Teknik Prensipler: "Görme"den "Yargılama"ya Akıllı Mantık
Görsel denetim ekipmanının temeli, iş akışı üç akıllı aşamaya bölünebilen makine görme sistemidir:
Görüntü edinme: Test edilen nesneyi çeşitli açılardan ve spektrumlardan görüntülemek için yüksek-çözünürlüklü endüstriyel kameralar (CCD/CMOS), profesyonel optik lensler ve özelleştirilmiş aydınlatma sistemleri kullanılır. Örneğin, yansıtıcı yüzeyler için polarize ışık aydınlatması kullanılırken, küçük kusurların kontrastını artırmak için koaksiyel ışık veya yapılandırılmış ışık kullanılarak hiçbir görüntü ayrıntısının gözden kaçırılmaması sağlanır.
Algoritma işleme: Görüntüdeki kusur özelliklerini (boyut, şekil, renk ve doku gibi) çıkarmak ve analiz etmek için derin öğrenme (CNN evrişimli sinir ağları) ve geleneksel görüntü işleme algoritmaları (kenar algılama, eşik bölümleme, özellik eşleştirme) kullanılır. Tipik algoritmalar, kusur sınıflandırması için ResNet ağını ve nesne tespiti için YOLO serisini içerir.
Karar yürütme sistemi: Sistem, önceden belirlenmiş kalite kontrol standartlarına dayalı olarak algılama sonuçlarını otomatik olarak çıkarır, nitelikli ve kusurlu ürünleri sınıflandırır ve işaretler ve entegre "algılama-sıralaması" elde etmek için robotik kollar, reddetme cihazları veya alarm sistemleriyle bağlantı kurmak için G/Ç arayüzlerini kullanır.
Temel Avantajlar: Manuel Kalite Denetiminin "Tavanını" Aşmak
Geleneksel manuel görsel denetimle karşılaştırıldığında, görsel denetim ekipmanı beş devrim niteliğinde gelişme göstermektedir:
(1) Doğruluk: "Milimetre seviyesinden" "mikron seviyesine" sıçrama
İnsan gözünün çözünürlüğü yaklaşık 0,1-0,2 milimetredir, görsel inceleme ekipmanı ise mikroskobik lensler aracılığıyla 5-10 mikron düzeyinde algılama (insan saçı çapının 1/10'una eşdeğer) gerçekleştirebilir. Örneğin, yarı iletken paketleme incelemesinde ekipman, lehim bilyesinin yer değiştirmesi ve ped hasarı gibi mikron düzeyindeki kusurları doğru bir şekilde tanımlayabilir ve görünüm kusurlarından kaynaklanan talaş arızasını önleyebilir.
(2) Verimlilik: 7/24 "kalite kontrol robotu"
Manuel kalite denetimi, yorgunluk ve duygular gibi faktörlerden etkilenir; etkin günlük denetim süresi yaklaşık 6-8 saattir ve kaçırılan tespit oranı %5-%10'a kadar çıkar. Görsel inceleme ekipmanı, dakikada yüzlerce parçanın yüksek hızlı tespitini gerçekleştirebilir ve 7×24 saat sürekli çalışmayı destekler. Ekipmanın devreye alınmasının ardından belirli bir otomotiv parçası üretim hattı tek vardiya kapasitesini %40 artırdı ve kaçırılan tespit oranı %0,1'in altına düştü.
(3) Tutarlılık: Standartlaştırılmış Kalite Denetiminin "Sıkı Uygulayıcısı"
Kusurlara ilişkin insan denetçilerin subjektif yargıları, aydınlatma ve deneyimden kolayca etkilenerek, aynı kusurun farklı denetçiler tarafından yanlış değerlendirilmesine yol açabilir. Standartlaştırılmış algoritmik modellere dayalı görsel denetim ekipmanı, renk sapması (ΔE) gibi göstergelerin birleşik niceliksel değerlendirmesini sağlar.<1) and dimensional tolerance (±0.01mm), ensuring the consistency and traceability of quality inspection results.
(4) Veri Değeri: "Kalite Kontrolünden" "Kalite Kontrolüne" Yükseltme
Ekipman, denetim verilerini gerçek zamanlı olarak toplayabilir ve kusur türü dağılımı ve üretim hattı verim eğilimleri gibi istatistiksel raporlar oluşturarak süreç optimizasyonu için veri desteği sağlayabilir. Ekipman verilerini kullanan bir 3C ürün üreticisi, belirli bir cep telefonu kasası modeli üzerindeki çiziklerin enjeksiyon kalıplama işleminde yoğunlaştığını keşfetti. Kalıp sıcaklığı ayarlandıktan sonra hata oranı %75 oranında azaldı.
(5) Uyarlanabilirlik: Karmaşık Senaryolarda "Her Yönden-Kalite Denetçisi"
Yüksek sıcaklık (örneğin, metal ısıl işlem parçaları denetimi), toz (örneğin, yapı malzemesi yüzey denetimi) ve yüksek risk (örneğin, kimyasal kap denetimi) gibi insanların erişmesi zor olan ortamlarla başa çıkabilir. Fotovoltaik modül incelemesinde ekipman, güneş ışığını simüle eden güçlü ışıklı ortamlarda hücre çatlakları ve lehim bağlantılarının yanlış hizalanması gibi kusurları doğru bir şekilde tanımlayabilir ve modüllerin enerji üretim verimliliğini garanti edebilir.
