Automatisierte Prüfung von Gummidichtungen
Defekterkennung an komplexen, flexiblen Dichtungen
Ähnliche Produkte
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Chemikalienmasken, Gasmasken und Atemschutzmasken bestehen im Allgemeinen aus einer wiederverwendbaren Maske mit austauschbaren Filtern. Die flexible, gute Dichtung zwischen Filter und Maske sowie rund um das Gesicht kann aus verschiedensten Elastomeren oder Gummi bestehen, einschließlich Silikon, Polyurethan und Butylkautschuk.
Elastomer-Dichtungen von Masken werden je nach Material und Einsatzbereich im Spritzguss-, Spritzpress- oder Formpressverfahren hergestellt. Fehler beeinträchtigen die Dichtung oder beschränken die Lebensdauer. Daher müssen sie vor der Endmontage entdeckt werden.
Die komplexen Falten, die Biegsamkeit und häufig dunklen Oberflächen solcher Dichtungen erschweren es der herkömmlichen industriellen Bildverarbeitung, Fehler zu erkennen und gute von schlechten Teilen zu unterscheiden. Der Maskenhersteller, der diese Elastomer-Teile bekommt, wird jene aussortieren, die nicht dem Standard entsprechen. Andernfalls versagen die montierten Masken in der Anwendung, was manchmal zu ernsthaften Haftungsproblemen führen kann.
Cognex Deep Learning automatisiert die Defekterkennung von Gummidichtungen schnell und effektiv. Das Defekterkennungstool wird anhand eines kleinen Bildsatzes verschiedenster guter Gummi- oder Elastomer-Dichtungen trainiert. Aufgrund ihrer Flexibilität können Dichtungen bei der visuellen Inspektion auf verschiedene, nicht vorhersehbare Weise nachgeben und so ein breites Spektrum an Erscheinungsbildern aufweisen. Cognex Deep Learning bezieht diese große Variabilität der guten Teile mit ein und erkennt daher Abweichungen genau, die außerhalb des annehmbaren Bereichs liegen, während alle funktionstüchtigen Dichtungen bestehen.
