好产品的变异和检查算法。
在大多数情况下,适用的算法取决于货物的可变性程度。
如果好的产品几乎没有变化,所拍摄的图像几乎都是一样的。因此,通过与良好产品的图像进行比较,不难提取出缺陷。
反之,如果差异很大,不能指望图像是相同的,就必须从图像中提取信息,并判断其是否正确。例如,测量尺寸、计算碎片或阅读文本。需要注意的是,只有部分信息被判断为正确,允许好的产品存在差异,而所有的信息都是没有意义的。作为视觉检查,它被认为是漏洞百出的。改善工艺,减少好产品的变异,比花钱做视觉检查更有效。
一个稍有不同的方法是从 "猜好 "中检测出差异,这是从周围的环境中推断出来的,比如重复的模式。例如,一张白纸上的黑点,玻璃板上的异物,车身上的划痕......在大多数情况下,基本前提是产品是'普通'的,但系统绝大多数都能检测到小的划痕,这很容易猜出质量好。
FlexInspector,反过来。
- 对比检查
- 长度测量检查、字符读取检查等。
- 补强检查
是负责这一点的。
另一方面,大多数市面上的图像处理设备只有2。在制造技术提高,好产品的差异几乎消失的今天,这是否真的是一种有效的检查方法值得怀疑。
FI用户很少使用2。他们中的大多数人最后都用1,而3是在物体大而简单时应用的。
FlexInspector 比较检查是一种确定良好零件范围的方法,方法是对大量良好零件进行抽样,并执行统计过程以吸收良好零件的变化。这是一种吸收良好零件中细微变化的手段,当应用于良好零件中的巨大变化时,会导致检查非常松散。为了提高检测性能,抑制良好图像中的变化是很重要的。