Maskinseendeinspektionsteknik är en framväxande inspektionsteknik baserad på datorseendeforskning. I dagens snabbt framskridande industriella automation har maskinseendeteknologi fått en allt mer utbredd tillämpning inom industrin och fått växande erkännande och gunst bland användare. Följaktligen har människor börjat överväga att använda CCD-kameror för att ta bilder och överföra dem till datorer eller dedikerade bildbehandlingsmoduler. Genom digital bearbetning kan storlek, form och färg bestämmas baserat på pixelfördelning, ljusstyrka och färginformation. Detta tillvägagångssätt kombinerar hastigheten och repeterbarheten av datorbearbetning med den höga intelligensen och abstraktionsförmågan hos människans syn, vilket ger upphov till konceptet med maskinseendeinspektionsteknik.
Det är uppenbart att dess tillämpningsområde blir allt mer utbrett. Utifrån dessa kategorier kan vi sammanfatta fem stora tillämpningar inom industriell automation.
1. Vision-Applikationer för guidad positionering
Vision-baserad positionering kräver maskinseendesystem för att snabbt och exakt lokalisera målkomponenter och bekräfta deras positioner. Maskinseende används för positionering under lastning/lossning för att styra robotarmar för exakt grepp. I halvledarförpackningar justerar utrustning upptagningshuvudena- baserat på chipplaceringsdata som erhålls genom maskinseende för att exakt plocka upp chip för limning. Detta representerar den mest grundläggande tillämpningen av visuell positionering i industriell maskinseende. Vidare, inom halvledartillverkning, är det notoriskt utmanande att justera-upptagningshuvuden baserat på chipets platsdata. Maskinseende löser detta problem genom att möjliggöra exakt spånupptagning och limning, vilket understryker varför visuell positionering är hörnstenen i industriell maskinseende.
2. Applikationer för upptäckt av utseendedefekter
Denna process upptäcker kvalitetsproblem i produkter på produktionslinjer och representerar det område där mänsklig arbetskraft oftast ersätts. Till exempel, inom läkemedelssektorn, hanterar maskinseende främst dimensionsinspektion, upptäckt av flaskytadefekter, upptäckt av flaskaxeldefekter och inspektion av flaskmun. Med utvecklingen av modern industriell automation används maskinseendeinspektion i stor utsträckning för olika kontroller, mätningar och identifiering av delar. Exempel inkluderar detektering av ytdefekter för nya energibatterier, elektronisk komponentigenkänning, detektering av utseendedefekter för magnetiska material och igenkänning av streckkoder/tecken på produktförpackningar. Dessa applikationer delar de gemensamma egenskaperna för kontinuerlig massproduktion och extremt höga krav på utseendekvalitet. När den ekonomiska standarden stiger får maskinseendeinspektionen allt större framträdande plats. Det förbättrar produktionskapaciteten för kvalificerade produkter samtidigt som undermåliga artiklar identifieras och kasseras tidigt i tillverkningsprocessen, vilket minskar avfallet och sänker kostnaderna.
3. Tillämpningar för hög-precisionsinspektion
Vissa produkter kräver precisionsnivåer så fina som 0,01–0,02 mikrometer eller till och med mikron-nivånoggrannhet, vilket gör mänsklig inspektion omöjlig och kräver maskinbaserade-lösningar. De bästa exemplen inkluderar graddetektering i kraftbatterier och PCB-kretskortinspektion. En annan nyckelapplikation är inspektion av farmaceutiska glasflaskor, vilket gör det medicinska området till en av de primära domänerna för maskinseende.
4. Bildigenkänningsapplikationer
Bildigenkänning innebär att bearbeta, analysera och tolka bilder genom maskinseende för att identifiera olika mönster och objekt. Detta möjliggör spårbarhet och insamling av data, och finner omfattande användning i nya energibatterier, kretskort, elektroniska komponenter, hårdvarudelar, livsmedel, läkemedel och andra sektorer. Det mest ikoniska exemplet är QR-kodigenkänning. QR-koder och streckkoder finns överallt i det dagliga livet. Tillverkare lägger in omfattande produktdata i dessa kompakta koder för hantering och spårbarhet. När maskinseende bildigenkänning expanderar blir streckkoder på olika ytor lätt läsbara och upptäckbara. Detta främjar moderniseringen, ökar produktionseffektiviteten avsevärt och minskar successivt tillverkningskostnaderna.
5. Objektsorteringsapplikationer
Inom maskinseende arbetsflöden följer objektsortering igenkännings- och inspektionsstadier. Machine vision system bearbetar bilder och koordinerar med robotarmar för att uppnå produktsortering. Traditionella produktionslinjer förlitade sig på manuell placering av material på angivna platser innan de fortsatte till efterföljande processer. Idag sköter automatiserad utrustning materialdistribution. Machine vision-system fångar produktbilder, analyserar dem och visar resultat. Robotar placerar sedan motsvarande material i fasta positioner och uppnår intelligent, modern och automatiserad industriell produktion. Vanligtvis används i livsmedelssortering, automatiserad paketsortering och bomullsfibersortering, dessa system sparar arbete, ökar hastigheten och förbättrar produktkvaliteten-nödvändigt för företagens överlevnad i dagens ekonomiska klimat. Genom att utnyttja tekniken för maskinseendeinspektion kan företag behålla en konkurrensfördel på marknaden.