中文
机器视觉在玻璃检测行业的应用
2020-08-21
分享
在玻璃的生产过程中,由于各方面因素的影响,玻璃表面会出现诸如气泡、黑点、斑点等瑕疵;玻璃上的结石、砂粒因运输过程中振动摩擦,会出现玻璃表面划伤;随着玻璃加工设计的多样化,对玻璃的打孔、挖槽、磨边的情形越来越多,受定位、手法、机器等因素影响,会出现划痕、裂纹、缺损;受环境或操作原因,也会出现油污、水渍及其它脏污等污渍。

传统的玻璃检测方法是依靠人眼来判断玻璃表面各种问题,存在很大的局限性:

1.人眼对微小的缺陷不敏感,有误检、漏检风险;

2.人眼无法连续、稳定完成高强度重复性检测工作,会产生疲劳,速度慢、效率低;

3.主观判断受心情、思维、光照等影响,具有很大的不稳定性和非标准性。


人眼检测已无法满足现代企业高速、实时的品检要求,而人工成本不断上涨给企业经营带来压力。


以iPhone OEM工厂为例,生产过程中的外观检查耗费30%以上的人力。每年检查人力成本高达48亿元人民币。然而,随着中国平均工资增长率超过10%,低成本劳动力的日子已经一去不复返了。降低人力成本已成为企业最重要、最迫切需要解决的问题。为了减轻昂贵的劳动力负担,机器视觉替代人眼,采用智能图像采集和图像处理技术,检测系统利用视觉处理算法,实现缺陷精确检测,智能分类和分级,已成为一种行业趋势。

以透镜使用机器视觉检测为例:

当前有三种尺寸的透镜,分别是直径约为3.4cm的透镜,直径约为3.8cm的透镜,直径约为4.2cm的透镜,分别对这三种尺寸透镜进行检测。

检测效果图中,蓝色代表污渍等有问题的区域(精度为0.39mm);绿色代表透镜缺损部分。检测效率可达3秒/个,误检率低于0.1%。检测材质也延展至:PS、ABS、PC、PMMA、PE、PO、PVC、PP、PBT、环氧树脂等。

测试1:对直径约为3.4cm的透镜进行检测


(1)源图像


(2)检测效果图


(3)系统输出结果


测试2:对直径约为3.8cm的透镜进行检测

(1)源图像


(2)检测效果图


(3)系统输出结果


(1)源图像


(2)检测效果图


(3)系统输出结果


测试3:对直径约为3.8cm的破损透镜进行检测

(1)源图像


(2)检测效果图


(3)系统输出结果


以上为机器视觉在透镜质量检测的一些应用,可扩展到其它玻璃类如玻璃瓶、汽车玻璃、建筑玻璃、手机屏幕、液晶面板等的应用场景。


同样的产品使用不同的打光方式可呈现不同的效果,在项目中根据产品的类型与特征,现场的架构与限制,灵活选用光源进行测试,这是考验技术实力的经验积累。乐视光源十年专注于机器视觉光源的自主研发,专为系统集成商、设备制造商、大型制造企业、大型加工企业打造具有竞争力的视觉解决方案。