五金轴尺寸机器视觉测量软硬件方案--康耐德智能

检测内容:

五金轴尺寸机器视觉测量

检测要求:

精度±0.015mm,速度180~240个/分钟

视觉可行性分析:

对样品进行了光学实验,并进行图像处理,原则上可以使用机器视觉系统进行测试测量。

结果:

对所有样品进行分析,可以在不同的光照与位置下测量出轴的的尺寸。

使用的LED光源、工业相机、工业镜头等硬件的具体信息,请参看下面的内容。

测试条件:

产品测试时,视场留有一定的包容空间,但这不意味着在视场内就一定能得到非常准确的测量数据。原则上需要机器视觉系统机台有较精密的定位与固定装置。

使用硬件:

LED光源:CSR-24-ICOb 1个

光源控制器:CSR-24T2-SPV 1个

工业相机:AVT Guppy F-146B 1个

相机电缆:3米1394A线 1条

图像采集卡:1394A卡 1块

工业镜头:VS-5014H 1个

光学延长管:20mm 1个

安装条件:

具体与设备厂商研究运动机构

光源工作距离:-100mm,光源发光表面到目标表面的距离

相机工作距离:120~140mm,指相机镜头表面到目标表面的距离

视场:13*10mm~16*12mm

最优化方案:

在这里,我们将告诉您,为什么选择这样的硬件,选择这些硬件的有什么好处。

LED光源 CSR-24-ICOb

细小的轴检测需要使用比较平行的光源系统,以避免将轴侧面其它部分照亮,因此一般意义上的背光源(面光)将不太适合,所以所以我们选择平行性相对较好的同轴光,以达到高精度尺寸测量的目的。

光源控制器 CSR-24T2-SPV

光源需要相应的供电设备,一般工业使用模拟控制器或数字控制器就足够了,这里我们使用康耐德的频闪控制器进行供电。频闪控制器可以在10μs~999μs内使光源发出远高于正常亮度几倍的光通量,这样可以使相机在低于频闪的曝光时间内曝光正常,从而图像明亮,无拖影,对测量精度的影响非常小。而如果相机的曝光时间太长,而目标运动太快,将严重的拖影,会严重影响测量精度。例如我们每秒钟检测3个,每个产品大概为5mm,间距也设为5mm,则运动机构每秒钟需要走30mm,即30μm/ms。如果曝光时间为10ms,则在这曝光的10ms内,物体要走300μm的距离,这对于我们测量要求的±15μm的测量误差是完全不可以实现的。所以我们需要将曝光时间调整到μs级这个级别上,如果是100μs,则物体走过3μm,那样物体运动所引起的测量误差才会降低到系统所能接受的范围。

工业相机 AVT Guppy F-146B

F-146B是一款140万像素的工业CCD相机,使用1394A接口,在一台计算机上同时使用多台相机采集;它的速度为17FPS,对于我们要求的每分钟180~240个(3~4个每秒)检测任务完全胜任。此款相机的分辨率为1392*1040,我们拍摄的视场是13*10mm,则我们系统的像素分辨率为13mm/1392pixel=0.0093mm/pixel,经过我们实验,同一产品在视场中的不同位置出现如左右、前后、上下倾斜,或在视场中不同位置平移,会有3个像素的变化,即同一产品的重复测量精度为3pixel*0.0093mm/pixel=0.0279mm,在我们要求的±0.015mm范围内。而相机分辨率0.093mm/pixel,完全已经达到要求的±0.015mm范围。

工业镜头 VST-5014H

VST-5014H是一款大光圈的定焦百万像素镜头,对于测量尺寸成像非常好,较低的边缘枕型或桶型畸变,而且它是百万像素的镜头,与相机完全匹配。方便的对焦调节,对机台的要求不会太苛刻。

测试结果画面

根据实际产品成像效果,可以看出测试各个尺寸(总长、大、中、小直径)非常容易,而且可以容易产品有一定的位置变化空间。

相关推荐
格林威11 小时前
工业视觉项目:如何与客户有效沟通验收标准?
人工智能·数码相机·计算机视觉·视觉检测·机器视觉·工业相机·视觉项目
格林威20 小时前
工业视觉检测:提供可视化UI调试工具的实现方式是什么?
开发语言·人工智能·数码相机·ui·计算机视觉·视觉检测·工业相机
Coovally AI模型快速验证3 天前
CVPR 2026|PanDA:首个多模态3D全景分割的无监督域适应框架
人工智能·3d·视觉检测·工业质检
不会编程的懒洋洋3 天前
WPF XAML+布局+控件
xml·开发语言·c#·视觉检测·wpf·机器视觉·视图
Coovally AI模型快速验证3 天前
YOLO26仓储检测实战:物体定位+有向边界框+姿态估计+实例分割,一个模型盯住整个仓库
大数据·人工智能·3d·视觉检测·工业质检
51camera4 天前
AF自动对焦技术在TGV视觉检测方案中的作用
视觉检测·tgv检测
拓朗工控5 天前
工控机在高精度视觉检测中的实际应用
人工智能·计算机视觉·视觉检测
格林威5 天前
面阵相机 vs 线阵相机:堡盟与海康相机选型差异全解析 附C++ 实战演示
开发语言·c++·人工智能·数码相机·计算机视觉·视觉检测·工业相机
MF_AI6 天前
YOLO无人机视角检测识别数据集汇总
人工智能·深度学习·yolo·目标检测·视觉检测·无人机
Fleshy数模7 天前
玩转 Python:多线程、装饰器、视觉检测与正则匹配实战
开发语言·python·视觉检测