jī)器視覺口罩外觀缺陷檢測
2022-07-26
隨著新冠疫情在全球范圍內(nèi)擴(kuò)散，口罩成了人們生活中的必需品，口罩表面常會(huì)出現(xiàn)蚊蟲、孔洞、污點(diǎn)、褶皺等缺陷，由于生產(chǎn)速度快、瑕疵不明顯，傳統(tǒng)的人工檢測很難察覺?；谟谥?
隨著新冠疫情在全球范圍內(nèi)擴(kuò)散，口罩成了人們生活中的必需品，口罩表面常會(huì)出現(xiàn)蚊蟲、孔洞、污點(diǎn)、褶皺等缺陷，由于生產(chǎn)速度快、瑕疵不明顯，傳統(tǒng)的人工檢測很難察覺?；谟谥?
在“智能制造”的概念提出后，作為人工智能一個(gè)重要的分支“機(jī)器視覺”已經(jīng)成為當(dāng)下炙手可熱的技術(shù)之一。在制造業(yè)轉(zhuǎn)型升級(jí)、新興產(chǎn)業(yè)發(fā)展的過程中，中國市場釋放出驚人的機(jī)器視覺技術(shù)及產(chǎn)品需求，為本土機(jī)器視覺行業(yè)的成長提供了關(guān)鍵驅(qū)動(dòng)力。
軟包鋰電池作為新一代儲(chǔ)能電源，性能優(yōu)越、應(yīng)用廣泛，其產(chǎn)能快速增長，其使用的鋁塑膜外殼材料質(zhì)地較軟，易受損傷，在生產(chǎn)過程中容易產(chǎn)生一些外觀缺陷，一些較大的缺陷容易對(duì)電池的安全性構(gòu)成了嚴(yán)重的威脅，可能會(huì)引起電池內(nèi)部電解質(zhì)外泄，甚至引發(fā)火災(zāi)等安全事故。因此，相應(yīng)的外觀檢測技術(shù)水平直接決定著電池產(chǎn)品的品質(zhì)。
機(jī)器視覺的崛起，很大程度上得益于消費(fèi)類電子行業(yè)的發(fā)展。根據(jù)賽迪發(fā)布的《中國工業(yè)機(jī)器視覺產(chǎn)業(yè)發(fā)展白皮書》顯示，機(jī)器視覺被廣泛應(yīng)用于電子及半導(dǎo)體、汽車制造、食品包裝、制藥等領(lǐng)域，而在所有應(yīng)用場景中，電子行業(yè)的應(yīng)用占比將近一半。
近年來，在碳排放壓力的影響下，各國新能源汽車政策支持力度持續(xù)加強(qiáng)。新能源汽車在整體汽車市場中的份額逐年提升。新能源汽車最重要的組成部件，即動(dòng)力電池，因此鋰電池的市場競爭愈發(fā)激烈。動(dòng)力電池是由一個(gè)個(gè)的電芯組成，所以從質(zhì)量上要對(duì)每一個(gè)電芯進(jìn)行把控。本文將為大家介紹翌視科技LVM系列相機(jī)在鋰電行業(yè)的應(yīng)用案例。
我國是紡織大國，也是世界上大型紡織服裝生產(chǎn)加工基地。 數(shù)據(jù)顯示，2022年1-2月，我國紡織企業(yè)實(shí)現(xiàn)營業(yè)收入7069億元，同比增長13.5%，需求持續(xù)增長。 這也給生產(chǎn)過程帶來了巨大的
由于不同生產(chǎn)廠家的硅烷交聯(lián)電纜料采用的擠出溫度、擠出速度和交聯(lián)速度等加工工藝不盡相同，對(duì)低壓電纜絕緣線芯擠出表面質(zhì)量的影響也較大。
在電線電纜的生產(chǎn)過程中，會(huì)經(jīng)常出現(xiàn)外觀上的缺陷，諸如表面不光滑、表面有熟料粒子(早期硫化橡膠粒子)或雜質(zhì)、電線電纜表面劃傷、擦傷、表面有塌陷、表面有麻花紋等問題存在。原本肉眼看起來好好的線纜，暗中卻隱藏著非常多的表面缺陷，更容易容易留下使用的安全隱患。
玻璃蓋板作為智能終端產(chǎn)品最重要的構(gòu)成部件之一，玻璃蓋板的制造擁有巨大的市場存量以及增長潛力，是眾多國家和企業(yè)爭奪的焦點(diǎn)。其中檢測作為玻璃蓋板生產(chǎn)的最后一道工序，是產(chǎn)品品質(zhì)控制的關(guān)鍵。但是目前國內(nèi)企業(yè)在玻璃蓋板的外觀檢測其本上都是人工檢測，導(dǎo)致檢測效率低下、漏檢率高、人工成本不斷上升等諸多缺陷。
蓋帽外觀缺陷檢測設(shè)備應(yīng)用于鋰微型電源電力行業(yè)蓋帽外觀缺陷檢測。該設(shè)備離線將批量蓋帽放入振動(dòng)盤進(jìn)行直振，排序上料到達(dá)光學(xué)檢測玻璃轉(zhuǎn)臺(tái)區(qū)域進(jìn)行實(shí)時(shí)采圖。檢測區(qū)域采用五個(gè)高精度光學(xué)相機(jī)加微焦鏡頭呈360角覆蓋分布，全方位采集蓋帽上下表面、內(nèi)外圍側(cè)面圖像數(shù)據(jù)，并傳送進(jìn)含銘工業(yè)檢測平臺(tái)進(jìn)行深度學(xué)習(xí)運(yùn)算，根據(jù)客戶標(biāo)準(zhǔn)進(jìn)行良疵判定，再利用分揀吹料機(jī)構(gòu)將不良品吹落至NG區(qū)歸類。設(shè)備基于機(jī)器視覺原理和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)缺陷識(shí)別算法，支持GPU加速，高效檢測外觀缺陷，速率達(dá)每分鐘250個(gè)以上，識(shí)別率達(dá)100%，誤識(shí)別率小于1%