Инспекција дефекта блока мотора и главе цилиндра: Визија дубоког учења за дефекте ливења

Преглед

Блокови мотора и главе цилиндра могу развити дефекте у различитим фазама производње. Дефекти ливења као што су рупе у песку, порозност, дефекти смањења и укључивања настају током ливања, док дефекти у обрађивању и обрађивању као што су трагови удара и гребежи могу се појавити током каснијих производних процеса.

Big Bird Industrial решење за инспекцију вида комбинује индустријске камере од 20 МП, осветљење високе сјајности, роботизовано снимање и алгоритми дубоког учења да се провере и дефекти обрађене површине и видљиви дефекти ливења на блоковима мотора и главима цилиндра.

Референтни систем има објављен циклус инспекције од 4,5 минута , са коначном конфигурацијом и тактом прилагодљивим у складу са захтевима за радни део и инспекцију.

1. у вези са Дефекти ливења и дефекти обраде су различити проблеми инспекције

Блокови мотора и главе цилиндра могу садржати дефекте који потичу из фундаментално различитих фаза производње.

Дефекти ливења

Типични дефекти повезани са ливком укључују:

• Песчане рупе
• Порозност гаса
• Дефекти смањења
• Укључци

Ови дефекти се формирају током пуњења метала, учвршћивања или других процеса ливања. Када су изложени на површини, могу се појавити као тамне тачке, јаме, неправилне депресије или подручја са различитим текстуром површине.

Дефекти у обрађивању и обрађивању

Након ливења, мотори и главе цилиндра подвргну се обрађивању, транспортовању, запљаћивању и другим производним операцијама.

Типични дефекти из ових фаза укључују:

• Знаци удара
• Огребљења
• Повреда површине
• Локални убодови

Ови дефекти могу имати значајно другачији визуелни изглед од дефекта ливења.

Ова разлика је важна за машинско виђење јер две групе дефеката могу захтевати различите стратегије снимања и алгоритама.

2. Уколико је потребно. Зашто је тешко открити дефект ливења

Површине за ливање су природно сложеније од високо униформне обрађене површине.

Машинована површина може имати релативно конзистентну текстуру и рефлективност, док површина за ливање може садржати:

• Нередомерна текстура
• Природна варијација површине
• Промене грубости
• Различите реакције осветљења
• Визуелне карактеристике везане за материјал

Дефекти ливења као што су рупе на песку и порозност такође могу бити значајно различити у облику и величини.

Једноставни систем визије заснован на прагу може се зато борити да разликује прави дефект од нормалне текстуре ливења.

Из тог разлога, референтни систем користи машинско визија заснована на дубоком учењу .

Уместо да се ослања само на фиксне скале сиве боје или геометријске прагове, обучени модел може научити визуелне карактеристике из репрезентативних узорака ОК и НГ.

Међутим, дубоко учење не елиминише потребу за одговарајућим сликама. Осветљење, оптичка резолуција, квалитет узорка и дефиниција инспекционог региона остају од суштинског значаја за перформансе система.

3. Уколико је потребно. Решење за инспекцију: дубоко учење + визија високе резолуције

Референцирана опрема интегрише инспекцију дефекта обраде и дефекта ливења у заједнички проток рада инспекције.

Дефекти на обрађени површини

Систем може да провери одређене обрађене површине на недостатке као што су:

• Знаци удара
• Огребљења
• Повреда површине

Дефекти ливења

Обхват инспекције такође укључује:

• Песчане рупе
• Порозност гаса
• Дефекти смањења
• Укључци

Стварна величина и критеријуми прихватања дефекта зависе од површине делова, услова снимања и стандарда квалитета дефинисаних од стране купца.

Проверка дубоког учења

Систем користи алгоритме за дубоко учење за анализу снимљених слика.

Овај приступ је посебно користан када је морфологија дефекта тешко описати помоћу једноставних фиксираних правила.

На пример, буке у песку и порозност могу се разликовати у:

• Форма
• Величина
• Карактеристике ивице
• Контраст
• Текстура површине
• Дистрибуција

Модел дубоког учења може се обучати користећи репрезентативне узорке за идентификовање ових карактеристика.

4. Уколико је потребно. Конфигурација хардвера

Референцирани систем користи снимање високе резолуције заједно са роботизованим позиционирањем.

Визија

• 20 МП индустријска камера
• Извор светлости са изузетно великом сјајношћу

Камера високе резолуције пружа детаљне информације о слици, док је велики систем осветљења дизајниран да обезбеди одговарајуће осветљење широм инспекцијске области.

Роботизована сликања

А ФАНУЦ робот користи се за аутоматизовано позиционирање камере и прикупљање слике.

Ова конфигурација омогућава систему да прегледа више подручја сложених компоненти мотора без потребе за посебном фиксираном камером за сваку контролну позицију.

