CAP點膠瑕疵檢測系統檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

CAP點膠瑕疵檢測系統克斯康製造智能技術（青島）有限公司隸屬于海克斯康集團，專注於為客戶提供貫穿設計工程、生產製造、計量測試等領域的專業技術、產品與解決方案。以「推動以質量為核心的智能製造」為核心打造完整的智能製造生態，達成綠色、高質量、低成本的智能工廠目標。海克斯康的產品方案覆蓋汽車、航空航天、機械製造、電子、醫療、重工、能源、模具、教育等多領域、多產業集群，幫助用戶實現品質、效率和生產力的提升。近年來，公司致力於打造工業互聯網+智能製造、智慧園區、智慧礦山、智慧農業、智能網聯汽車等全球領先的技術和智慧解決方案。

二、項目簡介

在捷普綠點電子煙產品生產過程中，某個組裝件需要進行塗抹膠水和烤箱烘烤工藝，該工藝會出現漏膠、氣泡和雜質、溢膠的捷普綠點情況，影響電子煙組件密封的效果，導致產品的性能體驗較差。海克斯康智能製造通過深度學習技術的視覺檢軟件來檢測烘乾後膠水的形態，來判斷膠水密封的效果，檢測完成後系統將數據上傳到用戶的服務器以便用戶對產品質量進行管控。

三、項目技術方案

檢測某組裝件塗膠後，膠水的路徑是否存在漏膠，氣泡和雜質，溢膠的瑕疵。設備檢測效果要達到漏檢率0%，過殺率15%以內。設備的CT在3秒一片，同時設備的稼動率在98%以上。圖1為檢測機構模型圖。

該項目通過人工把多個待測料盤放到上料工位，分盤機構把最下面的料盤取出後放置在機械手取料位，上料機械手抓取料盤上的產品放到測量工位上，測量工位旋轉測量，軟件在不同的角度上獲取不同的圖片後直接檢測。待測量完成後，下料機械手抓取產品，按照測量結果放置到不同的料盤，滿盤下料。海克斯康基於深度學習的機器視覺瑕疵檢測應用深度學習中不同類型即層次的神經網絡，比如卷積神經網絡，循環神經網絡，長短期記憶對深度學習訓練的模型和速度進行優化，使瑕疵檢測在短時間內可達98%的準確率。

在檢測的過程中，採用了基於深度學習技術開發的軟件集成影像測量，PLC控制系統等技術來實現流水線上的在線瑕疵檢測。之前零件的檢測都是以人工通過CCD影像放大檢測，儘管使用分棱片來控制瑕疵，但實際人工判定的標準很難統一，同時，因長時間檢測人員疲勞，導致漏檢時常出現。相比於傳統的機器視覺方法，基於深度學習的視覺缺陷檢測系統減少手動提取特徵對識別精度的影響，更精確的檢測並識別產品表面缺陷。

四、項目成效

海克斯康製造智能的CAP點膠瑕疵檢測系統應用後，捷普綠點電子煙產品在檢測環節節省人工3人。同時測量圖片有存檔，產品的瑕疵有追溯性，通過圖片有效的輔助了塗膠工藝的改進。在使用該檢測系統後此零件的出廠良率提高了15%，最大化提高了用戶的質量檢測標準化和效率。這套基於深度學習的瑕疵檢測系統可以廣泛應用於不同行業，比如電子行業，玻璃製造業，3C手機行業等。