小施 2020-11-30 10368
机器视觉是横跨许多行业的成熟技术，可提高制造和加工领域的质量和效率。它以24/7的速度可靠地进行检查的能力使其成为质量控制中的宝贵技术。机器视觉的技术进步继续迅速发展，开辟了越来越多的可能性。更高速度的检查；3D成像；使用不可见辐射进行成像；结合不同的照明技术；深度学习和机器学习功能的集成；越来越多的视觉技术与机器人，嵌入式视觉技术结合使用，都为这些增强的功能做出了贡献。进步是无止境的，工业4.0，物联网（IoT），云计算以及人工智能，机器学习和许多其他技术的广泛应用为视觉系统的用户和开发人员带来了理想系统选择方面的巨大挑战各自的应用。然而，机器视觉的使用并不限于高度自动化的过程；它也可以在手动参与程度很高的领域中使用。我们可以考虑机器视觉参与的四个阶段。
在制造业中，有大量的产品是依靠操作员的技能“手工正确”进行手工组装的。这些产品通常在质量控制流程中由另一名员工进行目视检查。生产的任何有缺陷的产品/组件都有两个结果：要么在质量控制阶段就被识别并被拒绝，要么找到通往最终客户的途径，最终有可能以不合格的标准退回。无论哪种方式，除非可以对产品进行重新加工，否则都会产生大量浪费，并可能对制造商的声誉造成影响。即使可以对被拒收的零件进行返工，这也会给制造商带来额外的成本。
这涉及使用“人类辅助”相机，该相机中装有一组组装说明。操作员遵循监视器上显示的说明。每次操作后，系统都会将结果与正确存储的图像进行比较，以确保在操作员继续进行下一步之前已正确且完整地执行了该操作。如果操作不完整或犯了错误，则将其显示给操作员以进行纠正。可以验证和记录完成的每个步骤，以提供可用于装配工作分析和可追溯性的数据。
上面概述的方法在确保正确地手动组装产品方面非常有效，但实际上是一个独立的系统。通过将这种类型的手动组装过程集成到公司的整体控制系统中，可以使这一步骤更进一步。这将允许使用更复杂的视觉系统来辅助手动组装，提供更大范围的测量和检查工具，同时使用在显示监视器上突出显示任何组装错误的相同原理。然后可以根据需要从中央数据库将组装说明和制造数据下载到系统中。这种方法还将允许引入各种保护措施，例如将操作员ID链接到培训能力，以便系统可以检查是否已登录以开始特定组装的操作员针对该产品进行了培训。同样，所有检查数据（包括图像）都可以传输回数据库，以为组装的每个组件提供完整的审核记录。随着新产品的上市，更先进的视觉工具的可用性也使系统能够适应新的需求。
自动化检查系统在众多行业和过程中的质量控制应用中使用。尽管配置可以有很大的不同，但基本前提是视觉系统已集成到过程中，并与拒绝机制链接。产品或组件通常要进行高速检查，并根据测量结果接受或拒绝。视觉系统可能有所不同，从单点独立式智能相机（所有处理和测量都在相机本身中进行，通过/未通过的结果发送回剔除机构）到基于PC的系统（包括多个摄像机和/或多个检查站。这种方法成功的关键是将视觉系统集成到流程中的能力，同时要考虑到空间和其他环境因素。视觉系统可以改造为现有流程，从一开始就设计为新流程，并且随着嵌入式视觉系统的出现，越来越多地将其集成到OEM设备中。
使用自动视觉作为QC工具可以显着降低“不合规格”产品到达最终用户的可能性，但通过将其与统计过程控制和反馈方法结合使用，它不仅可以检查关键的测量值，还可以分析趋势。这些测量并改变过程。这样，可以在生产任何超出公差的产品之前进行干预以调整过程。因此，从逻辑上将其扩展到工业4.0，其目的是根据来自监视过程的许多不同类型传感器的反馈，使用大数据分析来优化过程。当然，这些将包括简单和智能的视觉传感器以及更复杂的视觉子系统或系统。
