0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

明治案例 | 【非标缺陷检测】 FEB管黑色杂质

明治传感 2024-08-06 08:25 次阅读

在使用FEP(氟化乙烯丙烯共聚物)管作为基体材料时,确保管材的表面清洁度、壁厚均匀性以及无表面缺陷如丝状物、黑点、杂质等是至关重要的,这些要求直接关系到最终产品的质量和性能。

因此生产商在生产FEP的时候必须要经过严格的质检以保证产品的质量,及时检测及次品剔除对质量控制和成本控制是非常重要的,这也是制造业进一步升级的重要基石。

5161e28c-538a-11ef-817b-92fbcf53809c.png

而在机器视觉中,缺陷检测功能是机器视觉应用得最多的功能之一;

本期小明就来分享明治非标视觉在检测FEB管黑色杂质的解决方案

检测方案介绍

检测流程

1、图像采集:

将FEP管放置在检测平台上,通过光源系统照亮其表面。

工业相机拍摄FEP管表面的图像,并将图像数据传输到图像处理与分析系统。

2、图像处理:

对采集到的图像进行预处理,包括去噪、增强对比度等,以提高图像质量。

应用图像处理算法对图像进行分析,识别出黑点等缺陷。

3、缺陷识别与分类:

根据预设的检测参数和阈值,判断图像中是否存在黑点等缺陷。

对识别出的缺陷进行分类和标记,以便后续处理和记录。

4、结果输出与反馈:

将检测结果输出到显示屏或报告文件中,供操作人员查看和记录。

如果检测到黑点等缺陷,则触发报警机制,通知操作人员进行处理。

硬件产品选型

1、必须保证被检测管材的直线度和中心

2、相机必须位于同一圆周水平面上,互为90°

5167c3d2-538a-11ef-817b-92fbcf53809c.png

安装结构简图

相机视野:25X20MM

像素精度:0.02MM

516bdf26-538a-11ef-817b-92fbcf53809c.png

检测效果

图中绿色高亮区域即为检测到黑色杂质

51798a86-538a-11ef-817b-92fbcf53809c.png

517df0bc-538a-11ef-817b-92fbcf53809c.png

51822844-538a-11ef-817b-92fbcf53809c.png

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 传感器
    +关注

    关注

    2551

    文章

    51084

    浏览量

    753439
  • 图像采集
    +关注

    关注

    2

    文章

    300

    浏览量

    41280
  • 检测
    +关注

    关注

    5

    文章

    4487

    浏览量

    91463
收藏 人收藏

    评论

    相关推荐

    360° 镜头检测铝件内壁划痕与杂质

    360° 镜头检测铝件内壁划痕和杂质的方案,通过其核心部件的协同工作,为铝件内孔制造提供了一种高精度、高效且适应性强的质量检测解决方案。
    的头像 发表于 09-29 11:02 240次阅读
    360° 镜头<b class='flag-5'>检测</b>铝件内壁划痕与<b class='flag-5'>杂质</b>

    X射线工业CT检测设备用于复合新材料内部缺陷检测

    X射线工业CT检测设备在复合新材料内部缺陷检测中发挥着重要作用。以下是关于该设备在复合新材料内部缺陷检测中的详细分析:一、X射线工业CT
    的头像 发表于 09-10 18:23 382次阅读
    X射线工业CT<b class='flag-5'>检测</b>设备用于复合新材料内部<b class='flag-5'>缺陷</b><b class='flag-5'>检测</b>

    基于AI深度学习的缺陷检测系统

    在工业生产中,缺陷检测是确保产品质量的关键环节。传统的人工检测方法不仅效率低下,且易受人为因素影响,导致误检和漏检问题频发。随着人工智能技术的飞速发展,特别是深度学习技术的崛起,基于AI深度学习的
    的头像 发表于 07-08 10:30 1401次阅读

    外观缺陷检测原理

    的结合应用加速渗透进工业产品的 外观缺陷检测 领域。思普泰克凭借深耕机器视觉多年沉淀的技术实力,建立以深度学习技术为核心的差异化发展优势,开发出视觉引擎等工业级视觉应用产品,全面赋能产品外观缺陷
    的头像 发表于 06-17 17:38 423次阅读
    外观<b class='flag-5'>缺陷</b><b class='flag-5'>检测</b>原理

    产品标签OCR识别缺陷检测系统方案

    目前实验来看,康耐德机器视觉可以检测出标签有无以及有没贴歪斜,印刷字符只能检测出缺陷比较大的产品,具体还要以实际缺陷产品来模拟确认。此方案适合65mm以下产品,由于颜色太多,不能所有产品都兼容。
    的头像 发表于 06-10 18:26 745次阅读
    产品标签OCR识别<b class='flag-5'>缺陷</b><b class='flag-5'>检测</b>系统方案

