一個實用的自動視覺檢查系統可以顯著降低不良產品的風險，并隨著時間的推移降低生產成本。

如果你生產的是精密的小零件，質量會驅動整個制造過程。幫助確保此類產品質量的方法之一是使用被稱為機器視覺系統的自動檢查系統。機器視覺系統采用計算機視覺技術自動檢查零件的許多不同缺陷(例如，污染、劃痕、凹痕或因生產中的故障而造成的變形)和規格(主要是尺寸異常)。他們還收集有助于提高制造效率、幾何尺寸和公差的數據。最重要的是，考慮到勞動力成本在不同地區差異，自動化檢驗的成本比手工檢驗低，回報一般是兩年或更少。

然而，實施自動化檢查項目之前，企業應該注意以下六個關鍵因素。

1.每個部分都有自己的解決方案

設計自動視覺檢查系統以測試不同的零件類型已被證明是一項艱巨的任務，因為零件幾何體可能會被遮擋或陰影可能會隱藏相關區域。這些限制通常是產品設計的結果，因為自動檢測不是產品設計過程的一部分。它是通過照明和處理周期時間定義的缺陷規范、照明、分辨率和相機速度幫助獲得準確的分析。

如果有可疑的缺陷，操作員有機會再看一遍，而機器卻不能。在自動視覺檢查系統（AVC）設計過程中，每個產品可能出現的缺陷都必須考慮。即使是相似的零件也有與特定材料或產品設計相關的挑戰，因此尋找定制的方法是必要的。

自動視覺檢查系統是相機、照明和處理系統的復雜組合，包括一些復雜的圖像處理

如果企業正在研究實施自動視覺檢查系統進行質量檢測，那么從公司最高容量的零件或非常相似的零件（如O形圈）開始，最具商業意義。O形圈檢查統可以檢查各種不同的部件。配置系統以測試不同類型的O形環的難度較小，因為O形環彼此非常相似并且具有簡單的幾何形狀;因此，使用單個系統可以檢查不同的零件類型。

2.尺寸測量和表面檢查

一般工廠的自動視覺檢查系統分為兩種，第一種類型主要用于尺寸測量，第二種類型用于表面缺陷檢測。在這兩者中，尺寸測量系統是最容易開發的。此外，計算解決方案能力的統計方法（例如，測量系統分析）易于為機器設計，因為可以預先估計自動視覺檢查系統的所有內容。通過明確定義零件規格，系統可以識別關鍵參數，即使零件尺寸具有最嚴格的公差。一旦這些關鍵參數被確認，檢查系統的就能夠開始正確實施，利用計算方法驗證了系統照明、速度或相機分辨率等相關參數。

另一方面，表面檢查可能非常具有挑戰性。有文件說明告訴人類質量檢查員在手動檢查零件時要檢查什么缺陷和尺寸助于自動視覺檢查系統的開發。

但是，但這些說明并未為開發自動視覺檢查系統程序的軟件工程師提供足夠的指導。雖然人工檢查員可能完全理解這些指令，但軟件開發人員需要獲得更多信息。

例如，質量指令可能聲明某種特定類型的缺陷NG。從字面上理解，這將要求檢查系統具有無限的分辨率。不要簡單地說NG，開發人員必須提供可量化的缺陷，以便他們能夠適應系統設計要求。如果非常小的缺陷是NG的，系統需要能夠識別它們，因此需要更高的圖像分辨率。

公司經常面臨兩個挑戰:一個缺陷需要發生，并且在它被糾正之前已經被注意到;與計算機交流特定缺陷的特性是很困難的。因此，公司通常對所有領域實施“基本”檢查，以便至少有機會發現未知的缺陷。傳統上，機器是基于這些缺陷構建的，因為它們已經可用了。一些缺陷預測可能是可行的，但是會增加“偽”廢品的風險。

就缺陷的大小達成一致意見可能很困難，因為必須考慮到許多因素。質量工程師必須與設計工程師合作，甚至與機器供應商合作，才能得出合適的指標。

3.缺陷的定義分類

因為定義和分類缺陷是開發過程中非常重要的一部分，質量工程師應該在開始自動視覺檢查系統開發之前編寫一個缺陷目錄。缺陷分類不僅是系統必須能夠檢測的所有缺陷的列表，而且是在可接受范圍內或接近可接受范圍的部分的集合。這部分之所以如此重要，是因為系統將通過檢查這些部件來進行專門的驗證。

