使用In-Sight 7000 视觉系统对汽车仪表盘进行全面高效检测收藏

网友投稿 266 2024-01-26


   汽车仪表盘这种反映车辆各系统工作状况的装置,由于上面集成了各种指示灯和仪表,需要在生产过程中进行大量复杂的检测工作比如仪表盘检测包含了3级菜单7个页面30多处检测项,而且生产工位对节拍要求较高,要求检测速度一定要快。

使用In-Sight 7000 视觉系统对汽车仪表盘进行全面高效检测收藏

另外,检测项复杂,包含了字符识别、颜色识别、图案匹配等  "之前这些检测工作我们是使用人工方式,但是检测效率低,工件的误检率和漏检率居高不下"哈尔滨航天公司仪表盘项目负责人李经理介绍说,"随着生产线自动化程度的提高,人工检测方式严重地限制了公司的生产效率,引入机器视觉检测势在必行。

"  这时,哈尔滨航天公司的合作伙伴--沈阳新松机器人公司获悉了他们的技术难题由于沈阳新松机器人公司一直大量使用康耐视公司的视觉设备,非常了解其技术和解决方案的能力因此,沈阳新松机器人公司向李经理推荐了康耐视的视觉检测系统

  于是,哈尔滨航天公司联系上康耐视公司,并邀请他们的工程师来公司进行交流和评估"由于汽车仪表盘检测项繁多且检测需求复杂,这就要求检测速度快、精度高、稳定性强,对于视觉检测来说着实是个不小的挑战"康耐视的工程师表示,"因此,就选用了性能强劲、算法完备的In-Sight 7000 视觉系统。

"

图1.视觉检测工位图    在前期测试中,康耐视的工程师团队对仪表盘的各个界面检测需求进行初步评估,并根据评估结果为每个检测项选定了专门的检测工具,最后将整个检测程序分成了四大类:  1)各界面总体检测。

在这个部分使用了康耐视快速强大的PatMax算法以及瑕疵检测工具通过PatMax的高精度图案匹配,来检测仪表盘上各个区域的图案是否缺失/残缺/错位,并在极短的时间内输出结果

图2.点亮的仪表盘(界面1)工件图    2)各界面指定位置的字符检测,包括出厂日期、产品批号等这个部分使用了康耐视成熟的OCR字符检测工具,用以读取出指定位置的字符,并将字串输出与标准字串对比,以判定日期、批次等是否合格。

  3)各界面彩色图标检测,如ABS图标、油箱图标等这个部分使用了康耐视强大的颜色识别工具,通过提取出各个图标的标准颜色来建立颜色库,然后每次检测都把指定图标的颜色与其在颜色库中的标准颜色对比,以判定图标颜色是否合格。

  4)不合格工件图片的存储由于仪表盘界面较多,不合格仪表盘的错误可能出现在某个界面的某个区域,不能只检测表盘是否合格,还需要存储不合格界面的图片以供日后追溯在这里使用了FTP存图方式,将不合格的图片按日期存储到公共硬盘中,完美地解决了这个棘手问题。

图3.电子表格程序图    另外,由于In-Sight 7000 视觉系统提供了多种通讯协议,这使得相机与现场PLC的通讯也十分方便,现场采用了稳定快速的Profinet通讯协议  这样,在In-Sight 7000 视觉系统的帮助下,工程师们很快就定制了用来检测仪表盘的检测程序。

程序内包含对于仪表盘的3级菜单、7个界面包含30多个检测项的检测,解决了图案匹配、图案缺失/错位、字符识别/读取、颜色识别、指示灯暗/亮显示错误、不合格界面图片的存储等问题  优化后的检测流程如下:当托盘上的仪表盘由传送带传送到检测位置时,自动化装置点亮仪表盘,由PLC给相机发送触发信号和作业切换信号,接收到PLC信号的相机开始采集图片并执行各界面的检测程序,以确保仪表盘各个显示功能准确无误;相机再将各界面的检测结果传回PLC;检测合格的仪表盘由机器人分拣到合格区,不合格的仪表盘则被分拣到不合格区,并将不合格界面的图片存储到公共机中,以便日后检查。

  整个流程快速智能,完全不需要人工的参与,极大的提高了汽车仪表盘的检测准确率和生产效率  对此,李经理评价说,"以前我们使用人工检测方式的时候,工人们都抱怨眼睛酸的不行,检测效率低下不说,产品检测的准确率更是得不到保障,良品误判、次品漏判比例高的可怕。

现在好了,用上In-Sight 7000 视觉系统后,不仅检测速度提了好几个档次,检测准确率高达99.8%,还省下了人工检测专员的成本,真是一举多得"  目前仪表盘检测项目的视觉检测工位已经投入到流水线的生产中,In-Sight 7000 视觉系统的出色表现让哈尔滨航天公司十分满意。

李经理最后表示,"在车间生产逐步向自动化升级的过程中,视觉检测代替人工乃大势所趋以后希望我们能够继续与康耐视合作共赢,创造更多的效益"   *注:由于仪表盘检测项过多,相机内包含9个检测程序程序切换由PLC与相机通过工业以太网通讯控制。

程序图为相机内作业1的截图包含界面图案识别检测,FTP通讯存图,指示灯/图标颜色识别检测,字符对比检测

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:基于工业物联网架构的工业设备状态监测与故障诊断系统收藏
下一篇:DataMan 363读码器:完美实现大视野大景深的物流检测需求收藏
相关文章

 发表评论

暂时没有评论,来抢沙发吧~