    蔡司工业ct内部瑕疵缺陷检测

    蔡司工业ct内部瑕疵缺陷检测机是一种基于计算机断层扫描(CT)技术的检测方法,其核心原理是利用X射线的穿透能力来检测物体内部的瑕疵和缺陷。在
    的头像 发表于 04-17 16:21 395次阅读
    蔡司工业ct内部瑕疵<b class='flag-5'>缺陷</b><b class='flag-5'>检测</b>机

    赛默斐视X射线薄膜测厚仪与薄膜表面缺陷检测

    在现代工业生产中,薄膜材料被广泛应用于包装、电子、光学和其他领域。然而,薄膜制品在生产过程中常常会出现一些表面缺陷,如气泡、杂质、裂纹等,这些缺陷可能会影响产品的质量和性能。因此,对薄膜表面
    的头像 发表于 04-17 15:52 344次阅读

    机器视觉如何检测橡胶圈外观尺寸检测

    外观检测 机器视觉系统可以检测橡胶圈表面的缺陷,裂纹、气泡、凹陷等。通过图像处理算法,系统能够准确识别并标记出这些缺陷。系统能够精确识别颜色差异,并给出相应的反馈或警报。 机器视觉系统
    的头像 发表于 03-15 17:24 575次阅读

    如何应对工业缺陷检测数据短缺问题?

    这篇论文介绍了一种文本引导的变分图像生成方法,旨在解决工业制造中的异常检测和分割问题。传统方法通过训练非缺陷数据的分布来进行异常检测,但这需要大量且多样化的非缺陷数据。
    发表于 03-14 10:15 472次阅读
    如何应对工业<b class='flag-5'>缺陷</b><b class='flag-5'>检测</b>数据短缺问题?

    洞察缺陷:精准检测的关键

    缺陷检测是生产过程的重要组成部分。它有助于确保产品的高质量和满足客户的需求。缺陷检测有许多不同的解决方案,特定应用的最佳解决方案取决于所检测
    的头像 发表于 02-26 15:44 336次阅读
    洞察<b class='flag-5'>缺陷</b>:精准<b class='flag-5'>检测</b>的关键

    基于深度学习的芯片缺陷检测梳理分析

    虽然表面缺陷检测技术已经不断从学术研究走向成熟的工业应用,但是依然有一些需要解决的问题。基于以上分析可以发现,由于芯片表面缺陷的独特性质,通用目标检测算法不适合直接应用于芯片表面
    发表于 02-25 14:30 1514次阅读
    基于深度学习的芯片<b class='flag-5'>缺陷</b><b class='flag-5'>检测</b>梳理分析

    2023年工业视觉缺陷检测经验分享

    表面缺陷检测任务是指通过对产品表面进行仔细的检查和评估,以发现和识别任何不符合质量标准或设计要求的表面缺陷。这项任务的目的是确保产品的外观质量和功能性满足预定的要求,从而提高产品的整体质量和客户满意度。
    发表于 02-21 14:31 1071次阅读
    2023年工业视觉<b class='flag-5'>缺陷</b><b class='flag-5'>检测</b>经验分享

    无纺布缺陷在线检测仪怎么用

    随着科技的不断发展,无纺布作为一种新型环保材料,已经广泛应用于各个领域。然而,无纺布的生产过程中难免会出现一些缺陷,如针眼、孔洞等。为了提高无纺布的质量,许多企业开始使用无纺布缺陷在线检测仪进行实时
    的头像 发表于 02-03 14:58 495次阅读
    无纺布<b class='flag-5'>缺陷</b>在线<b class='flag-5'>检测</b>仪怎么用

    良品学习在高良率制造业中缺陷检测的应用

    电子制造行业正逐步迈向高度“数智化”时代,越来越多的企业开始采用AI机器视觉技术进行缺陷检测和品质控。由于良品率极高,在大量正常的产品中,收集缺陷样本既耗时又低效。而模拟制造
    的头像 发表于 01-26 08:25 728次阅读
    良品学习在高良率制造业中<b class='flag-5'>缺陷</b><b class='flag-5'>检测</b>的应用

    描绘未知:数据缺乏场景的缺陷检测方案

    了解更多方案细节,欢迎您访问官网(Neurocle | 友思特 机器视觉 光电检测 ) 导读 深度学习模型帮助工业生产实现更加精确的缺陷检测,但其准确性可能受制于数据样本的数量。 友思特
    的头像 发表于 01-25 10:46 570次阅读
    描绘未知:数据缺乏场景的<b class='flag-5'>缺陷</b><b class='flag-5'>检测</b>方案