Функције контроле и података

Система интегрише:

• Читање кода
• Инспекција машинског вида
• Алгоритми дубоког учења
• Тражебилност инспекције
• Анализа података
• Даљински приступ подацима

Ово омогућава резултатима инспекције да се повезују са појединачним деловима и касније прегледају за анализу квалитета.

5. Техничке спецификације

Следеће спецификације су засноване на јавно доступним информацијама о производу за референтни систем.

Подељка	Спецификација
Примена	Комерцијална возила, путничка возила, укључујући НЕВ
Завршници	Компоненте моторних система за нове енергије; компоненте моторних система за дизел и бензин
Opseg inspekcije	Дефекти обрађене површине и ливења
Дефекти ливења	Струјеве у песку, порозност, дефекти смањења, инклузије
Дефекти у обради	Ознаке удара, огребци и повезане оштећење површине
Објављени циклус инспекције	4,5 минута
Индустријска камера	20 МП
Осветљење	Извор светлости са изузетно великом сјајношћу
Робот	ФАНУЦ
Контрола	Сименс / Авантех индустријски ПЦ
Технологија инспекције	Машинско визија + дубоко учење
Функције	Читање кода, инспекција, тражимоћа, анализа података и удаљени приступ

У цикл од 4,5 минута је објављена вредност апликације - Да ли је то истина? Стварни такт инспекције треба проценити према броју инспекционих подручја, геометрији радног комада, путу робота, захтевима за обраду слике и режиму производње.

6. Кључна разматрања при избору

6.1 Изградите базу података узорке пре развоја алгоритма

Перформансе дубоког учења у великој мери зависе од квалитета узорка.

Пројекат би требао да прикупи репрезентативне узорке који покривају:

• Нормални производи
• Прозрачни НГ производи
• Различити типови недостатака
• Различите величине дефекта
• Гранични или гранични узорци
• Различити услови површине

Гранични узорци су посебно важни јер стварни дефекти производње нису увек тако очигледни као у лабораторијским примерима.

6.2 Дефиниши квантитативне критеријуме за недостатак

Термини као што су "мало порност" или "мало буне у песку" тешко је интерпретирати за систем за визију без инжењерских критеријума.

Спецификација квалитета треба да дефинише, где је то прикладно:

• Минимална величина дефекта
• Максимално прихватљива величина мане
• Број недостатака
• Плотност дефекта
• Локација недостатка
• Прихватљива удаљеност између дефеката

Алгоритам се затим може обучити и валидирати према јасно дефинисаној циљеви инспекције.

6.3 Размислите о циклусу од 4,5 минута у планирању производње

Објављено време циклуса је релативно умерено у поређењу са брзином инлине визије.

Ово може учинити конфигурацију погодном за:

• Потпуна инспекција критичних компоненти
• Инспекција за партије
• Инспекција квалитета на крају линије
• Инспекција узорка

Ако се инспекција мора интегрисати у бржу производњу, контролне тачке могу бити потенцијално распоређене на више паралелних станица.

Стварно решење треба утврдити анализом цикла времена, а не претпостављањем да једна роботизована инспекцијска ћелија може покрити све захтеве за такт.

6.4 Планирајте приступ и задржавање података

Функције удаљеног тражења података су корисне за квалитетну тражимост, али систем треба да буде дизајниран око стварног ИТ окружења фабрике.

Техничка спецификација треба да дефинише:

• Период чувања података
• Капацитет за складиштење слике
• Употребљачке дозволе
• Метода удаљеног приступа
• Потребе за резервно копирање
• Удружење делова са резултатом

7. Да ли се видом могу открити дефекти ливања?

Машинско виђење може да открије дефекти ливења који су визуелно изложени на инспекционичкој површини , укључујући одговарајуће примере песак рупа, порозности, површених дефеката и укључења повезаних са смањењем.

Међутим, постоји важно ограничење.

Дефект потпуно сахрањен унутар ливења са не може се поуздано открити никакав видљив знак на површини само помоћу сликања површине .

За такве унутрашње дефекте могу бити потребне друге неразрушне методе испитивања, у зависности од примене, као што су:

• Рентгенска инспекција
• Ултразвучно испитивање
• Инспекција магнетних честица
• Други НДТ методи специфични за апликације

Стога, визуелна инспекција треба разумети као метода за инспекцију видљиве површине и оближње површине , а не замену за сваки облик инспекције ливења.

8. Уколико је потребно Одржавање перформанси модела дубоког учења

Модел дубоког учења обично не постаје нетачан само зато што је функционисао одређени временски период.

Међутим, извршење инспекција може се променити када се промене услове производње.

Примери укључују:

• Нови ливљиви материјал или добављач
• Нови процес обраде
• Промене у површини
• Промене осветљења
• Нови модели производа
• Нови типови недостатака
• Замена камере
• Промене фиксације или положаја робота

Пројекат чврсте визије треба да укључује механизам одржавања модела који покрива:

1. Нова прикупљања узорка о недостацима
2. Преглед узорке производње
3. Валидација модела
4. Актуализација модела
5. Контрола верзије
6. Преваридација након промена

Ове одговорности и процедуре најбоље су дефинисане у техничком споразуму пре прихватања опреме.

