Anhui Keye Information & Technology Co., Ltd.
L'IA pour la vie
Add to Cart
Machine d'inspection de qualité de roue à aubes de voiture avec la vision par ordinateur à traitement d'images
Avec le développement de l'industrie automobile, les performances du moteur sont graduellement améliorées, et les conditions pour la stabilité et la fiabilité de la pompe à eau du système de refroidissement de moteur deviennent plus hautes et plus hautes. L'instigateur est une part importante de la pompe à eau, qui transfère l'énergie mécanique au liquide, augmentations l'énergie de pression et énergie cinétique du liquide, et réalise le refroidissement et l'échange thermique. La vitesse de roue à aubes dans la pompe à eau d'automobile est haute, le changement de conditions de fonctionnement considérablement, et les conditions de qualité de la roue à aubes sont tout à fait semblables haut.
Nos avantages
| 1. Algorithme d'AI : de forte stabilité, s'adaptant à la perturbation d'environnement et de fond ; différents échantillons de défaut peuvent être automatiquement identifiés après la formation |
| 2. Dataization : La base de données indépendante, sauvent les échantillons multiples, analyser de non-bons produits, et maintiennent l'histoire |
| 3. Multi-orientation : ° 360 complet à l'intérieur et en dehors des échantillons |
| 4. Haute précision : l'exactitude de détection peut être haute |
| 5. La modularisation, peut avec souplesse augmenter ou diminuer la fonction de détection selon les besoins réels de client |
| 6. Facile à utiliser : Il est facile d'utiliser et facile à maintenir |
| 7. Sécurité : Fabrication de matériel de catégorie médicale, entièrement conforme avec l'environnement de production de fournitures médicales |
Image : Deux modèles différents des roues à aubes, très semblables dans l'aspect :
Le client a avec succès produit des roues à aubes pour beaucoup de fabricants de pompe. Il y a des douzaines de modèles produits sur le site en même temps, et le processus implique la situation que les modèles multiples partagent l'équipement. L'aspect et les paires de règle de types multiples de roues à aubes sont très étroits, et il est facile d'être mélangé. En tant que ci-dessous, il y a deux types différents de roues à aubes, qui sont très semblables dans l'aspect.
Si le fabricant de pompe à eau installe le mauvais type de roue à aubes dans la pompe à eau, elle fera travailler anormalement et affecter directement la pompe à eau le système de refroidissement du moteur d'automobile. En outre, la roue à aubes apparaîtra également les produits défectueux dans le processus de fabrication, tel que des fissures de noyau de fer, le temps hors de la gamme d'erreur, etc., il est très nécessaire de classifier et examiner la roue à aubes. À ce stade, le client emploie le criblage et la classification manuels pour déterminer si les produits sont qualifiés, mais l'intensité de travail est haute, l'exactitude est pauvre, et l'efficacité est basse. Par conséquent, une classification et un système de criblage en ligne automatisés est eue un besoin urgent.
Principe d'Insepticon
Le système est combiné avec un mécanisme automatisé pour effectuer la détection en ligne, et la période de détection moyenne de chaque échantillon ne dépasse pas 1 seconde. Le système basé sur PC est adopté, le matériel de représentation adopte la caméra industrielle et la lentille, la source lumineuse d'anneau, et le logiciel de traitement adopte le logiciel à traitement d'images auto-développé de KVIS. L'équipement arrange d'abord les roues à aubes dans une file d'attente par la bande de conveyeur et les rails de guide, et pousse ensuite les roues à aubes dans le secteur d'inspection visuelle par le cylindre matériel de distribution pour la détection de photo. Quand la détection est accomplie, le signal de /0 est sortie au système de contrôle de mouvement pour exécuter l'action de rejet/passage.
Puisqu'il y a beaucoup de modèles de produit sur le site, et il y a des modèles inconnus qui seront ajoutés à l'avenir, afin de répondre aux exigences adaptatives du système, le système emploie des algorithmes d'apprentissage automatique pour l'extraction et la classification de caractéristique. Par l'échantillonnage apprenant, les augmentations de taux d'exactitude avec la dimension de l'échantillon, les clients entièrement satisfaisants ont exigé des conditions.