Visionk的EOS局部高精度视觉点胶系统,整合各类点胶技术,提供各种不同的全自动在线点胶方案,在高要求的生产环境中久经考验,使之能够从容应对复杂产品的高精度包封、填充、粘接、组装等应用。 重点应用在消费类电子,热熔胶粘接、 底部填充胶、表面贴装、堆栈封装、 围坝与填充、 FPC元器件补强、增强材料等。 可集成多种闭环监控模块的智能型生产设备。
• 点位编程智能化: 支持鼠标光心视频编程,支持完整产品拼图图形编辑轨迹,支持dxf格式轨迹直接导入。
• 视觉智能纠偏: 工业相机拍摄mark,自动调整点胶点位偏差,支持单/双/多mark/巡边/子母板轨迹修正算法。
• 高度智能调整: 激光传感器检测产品翘起凹陷,自动调整Z轴高度,支持经济型点激光和3D线激光传感器的引导,彻底解决刮针和偏位问题。
• 点胶质量闭环控制: 通过电子天平/温控/气压/相机/3D激光等多种高精度传感器,构建了胶重自修正,2d/3d/深度学习胶路检测,胶路自修正等多重质量防护体系,保证100%点胶质量。
• 点胶全过程监控: 大容量数据库保存机器状态实现点胶过程数据毫秒级收集,检测图像和结果绑定产品SN,实时上传MES服务通信,确保客户对生产的全过程追溯。
作用:通过CCD拍照自动修正产品在治具或流水线上的位置偏差,保证点胶的绝对精度(+-0.01mm)
设置模板:在图像中设置1个或者多个参考标记(Marks),参考标记可以是具有独特形状或纹理的特殊标记,例如二维码、条形码、圆形等。
匹配:将提取到的标记特征与事先设定好的参考模板进行匹配。通过比较提取到的标记特征与参考模板的相似度,确定标记在图像中的位置和姿态。
纠偏:根据标记在图像中的位置和姿态信息,计算出需要进行纠偏的目标对象的位姿偏差(平移偏差和旋转偏差)。
控制:根据计算得到的位姿偏差信息,修正实际的点胶位置。
作用:通过ccd抓取产品边缘的变化,调整胶路的位置,保证胶路离产品的边缘为固定的距离。
设置基准:在图像中设置1个或者多个参考基准, 记录基准到产品边缘的距离。 测量:在基准点拍照,测量产品边缘到基准线的距离,并与基准值进行比较。 纠偏:将偏差值补偿到点胶点的坐标上。
接触式点胶应用场景中,激光测距仪可以测量治具、基板和产品的高度,并根据测量结果的变化调整对应点位的点胶高度,保证针头和产品的精确距离,避免刮针,撞针或者拖胶。
实际使用过程中,可以根据精度,CT时间,可操作性要求选择最优的测量工作方式。
喷射阀在连续工作过程中稳定性会受到很多因素的影响,导致喷射胶量过大或者偏小,在精度点胶中这些不可控的因素对最终产品质量影响非常大。
自动调整胶量:EOS支持胶重智能调整功能,能够根据高精度电子天平的反馈,实时调整胶阀参数,保证每次点胶的胶重符合要求。
自动红外对针: 喷射阀在连续工作过程中稳定性会收到很多因素的影响,导致喷射胶量过大或者偏小,在精度点胶中这些不可控的因素对最终产品质量影响非常大。
使用面阵相机直接对点胶后的产品进行拍照,通过分析胶路在图像中的轮廓/灰度/骨架/形态/位置等特征,通过软件算法识别点胶缺陷
胶路缺陷检测 通过设置胶水颜色、胶路最小宽度、最大宽度、最大偏移值等参数,可以准确识别出点胶过程中的断胶,缺胶,溢胶,大小头等缺陷。 胶路精确测量 通过设置测量位置和类型,软件可以输出指定位置的胶路宽度,胶边距离,胶路中心线位置,胶路两头的精确位置。
3D胶路检测相对于2D检测的优势: 1、通过线激光扫描传感器可以获得胶路的三维立体信息(胶宽,胶高), 可以检测胶路坍陷,刮蹭等2D检测无法识别的缺陷。 2、当胶水颜色和产品背景相近,或者胶水颜色接近透明的场景下,依然可以通过高度信息抓取胶路,进行分析检测。 3、当胶路视野比较大的情况下,3D检测和扫描效率更高。
五轴联动的优势: 1、高效率加工:五轴联动加工技术可以实现对工件在任意角度的立体加工。通过机器轴在多个方向上的运动,可以高效地完成加工任务,提高生产效率,减少加工时间和人力成本。
2、降低成本:五轴联动机床的使用,让工件的装夹变得容易。加工时无需特殊夹具,降低了夹具的成本,避免了多次装夹,提高加工精度。采用五轴技术可以减少夹具的使用数量,降低了材料浪费,提高了成本效益。
3、复杂任务执行:五轴联动使得机器能够执行更复杂的任务。通过联动控制,机器可以实现精确的轨迹跟踪、多轴协同动作和高速运动。这对于需要加工复杂工件、更高精确定位或快速操作的任务非常有益。
EOS智能点胶系统在工作过程中,将所有的工作状态,工作过程,检测结果等信息统一收集到了内置的数据库中,并开放了查询接口。 支持制造商MES系统的定制对接,可以按需求整合工作信息上传到客户服务器,方便后期产品质量的追溯。
相对于BP神经网络,卷积神经网络(CNN:convolutional neural networks)是基于动物视觉感受野设计而成,由卷积层、池化层和其他层构成。
复杂背景下常规视觉算法提取胶路区域效果差。 100张图片训练后Unet网络准备地区分胶路和背景
深度学习是基于大数据的自主学习过程,并不是通过手工设计来获得相关数据,即是通过组合低层来获得更加直观的表示方式,相对于传统图像出来,深度学习从大数据自主学习可以获得良好的特征,因而可以起到提高图像识别系统性能和效率借助CNN网络强大的分类能力,AI可以轻松地识别很多无法用模型描述的缺陷:
公司名称:深圳市视开智能科技有限责任公司
地址:深圳市光明区玉塘街道玉塘社区光明高新园西区七号侨德科技园厂房A栋902
电话号码:13302958865
你好,欢迎来到视开,我们将24小时内回复你。
您好,有任何疑问请与我们联系!