Ispezione degli anelli dei pistoni

Lo strumento di rilevamento dei difetti Cognex Deep Learning semplifica il rilevamento e la caratterizzazione automatica dei difetti su superfici metalliche strutturate

Vision system inspecting piston rings on a conveyor for defects

Prodotti correlati

In-Sight D900

In-Sight D900

Alimentato dal software di visione basato sul Deep Learning In-Sight ViDi

ViDi software with all defect detection tools

VisionPro Deep Learning

A breakthrough in complex inspection, part location, classification, and OCR

Gli anelli di compressione di un pistone hanno diverse funzioni nel motore, in quanto sigillano la camera di combustione e regolano il consumo di olio. Se presentano dei difetti, è difficile rilevarli a causa della superficie metallica riflettente del pistone. La forma cilindrica talvolta crea un'immagine confusa e sfocata. Piccole variazioni nella texture del metallo sono normali nel processo di produzione. Alcune possono passare l'ispezione, come puntini di ruggine, zone bianche e fenditure superficiali. I graffi lunghi, invece, poiché compromettono la prestazione del pistone e i livelli di pressione nel cilindro, rappresentano un difetto serio. Un sistema di ispezione deve essere in grado di tollerare le normali variazioni e le anomalie insignificanti sulle superfici degli anelli di compressione, ma deve identificare i graffi lunghi.

Programmare un'ispezione di questa complessità con un  algoritmo basato su una regola richiederebbe enormi biblioteche di difetti. L'ispezione umana, benché più flessibile, sarebbe troppo lenta. Cognex Deep Learning offre una soluzione di ispezione efficiente che combina la capacità umana di rilevare le variazioni di minore entità con l'affidabilità, l'uniformità e la velocità di un sistema automatizzato. Utilizzando lo strumento di rilevamento dei difetti di Cognex Deep Learning in modalità supervisionata, un ingegnere addestra il software basato sull'apprendimento profondo su un insieme rappresentativo di immagini di anelli di compressione "buone" e "cattive" note. Un tecnico annota le immagini "scarse", cioè con graffi lunghi, e quelle "buone", con normali variazioni e difetti tollerabili, che comprendono punti di ruggine e piccole fenditure. Sulla base di queste immagini, Cognex Deep Learning apprende la forma naturale e la texture del pistone, oltre all'aspetto normale dei graffi. Possono essere poi aggiunte altre immagini durante la fase di convalida per avere ulteriori esempi e ottimizzare il sistema. I parametri possono essere regolati in ogni momento durante la fase di messa a punto e convalida, finché il modello corretto rileva e isola tutte le immagini con graffi lunghi. Durante il funzionamento, il software classifica le immagini con graffi lunghi come difettose, poiché ha imparato a riconoscerle ignorando le variazioni irrilevanti.

Piston_Ring_ViDi

 

Scarichi la guida sulle applicazioni del deep learning per il settore automobilistico
Prodotti Cognex presentati

OTTIENI L’ACCESSO AD ASSISTENZA E FORMAZIONE IN MERITO AI PRODOTTI E MOLTO ALTRO ANCORA

Entra a far parte di MyCognex