机器视觉化在钢化玻璃缺陷检测中的应用
为了将钢化玻璃中的缺陷突显出来,在整个操作的过程中,光源的配置是一个非常重要的技术环节。透明材料是钢化玻璃制作的主要材料,具有较低的反射率,所以在常用的反射照明方式中,其并不是很适用,所以,可以采取透射照明的形式。
为了将钢化玻璃中的缺陷突显出来,在整个操作的过程中,光源的配置是一个非常重要的技术环节。透明材料是钢化玻璃制作的主要材料,具有较低的反射率,所以在常用的反射照明方式中,其并不是很适用,所以,可以采取透射照明的形式。
手机、平板电子产品在组装完成后,为保证出货前的产品质量,需对手机的玻璃面、后盖、侧面、圆弧面进行全方位的检查,检测内容包括划伤、缺口、点状异物(如颗粒、玻璃珠、气泡等)、压痕、凹凸痕、锯齿状、脏污、电镀掉漆、异色等。使屏幕依次显示不同的纯色背景,检测屏幕亮点、暗点、花屏、背光不良等缺陷。
应用的领域十分的广泛,我例举一下最主要的应用领域吧,钢铁冶金,有色金属加工,高精铜板带,铝板带,铝箔,不锈钢制造,电子素材,无纺布,织物,玻璃,纸张,薄膜。
手机镜片制造商,需要对出货前的产品进行外观检测,包括披风、蚀刻不良、异色、字体不良、崩边、边透沙眼、划伤、晶点、亮点等不良。采用深度学习技术,可准确的检测出不良,以此来替代人工繁琐的检测,提升效率的同时并能管控好品质。
随着智能制造产业的升级和改造,智能手机作为人们生活的必需品,它的“智”不仅仅在于产品功能、性能方面的创新,更在于生产制造过程的智能化。
手机外观缺陷检测一直是业界的难题,需要检测的缺陷种类繁多且变化多端,主要缺陷包括手机外壳上出现的污点、划痕、边缘缺失、裂纹、水迹水印、气泡、手指纹、异物、油墨、异色区分等问题。
手工检测人力密集的情况在3C、电子、汽车配件、食品这些对产品表面缺陷要求比较高的行业里非常常见,人工视目检查的结果往往是复检率高,而且耗费了极大的时间成本和人力成本。
近年来,全球医疗耗材市场规模呈现持续增长态势,GMP标准不断提高,用工成本也不断上升。在药品生产和包装环节,原有的人工灯检方式已经不能满足生产自动化和质量管理要求。随着AI、视觉检测等新技术的发展与应用,计算机视觉技术给预灌封注射器等医疗耗材的质量检测带来了新的期待与惊喜。
工业缺陷检测系统与进口工业高分辨率高速摄像机组合,这样可以快速获取电子元器件焊接部分的图像,通过图像识别、分析和计算,采用灰度对比提取检测温度传感器塑料件电阻焊接部分少锡、多锡、焊锡拉丝等缺陷。并输出相应检测合格/不合格信号提示,以便于人员对缺陷品的处理。
基于深度学习技术的外观缺陷检测设备在工业生产中的应用可以实现非接触式测量,这种无任何接触、无任何损伤的自动检测技术,是实现设备自动化生产、智能化生产和精密控制的有效方式,具有精确有效、安全可靠、应用范围广等优势。