【视觉检测】电源线圈上的导线弯直与否视觉检测系统软硬件方案

 检测内容

线圈上的导线弯直与否检测系统。

 检测要求

检测线圈上的导线有无弯曲,弯曲度由客户自己设定。检测速度5K/8H=625PCS/H。

 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进行测试测量。

 结果

对所有样品进行分析,可以在相同的光照与位置下测量出不同弯直线圈是否OK。

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,铁心全部在内圆外,没有伸进内圆。视场留有一定的包容空间,但这不意味着产品不在视场内或部分在视场内里也能进行测量判断。原则上需要测试机台或流水线能将产品固定在相机视场内,并且保证有较精密的固定位置。

 使用硬件

LED光源:CSR-7000-DRLw 1个......用于线圈成像

光源控制器:CSR-24T2-SPV 1个......用于光源供电

工业相机:AVT Stingray F125C 1个......用于获取影像

相机电缆:3米1394B线 1条......用于传输影像

图像采集卡:1394B图像采集卡 1块......用于采集影像

工业镜头:SV-2514 1个......用于光学成像

光学接圈:CSR-1-ET 1个......用于成像转换

 安装条件

检查方式如上图所示,线圈从底下走过,利用传感器等进行触发,触发相机、光源进行拍照,然后图像处理系统进行图像处理,判断导线是否弯曲。当然,实际的项目,需要对产品进行一定的定位。

光源工作距离:1mm,指光源到线圈最高端的距离

相机工作距离:260mm,指镜头表面到目标的距离

视场:52*38mm,指相机拍摄视场的大小(可见区域)

 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-7000-DRLw

使用CSR-7000-DRLB光源,从上往下直射照射,将导线部分照亮,而底部成黑色,方便图像分析处理。

 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,在本方案中,首先使用的是0度环形光源其亮度一般较弱;其次,我们希望本系统能够有较高的处理速度,或者是在检测过程中可以在某机构上连续运行的进行检测;第三,为了延长光源的使用寿命。因此我们推荐使用CSR-24T2-SPV频闪控制器。其可以在瞬间增亮光源亮度,可以给相机提供100微秒级别的曝光时间,以减少产线振动物体运动等引起的误差,因为其只是在拍照的瞬间点亮光源,因此可以延长光源的使用寿命。而且对于每天5000个的检测项目可以轻松完成,甚至检测速度还有巨大的提升潜力。

 工业相机 AVT Stingray F125C

AVT Stingray F125C相机是一款德国进口125万像素的1394B工业CCD彩色相机,其分辨率是1292x964pix,我们的视野定为52x38mm,则我们的视觉精度可以达到52/1292=0.04mm/Pix或38/494=0.039mm/Pix,有这样的精度,以线圈导线的弯曲程度来看,完全是足够的。我们采集图像是是采集到彩色图像,方便图像分析处理。

 工业镜头 VST SV-2514

SV-2514是日本VST公司生产的一款百万像素级低畸变工业镜头。其优秀的成像质量,小巧的体积,低廉的价格,是本方案的理想之选。当然本镜头,只是在我们实验室测试条件下使用的镜头,如果客户需要将工作距离缩小或变大,可以更换其它的合适的镜头进行处理。

 测试结果画面

 产品的不同位置测试结果

样品1-OK品

样品2-右边NG

样品3-左边NG

样品4-焊点脱落,但是导线无弯曲

以上为四个样品在相同条件下采集图像后进行分析处理的效果图。从处理效果来看,有弯曲的导线是可以进行判断出来的。而对于焊点脱落的产品,而无法通过视觉方式很好的解决,需要配合电气测试进行检测。当然以上仅限所得4个样品数据,如有其它特殊情况,有可能还需要另外考虑。

相关推荐
悠哉悠哉愿意1 天前
【电赛学习笔记】MaxiCAM 项目实践——与单片机的串口通信
笔记·python·单片机·嵌入式硬件·学习·视觉检测
Microvision维视智造1 天前
从“人工眼”到‘智能眼’:EZ-Vision视觉系统如何重构生产线视觉检测精度?
图像处理·人工智能·重构·视觉检测
格林威1 天前
Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现轮船检测识别(C#代码UI界面版)
人工智能·深度学习·数码相机·yolo·视觉检测
格林威4 天前
Baumer工业相机堡盟工业相机如何通过YoloV8的深度学习模型实现螺母螺丝的分类检测(C#代码,UI界面版)
人工智能·深度学习·数码相机·yolo·计算机视觉·c#·视觉检测
沉睡的无敌雄狮4 天前
无人机光伏巡检误检率↓78%!陌讯多模态融合算法实战解析
算法·目标检测·计算机视觉·目标跟踪·视觉检测·无人机·边缘计算
Zhangzy@7 天前
(保姆级)Windows11安装GPU版本Pytorch2.3、CUDA12.6
服务器·人工智能·pytorch·视觉检测
格林威8 天前
Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现动物分类(C#源码,UI界面版)
人工智能·深度学习·数码相机·yolo·计算机视觉·c#·视觉检测
中科米堆10 天前
中科米堆CASAIM手持式三维扫描仪金属铸件三维扫描测量方案
人工智能·3d·自动化·视觉检测
机器视觉与AI12 天前
半导体制造流程深度解析:外观缺陷检测的AI化路径与实践
人工智能·视觉检测·制造
格林威18 天前
Baumer工业相机堡盟工业相机如何通过DeepOCR模型识别判断数值和字符串的范围和相似度(C#)
开发语言·人工智能·python·数码相机·计算机视觉·c#·视觉检测