機器視覺中，缺陷檢測功能是機器視覺應(yīng)用最多的功能之一，主要檢測產(chǎn)品表面的各種信息。

在現(xiàn)代工業(yè)自動化生產(chǎn)中，連續(xù)大批量生產(chǎn)的每個制程都有一定的次品率，單獨看雖然比重不高，但各個環(huán)節(jié)次品率累加卻成為企業(yè)難以提高良率的瓶頸，并且在經(jīng)過完整制程后再剔除次品的成本會高很多。例如，如果塑膠件存在不飽膜、嚴重劃傷等外觀缺陷，且該問題在線組裝才被發(fā)現(xiàn)，那么該下游成品直接是作廢處理，成本直線上升。因此及時檢測及次品剔除對質(zhì)量控制和成本控制是非常重要的，也是制造業(yè)進一步升級的重要基石。

在檢測行業(yè)，與人類視覺相比，機器視覺優(yōu)勢明顯

1）速度快：人類無法看清的快速運動的目標，機器快門則能以微秒級的速度清晰拍攝；

2）穩(wěn)定性高：機器視覺解決了人工檢測的一個致命缺陷——不穩(wěn)定。人工目檢是勞動非?？菰锖托量嗟男袠I(yè)，無論怎樣設(shè)計獎懲制度，都會發(fā)生比較高的漏檢率。但是機器視覺檢測設(shè)備則沒有疲勞問題，沒有情緒波動，每一步都按既定的算法嚴格執(zhí)行。在品控中大大提升效果可控性；

3）信息的集成與留存：機器視覺獲得的信息量是全面且可追溯的，相關(guān)信息方便集成和留存；

4）精確度高：人類視覺可視26個灰度級，且對微小目標分辨力弱；機器視覺則可達到255個灰度級，同時可觀測微米級的目標。

智造之眼?視覺系統(tǒng)對外觀缺陷的檢測優(yōu)勢

應(yīng)對深度學習（AI技術(shù)分支）應(yīng)用難、成本高的問題，Kenexs獨創(chuàng)智能學習算法。與傳統(tǒng)斑點工具、面積工具組成外觀檢測“王炸組合”。它適應(yīng)更復(fù)雜多變的檢測環(huán)境和日益嚴苛的檢測要求，真正意義上為工業(yè)4.0賦能。

智能學習檢測方法要求準備10-20pcs OK產(chǎn)品，然后通過對多個OK品進行全彩信息學習，從而找到OK品的共同特點，以及之間的正常容差。智能學習全面鋪開后，外觀檢測在電子元器件行業(yè)，尤其是接觸式電連接器產(chǎn)品領(lǐng)域，檢出率提高了8.2%，誤判率控制在1%以內(nèi)。目前，已為數(shù)十家國內(nèi)大客戶解決復(fù)雜的金屬和塑膠材質(zhì)元件的表面缺陷難題。系統(tǒng)搭配高速視覺組件產(chǎn)品，確保檢測的高速以及高精度要求，避免了人工檢測的速度慢、精度低、高成本、難統(tǒng)計的問題，大幅提升檢測效率，提高產(chǎn)品質(zhì)量和競爭力。

Kenexs是國內(nèi)極少同時具備圖像算法、機器學習算法、嵌入式硬件平臺和應(yīng)用整合能力的工業(yè)機器視覺提供商。

精密注塑行業(yè)外觀檢測案例分享

【案例一】

【案例二】

【案例三】

非精密注塑行業(yè)案例分享——PVC管材缺陷

PVC管材缺陷檢測方案及效果

1.雜質(zhì)

管材表面雜質(zhì)可檢測，最小檢測精度：0.15mm，檢出率：≥99%。缺陷閾值：可通過面積、尺寸設(shè)定最小值、最大值判斷。此外，劃傷類型的缺陷，報警可獨立輸出。

2.劃傷

3.褶皺

4.凹陷

5.其他