Tilda Publishing
Заказать обратный звонок
Я соглашаюсь на обработку персональных данных и ознакомлен(а) с Политикой конфиденциальности.
Контроль качества поверхности с помощью машинного (технического) зрения на производстве.
Как отечественное ПО ML Sense помогает автоматизировать процесс контроля качества и снизить затраты
Где уже успешно применяются системы машинного (технического) зрения на производстве?
Одной из задач, для решения которых можно использовать систему ML Sense – контроль качества поверхности различных продуктов и материалов:
- Пленки (от прозрачной до металлизированной), изделия из стеклаДля обнаружения полос, пузырей, вздутий, разной толщины слоя и т.п. дефекты
- Сыпучие материалы и горные породыДля контроля состава, посторонних включений при поставке продукции валом
- Бумага, картон, гофрокартон, гипсокартонДля выявления неравномерной окраски или плотности, складок, механических повреждений и т.п.
- Изделия из пластмассДля обнаружения полос, царапин, вмятин, включений и т.п.
- Металлические поверхностиДля детектирования неровностей, царапин, морщин и других поверхностных дефектов.
- Другие поверхности и материалыС помощью систем машинного зрения можно контролировать качество практически любой поверхности
Применение системы ML Sense позволяет:
- 1Повысить качество продукцииЗа счет того, что контроль осуществляется за 100% поверхности изделия.
- 2Снизить затратыЗа счет отбраковки в режиме реального времени (в том числе и без участия оператора) и не допустить попадание дефектной продукции на последующие этапы производства и/или к конечному потребителю.
- 3Автоматизировать производствоСнижает количество ошибок оператора и использование ручного труда.
Примеры реализации некоторых проектов для контроля качества поверхности на основе системы машинного зрения:
распознавание дефектов покраски на производсве пленки
На линии были установлены посты контроля с камерами машинного зрения. Для максимально точного распознавания были подобраны камеры с подходящим значением fps.
Алгоритм машинного зрения непрерывно анализирует видеопоток и фиксирует отклонение от стандартного цвета пленки. При обнаружении дефекта ответственным лицам поступает сигнал от системы на стационарный компьютер.
Решение автоматизирует контроль брака, снижает издержки на персонал и процент бракованной продукции.
Алгоритм машинного зрения непрерывно анализирует видеопоток и фиксирует отклонение от стандартного цвета пленки. При обнаружении дефекта ответственным лицам поступает сигнал от системы на стационарный компьютер.
Решение автоматизирует контроль брака, снижает издержки на персонал и процент бракованной продукции.
Контроль металлической поверхности - царапины и дефекты сварки
На производстве металлических изделий требовалось определять брак - царапины на поверхности и дефекты сварочного шва: наплывы, трещины, прожоги металла.
Внедренная системы видео аналитики позволила в несколько раз увеличить процесс дефектоскопии и повысить качество готовой продукции. Точность распознавания дефектов составила 97%.
Внедренная системы видео аналитики позволила в несколько раз увеличить процесс дефектоскопии и повысить качество готовой продукции. Точность распознавания дефектов составила 97%.
Контроль дефектов гипсокартона на производственной линии: механических повреждений, сколов.
Оборудование подбиралось из требований заказчика - работа на конвейере со скоростью 4 м/c.
Алгоритм машинного зрения непрерывно анализирует видеопоток с конвейерной линии и фиксирует отклонение листов гипсокартона от заданных параметров. В случае детектирования брака отправляется сообщение оператору на планшет.
На складе готовой продукции также установлена камера, которая производит подсчет листов гипсокартона при формировании паллет.
Алгоритм машинного зрения непрерывно анализирует видеопоток с конвейерной линии и фиксирует отклонение листов гипсокартона от заданных параметров. В случае детектирования брака отправляется сообщение оператору на планшет.
На складе готовой продукции также установлена камера, которая производит подсчет листов гипсокартона при формировании паллет.
Как работают современные системы машинного зрения?
(на примере ML Sense)
(на примере ML Sense)
В основе системы - высокоскоростные камеры.
Они устанавливаются над конвейерной лентой на участках, где необходимо детектировать брак. Камеры подбираются в зависимости от скорости работы конвейера и минимального размера дефектов, которые необходимо детектировать. Так, современное оборудование способно работать при скорости конвейера до 50 м/c и выявлять дефекты на площади до 0,0125 кв. мм.
Сервер для обработки видеопотока
На сервер устанавливается программа "ML Sense", которая анализирует поступающий с камеры видеопоток и с помощью алгоритмов машинного зрения определяет брак и передает данные в информационную систему предприятия и в приложение оператора.
Приложение оператора
В программе для оператора отображается событие, регистрирующее брак. Оператор может посмотреть время события, получить отчет по характеристике брака (площадь, размер, положение и расстояние от заданной точки) и принять решение об отбраковке. Оператор может управлять процессом контроля как со стационарного компьютера, так и с планшета или мобильного телефона (Android, iOS). Система также может работать и без участия оператора в автоматическом режиме.
Отличительной особенностью системы ML Sense является возможность организовать единый центр контроля брака, в который поступает информация с каждого пункта контроля для своевременной реакции на появление дефектов.