02 .
类型检测
挑战
汽车制造过程中,轮毂是否正确装配影响生产效率,而轮毂种类繁多,目前许多汽车企业采取人工目测的方法对轮毂类型进行识别和检测,但识别效率低、准确率低。
方案案例
方案选用海康机器人MV-CA050-10GM高分辨率相机,配合大面积中孔面光源,利用深度学习分类工具,对产线轮毂的类型进行识别(约200种),实现轮毂分类。初始模型的训练每类样本收集80-100张,综合识别率可达99%以上,通过现场的迭代,最终识别准确率达99.99%以上。深度学习分类算法利用卷积神经网络和大数据样本优势,提升了识别率和识别容量。
图为500万高分辨率相机利用深度学习工具识别汽车轮毂类型
. 03
缺失检测
挑战
汽车的生产过程中零件众多,部件缺失会减少产品的使用寿命,人工检测方法效率低、检测错误率较高,产品存在安全质量风险。
方案案例
通过SC2016视觉传感器进行高速图像处理,产品植入了高精度定位与测量算法,利用模板匹配或Blob分析等工具模块,对档位传感器白色胶圈进行缺失检测,识别正确率达99.9%。与人工检测相比,提升了效率且减少了错误发生的概率,以提升产品安全质量并确保生产作业正常有序开展。
图为SC2016视觉传感器识别汽车部件-档位传感器胶圈有无
2024-04-28 09:24
2024-04-28 09:09
2024-04-22 09:04
2024-04-21 09:03
2024-04-17 09:20
2024-04-16 15:39
2024-04-16 09:12
2024-04-15 09:07
2024-04-12 16:20
2024-04-12 16:00