Automotiva

Inspeção de anel de pistão

A ferramenta de detecção de defeitos do Cognex Deep Learning simplifica a detecção e caracterização automatizadas de defeitos em superfícies metálicas texturizadas

Piston_Ring_main-350x250-260419fb-f801-4463-ac33-62bad6aa7a03

Produtos Relacionados

In-Sight D900

Sistema de Visão In-Sight D900

Baseado na Tecnologia de Software de Visão In-Sight ViDi Deep Learning

ViDi software with all defect detection tools

VisionPro Deep Learning

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

Os anéis de compressão de um pistão desempenham várias funções em um motor alternativo, vedando a câmara de combustão e regulando o consumo de óleo. Os defeitos em um anel de compressão são difíceis de detectar devido à superfície refletora do pistão. A forma cilíndrica do pistão torna, algumas vezes, as imagens pouco nítidas e desfocadas. Espera-se variações normais na textura da superfície do metal como parte do processo de fabricação e algumas, incluindo pontos oxidados, áreas brancas e mesmo rachaduras e fissuras na superfície, têm a aprovação em inspeção permitida. Riscos longos que afetem o desempenho do pistão e comprometam os níveis de compressão no cilindro são, entretanto, indicadores de defeitos reais. Um sistema de inspeção deve ser capaz de tolerar variações normais e anomalias insignificantes nas superfícies dos anéis de compressão e, ao mesmo tempo, identificar quaisquer riscos longos.

Programar uma inspeção desta complexidade em um algoritmo baseado em regras necessitaria de bibliotecas complexas e inexatas. A inspeção humana, apesar de mais flexível, seria muito lenta. O Cognex Deep Learning oferece uma solução de inspeção eficiente, combinando a habilidade humana de apreciar pequenas variações com a confiabilidade, a consistência e a velocidade de um sistema automatizado. Usando a ferramenta de detecção de defeitos do Cognex Deep Learning no modo supervisionado, um engenheiro treina o software baseado em deep learning em um conjunto representativo de imagens conhecidas do anel de compressão “bom” e “ruim”. Um técnico anota que as imagens conhecidas como “ruins” são aquelas que possuem riscos longos, e que as imagens “boas” com defeitos toleráveis incluem pontos de oxidação e pequenas rachaduras. Com base nessas imagens, o Cognex Deep Learning aprende qual a forma e a textura da superfície naturais do pistão, assim como a aparência normal dos riscos. Imagens adicionais podem ser inseridas no conjunto de treinamento durante o teste de validação para refletir exemplos adicionais e ajudar a otimizar o sistema. Os parâmetros podem ser ajustados continuamente durante a fase de treinamento e o período de validação até que o modelo detecte e separe corretamente todas as imagens com riscos longos. Durante o período de execução, o software caracteriza imagens com riscos longos como defeituosas, uma vez que aprendeu a reconhecer e ignorar variações irrelevantes.

Piston_Ring_ViDi

 

Faça o download do Guia de aplicações automotivas de Deep Learning
Produtos Cognex em destaque

ACESSE O SUPORTE E TREINAMENTO DE PRODUTOS E MAIS

Junte-se ao MyCognex

TEM ALGUMA PERGUNTA?

Os representantes da Cognex estão disponíveis em todas as regiões do mundo para ajudar com as suas necessidades de visão e leitura industrial de códigos de barras

Fale Conosco
Loading...