十個工具。一台相機。
正確的零件。
在正確的地方。
找到零件的位置和方向，以便下游檢查區域遵循您需要檢查的特徵。
計算可見零件或特徵，並將結果與您配置的目標範圍進行比較。
測量間隙、直徑或距離，然後將它們與您的極限進行比較。校準影像的物理單位。
將某個區域與顏色參考和允許的公差進行比較，以檢查變異和一致性。
對您定義的類別的範例進行訓練，然後對零件或影像區域進行分類以進行檢查。
使用影像來識別部件何時處於正確位置，無需外部觸發感測器。
找出
關鍵缺陷。
識別屬於缺陷的像素。檢查位置和麵積重要的刮痕、塗層覆蓋率和焊接品質。
從好的樣本中學習，然後標記與該模式的偏差——即使缺陷範例很少。
閱讀它。
然後驗證一下。
每個 OCR 區域讀取一行並將其與預期的字串或模式進行比較。使用不同的區域來表示不同的批次、日期或產品程式碼行。
解碼一維或二維條碼，然後根據檢查期望的值檢查其內容。
在車站標記遺失和多餘的物品
從生產問題開始。您可能需要托盤中的十二個組件、組件中的四個可見緊固件或包裝袋中的一定數量。攝影機計數的功能必須與您需要控制的數量相對應。明亮的反射或重複的標記不應成為額外的項目。
選擇包含相關零件並盡可能排除附近庫存、印刷圖片和工具的區域。 Spark 支援最小和最大計數限制，將觀察到的數量轉換為通過或失敗結果。當某個組別超出允許範圍時，操作員可以進行例外調查。
對到達位置的零件進行計數
鬆散的組件很少以完全相同的排列方式到達。它們的位置、方向和可見表面可能會改變。適合這種變化的計數檢查可以減少操作員在檢查數量之前排列每個項目的需要。設定工具時，請考慮光潔度、尺寸和間距方面的常見差異。
這在該區域邊緣附近尤其重要。決定車站應如何處理僅部分可見的項目。捕捉的時間和零件的呈現方式可能需要調整，以便檢查每個週期都能看到完整的群組。
檢查您的流程所需的數量
人工智慧計數仍然取決於圖像顯示的內容。完全隱藏的項目無法從該視圖中可靠地計數，並且接觸或重疊的部分可能變得難以分離。在添加更多範例之前，請考慮間距、固定裝置、不同的相機角度或較小的視野是否會使每個項目更容易區分。
套件檢查還需要對完整性進行精確定義。計算六個物體本身並不能證明所有六個物體都是正確的組成部分。當身分很重要時，請計劃對相關零件或功能進行額外檢查。根據您實際需要捕獲的故障來評估完整的方法。
保持數量檢查與轉換同步
共享工作站可以在一個班次中檢查不同的托盤佈局或包裝數量。透過產品設定保持預期的計數和檢查區域，可以讓操作員對每個 SKU 進行明確的檢查。在轉換時，操作員可以驗證所選的設置，而不是從頭開始計算所需的數量。
在操作員螢幕上明確故障區域及其預期數量。這可以幫助人們找到受影響的群體或群體。保留正確的群組、缺少的項目、額外的項目和尷尬的安排的範例，以檢查以後的更改是否保留了電台所需的行為。
將有用的生產捕獲保存在板載庫中，以便團隊可以查看遺漏的項目或錯誤檢測，並透過真實範例完善支援的工具。
常見問題
- Spark AI Count 可以檢查什麼？
- 潛在的應用包括托盤中的可見組件、重複組裝特徵和包裝數量。適合性取決於影像中是否可以區分每個項目以及計數是否代表您的實際品質要求。
- 它可以計算重疊部分嗎？
- 一些部分重疊可能會留下足夠的可見細節來區分物品，但這需要對您的零件進行測試。不要假設可以從一個攝影機視圖中計算出隱藏的物品或密集的一堆物品。
- 相同的計數是否證明套件是完整的？
- 僅當要求僅是數量時。總數正確的套件可能包含錯誤的組件組合。當確定套件是否可接受時，包括對身分或所需位置的檢查。
- 我們該如何評價一款計數相機？
- 使用正常的生產安排加上故意遺漏和額外的物品。在允許的位置、照明條件和產品變體中重複捕捉。檢查錯誤背後的單一圖像，而不是僅依賴總成功率。
告訴我們什麼需要數
提供正常佈局的範例以及您需要檢測的錯誤。我們可以審查可見性、數量規則以及檢查如何適合您的車站。
討論您的檢查