AI voor detectie van vreemde voorwerpen voor alles wat niet op uw product thuishoort

Detectie van vreemde materialen hangt af van de vraag of het ongewenste kenmerk kan worden onderscheiden in de gemaakte opname. Deeltjes, fragmenten, vezels of resten kunnen geschikte doelwitten zijn wanneer het product, de achtergrond en de belichting voldoende zichtbare informatie bieden. De detectie van vreemde deeltjes moet worden getest met het werkelijke materiaal, de waarschijnlijke posities ervan en de kleinste afkeurbare voorbeelden. Definieer de inspectie op basis van die omstandigheden. Een materiaalnaam alleen is onvoldoende om vast te stellen of het systeem dit betrouwbaar op uw product zal zien.

Detectie van insluitingen is alleen mogelijk waar de gekozen beeldvormingsmethode het kenmerk blootlegt. Een deeltje dat door doorzichtig materiaal heen zichtbaar is, vormt een andere taak dan een deeltje dat in een ondoorzichtig onderdeel verborgen zit. Detectie van oppervlakte-insluitingen kan een zichtbare markering beoordelen, maar kan niet de volledige omvang of samenstelling van het materiaal eronder vaststellen. Deel dwarsdoorsneden, referentiebevindingen of ander beschikbaar bewijsmateriaal tijdens het haalbaarheidsonderzoek, zodat het team kan identificeren voor welke vereisten een aanvullende inspectiemethode nodig is.

Nee. Inspectie op vreemde materialen moet elk risico koppelen aan een methode die in staat is dit te detecteren. Camera's beoordelen het uiterlijk binnen het beschikbare zichtveld. Andere technologieën kunnen onder geschikte omstandigheden specifieke geleidende materialen, dichtheidsverschillen of verborgen kenmerken aanpakken. Visuele detectie van verontreiniging kan een nuttig controlepunt toevoegen waar ongewenst materiaal zichtbaar is, maar de bijdrage ervan moet worden gevalideerd naast de rest van uw inspectieproces. Houd de acceptatiecriteria en de actie voor elke methode duidelijk gedefinieerd.

Train met representatieve goede onderdelen en echte afkeurvoorbeelden. Neem bedrukking, textuur van de mal, normale kleurvariaties en het veranderende uiterlijk van het oppervlak onder productieomstandigheden mee. Detectie van zwarte vlekken vereist bijvoorbeeld een definitie van welke donkere kenmerken onacceptabel zijn en welke bij het product horen. Test twijfelgevallen apart en beoordeel vervolgens gemiste defecten en onterechte afkeuringen samen. Dit voorkomt dat een gevoelige inspectie een onnodige bron van afval of herhaalde handmatige controles wordt.

Detectie van plastic verontreiniging is lastiger wanneer het fragment weinig contrast heeft met het product. Transparantie, glans, dikte, oriëntatie en de achtergrond kunnen allemaal veranderen wat er in het beeld verschijnt. Detectie van ingesloten deeltjes wordt bemoeilijkt doordat het omliggende materiaal het doelwit maskeert. Haalbaarheid vereist fysieke monsters onder de voorgestelde belichting en camerastandpunten. Als de vereiste informatie ontbreekt in die beelden, zal het veranderen van alleen het model het doelwit niet betrouwbaar detecteerbaar maken.

Plaats het waar het relevante gebied toegankelijk is en een verdachte eenheid nog kan worden geïsoleerd. Bij zichtbare verontreiniging kan dit zijn voordat een deksel wordt geplaatst, een verpakking wordt gesloten of het product naar een volgende bewerking gaat. Overweeg of overlappende onderdelen, armaturen of productbewegingen het zicht belemmeren. Zorg ook voor voldoende afstand en tijd tussen de opname en de geconfigureerde actie. De juiste locatie moet zowel de plek waar het risico optreedt als de manier waarop de lijn op een bevinding reageert, weerspiegelen.

Het inspectieresultaat moet gekoppeld blijven aan de juiste eenheid terwijl deze naar het actiepunt reist. Optisch sorteren en andere scheidingsmethoden vereisen de juiste presentatie, tracking en timing. Spreek af of de lijn de eenheid moet afkeuren, vasthouden voor beoordeling of een andere gedefinieerde actie moet ondernemen. Controleer de volledige reeks op de beoogde productiesnelheid, inclusief onderdelen die dicht op elkaar staan en productwissels. Een correcte beeldclassificatie is alleen nuttig als de juiste eenheid de juiste actie ontvangt.

Nee. Inspectie op oppervlakteverontreiniging stelt een resultaat vast voor de zichtbare kenmerken en condities die in de validatie zijn opgenomen. Het bepaalt niet de chemische samenstelling, detecteert niet elk microscopisch of biologisch gevaar en bewijst niet dat verborgen gebieden schoon zijn. Houd die reikwijdte expliciet in uw kwaliteitsproces. Lever voor een proef representatieve monsters, een acceptatienorm voor defecten, de vereiste aanzichten en de actie die u aan de lijn nodig heeft. Deze input bepaalt wat dit visuele controlepunt kan bijdragen.