Tilda Publishing
Заказать обратный звонок
Я соглашаюсь на обработку персональных данных и ознакомлен(а) с Политикой конфиденциальности.
Дефектоскопия и обнаружение дефектов на производстве с помощью машинного (технического) зрения
Как отечественное ПО ML Sense помогает автоматизировать процесс контроля качества и снизить затраты
Где уже успешно применяются системы машинного (технического) зрения в дефектоскопии?
Системы машинного зрения позволяют выполнять визуальный контроль изделий и деталей любой сложности непосредственно на конвейере или производственной линии. Благодаря этому возможно одновременно отслеживать целый ряд характеристик для оценки качества продукции, что способствует значительному снижению выходного брака.
Системы машинного зрения позволяют выявлять дефекты различных продуктов и материалов:
- Обнаруживают дефекты на поверхности изделий:отверстия, механические повреждения, пятна, царапины, загрязнения и другие дефекты.
- Выявляют видимые посторонние включения в продукции:Пузыри, полосы, посторонние предметы и другие дефекты.
- Обнаруживают отклонения изделий по цвету, форме, размеру.
- Обнаруживают непокрашенные поверхности
- Проверяют качество печати этикеток и нанесения маркировки
- Другие задачи дефектоскопии
Применение системы ML Sense позволяет:
- 1Повысить качество продукцииЗа счет того, что контроль осуществляется за 100% изделий.
- 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 по обнаружению дефектов с помощью системы машинного зрения ML Sense:
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 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.
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%.
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.