3D 机器视觉如何改善制造和运营中的动态响应和性能
什么是机器视觉?
二维机器视觉已经改变了自动化制造,将优雅的软件算法应用于批量生产零件的生产、检查和控制。该技术使用成像来构建零件的 360 度整体视图,并在过程中考虑制造零件的所有因素。软件和先进工业设备的集成推动了机器和制造部件之间的物理人机接触。
机器视觉最有利于重复、高产量的生产运行,为操作员提供增强的可见性,以提高生产质量、速度和成本。2D 机器视觉通过检测产品特征的位置来提供增强的检测,从而提高质量保证的缺陷率。它通过快速进行重复运动并启用预编程转换以批量生产一系列生产步骤来提高生产率和灵活性,类似于计算机编程中的子程序。最后,2D 机器视觉通过这些质量和速度的改进降低了成本。改进的可编程性优化了机器性能并减少了运行机器所需的人力资产。更好的质量还可以转化为更低的废料,从而立即降低成本。
凭借其所有颠覆性优势,2D 机器学习带来了一些绝佳的改进机会。机器使用光创建目标图像。因此,这种方法容易受到光照条件变化的影响,例如一天中不同时间的阴影、阴影,从而影响图像的清晰度。因为它是平面的,二维方法主要适用于二进制评估,例如是否存在特征或是否存在缺陷。
这些挑战催生了对更进一步改进的成像解决方案的需求:3D。概念很简单,增加二维图像的深度需要对整个过程进行重大升级。在这里,我们将概述三维如何扩展 2D 机器视觉的动态响应和过程性能增益,使过程更接近理想状态:零缺陷、准时制、最低成本。
3D 机器视觉在动态响应方面的优势
合并第三维所增加的复杂性以指数方式增加了处理器上的计算负载。为了解决这个问题,软件供应商改进了他们的基础设施、弹性和按需计算支持。与此同时,5G 的扩展有助于缓解处理限制。很容易看出为什么添加三维会以增加处理为代价改进成像方法,因为更多的数据需要更长的处理时间。但是捕捉特征三维视图的传感器使软件能够通过图像中的缺陷进行插值,以使用特征在其他两个维度中的位置创建准确的图片。成像过程的弹性随着更详细的视图而增加,从而减少机器的响应时间。
软件和算法收集和分析数据,无需人工干预即可加速对故障的响应。该过程消除了人为错误的重要来源,并通过更准确的图片减少了信号和响应之间的时间。减少响应时间使流程更接近准时制生产的理想状态支柱。
3D 机器视觉对系统性能的优势
3D 机器视觉可以更快、更准确地查看相关特征。此优势通过查找和解决质量故障来提高性能。该视图允许工程师定义或预编程用于评估零件完整性问题严重性的程序。他们可以优化机器以查看已知的错误来源,以提高操作效率,降低零件成本。
添加深度尺寸可以提高测量和切割的准确性,从而实现更严格的工艺制造公差。实现可重复的、严格的公差可以提高制造的自动化程度,从而降低单件生产成本。
3D 机器视觉可以将成品零件与其计算机辅助设计 (CAD) 模型进行比较,以提高质量。工程师可以开发一个检查序列来检查由工程图或规范管理的 CAD 模型的关键尺寸。然后,机器视觉根据在线模型评估零件,并批准该组件或将其拒绝到废料箱。来自三维的添加数据将检查过程从针对图纸的 2D 检查转变为 CAD 和产品之间的直接比较。
带走
3D 机器视觉可改善制造质量、产量和成本。3D 机器学习是大批量生产步骤的理想选择,它为之前的 2D 方法增加了深度,以创建零件的完整图片。该图像可以确定缺陷的大小、形状、位置和位置,从而为算法提供信息,以提高处理效率或通过扫描、拣选和重新排序来改善供应链库存周转率。使用这种颠覆性技术的机器可以吸收意想不到的变量和障碍,在不重新编程的情况下导航并完成任务。
审核编辑黄昊宇
-
机器人
+关注
关注
210文章
28053浏览量
205731 -
机器视觉
+关注
关注
161文章
4315浏览量
119940
发布评论请先 登录
相关推荐
评论