在現代工業制造領域中，對于精密零部件的外觀尺寸都有著極高的要求，航天、航空、汽車配件、電子產品等領域中，績效的零部件出現問題都會影響正常運行以及使用功能。

近幾年機器視覺檢測技術的飛速發展，為工業自動化生產提高了先進科學技術有效保障產品質量，機器視覺檢測來幫助生產線實現在線實時檢測、測量和自動識別等功能，以提高效率并降低工廠成本，從而實現生產效益的最大化。

因此，機器視覺檢測技術被廣泛應用于五金配件的尺寸檢測、表面缺陷檢測、字符識別檢測等方面。

檢測類型包括：裂紋、頭部文字/形狀、長度、直徑、螺絲螺母有無牙、螺牙內外徑、螺牙牙距、螺牙牙角、底部形狀、彎曲、多段高度/寬度/厚度、倒角/夾角、齒數、表面特點、表面瑕疵、印記、表面缺陷等。

尺寸檢測：對五金配件的長度、寬度、直徑、孔距、內外徑、牙距等尺寸進行測量檢驗。

表面缺陷檢測：五金配件表面的劃傷、劃痕、凹坑、缺損、裂紋等缺陷。

檢測內容

檢測產品

檢測需求：尺寸長8mm*寬8mm*高25mm的產品的尺寸檢測，除此之外還有碰傷、內孔電鍍不良等缺陷。

檢測效率每分鐘檢測數量200件。

檢測設備

設備組成

視覺檢測軟件：SIPOTEK

工業電腦：SIPOTEK定制

顯示器：PHILIPS 19”液晶顯示器

工業相機：SONY工業相機

相機調節模組：SIPOTEK定制

工業鏡頭：FA高清光學工業鏡頭

光源：定制光學自適應光源

檢測平臺：專業光學玻璃載臺

伺服電機：松下·PANASONIC

控制系統：SIPOTEK定制

PLC運動協作：松下·PANASONIC

檢測流程

圖像采集：使用相機、攝像頭等設備采集圖像數據，作為輸入數據進行處理和分析。

圖像預處理：對采集的圖像數據進行預處理，包括去噪、灰度化、尺度變換等操作，以便后續處理更加準確和高效。

特征提取：通過計算機視覺算法提取圖像中的特征，如邊緣、角點、紋理等，以便后續的目標檢測和識別。

目標檢測與識別：利用機器學習、深度學習等技術對提取到的特征進行分析，以識別圖像中的目標、物體或特定模式。

目標分類或測量：對識別到的目標進行分類、測量或其他形式的分析，如數量統計、尺寸測量、質量評估等操作。

決策與反饋：基于分析結果做出決策，可以是自動化控制、報警提示、品質判定等操作，并將結果反饋給用戶或系統。

檢測效果

大孔碰傷檢測

電鍍不良檢測

良品OK圖

審核編輯 黃宇