Get best of the week

Encontre defeitos do radiador usando a visão de máquina


Nenhuma produção pode prescindir do controle de qualidade. Durante muito tempo, a única opção possível para os fabricantes foi inspecionar visualmente os produtos por pessoal especialmente treinado. No entanto, esse método requer enormes recursos humanos, treinamento prolongado, maior atenção e depende muito do fator humano. A fadiga e o descuido dos funcionários levam à liberação do casamento.

A Advantech, em parceria com a Smasoft, desenvolveu soluções para automatizar totalmente o controle visual da qualidade dos produtos fabricados. Essas soluções já funcionam em produção real hoje. O artigo fala sobre a experiência bem-sucedida na implementação de um sistema visual de controle de qualidade usando visão de máquina na linha de produção de radiadores de resfriamento.

Descrição do sistema


O cliente está envolvido na produção de radiadores de resfriamento de cobre para remoção de calor dos microprocessadores. Para radiadores, um parâmetro extremamente importante é a qualidade da superfície de trabalho em contato com o chip. Se essa superfície apresentar defeitos, a qualidade do resfriamento poderá diminuir significativamente e o dispositivo final falhará. Além disso, os cavacos podem causar corrosão e danificar o radiador.

É importante que o fabricante monitore esses parâmetros de qualidade:

  • Homogeneidade, planicidade da superfície - qualquer deformação longitudinal reduzirá a qualidade do ajuste do radiador na superfície.
  • Dentes, lascas, arranhões - solavancos na própria superfície que prejudicam a transferência de calor
  • Danos na marcação - para uma linha de montagem automática, a marcação nos componentes deve sempre ser legível


Os principais tipos de defeitos do radiador detectados pelo sistema de visão por máquina

Para o controle de qualidade automatizado contínuo, foi desenvolvida uma linha que verifica a superfície dos radiadores usando a visão por máquina em várias etapas, que trabalha em conjunto com um braço robótico com uma bomba de vácuo que remove as peças defeituosas. Para eliminar erros do sistema de reconhecimento, as imagens são tiradas de várias câmeras em ângulos diferentes.



A linha consiste em uma plataforma rotativa circular, onde é realizado um teste para cada rotação da plataforma. A primeira unidade instala novos radiadores na plataforma usando uma bomba de vácuo. Em seguida, o produto é verificado quanto à planicidade usando um telêmetro a laser de alta precisão, que percorre o perímetro do dispositivo. Na próxima etapa, a câmera fotografa a superfície do radiador em ângulo reto. Para verificação adicional, na próxima etapa, outra câmera fotografa a superfície em um ângulo diferente. O processo em tempo real é mostrado no vídeo abaixo.


Linha de controle de qualidade de radiadores em ação. Descrição dos itens no sentido anti-horário.

Ao mesmo tempo, cada tipo de casamento é movido para uma bandeja separada, para que, no futuro, seja mais conveniente para os especialistas investigar as causas do casamento e ajustar as linhas de produção.

Componentes do sistema


O módulo de computação para gerenciar todo o sistema como um todo funciona com base no computador industrial compacto Advantech MIC-770 . Já falamos sobre essa série de computadores no artigo Fanless Performance Computers MIC-7000 .


O computador MIC-770 coleta leituras de todos os componentes do sistema.Os

computadores Advantech MIC-730AI são usados ​​para processar imagens de alta resolução recebidas das câmeras.alimentado pela plataforma NVIDIA Jetson Xavier, projetada especificamente para executar redes neurais e sistemas de aprendizado de máquina. Anteriormente, para tais tarefas, era necessário usar grupos inteiros de processadores gráficos (GPUs) com grandes sistemas de refrigeração ativos. Hoje, esses clusters são substituídos por um único computador com refrigeração completamente passiva.


O computador Advantech MIC-730AI, baseado em NVIDIA Jetson Xavier, implementa o processamento de imagens usando a rede neural



AINavi , uma estrutura de aprendizado de máquina Advantech para peças defeituosas, projetadas especificamente para plataformas de hardware Nvidia Jetson.


Vídeo do sistema de um ângulo diferente

Conclusão


Hoje, a introdução de um sistema de aprendizado de máquina está disponível para qualquer fabricante muito mais barato do que há alguns anos atrás. As plataformas de hardware prontas cabem em um único computador industrial. Você não precisa mais implantar clusters de placas de vídeo. Dezenas de modelos treinados típicos já são capazes de usar estruturas de software de aprendizado de máquina, para que o cliente não precise desenvolver o sistema do zero.

More articles:


All Articles