机器视觉技术为制造商解决了硬检测问题

作者:Tigervs    发布时间:2019-07-26    浏览量:

“硬”检查问题是推动任何视觉检查方法 - 人或机器的限制的问题。随着电子和机械设备变得更加复杂,组装验证需要同时且高速地检查多个特征。复杂的组件可能包含许多小部件或低对比度元件,这些元件难以在生产速度下进行评估。

如果没有被捕获,细微的缺陷 - 例如错误布线的电缆,缺少螺钉或未对准的连接器 - 可能会逃脱并最终落入客户手中,从而导致潜在的故障。在退货和保修索赔,客户不满意以及品牌声誉受损方面,这些故障的成本可能非常高。

笔记本主板螺丝机器视觉检测
复杂机电设备的内部组装部件......带有一个缺少的螺钉。

人体和机器视觉检测方法的优势,与光度学和机器学习技术的最新进展相比。每种检测方法(人体,机器视觉和机器学习以及基于测光的高级视觉)在发现和量化缺陷以防止逃逸和潜在故障方面的表现如何?

机器视觉系统对PCB板缺陷瑕疵检测

人工检查员提供卓越的视力,但他们的表现可能会受到场景复杂性,时间限制和疲劳的影响。传统的机器视觉系统提供了速度和可重复性,但受到高动态范围,低对比度场景和微妙变化的挑战。他们难以辨别高达20%的缺陷,例如随机或意外的缺陷。

机器学习可以通过人工智能改进随机缺陷的识别,但是由于成本和时间限制,通常不合理的高培训工作。另外,机器学习系统受到它们被呈现以分析的图像质量的限制。

机器视觉系统的应用

相比之下,光度检测使用高分辨率光成像和分析技术来识别其他方法遗漏的缺陷。基于光度测量的检测系统即使在复杂的组件和低对比度设置中也能够识别出有缺陷的缺陷。它们在发现随机缺陷方面比机器视觉表现更好,并且在一致性和可重复性方面优于人工检查员。

相关新闻推荐

关注官方微信

微信二维码
版权所有 深圳市如虎科技有限公司 Copyright © 2018-2019 Tigervs.Com All Rights Reserved 粤ICP备19029139号-1