9. Интегрирање инспекције вида са чишћењем

Блокови мотора и главе цилиндра могу бити очишћени пре завршне инспекције.

За производне линије које захтевају и чишћење и визуелну инспекцију, два процеса могу се интегрисати у шири радни ток контроле квалитета.

Типична секвенца може бити:

Машинарска обрада → Чишћење → Сушење → Визија инспекција → Тражебилност → Монтажа

Овај приступ може смањити могућност нове контаминације или оштећења од удара током непотребног промењеног рађења.

Такође може учинити резултат инспекције више репрезентативним за стање компоненте непосредно пре монтаже.

Биг Бирд Индустриал има и опрема за индустријско прецизно чишћење и капацитети за инспекцију машинског вида , што омогућава комбинована решења за чишћење и инспекцију за апликације у којима су потребни оба процеса.

десет. Моћниности инспекције машинског вида компаније Big Bird Industrial

Харбин Биг Бард Индустриал Цо, Лтд. (Биг Бирд Индустриал), раније Харбин Шимада Биг Бирд Индустриал Цо., Лтд., пружа интегрисана индустријска решења за чишћење и машинско виђење за аутомобилске погонске системи и апликације прецизне производње.

Његово пословање са машинским визијом обухвата шест специјализованих области:

• Исток димензионална и геометријска инспекција
• Површина инспекција површених дефеката
• Скупштина инспекција монтажа и пока-јака
• Унутрашње море инспекција унутрашње рупе и унутрашње зидове
• Боја инспекција дефеката површине боје
• Алгоритам и софтверска платформа алгоритми и софтвер за машинско визија

За блокове мотора и главе цилиндра, Површина може бити конфигурисана и за дефекте обрађене површине и за видљиве дефекте ливења.

Када је потребна инспекција унутрашње рупе, Унутрашње море може да одговара захтевима за инспекцију са унутрашњим рупама и унутрашњим површинама зида.

Ово омогућава да се систем за инспекцију конфигурише у складу са стварном врстом недостатка, локацијом инспекције и производним процесом, а не да се на свако подручје примењује једна метода снимања.

Често постављене питања

Да ли машинско виђење може да замени ручно испитување за рупа и порозност?

За дефекте који су видљиво изложени на инспекционичкој површини, аутоматизовано видјење може заменити или значајно смањити ручну визуелну инспекцију.

Међутим, дефекти који су потпуно скривени унутар ливења и без било каквих индикација површине не могу се открити само сликањем површине. Такви дефекти захтевају одговарајуће методе неразрушних испитивања.

Да ли ће модел дубоког учења постати нетачан након неког периода?

Не само због оперативног времена.

Перформансе се могу променити када се производ, процес, материјал, осветљење или популација дефеката мења. Стога су континуирано узимање узорка и валидација модела важни за дугорочну стабилност производње.

Зашто је објављени циклус инспекције 4,5 минута?

Референцирани систем врши вишеструке операције снимања на сложеним површинама компоненти мотора користећи роботизовано позиционирање и обраду слике.

Објављено цикл од 4,5 минута одговара референтној апликацији. Ако је потребан бржи производњи такт, контролне тачке могу бити подељене између паралелних станица или оптимизовани трагови снимања и робота.

Да ли се систем вида може повезати са машином за чишћење?

Да, ја сам.

Биг Бирд Индустриал пружа прецизну индустријску опрему за чишћење и системе за инспекцију машинског вида. Када то производни процес захтева, чишћење и инспекција могу бити повезани тако да компоненте директно прелазе од чишћења и сушења до аутоматизоване визуелне инспекције и тражимости.

Закључак

Дефекти ливења и обраде представљају два различита изазова контроле квалитета за блокове мотора и главе цилиндра.

Струјеви у песку, порозност, дефекти смањења и укључивања потичу од ливења, док огребљења и трагови удара може бити уведен током обраде, руковања или преноса производње. Њихове визуелне карактеристике могу се значајно разликовати, што отежава поуздану примену једне стратегије инспекције са фиксираним праговима.

Референцирано решење комбинује индустријска камера од 20 МП, осветљење високе сјајности, FANUC роботизовано позиционирање и дубоко учење машинског вида да се провере и одређене обрађене површине и видљиве дефекте ливења.

Међутим, за производне апликације, ефикасност инспекције дубоког учења зависи од више од самог алгоритма. Репрезентативни узорци, квантитативни критеријуми прихватања, стабилни услови снимања и дефинисани процес одржавања модела сви су суштински делови поузданог система инспекције вида.

За произвођаче који желе да комбинују чишћење, инспекцију површине и тражимоћи, Биг Бирд Индустриал може интегрисати ове процесе у шири аутоматизовани радни ток контроле квалитета, са Шимада задржана као део историјског идентитета бренда компаније.