SMT首件檢測儀,SMT智能首件檢測系統,首件檢查機,SMT首件測試儀,SMT自動接料機,全自動點料機,燒錄器,IQC來料檢驗系統領域,有著國際領先的優勢條件。"/>
新聞動態

新聞動態

News

質量檢測技術的發展與演進

質量檢測技術的發展與演進

日期:2018-06-04


  質量檢測作為產品質量保證的關鍵環節,也越來越受到企業的重視。質量檢測技術發展到今天,主要經歷了人工檢測、機器視覺檢測和認知視覺檢測三個階段的發展。


  對于任何企業而言,產品質量就是企業的命脈。盡管物聯網和智能設備已日益普及,但由此在工廠內產生的海量數據, 又使得企業的諸多業務挑戰問題始終得不到有效解決,質量問題就是其中之一。一旦讓帶有缺陷的產品流向市場,不僅是對消費者利益的損害,也是對企業品牌形象的玷污。而質量檢測作為產品質量保證的關鍵環節,也越來越受到企業的重視。質量檢測技術發展到今天,主要經歷了人工檢測、機器視覺檢測和認知視覺檢測三個階段的發展。


1、人工檢測


  自人類進入工業化時代,便有了質量檢測技術。第一代質量檢測技術以人工檢測的方法為主,由作業人員按照一定的質量檢測標準,通過使用檢測工具或經驗判斷來完成產品質量缺陷的檢測。由于人員自身技術水平的限制,存在檢測產品速度慢、效率低下、在檢查過程中容易出錯等問題,使得檢測結果極為不精確。


  同時,伴隨著技術的進步、產品更新換代加快和國際分工的深化,現代工業生產中,常常涉及到各種各樣的檢查、測量和零件識別應用。例如微小尺寸的精確快速測量、形狀匹配、顏色辨識等,用人眼已無法識別檢測,傳統的人工檢測方法正在逐步被新型的檢測方法所取代。


2、機器視覺檢測


  第二代質量檢測方法主要是指機器視覺檢測,該方法是伴隨著機器視覺技術而發展來的。在20世紀50年代,圖像處理成為機械工業的一個檢測項目,視覺檢測作為一項生產檢測機制誕生了;在20世紀60年代到70年代,隨著工業自動化生產對技術需求的日益增長,機器視覺開始崛起。20世紀80年代,機械視覺檢測被應用于當時方興未艾的半導體工業。


  20世紀90年代,機器視覺技術開始在工業領域逐步得到應用。這是由于機器視覺是一種非接觸的測量方式,在一些不適于人工作業的危險工作環境或者人工視覺難以滿足要求的場合,常用機器視覺來替代人工視覺。同時,在大批量重復性工業生產過程中,用機器視覺檢測方法可以大大提高生產的效率和自動化程度。


  機器視覺定位檢測可分為兩個步驟,一是制作標準模板,二是搜索。機器視覺定位系統采用先進的圖像視覺檢測技術,實現對高速運動的工業產品進行實時全面的時間檢測定位分析。當系統設備一臺高性能彩色數字攝像機,攝像機采集工業品圖像,并將圖像數據傳送到圖像處理系統時,圖像處理系統對每幅圖像進行匹配搜索,準確定位出產品的位置和方向,控制機械手臂等自動化裝備。


  例如,SMT首件檢測儀,通過掃描需要檢測的SMT貼片首件PCB,智能框獲取PCB實物掃描圖片,導入BOM清單和PCB元件貼片坐標。軟件對PCB圖片、BOM、坐標進行智能合成和智能全局坐標校準,使得元件坐標、BOM與圖片實物元件位置逐一對應。通過導航測量目標,LCR讀取數據自動對應相應位置并進行自動判斷檢測結果。杜絕誤測和漏測,并自動生成測試報表存于數據庫。 經過對軟件不斷升級和完善,系統還可應用于貼片漏件補料和實現坐標儀功能預先為需貼片的PCB獲取貼片元件位置坐標。SMT自動接料機、全自動點料機,通過軟硬件結合,利用機器視覺檢測技術的定位功能,能夠自動判斷物體的位置,并將位置信息通過一定的通訊協議輸出,此功能多用于自動組裝、自動焊接、自動包裝、自動罐裝、自動噴涂等全自動裝配和生產。


3、認知視覺檢測


  盡管機器視覺檢測方法在應用層面上得到了快速發展,但機器視覺檢測的穩定性較差,容易受到環境等客觀因素的影響,實際應用中往往會達不到理論上的效果,一些產品如果缺陷種類較多,還需要多次檢測。此外,受限于軟硬件技術水平和算法的發展,第二代機器視覺技術并不具備人類的視覺理解能力,更多是基于固定規則。


  認知視覺檢測方法,即第三代檢測方法,有望打破固定規則,實現對于非預期缺陷的識別。在這一領域,IBM于2017年推出了認知視覺檢測方法,該方法源于IBM Watson技術平臺,融入了工業機器人控制技術、工業照相技術、計算機視覺技術和基于深度神經網絡的機器學習技術,代表了當下最新的檢測技術,能有效幫助制造企業。


  尤其在電子行業,現階段很多制造企業的前端流程和自動化程度都比較高,但后端質檢環節還在采用人工檢測的方法,采用IBM的認知視覺檢測方法,通過事先預定好缺陷類型,然后基于編程算法來定義和查找,大大精簡了其裝配線的檢驗流程。


  值得一提的是,有別于機器視覺檢測方法,IBM的認知視覺檢測方法是一個智能系統——基于深度神經網絡的機器學習技術,可以不斷自我學習缺陷類型,通過機器學習的方式不斷自我優化,完善缺陷類型的數據庫,實現對非預期缺陷的精準檢測。同時,該方法在擁有足夠信息時,還可以檢測某些缺陷模式給出預警。


  筆者認為,認知機器視覺檢測方法還是很有發展前景的,因為它解決了機器視覺檢測方法的不穩定性。同時,也避免了人工檢測方法的低效率和人為出錯。對于制造企業而言,質量檢測最重要的是受控,企業可以接受有個別特殊的、未發現過的缺陷遺漏,但必須知道那些經常發生的、不可接受的缺陷是一定能被檢測出來的。長遠來看,如果認知機器視覺檢測足夠智能,終將會取代人工檢測方法,因為對于制造企業的質量控制,認知機器視覺檢測技術會比人更可靠。



在線客服
 
 
website qrcode

手機掃碼訪問

電話:
0755-83360400
足彩胜负彩比分直播百度云 在线棋牌游戏哪里有 重庆时时彩开奖网站 玩冰球突破豪华版的经验和技巧 彩霸王公式一尾中特 七乐彩走势图大彩网 江苏11选5走势图彩乐乐 福彩双色球走势图带连线 江苏11选5前三计划 波场币的未来价值 微乐麻将是不是很假天天输 查询福彩号码查询 浙江20选5开奖结果查询 p3试机号后专家预测号码 澳洲幸运8计划天天计划 内蒙古时时彩五码走势