플라스틱 사출성형 부품 검사

작은 플라스틱 부품의 구조적 및 외관 결함 검사

플라스틱 사출성형 부품의 결함을 식별하는 비전 시스템

관련 제품

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

딥러닝 기반 산업용 이미지 분석을 위한 그래픽 프로그래밍 환경

In-Sight D900

In-Sight D900

In-Sight ViDi 딥러닝 기반 비전 소프트웨어로 작동

아주 작은 플라스틱 부품조차도 표면이 복잡하고 다른 부품에 정교하게 맞춰야 하는 홈이 나 있습니다. 싱크 마크, 왜곡, 미성형 및 플래시는 모두 플라스틱 부품의 기능성에 영향을 주는 결함에 해당합니다.

나머지 결함들은 순전히 외형적인 것으로, 기능에 영향을 주지 않지만 소비자용 제품에서 눈에 띄는 부분에 있을 경우 판매 시 큰 부정적 영향을 주게 됩니다. 이러한 외관상의 결함으로는 긁힘, 줄무늬, 탄 자국, 파인 부분, 변색 등이 포함됩니다.

사전에 이러한 결함을 발견하면 향후 조립 단계에 미치는 영향을 미연에 방지할 수 있으며, 경우에 따라 완전히 조립된 부품을 폐기해야 할 수도 있습니다. 반사성, 굴곡, 복잡한 표면과 함께 몰드에서 나올 때 공간이 협소한 상태에서 이처럼 작은 부품을 자세히 검사하는 것이 곤란한 이유로 특히 생산 라인의 속도로 기존의 머신 비전을 사용해 플라스틱 성형 부품을 정확히 검사하기가 어렵습니다.

제품 데모

코그넥스 딥러닝은 부분 부품 조립의 외관 비전 검사에 이상적입니다. 결함 감지 툴은 결함이 없는 다양한 플라스틱 부품의 이미지 세트를 사용해 트레이닝합니다. 그런 다음 결함 감지 툴이 이상이 있는 부품을 식별하여 트레이닝된 이미지와 달리 기능상 그리고 외형적인 결함을 감지합니다.

최종 조립 후 구성품이 보이지 않아 작은 변색과 같은 외관상의 결함이 허용될 경우, 결함 감지 툴이 그러한 변형을 트레이닝 세트의 일부로 인식하여 해당 결함을 비정상으로 표기하지 않습니다. 최종 조립 및 후속 판매에 대한 분석에 따라 결함의 정의가 바뀐 경우, 다른 허용 범위가 적용된 또 다른 이미지 세트를 사용해 결함 감지 툴을 신속히 재트레이닝할 수 있습니다.

 

플라스틱 사출 성형 부품 - 추가 예시

 

주요 Cognex 제품

제품 지원 및 교육 신청

MyCognex 가입