如電子表格所示，缺陷目錄包括缺陷的類型、缺陷的嚴重程度、概率以及缺陷的臨界大小。所有這些信息都有助于軟件開發人員優先檢測常見缺陷。

缺陷定義分類是成功自動視覺檢查系統項目實施最關鍵先決條件。

對于每個缺陷，最好至少有兩個樣本，其中一個是邊緣缺陷。根據部件的復雜性，缺陷分類通常有60到100個部件。通常最好有足夠多的樣本，因為識別不向目錄添加知識的部分要比發現重要信息丟失更容易。

開發缺陷目錄分類的最大挑戰是質量部門和視覺檢查系統開發人員之間的溝通。視覺檢查系統開發人員需要了解生產過程，質量部門必須了解檢查系統的局限性。

例如，質量工程師理解生產工藝過程中的一些術語。但是，必須向視覺開發人員詳細描述形狀、柔軟度和厚度等具體特性，以確保系統能夠找到有缺陷的部件而不是拒絕好的部件。根據原因不同，缺陷的不同種類，檢測這些缺陷需要不同的方法。

4.系統檢查過程

為了可靠地找到特定缺陷，程序必須執行五個步驟：

1.零件定位：程序必須將零件定位在圖像中，以補償處理系統的微小變化。

2.圖像分割：程序將圖像分割成感興趣的功能區域。每個區域由一組有限的缺陷和相對于零件的單一功能定義，例如密封唇，外徑，頂面等。

3.圖像標準化：從圖像中刪除通常在良好部分中找到的所有內容。這包括設計/功能線和常見的產品變體。這是一個核心功能，因為它將每個新圖像與好部件的歷史進行比較，并突出顯示與此歷史的偏差。

4.信號/噪聲優化：此時，程序對圖像進行過濾，從已知的噪聲中提取可能的缺陷。這一步需要考慮特定的缺陷特性，例如暗污染、亮標記和垂直流線。

5.缺陷檢測和分類：最后，程序識別可疑區域并分配一個分類值，該值用于通過或拒絕決策。此外，程序會記錄部件是否有可接受的缺陷。這些數據可用于在生產問題發生之前防止其發生。

5.確保高質量圖像

良好的檢查依賴于高質量的圖像。在這里，工廠可以通過幾件事來確保視覺檢查系統產生最佳圖像。圖像質量通常取決于照明和相機設置，但還必須考慮缺陷類型。其他因素包括減少錯誤拒絕的數量;保持在所需的周期時間內;并充分利用可用的機器空間。

最佳設置允許檢查最小的相關缺陷

例如，工廠可以拍攝工具清洗前后或用不同的工具組制造的零件的圖像，以了解工藝變化將如何影響圖像質量。通過分析這些圖像，并應用其對圖像處理軟件局限性的知識，該公司將能夠提出一個可行的解決方案。軟件限制有時意味著公司必須開發更復雜的照明和相機設置。在其他時候，硬件限制增加了程序復雜性或開發時間，或者在某些情況下，意味著你必須忍受比您希望的更多的錯誤拒絕。

6.大投資=大回報

對于任何公司來說，開發和安裝自動視覺檢查系統一直是一筆巨大的投資，但這是一項通常可以帶來回報的投資。最大的好處是降低了成本，因為自動檢測成本低于人工檢查。另一個好處是開發定制自動視覺檢查系統，可以大大降低執行不良檢查和交付缺陷部件的風險。它還可以檢測尚未出現缺陷的異常。這些數據可以提醒工程師注意問題，這樣他們就可以在有缺陷的零件生產出來之前進行修正。

自動視覺檢查系統減少了客戶投訴的數量，對于某些零件類型，投訴率可以降至零。隨著“智能系統”訓練自己如何找到與典型產品不同的部件，這一趨勢可能會繼續增長。智能系統可以讓自動檢查系統獲得更多的吸引力，因為它們能夠降低編程錯誤的風險，以及實現新解決方案的時間和成本。

責任編輯：YYX