Get best of the week

Temukan cacat radiator menggunakan penglihatan alat berat


Tidak ada produksi yang dapat dilakukan tanpa kontrol kualitas. Untuk waktu yang lama, satu-satunya pilihan yang mungkin bagi pabrikan adalah memeriksa produk secara visual oleh personel yang terlatih khusus. Namun, metode ini membutuhkan sumber daya manusia yang sangat besar, pelatihan panjang, peningkatan perhatian dan sangat tergantung pada faktor manusia. Kelelahan dan kecerobohan karyawan menyebabkan pelepasan perkawinan.

Advantech dalam kemitraan dengan Smasoft telah mengembangkan solusi untuk sepenuhnya mengotomatiskan kontrol kualitas visual dari produk yang diproduksi. Solusi ini sudah berfungsi dalam produksi nyata saat ini. Artikel ini menceritakan tentang pengalaman sukses dalam menerapkan sistem kontrol kualitas visual menggunakan visi alat berat pada lini produksi radiator pendingin.

Deskripsi sistem


Pelanggan terlibat dalam produksi radiator pendingin tembaga untuk menghilangkan panas dari mikroprosesor. Untuk radiator, parameter yang sangat penting adalah kualitas permukaan kerja yang bersentuhan dengan chip. Jika permukaan ini cacat, kualitas pendinginan dapat berkurang secara signifikan, dan perangkat akhir akan gagal. Selain itu, keripik dapat menyebabkan korosi dan merusak radiator.

Penting bagi produsen untuk memantau parameter kualitas seperti:

  • Homogenitas, kerataan permukaan - setiap deformasi longitudinal akan mengurangi kualitas radiator untuk melekat pada permukaan.
  • Lekukan, keripik, goresan - benjolan di permukaan itu sendiri yang mengganggu perpindahan panas
  • Menandai kerusakan - untuk jalur perakitan otomatis, penandaan pada komponen harus selalu dapat dibaca


Jenis utama kerusakan radiator yang terdeteksi oleh sistem visi alat berat

Untuk kontrol kualitas otomatis kontinu, sebuah garis telah dikembangkan yang memeriksa permukaan radiator menggunakan visi alat berat dalam beberapa tahap, yang bekerja bersama dengan lengan robot dengan pompa vakum yang menghilangkan bagian-bagian yang rusak. Untuk menghilangkan kesalahan sistem pengenalan, gambar diambil dari beberapa kamera pada sudut yang berbeda.



Garis terdiri dari platform berputar melingkar, di mana satu tes dilakukan untuk setiap rotasi platform. Unit pertama memasang radiator baru pada platform menggunakan pompa vakum. Selanjutnya, produk diperiksa kerataannya menggunakan laser range finder presisi tinggi, yang beroperasi di sepanjang perimeter perangkat. Pada langkah berikutnya, kamera memotret permukaan radiator pada sudut kanan. Untuk verifikasi tambahan, pada langkah berikutnya, kamera lain memotret permukaan pada sudut yang berbeda. Proses waktu nyata ditunjukkan dalam video di bawah ini.


Garis kontrol kualitas radiator sedang bekerja. Deskripsi item berlawanan arah jarum jam.

Pada saat yang sama, setiap jenis pernikahan dipindahkan ke baki yang terpisah, sehingga di masa depan akan lebih mudah bagi spesialis untuk menyelidiki penyebab perkawinan dan menyesuaikan jalur produksi.

Komponen sistem


Modul komputasi untuk mengelola seluruh sistem secara keseluruhan bekerja berdasarkan komputer industri Compact Advantech MIC-770 . Kita sudah membicarakan tentang seri komputer ini dalam artikel Tanpa Kinerja Komputer MIC-7000 .


Komputer MIC-770 mengumpulkan bacaan dari semua komponen sistem

Komputer Advantech MIC-730AI digunakan untuk memproses gambar resolusi tinggi yang diterima dari kamera.didukung oleh platform NVIDIA Jetson Xavier, yang dirancang khusus untuk menjalankan jaringan saraf dan sistem pembelajaran mesin. Sebelumnya, untuk tugas-tugas seperti itu perlu untuk menggunakan seluruh cluster prosesor grafis (GPU) dengan sistem pendingin aktif besar. Saat ini, kluster tersebut digantikan oleh satu komputer dengan pendingin yang sepenuhnya pasif.


Komputer NVIDIA Jetson Xavier -based Advantech MIC-730AI mengimplementasikan pemrosesan gambar menggunakan jaringan saraf



AINavi , kerangka pembelajaran mesin Advantech untuk komponen yang rusak yang dirancang khusus untuk platform perangkat keras Nvidia Jetson.


Video sistem dari perspektif yang berbeda

Kesimpulan


Hari ini, pengenalan sistem pembelajaran mesin tersedia untuk setiap produsen yang jauh lebih murah daripada beberapa tahun yang lalu. Platform perangkat keras siap pakai masuk dalam satu komputer industri. Anda tidak lagi perlu menggunakan kluster kartu video. Lusinan model terlatih yang khas sudah dapat menggunakan kerangka kerja perangkat lunak pembelajaran mesin, sehingga pelanggan tidak perlu mengembangkan sistem dari awal.

More articles:


All Articles