3D視覺檢測案例分享：外觀檢測
共 2227字，需瀏覽 5分鐘
·
2024-06-04 23:05
微信改了推送規(guī)則，如果您還想收到我們的推送！
點擊上方“機器視覺”，右上角...選擇“置頂/星標(biāo)”公眾號
現(xiàn)今，藥機企業(yè)所生產(chǎn)的整機或生產(chǎn)線，是由成千上萬種零部件組裝而成。而這些零部件在加工過程中存在各種各樣的瑕疵，品質(zhì)管控的手段也多以人工檢驗為主，借助部分工裝檢具、測量儀器進行輔助測量。眾所周知，“4M1E”中最難以管控的因素就是“人”的因素，受限于人體自身難以避免的這些缺陷，極易造成不良零件的漏檢。
然而這些細微的不良，如若發(fā)現(xiàn)不及時，對于藥企制藥的安全則存在著巨大的安全隱患；如若發(fā)現(xiàn)及時，重新制作、更換可以消除風(fēng)險，但對于藥機企業(yè)來說，也存在著大量的人力、財力、物力的浪費，更有可能影響產(chǎn)品的交付，使企業(yè)信譽降低。
隨著工業(yè)4.0時代的到來，機器視覺系統(tǒng)被廣泛應(yīng)用到各行各業(yè)，對于零部件的檢驗也逐步由人工檢驗向機器視覺過渡。例如：轎車零配件尺寸查看和主動安裝的完整性查看、電子安裝線的元器件主動定位，產(chǎn)品包裝上的條碼和字符辨認等。
但目前，絕大部分用于工業(yè)檢測的機器視覺系統(tǒng)是基于傳統(tǒng)的二維圖像的分析與識別，即從灰度圖中提取被測物特征，在X-Y平面內(nèi)進行測量，如果對于某些更高級別的檢測需求，如需要測高度、深度、厚度、磨損情況等，傳統(tǒng)的方法則無法勝任，只能借助更高級別的檢測手段，也是我們將要談到的3D視覺技術(shù)。那么，3D視覺檢測技術(shù)是否可應(yīng)用于藥機企業(yè)零部件的檢測呢？
下面給大家分享兩個3D相機做外觀檢測的案例。
案例一：
▼首先請大家看下圖。該金屬件表面有兩處明顯的不良，大家看出來了么？注意，表面因為加工原因產(chǎn)生的紋路屬正?，F(xiàn)象。
不良如下圖：1、一處表面劃傷；2、一處邊緣的缺料。
此類型的不良，因為和底色相同，普通面相機無法分辨出來，需要使用3D相機。
1、表面劃傷
大家可以很清楚的看到該表面劃傷和因為加工產(chǎn)生的紋路并沒有太大區(qū)別。都是暗色背景下的亮色。怎么辦？
但是加入了高度信息和背景處理后，得到了如下圖的效果?？梢郧宄o誤的找到對應(yīng)的不良。
2、邊沿的缺料。
根據(jù)高度的差異，邊緣的缺料也可以穩(wěn)定檢測到（中間兩個小圓圈是屏蔽掉的區(qū)域）。
案例二：
大家是否注意到下圖產(chǎn)品表面防水膠的不良？有凹陷，也有凸出。這種不良容易導(dǎo)致最終防水效果的失效。所以一定要檢測出來。因為凸出凹陷和產(chǎn)品的底色相同。通過普通的平面相機無法穩(wěn)定檢測。這時候，使用3D智能相機可以輕松對應(yīng)，如KEYENCE。
測試效果圖：
凹陷不良效果圖
凸出不良效果圖
不同不良被檢出的觀察畫面效果
文章來源：楚天人，文 / 李小哈，編輯 / 1小魚，案例來自工業(yè)機器視覺系統(tǒng)的前沿應(yīng)用，版權(quán)原作者所有。
003：120圖勾勒全球AI產(chǎn)業(yè)完整圖譜!
004：Facebook 開源計算機視覺系統(tǒng)，從像素水平理解圖像（附論文及代碼）
005：想成為機器學(xué)習(xí)工程師？這份自學(xué)指南你值得收藏
007：圖像處理與計算機視覺基礎(chǔ)，經(jīng)典以及最近發(fā)展
009：從洗衣妹到谷歌首席科學(xué)家，她靠孤獨改變了人工智能界！
012：如何裝備一個學(xué)術(shù)型的 iPad ？
019：機器人控制系統(tǒng)相關(guān)知識大匯集
020：機器人的工作原理，史上最詳細的解析！
021：光源選型知識點
022：這才是機械手，這才是自動化，你那算什么？
023：攝像機和鏡頭的基礎(chǔ)知識
024：物聯(lián)網(wǎng)產(chǎn)業(yè)鏈全景圖（附另13大電子行業(yè)全景圖，必收藏）
025：日本到底強大到什么地步？讓人窒息！看后一夜未眠
026：德國機械用行動驚艷全世界：無敵是多么寂寞