Schweißpunktprüfung
Genaue Klassifizierung der Qualität von Schweißpunkten bei gleichzeitiger Verringerung falsch-positiver Ergebnisse
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Ein völlig neuer Ansatz bei komplexen Prüfungen, Teilelokalisierung, Klassifikation und OCR
Zur Sicherstellung einer guten elektrischen Verbindung müssen die Drähte miteinander oder an die Klemmen punktgeschweißt werden. Schweißen bedeutet, zwei verschiedene Metalle miteinander zu verschmelzen, um eine feste Verbindung herzustellen. Es ist wichtig, dass die Schweißnaht gut verschmolzen ist, ausreichend aber nicht zu groß ist, eine gute Form hat und richtig positioniert ist. Hersteller haben meistens viele Linien für verschiedenste elektronische Teile und müssen sicherstellen, dass alle Verbindungen befestigt sind.
Da Schweißpunkte sehr unterschiedlich und ungleichmäßig aussehen, einschließlich Form, Lage, Farbe, Reflexionsvermögen, Textur und Oberflächenmarkierungen, können Prüfungen viele falsch-positive Ergebnisse liefern, die auch Overkill genannt werden. Overkill führt dazu, dass gute Teile ausgesondert werden. Gute Schweißnähte, die fälschlicherweise als mangelhaft markiert werden, müssen manuell geprüft werden, was verglichen mit den Liniengeschwindigkeiten extrem langsam ist und oft immer noch zu falsch erkannten Schweißfehlern führt.
Die Teile unterscheiden sich von einer Charge zur anderen auch in Größe, Farbe oder anderen Merkmalen. Die großen Abweichungen und die Schwierigkeit bei der Unterscheidung guter Verbindungen von schlechten macht eine regelbasierte Bildverarbeitung unpraktisch.
Benutzer schulen das Deep-Learning-Defekterkennungstool von Cognex anhand vielfältiger ordnungsgemäß verbundener Schweißpunkte, um die ganze Vielfalt normaler Teile zu lernen. Wenn das Tool die Schweißpunkte scannt, analysiert und markiert es alle, die außerhalb des annehmbaren Bereichs liegen, während es falsch-positive Ergebnisse minimiert.
Das Deep-Learning-Klassifizierungstool von Cognex kann dann anhand einer Reihe von gekennzeichneten Schweißfehlern geschult werden und die Einstufung bestimmter Fehlertypen, wie schlechter Zustand, Blasen, Risse, Brandstellen oder Verunreinigungen der Oberflächen, lernen. Diese kategorisierten Fehler können dann für die vorgelagerte Prozesskontrolle verwendet werden, um im Laufe der Zeit Fehler zu minimieren.
