777,151
次編輯
變更
创建页面，内容为“ '''CAP点胶瑕疵检测系统'''克斯康制造智能技术（青岛）有限公司隶属于海克斯康集团，专注于为客户提供贯穿设计工程、…”
'''CAP点胶瑕疵检测系统'''克斯康制造智能技术（青岛）有限公司隶属于海克斯康集团，专注于为客户提供贯穿设计工程、生产制造、计量测试等领域的专业技术、产品与解决方案。以“推动以质量为核心的智能制造”为核心打造完整的智能制造生态，达成绿色、高质量、低成本的智能工厂目标。海克斯康的产品方案覆盖汽车、航空航天、机械制造、电子、医疗、重工、能源、模具、教育等多领域、多产业集群，帮助用户实现品质、效率和生产力的提升。近年来，公司致力于打造工业互联网+智能制造、智慧园区、智慧矿山、智慧农业、智能网联汽车等全球领先的技术和智慧解决方案。
==二、项目简介==
在捷普绿点电子烟产品生产过程中，某个组装件需要进行涂抹胶水和烤箱烘烤工艺，该工艺会出现漏胶、气泡和杂质、溢胶的捷普绿点情况，影响电子烟组件密封的效果，导致产品的性能体验较差。海克斯康智能制造通过深度学习技术的视觉检软件来检测烘干后胶水的形态，来判断胶水密封的效果，检测完成后系统将数据上传到用户的服务器以便用户对产品质量进行管控。
==三、项目技术方案==
检测某组装件涂胶后，胶水的路径是否存在漏胶，气泡和杂质，溢胶的瑕疵。设备检测效果要达到漏检率0%，过杀率15%以内。设备的CT在3秒一片，同时设备的稼动率在98%以上。图1为检测机构模型图。
该项目通过人工把多个待测料盘放到上料工位，分盘机构把最下面的料盘取出后放置在机械手取料位，上料机械手抓取料盘上的产品放到测量工位上，测量工位旋转测量，软件在不同的角度上获取不同的图片后直接检测。待测量完成后，下料机械手抓取产品，按照测量结果放置到不同的料盘，满盘下料。海克斯康基于深度学习的机器视觉瑕疵检测应用深度学习中不同类型即层次的神经网络，比如卷积神经网络,循环神经网络,长短期记忆对深度学习训练的模型和速度进行优化，使瑕疵检测在短时间内可达98%的准确率。
在检测的过程中，采用了基于深度学习技术开发的软件集成影像测量，PLC控制系统等技术来实现流水线上的在线瑕疵检测。之前零件的检测都是以人工通过CCD影像放大检测，尽管使用分棱片来控制瑕疵，但实际人工判定的标准很难统一，同时，因长时间检测人员疲劳，导致漏检时常出现。相比于传统的机器视觉方法，基于深度学习的视觉缺陷检测系统减少手动提取特征对识别精度的影响，更精确的检测并识别产品表面缺陷。
==四、项目成效==
海克斯康制造智能的CAP点胶瑕疵检测系统应用后，捷普绿点电子烟产品在检测环节节省人工3人。同时测量图片有存档，产品的瑕疵有追溯性，通过图片有效的辅助了涂胶工艺的改进。在使用该检测系统后此零件的出厂良率提高了15%，最大化提高了用户的质量检测标准化和效率。这套基于深度学习的瑕疵检测系统可以广泛应用于不同行业，比如电子行业，玻璃制造业，3C手机行业等。
==参考文献==
[[Category:500 社會科學類]]