机器视觉 |
|
| 按行业筛选 |
|
|
| 按产品筛选 |
|
|
| |
查看本类全部文章 |
| |
|
|
|
Vsionscape GigE相机在富士康相机外壳孔径精准测量中的应用 |
|
作者: |
|
公司简介
富士康科技集团是专业从事计算机、通讯、消费电子等3C产品研发制造,广泛涉足数位内容、汽车零组件、通路、云运算服务及新能源、新材料开发应用的高新科技企业。 富士康自1974年在台湾肇基,1988年投资中国大陆以来,迅速发展壮大,拥有百余万员工及全球顶尖客户群,是全球最大的电子产业科技制造服务商。
挑战
富士康为许多知名品牌的电子产品制造商进行产品零部件的代工生产,比如苹果手机、小米手机、相机等。本次在相机外壳的生产过程中,需要对生产出的相机外壳孔径大小进行检测,防止孔径太大或太小的不合格 品流入市场,导致客户投诉,影响公司信誉与竞争力。
对于大批量的生产应用来说,为了保准生产质量,这样就必须耗费大量的人力资源对产品进行专门的质量检测,而培训一个合格的质检员需要大概3个月的时间,这对于人员流动异常频繁的富士康集团来说,将是一笔很高的投入,而且人工检测时,人员易疲劳,由于人为疏忽,仍会有不合格品进入下一生产环节。
考虑到质量和成本的双重压力,需要一款视觉设备代替人工对相机外壳孔径大小进行高精度的测量,该视觉设备的测量精度要求为0.01mm,在不同时间段内可以对多种不同形状的产品进行测量,为此,富士康工程师找到了我们,我们推荐使用MicroscanVisionscape GigE相机,使用PC—Based方案进行产品的自动化测试。
解决方案
在过去,富士康集团已经使用了Microscan GigE相机进行相机外壳孔径的检测,客户对设备及方案实施效果表示高度认可,此次客户再次采购了一整套以GigE相机为核心的主要视觉设备,相比上次检测产品限于一种的局限性,此次对方案进行升级,使之可以满足多种相似产品的的测量。在本次案例中,富士康有相机外壳若干种,每种外壳包含8-12个大小不同的圆孔或长方形孔,需要我们用视觉的方案测出每片产品中圆孔的直径与真圆度(最小 半径与最大半径的比值),测试精度要求保证在0.01mm之内;测试完成后将所测的数据保存到本地指定路径下的txt文本中,供富士康软件开发人员进行后续的数据处理。
图1 检测系统中拥有迈思肯智能相机 我们选用Microscan Visionscpe GigE系统作为在视觉解决方案的核心,是由于它主要有以下优点:
• 高速、高分辨率的图像处理
• 可提供强大的Visionscape软件的全部功能
• 可使用标准网络组件构建系统
• 可支持多达8个Visionscape GigE摄像机
• GigE摄像机可提供多种配置
• 千兆位以太网(GigE),高速数据传输
• 小巧而轻盈,即使狭小空间也可方便安装
• 用户界面直观,提供全套系统状态、应用监控和结果
因为方案中的“孔径检测”测试精度要求比较高,我们选用迈思肯500万像素的GigE相机,配以50MM定焦镜头。 针对被测相机外壳孔为“通孔”的特点,使用白色面光源,打背光,这样相机取图时可以非常好的凸显出待测对象特征,整套视觉设备安装在富士康做好的检测平台上,相机通过工控机及IO板卡与PLC通信,实现产品的自动检测。 相机抓取被测物图片后,由与之配套的功能强大的Visionscpe专业视觉软件进行图像处理,最终测出准确的孔径数据并输出,再配合用户二次开发的应用软件,实现数据的其它用途。还可以通过Visionscpe视觉软件或二次开发软件实现测试过程的实时监控。
图2 使用Visionscape GigE检测的相机外壳孔径示意图 系统结构及测试过程如下:
测试工位分为左右两个,待测的相机外壳放在对应类型的支具上,换料时由气缸带着支具进行前后移动;相机固定在丝杠的中央位置,白色面光源放置在待测位置正下方,由丝杠带动相机进行前后左右走位,依据顺序移动到调好的坐标处进行一片产品中多个孔径的检测。丝杠的运动由与伺服电机相连的PLC来控制。在测试平台下面配有含视觉数字IO板卡的工控机,其中有6路输入、1路输出信号与PLC相连接,为相机提供拍照“触发信号”及“准备信号”,相机检测完成后输出“完成信号”给PLC,由PLC控制伺服电机带动丝杠上的相机运动到下一待测孔位坐标点。
图3 使用Visionscape GigE拍取的圆孔及方孔图片效果 结论及展望
通过使用视觉的方案来替代人工进行生产过程中数据的精准测量,投资低,效果显著,不但可以节约劳动成本,节减人力资源,更重要的是显著提高产品检测的可靠性与准确型,使产品生产过程中的质量得到了保准。以电子行业为例,可以延伸的其他行业,相信随着视觉技术的发展及视觉技术实际使用经验的积累,更多具体而现实的问题可以用机器视觉来解决。
图4 迈思肯Visionscape GigE相机及视觉软件 (end)
|
|
文章内容仅供参考
(投稿)
(6/25/2015) |
对 机器视觉 有何见解?请到 机器视觉论坛 畅所欲言吧!
|