外观检查(异物/瑕疵/缺陷)
外观检查(异物/瑕疵/缺陷)
外观检测,是指用于确认部件及产品表面异物、瑕疵、缺陷的检测。外观检测通常可用于下列检测内容。
- 检测食品包装上附着的异物
- 检测布匹上附着的污点
- 检测金属、树脂部件上的瑕疵
- 检测树脂、橡胶成型时发生的缺陷(瑕疵、毛刺)
- 确认LED的点亮是否有遗漏的缺陷检测 等
传统的外观检测依赖于目视检测,近年来,随着工厂自动化(FA:Factory Automation)的发展,视觉系统越来越广泛地应用于现场。下面将从实现异物检ꦇ测、瑕疵检测、缺陷检测高效化的视觉系统运用案例入手,对外观检测的基本原理及目前的发展趋势进行介绍。
通过图像,检测异物、瑕疵、缺陷的外观检测基本原理
导入视觉系统的优点
外观检测能够发现异物、污点、瑕疵、缺陷等,防止不良品的流出,但目视🌺检测存在精度极限。全数检测则不光耗费人工和成本,还会因个人差导致精度偏差和人为错误𝔉。
且细微的瑕疵及污点等难以被🐈发现,要维持品质,必须借助显微镜等工具,实施放大检测。点数较少时,还能离线进行显微镜检测,但要检测成千上万点时,则需要投入庞大的劳力,导致生产效率大幅降低。要兼顾ಌ品质和生产效率,视觉系统技术是不可或缺的重要环节。
可以辨别细微的异物、瑕疵、缺陷
对于过去不得不依赖人眼判断的外观检测,随着视觉系统及视觉系统技术的进步,细微异物、瑕疵、缺陷的检测也成为了可能。K8凯发推出了从标准31万像素到2100万像素高分辨率的多款视觉系统产品。可以根据客户的需求,为客户提供高性价比的视觉系统系统。
正在研究ᩚᩚᩚᩚᩚᩚᩚᩚᩚ𒀱ᩚᩚᩚ导入视觉系统系统的客户曾经提出“最小可以检测出多小的异物及黑点?”的疑问,通过下列公式,可以大致计💖算出该问题的答案。
最小检测尺寸 = B ÷ A × C
- A = 感光元件的Y方向像素数
- B = 拍摄视野(Y方向)[mm]
- C = 感光元件上的最小检测像素尺寸[像素]
像素数因所用的相机而异。例如,31万像素相机的纵向像素数为480像素,而2100万像素相机的像素数就是4092像素。该数值就是公式中的&ldqu🥂o;A=感光元件的Y方向像素数&rdquo💝;。
而B项的🎃拍摄视野(Y方向𒐪),可以根据所用镜头,自由变换为10 mm、100 mm等数值。C项中感光元件上的最小检测像素尺寸,通常为3像素,根据条件不同,也可能是5像素。
考虑到这些条件,将A=480像素、B=50 mm、C=3像素代入计算最小检测尺寸 = 50 ÷ 480 × 3 = 0.312 mm可以由此得出,最小可检测0.125 mm的异物及瑕疵。
例如,使用2100万像素的视觉系统时最小检测尺寸 = 50 ÷ 4092 × 3 = 0.037 mm可检测0.037 mm的异物及瑕疵,这是目视检测难以实现的。
追求检测精度时,需要采用2100万像素水平的高分辨率相机,或通过减小视角,将最小检测尺寸缩小。
在线上实现全数检测
⛄目视检测时,根据检测项目,可能必须离线进行外观检测。但只要借助视觉系统,就能在线上对异物、瑕疵、缺陷进行正确检测🍰。
工件速度与视觉系统速度的关联性
间歇传送时
“间歇传送”时,检测对象陆续流入🅷检测范围并在相机前停留一定时间,下面将以此为例,介绍计算每分钟最大检测次数及视觉系统目标处理速度的公式。
每分钟的最大检测次数 = 60(秒) ÷ 视觉系统的处理时间
例)视觉系统的处理速度为20 ms时
60(秒) ÷ 0.02(秒) = 3,000次/分钟(=50次/秒)
外观检测可在20至100 ms内完成处理。已事先确认检测速度的预期值时,可通过以下公式,计算出必要的处ཧ理🦩速度。
视觉系统的目标处理速度(ms) = 1(秒) &d🉐ivide; 预期检测次数(次/秒) × 1000
例)预期检测次数为50次/秒时
1 ÷ 50 × 1000 = 20 ms
使用上述公式,就能够选出满足要求的视觉系统。但上述内容仅针对间歇传送的情况,对于产品🅠无间歇流动的“连续传送”,必须要考虑快门速度。
连续传送时
在连续传送的检测中,如果与生产线速度相比,快门速度不够快,拍出的图像会发生抖动,无法正确检测。通常应该🎐将快门速度设定为,约等于检测物移动最小尺寸的1/5左右距离的时间。
例)预期最小检测尺寸=1 mm、生产线速度1 m/秒
快门速度参考💟值 = 1 mm ÷ 5 &diꦏvide; 1000 mm/秒 = 1/5000秒
外观检测的基础 ~预处理功能~
外观检测中,必须对细微的瑕疵及缺陷等进行确认及辨别。要获得稳定的检测结果,预处理功能很重要。
实时浓淡补正
通过在有无检测中说明的二值化处理,难以发现异物及瑕疵等。实时浓淡补正就可以消除工件表面的光泽及阴影,仅抽取污点及瑕疵。
原图像
应用预处理后
根据不同方向渐变滤波器
该滤波器功能,可以⛎消除诸如纹路的背景图案,以及其他的干扰。可以分别对X和Y方向设定模糊处理效果,仅正♊确抽取异物。
原图像
应用预处理后
斑点滤波器
该滤波器功能,将在有无检测中说明的斑点分析运用于预处理功能中。可以仅抽取特定要素,消除光泽、阴影、背景、凹凸等。
对比度转换
能够分范围创建对比度合适的图像,进行边缘增强、背景干꧑扰消除等处理。通过扩大浓🌱淡差,使污点等的检测更方便。
具体应用
视觉系统被用于各类外观检测。下面将介绍一个具体应用案例。
检测活塞的切屑附着
附着在汽车发动机活塞上的切屑,难以ജ通过目视检测识别,是检测时容易发生漏检的重要环节。导入视觉系统系统后,对于细小的切屑,也能够实现正确确认及辨别。
检测画面
切屑
检测晶片电容器的各种外观
晶片电容器的污点、瑕疵、缺陷等各种外观检测,也能在导入视觉系统系统后🌳,实现批量确认及辨别。可以切实进行全数检测,通过积累检测数据,还能有效用于工序改🔯良。
检测画面
检测托盘上的异物
食品安全越来越受到关注,食品行业正在逐步推进视觉系统的导入。对于过去进行抽取检测的托ও盘异物检测,利用视觉系统,也能毫不费力地实现全数检测💃。还能同时确认及辨别细微污点,帮助稳定品质。