当前位置:自动化网>杭州微图视觉科技有限公司门户>应用案例>机器视觉系统的典型应用

机器视觉系统的典型应用

发布时间:2015-10-28 10:14   类型:解决方案   人浏览

 

由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息及加工控制信息集成,因此在现代自动化生产过程中,人们将机器视觉广泛运用于工况监视、成品检验和质量控制等领域.机器视觉系统的特点是提高生产的柔性和自动化程度.在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来代替人工视觉;同时在大批量工业生产过程中,用于人工视觉检查产品质量的效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术。

总之,随着机器视觉技术自身的成熟和发展,可以预计它将在现代和未来制造企业中得到越来越广泛的应用。

机器视觉工业检测系统就其检测性质和应用范围而言,分为定量和定性检测两大类,每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃,如:印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外,在许多其他方法难以检测的场合,利用机器视觉系统可以有效的实现。机器视觉的应用正越来越多的代替人去完成许多工作,这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。

机器视觉在质量检测中的应用实例

 机器视觉系统在质量检测的各个方面的到了广泛的应用,例如:采用激光扫描与CCD探测系统的大型工件平行度、垂直度测量仪,它以稳定的准直激光束为测量基线,配以回转轴系,旋转五角棱镜扫出互相平行或垂直的基准平面,将其于被检测大型工件的各方面进行比较。在加工或安装大型工件时,可用该认错器测量面间的平行度及垂直度。

以频闪光作为照明光源,利用面陈和线陈CCD作为螺纹钢外形轮廓尺寸的探测器件,实现热轧螺纹钢几何参数在线测量的动态检测系统。

视觉技术实时监控轴承的负载和温度变化,消除过载和过热的危险。将传统上通过测量滚珠表面保证加工质量和安全操作的被动式测量变为主动式监控。

用微波作为信号源,根据微波发生器发出不同波涛率的方法,测量金属表面的裂纹,微波的波的频率越高,可测的裂纹越狭小。

总之,类似的实用系统还有很多。

基于机器视觉的仪表板总成智能集成测试系统

EQ140-II汽车仪表板总成是我国某汽车公司生产的仪表产品,仪表板上安装有速度里程表、水温表、汽油表、电流表、信号报警灯等,其生产批量大,出厂前需要进行一次质量终检。检测项目包括:检测速度表等五个仪表指针的指示误差;检测24个信号报警灯和若干照明9灯是否损坏或漏装。一般采用人工目测方法检查,误差大,可靠性差,不能满足自动化生产的需要。基于机器视觉的智能集成测试系统,改变了这种现状,实现了对仪表板总成智能化、自动化、高精度、快速质量检测,克服了人工检测所造成的各种误差,大大提高了检测效率。

整个系统分为四个部分:为仪表板提供模拟信号源的集成化多路标准信号源、具有图象信息反馈定位的双坐标CNC系统、摄象机图象获取系统和主从机平行处理系统。

金属板表面自动控伤系统

金属板如大型电力变压器线圈扁平线收音机朦胧皮等的表面质量都有很高的要求,但原始的采用人工目视或用百分表加控针的检测方法不仅易受主观因素的影响,而且可能会给检测表面带来新的划伤。金属板表面自动探伤系统l利用机器视觉技术对金属表面缺陷进行自动检查,在生产过程中高速、准确地进行检测,同时由于采用非接角式测量,避免了产生新划伤的可能.

纸币印刷质量检测系统:该系统利用图象处理技术,通过对纸币生产流水线上的纸币20多项特征(号码、盲文、颜色、图案等)进行比较分析,检测纸币的质量,替代传统的人眼辨别的方法.

智能交通管理系统:通过在交通要道放置摄象头,当有违章车辆(如闯红灯)时,摄象头将车辆的牌照拍摄下来,传输给中央管理系统,系统利用图象处理技术,对拍摄的图片进行分析,提取出车牌号,存储在数据库中,可以供管理人员进行检索.

金相分析:金相图象分析系统能对金属或其他材料的基体组织、杂质含量、组织成分等进行精确、客观的分析,为产品质量提供可靠的依据.

医疗图象分析:血液细胞自动分类计数、染色体分析、癌症细胞识别等

瓶装啤酒生产流水线检测系统:可以检测啤酒是否达到标准的容量、啤酒标签是否完整.



 

本文地址:http://www.ca800.com/apply/d_1ntol7n4h7qb3_1.html

拷贝地址

版权声明:版权归中国自动化网所有,转载请注明出处!

留言反馈
  • 评价:

  • 关于:

  • 联系人:

  • 联系电话:

  • 联系邮箱:

  • 需求意向:

  • 验证码:

    看不清楚?