Çeşitli Uygulama Senaryoları: Tüm Endüstrilerde Kalite Kontrolü için "Ana Anahtar"
Görsel denetim ekipmanları tüm üretim zincirine nüfuz etmiştir. Aşağıdakiler tipik uygulama senaryolarıdır:
(1) 3C Elektronik: Küçük Alanda Hassas Kontrol
Cep telefonu kasa denetimi: CNC ile işlenmiş çerçevelerdeki çapak, eşit olmayan anodize film kalınlığı ve LOGO baskı yanlış hizalaması gibi kusurların tespit edilmesi, görünüm sürecinin hassasiyetinin sağlanması.
PCB kartı denetimi: %99'u aşan kusur tespit oranıyla ped ayrılması, kısa devreler ve yanlış yerleştirilmiş bileşenler gibi sorunları tanımlamak için AOI (Otomatik Optik İnceleme) kullanımı.
Örnek Olay: Önde gelen bir cep telefonu üreticisinin yüksek-hassasiyetli bir görsel inceleme hattını piyasaya sürmesinin ardından, bitmiş ürünün genel görünüm kusur oranı %3'ten %0,5'e düşerek yıllık yeniden işleme maliyetlerinde on milyon yuan'dan fazla tasarruf sağlandı.
(2) Otomotiv Üretimi: Parçalardan Aracın Tamamına Kadar Kapsamlı Koruma
Parça muayenesi: Motor silindir bloğu yüzeyindeki çukurlaşmaların, tekerlek göbeği kaplama kabarcıklarının ve kablo demeti terminalinin kötü kıvrılmasının kusur tespiti. Araç Son Muayenesi: Boya portakal kabuğu, eşit olmayan kapı aralıkları ve cam çizikleri gibi dış kusurların belirlenmesi, aynı üretim hattında karma-model araç muayenesini destekler.
Öne Çıkan Teknik Özellikler: 3D yapısal ışık tarama teknolojisini kullanarak, kavisli parçaların (otomotiv gövde panelleri gibi) üç-boyutlu profilini yeniden oluşturarak ±0,02 mm'lik deformasyon algılama doğruluğu elde edebilir.
(3) Gıda ve İlaç: Güvenlik Hattının "Görsel Nöbetçisi"
Gıda Ambalajı Denetimi: Eğri içecek şişesi etiketleri, buruşuk torba contaları ve hasarlı farmasötik alüminyum folyo ambalajı gibi kusurların giderilmesi.
Farmasötik Görünüm Denetimi: GMP uyumluluk gerekliliklerine uygun olarak tablet renginin bozulması, kapsül deformasyonu ve ampul çatlakları gibi kusurların görsel olarak tanımlanması.
Yenilikçi Uygulama: Taze ürün sınıflandırma senaryolarında, meyve yüzeyindeki hasarı ve şeker dağılımını tespit etmek için multispektral görüş teknolojisi kullanılarak otomatik kalite sınıflandırması sağlanır.
(4) Donanım ve Yapı Malzemeleri: Toplu Ürünler için Kaliteli İnovasyon
Metal İşleme Parçaları Denetimi: Rulman halkası yüzeyindeki çatlaklar, eşit olmayan vida kaplama kalınlığı ve damgalama parçası çapakları gibi kusurların tespiti.
Yapı Malzemesi Yüzey Denetimi: Seramik karo sır noktalarının, cam kabarcıklarının ve levha bağlantı boşluklarının dakikada 20 metrenin üzerinde algılama hızıyla görünüm kalite kontrolü.
Akıllı Yükseltme: Bir vitrifiye üreticisi görsel denetimi MES sistemiyle entegre ederek denetim verilerinden süreç parametrelerine kadar kapalı-döngü kontrolü elde ederek ilk-geçiş verimini %18 artırdı.
Sektör Trendleri: Yapay Zeka ve Görsel Denetimin Derin Entegrasyonu
Şu anda, görünüm kusurlarına yönelik görsel inceleme ekipmanları üç ana gelişme eğilimi göstermektedir:
Derin Öğrenme, Kusur Tanıma'yı Güçlendirir: Geleneksel algoritmalar, manuel olarak tanımlanan özelliklere (kenarlar ve dokular gibi) dayanır ve bu da karmaşık kusurlar (düzensiz çizikler ve bulanık renkli noktalar gibi) için sınırlı tespit etkinliğine neden olur. Derin öğrenmeye-tabanlı kusur tespit modelleri, çok sayıda örnek eğitim yoluyla çok-düzeyli özellikleri otomatik olarak çıkarabilir ve "bilinmeyen kusurlar" için genelleme yeteneğini önemli ölçüde geliştirebilir. Bir optik lens üreticisi, yeni bir malzeme kusuru tespit modelinin eğitim döngüsünü 2 haftadan 3 güne kısaltmak için transfer öğrenme teknolojisini kullandı.
Multimodal Görsel Füzyon: Tek bir görsel yöntemin (2D görüntüleme gibi) karmaşık senaryoların ihtiyaçlarını karşılaması zordur ve 2D+3D görsel füzyon ve "görünür ışık + kızılötesi + ultraviyole" multispektral görüntüleme trend haline geliyor. Örneğin, lityum{6}}iyon pil testinde, 2D görsel incelemeyi kızılötesi termal görüntülemeyle birleştirmek, elektrot çıkıntısı kaynak kusurlarının ve dahili termal kaçak risklerinin eşzamanlı olarak tanımlanmasına olanak tanır.
Bulut{0}}tabanlı ortak çalışma ve endüstriyel bir internet platformu aracılığıyla akıllı operasyon ve bakım, birden fazla fabrikadan gelen test verilerinin bulutta toplanmasını ve analiz edilmesini sağlayarak grup şirketlerinin birleşik kalite kontrol standartları oluşturmasına yardımcı olur.