ピストンリング検査

ディープラーニング欠陥検出ツールは、凹凸のある金属表面の自動欠陥検出と欠陥評価を簡素化します。

Vision system inspecting piston rings on a conveyor for defects

関連製品

In-Sight D900

In-Sight D900

ディープラーニング採用In-Sight ViDi画像処理ソフトウェア搭載

ViDi software with all defect detection tools

VisionPro Deep Learning

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

ピストンの圧縮リングは、レシプロエンジン内で、燃焼室の密閉や、オイルの使用量調整など、複数の機能を果たしています。ピストンの金属面は反射するため、圧縮リングの欠陥は検出が困難です。シリンダー形状のピストンの撮影画像は、 ボケやフォーカスのずれが生じることがあります。金属表面は、通常、製造プロセスの中で変化することがあるため、さび、白層、表面に割れやひびなどがあっても合格と判定します。一方、長い傷はピストンのパフォーマンスに影響し、シ リンダー内の圧縮率を低下させる可能性があるため、欠陥として判定します。 検査システムは圧縮リング表面に発生する 通常のばらつきと重要性の低い異常を許容する一方、長い傷を識別できなければなりません。

こうした作業を ルールベースのアルゴリズムにプログラミングするには、複雑な欠陥ライブラリが必要です。手作業での検査は柔軟性が高い一方、時間がかかり過ぎてしまいます。Cognex Deep Learningは小さな金属表面の変化を正しく認識でき る人間の能力と、自動化システムによる信頼性、一貫性、スピードを組み合わせ、効果的な検査ソリューションを提供します。コグネックスのディープラーニングによる欠陥検出ツールの監視モードを使用すると、「合格」および「不合格」圧縮リングの既知の画像サンプルセットについてディープラーニングベースのソフトウェアをトレーニングすることができます。一方で、通常の金属表面の変化や、さび、または小さな割れなど、許容可能な欠陥の場合は「良」画像としてラベル付けします。このような画像に基づき、Cognex Deep Learningは正常時のピ ストンの形状と表面の質感、さらには傷の一般的な外観を学習します。バリデーションテスト中に追加の画像をトレーニングセットに追加し、反映することでシステムを最適化することも可能です。トレーニング段階とバリデーション段階では、トレーニングされたモデルが長い傷のあるすべての画像を正しく検出し、分類できるまでパラメータを継続的に調整することができます。重要ではない金属表面のばらつきを認識した上で、許容するように学習したソフトウェアは、実行時に長い傷のある画像 だけを欠陥ありと判断します。

Piston_Ring_ViDi

 

ディープラーニングベースの自動車業界向けアプリケーションガイドのダウンロード
注目のコグネックス製品

製品のサポートやトレーニングなどの詳細を見る

マイコグネックスに参加