Get best of the week

使用机器视觉发现散热器缺陷


没有质量控制就无法生产。长期以来，制造商的唯一可能选择是由经过专门培训的人员对产品进行视觉检查。但是，这种方法需要大量的人力资源，长期的培训，更多的关注并且非常依赖于人为因素。员工的疲劳和粗心导致婚姻的释放。

研华与Smasoft合作开发了解决方案，以完全自动化制成品的视觉质量控制。这些解决方案现已在实际生产中运行。本文介绍了在冷却散热器生产线上使用机器视觉实现视觉质量控制系统的成功经验。

系统描述


客户从事铜冷却散热器的生产，以从微处理器中散热。对于散热器，一个非常重要的参数是与芯片接触的工作表面的质量。如果此表面有缺陷，则冷却质量可能会大大降低，并且最终设备将发生故障。另外，切屑会引起腐蚀并损坏散热器。

对于制造商而言，监视以下质量参数很重要：

  • 表面的均质性，平坦度 -任何纵向变形都会降低散热器附着在表面上的质量。
  • 凹痕，碎屑，划痕 -表面本身的凸起会阻碍传热
  • 标记损坏 -对于自动装配线，组件上的标记应始终可读


通过机器视觉系统检测到的散热器缺陷的主要类型

为了进行连续的自动质量控制，已经开发了一条生产线，可使用机器视觉在多个阶段检查散热器的表面，并与带有真空泵的机械臂配合使用，该机器臂可去除缺陷零件。为了消除识别系统错误，从几台摄像机以不同角度拍摄图像。



该生产线由一个圆形旋转平台组成，该平台的每次旋转都要进行一次测试。第一单元使用真空泵在平台上安装新的散热器。接下来，使用高精度激光测距仪检查产品的平整度，该测距仪沿着设备的周边延伸。下一步，照相机以直角拍摄散热器的表面。为了进行进一步的验证，在下一步中，另一台照相机以不同角度拍摄表面。实时过程显示在下面的视频中。


散热器的质量控制线正在实施。逆时针的项目说明。

同时，每种类型的婚姻都移到单独的托盘中，这样将来专家可以更方便地调查婚姻原因并调整生产线。

系统组成


用于管理整个系统的计算模块基于Advantech MIC-770紧凑型工业计算机来工作。在“ 无风扇性能计算机MIC-7000 ”一文中，我们已经讨论了该系列计算机。MIC-770


计算机收集所有系统组件的读数，

研华MIC-730AI计算机用于处理从摄像机接收的高分辨率图像。由NVIDIA Jetson Xavier平台提供支持，专门设计用于运行神经网络和机器学习系统。以前，对于此类任务，必须使用带有大型主动冷却系统的整个图形处理器（GPU）集群。如今，这类集群被具有完全被动冷却功能的一台计算机取代。


研华MIC-730AI计算机基于 NVIDIA Jetson Xavier平台，使用



AINavi 神经网络实现图像处理，该网络是专门针对Nvidia Jetson硬件平台设计的针对有缺陷零件的研华机器学习框架。


来自不同角度的系统视频

结论


今天，比几年前便宜很多的任何制造商都可以使用机器学习系统。现成的硬件平台可安装在一台工业计算机中。您不再需要部署视频卡群集。数十种典型的受过训练的模型已经可以使用机器学习软件框架，因此客户不需要从头开始开发系统。

More articles:


All Articles