Prüfung von Kolbenringen

Das Cognex Deep Learning Defekterkennungs-Tool erleichtert die automatische Erfassung und Bestimmung von Fehlern auf texturierten Metalloberflächen.

Vision system inspecting piston rings on a conveyor for defects

Ähnliche Produkte

In-Sight D900

In-Sight D900

Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware

ViDi software with all defect detection tools

VisionPro Deep Learning

Ein völlig neuer Ansatz bei komplexen Prüfungen, Teilelokalisierung, Klassifikation und OCR

Die Druckringe eines Kolbens erfüllen in einem Kolbenmotor mehrere Funktionen, sie verschließen den Brennraum und regulieren den Ölverbrauch. Fehler an einem Druckring sind aufgrund der lichtreflektierenden Metalloberfläche des Kolbens schwer zu erkennen. Die zylindrische Form des Kolbens erscheint auf den Bildern bisweilen verschwommen und unklar. Normale Abweichungen der Textur der Metalloberfläche sind als Bestandteil des Herstellungsprozesses zu erwarten und manche andere wie zum Beispiel Roststellen, weiße Bereiche und sogar Risse an der Oberfläche und Brüche und werden bei der Prüfung nicht beanstandet. Lange Kratzer, die die Leistung des Kolbens beeinträchtigen und die Kompressionsstufen innerhalb des Zylinders beeinträchtigen, sind dagegen Indikatoren für echte Fehler. Ein Prüfsystem muss in der Lage sein, normale und unbedeutende Abweichungen der Oberflächen von Druckringen zu tolerieren und lange Kratzer zu identifizieren.

Die Programmierung einer Prüfung dieser Komplexität in einen  regel-basierten Algorithmus würde komplexe Fehler-Bibliotheken erfordern. Die Inspektion durch Menschen wäre zwar flexibler, ist jedoch zu zeitaufwändig. Cognex Deep Learning bietet eine effektive Prüfungslösung, die die menschliche Fähigkeit zum Erkennen kleinerer Abweichungen mit der Verlässlichkeit, Konsistenz und Schnelligkeit eines automatischen Systems verbindet. Bei der Verwendung des Cognex Deep Learning Defekterkennungs-Tools im überwachten Modus trainiert ein Ingenieur / eine Ingenieurin die auf Deep Learning basierende Software an einem repräsentativen Satz von bekannten "guten" und "schlechten" Kompressionsringbildern. Ein Techniker kommentiert bekannte "Nicht in Ordnung" Bilder, auf denen lange Kratzer zu sehen sind und "In Ordnung" Bilder mit normalen Abweichungen und zulässigen Fehlern einschließlich Roststellen und kleinen Rissen. Cognex Deep Learning lernt auf der Basis dieser Bilder, die natürliche Form und Oberflächentextur des Kolbens sowie das normale Erscheinungsbild von Kratzern zu erkennen. Bei der Validierung können der Auswahl an Bildern zum Einlernen zum Zwecke der Optimierung des Systems weitere Bilder mit zusätzlichen Beispielen hinzugefügt werden. Während der Einlern- und Validierungsphase können die Parameter jederzeit verändert werden, bis das eingelernte Modell alle Bilder mit langen Kratzern korrekt erfasst und segmentiert. Während der Laufzeit ordnet die Software dann Bilder mit langen Kratzern als defekt ein, da sie gelernt hat, unerhebliche Abweichungen zu erkennen und zu ignorieren.

Kolbenring_ViDi

 

Deep-Learning-Anwendungsbroschüre für die Automobilbranche herunterladen
Empfohlene Cognex-Produkte

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex