十个工具。一台相机。
正确的零件。
在正确的地方。
找到零件的位置和方向，以便下游检查区域遵循您需要检查的特征。
计算可见零件或特征，并将结果与您配置的目标范围进行比较。
测量间隙、直径或距离，然后将它们与您的极限进行比较。校准图像的物理单位。
将某个区域与颜色参考和允许的公差进行比较，以检查变异和一致性。
对您定义的类的示例进行训练，然后对零件或图像区域进行分类以进行检查。
使用图像来识别部件何时处于正确位置，无需外部触发传感器。
找出
关键缺陷。
识别属于缺陷的像素。检查位置和面积重要的划痕、涂层覆盖率和焊接质量。
从好的样本中学习，然后标记与该模式的偏差——即使缺陷示例很少。
阅读它。
然后验证一下。
每个 OCR 区域读取一行并将其与预期的字符串或模式进行比较。使用不同的区域来表示不同的批次、日期或产品代码行。
解码一维或二维条形码，然后根据检查期望的值检查其内容。
零件准备好后开始检查
将 Spark 的触发器链接到成功的对齐结果。相机会查找配置的零件或功能，然后在满足条件时开始检查。这根据图像中的实际内容为手动加载站提供了有用的就绪信号，因此检查不依赖于操作员记住按下触发器。
触发器只是开始条件。 OCR、计数等检查工具仍然需要各自的设置和验收规则。找到零件并不意味着该零件是好的。将这些决定分开可以更容易地了解错过的检查是来自触发设置还是来自后续检查。
AI Trigger 是 Spark 的十种人工智能和基于规则的工具之一。将其与计数、OCR 或其他检查混合在同一配方中，并以所需的生产线速度测试完整的序列。
使用摄像机视图作为就绪信号
考虑一个操作员将零件放置在摄像机前的工作站。检查应在零件到达预定位置后开始，让操作员可以自由地装载、读取结果和卸载。当周期之间的放置发生变化时，对齐可提供视觉参考。
当安装或调整单独的传感器很困难时，考虑基于视觉的触发也很有用。产品变更可能需要不同的视觉参考，而不是物理传感器调整。摄像机需要对所选功能进行可靠的视图，因此演示仍然决定这种方法是否适合该站。
捕获检查所需的细节
对于移动生产线，零件必须保持足够长的可检查时间，以捕获配方所需的细节。测试正常线速度、部件之间的最短间距以及产生最硬图像的位置。运动模糊或不完整的视图可能会破坏正确检测到的触发。
还可以测试当零件暂停、反转或停留在视野中时会发生什么。确定工作站如何将一项结果与一个零件关联起来，并处理遗漏或重复的事件。该行为属于调试检查，特别是当结果控制下游拒绝机制时。
将触发器安装到机器周期
硬件或 PLC 触发器可能适合已经提供可靠循环信号或需要在严格控制的瞬间捕获的机器。基于视觉的触发器可能适合其就绪状态在图像中最容易识别的站点。选择机器所需的过程和结果计时的触发器。
尽早将时间要求纳入评估中。确定检查开始时产品所在的位置、可用时间以及如果没有进行有效检查应该发生什么。与对齐相关的工作流程应作为全站的一部分进行测试，包括对失败对齐的响应。
常见问题
- AI Trigger 在 Spark 上可用吗？
- 是的。 Spark 支持从成功的对齐结果触发。配置对齐工具以找到预期的零件或特征，然后评估启动条件以及下游检查和工作站所需的时间。
- AI Trigger 是否消除了外部传感器？
- 在合适的应用中，它可以消除对单独存在传感器的需要。在决定移除现有触发硬件之前，请确认可靠的检测、每个部件一个结果以及工作站所需的计时。
- 对位成功就代表检查通过了吗？
- 否。对齐可识别已配置的部件或功能。它的成功可以开始检查，但下游工具决定检查的产品是否符合您设定的规则。
- 我们可以在移动传送带上使用它吗？
- 输送机应用需要足够的时间来观察零件，以找到它并捕获可检查的图像。生产线速度、间距、曝光、检查工作量和下游时序决定了对齐链接触发是否适合该工作站。
检查您电台的触发器
分享零件如何到达、何时需要捕获图像以及如何使用结果。我们可以评估对齐关联的触发是否适合该流程。
讨论您的检查