Làm thế nào việc kiểm tra bằng thị giác máy tính giúp cải thiện chất lượng gioăng cao su và giảm thiểu lỗi?

Những gì máy ảnh, hệ thống chiếu sáng và mô hình kiểm tra được đào tạo bài bản có thể - và không thể - kiểm soát trên dây chuyền sản xuất khuôn cao su.

Sự chấp nhận về mặt thị giác đang trở nên dễ đo lường hơn.

Kiểm tra bề mặt là một phần truyền thống trong sản xuất cao su, nhưng việc đáp ứng các tiêu chuẩn ngày càng khó khăn hơn nếu chỉ sử dụng các thao tác thủ công. Tiêu chuẩn ISO 3601-3 giải thích và phân loại các khuyết tật bề mặt trên vòng chữ O, cũng như đặt ra giới hạn cho kích thước tối đa của các khuyết tật; tài liệu này hiện đang được cập nhật một cách có hệ thống. Thực tế là, các phương pháp học sâu mà các nhà cung cấp hệ thống thị giác công nghiệp đã trình diễn trong quá khứ hiện đang được sử dụng để kiểm tra sản xuất tự động và đây chỉ là một trong nhiều điều đang diễn ra hiện nay.

Có thể thấy mối liên hệ giữa hai sự kiện này.

Các hệ thống niêm phong hiện nay bao gồm nhiều khoang hơn, có nhiều biến thể sản phẩm hơn và thời gian giao hàng ngắn hơn. Một người kiểm tra được đào tạo bài bản có thể nhận ra ngay một cạnh bị rách; nhưng đối với các vết thừa nhỏ, vết bẩn sẫm màu hoặc vết đúc nông, chúng có thể trông hoàn toàn khác nhau khi điều kiện ánh sáng hoặc người vận hành là người mới; do đó, yêu cầu quan trọng nhất trong trường hợp này là sự nhất quán trong kết quả.

Kiểm tra bằng thị giác AI rất hữu ích ở đây vì nó có thể so sánh từng bộ phận được trình bày với cùng một logic quyết định và lưu trữ kết quả. Tuy nhiên, nó không tạo ra tiêu chuẩn chấp nhận. Các nhóm kỹ thuật và chất lượng vẫn phải quyết định những khuyết tật nào của gioăng cao su là quan trọng, kích thước của chúng cho phép là bao nhiêu và ở đâu chúng được chấp nhận.

Máy ảnh phải nhìn thấy bề mặt chức năng.

Gioăng cao su không phải là một vòng đệm kim loại phẳng. Nó uốn cong, cuộn tròn, chùng xuống và phản chiếu ánh sáng không đều. Các hợp chất màu đen có thể che giấu các chất bẩn màu đen. Silicone có thể trông trong suốt ở một góc độ và mờ đục ở góc độ khác. Các đường phân tách tạo ra bóng tối giống như vết nứt, trong khi sự biến dạng vô hại trong quá trình xử lý có thể làm thay đổi đường viền từ hình ảnh này sang hình ảnh khác.

Đó là lý do tại sao việc kiểm tra gioăng cao su bắt đầu bằng hình thức trình bày và ánh sáng hơn là phần mềm. Chi tiết có thể cần được xoay, đi qua đường ray bằng kính hoặc được quan sát từ trên xuống và từ bên cạnh. Ánh sáng khuếch tán có thể giảm độ chói; ánh sáng ngược giúp dễ dàng đo đạc hình dạng bên ngoài. Một thay đổi nhỏ về góc máy ảnh có thể làm lộ ra vết cắt mà khi nhìn từ trên xuống sẽ biến mất.

Trong trường hợp hình ảnh có vấn đề về tính ổn định, mô hình cũng sẽ không ổn định. Để đưa độ phân giải máy ảnh, lựa chọn ống kính, khoảng cách làm việc, thời gian phơi sáng và độ lặp lại của thiết bị vào thiết lập kiểm tra, nên tuân theo một danh sách kiểm tra chi tiết. Hệ thống cũng yêu cầu đủ số lượng pixel trên khuyết tật nhỏ nhất có thể bị loại bỏ. Nếu không, việc phát hiện khuyết tật niêm phong sẽ trở thành một phỏng đoán được ngụy trang dưới danh nghĩa tự động hóa.

Những khuyết điểm nào có thể được tìm thấy?

Các lỗi thường gặp bao gồm: ánh sáng chói quá mức, thiếu sáng, vết cắt, vết rách, vết nứt, các hạt bị kẹt, vết phồng rộp, vết cháy, mép bị hư hỏng và hình dạng bị biến dạng. Trên các sản phẩm đã lắp ráp, máy ảnh cũng có thể kiểm tra xem vòng đệm O-ring có hiện diện, được đặt đúng vị trí hay có màu sắc phù hợp hay không. Mỗi lỗi cần có chế độ xem hình ảnh và quy tắc chấp nhận riêng.

Một số lỗi ở gioăng cao su chỉ mang tính thẩm mỹ; số khác lại tạo ra đường rò rỉ trực tiếp. Một vết xước trên bề mặt không có chức năng có thể chấp nhận được, trong khi vết xước tương tự trên mép gioăng thì không. Do đó, việc kiểm tra trực quan tự động nên được thực hiện theo từng vùng. Các bề mặt quan trọng có thể được kiểm tra nghiêm ngặt hơn so với các khu vực tiếp xúc với bao bì hoặc các cạnh không kín.

Việc kiểm tra kích thước có thể thực hiện được khi đường viền hiển thị rõ ràng và hình học chụp ảnh được kiểm soát. Đường kính ngoài, vị trí lỗ, chiều rộng biên dạng và chiều cao gờ là những yếu tố thường được kiểm tra. Tuy nhiên, các chi tiết mềm có thể di chuyển, do đó phép đo quang học không nên tự động thay thế thước đo đã hiệu chuẩn hoặc kiểm tra kích thước dựa trên bản vẽ.

Vì sao AI xử lý các phần linh hoạt tốt hơn các quy tắc cố định

Hệ thống thị giác truyền thống dựa nhiều vào ngưỡng, cạnh và các mẫu cố định. Nó hoạt động tốt khi các bộ phận tốt trông gần như giống hệt nhau. Cao su thì không dễ sử dụng như vậy. Hai miếng gioăng đạt yêu cầu có thể nằm khác nhau trên băng chuyền, có kết cấu hơi khác nhau hoặc mang những biến đổi nhỏ không gây hại từ quá trình đúc và cắt gọt.

Mô hình AI có thể được huấn luyện bằng các ví dụ thể hiện sự biến đổi bình thường này. Tùy thuộc vào nhiệm vụ, mô hình có thể phân loại toàn bộ một chi tiết, xác định vị trí một khuyết tật đã biết hoặc đánh dấu một bất thường không giống với mẫu chuẩn. Hình ảnh huấn luyện tốt nên bao gồm các khoang, lô hàng, hướng và sự biến đổi màu sắc bình thường khác nhau. Hình ảnh lỗi nên bao gồm các kiểu lỗi mà dây chuyền sản xuất dự kiến ​​sẽ phát hiện.

Cognex mô tả vấn đề này trong ứng dụng gioăng silicon đúc phun lỏng cho điện thoại thông minh. Gioăng chống thấm nước thường hẹp, linh hoạt và khó quan sát trên nền phức tạp. Ví dụ của họ sử dụng nhiều camera để có góc nhìn 360 độ đầy đủ và huấn luyện công cụ phát hiện lỗi trên các bộ phận đạt tiêu chuẩn cũng như các tạp chất, hư hỏng do ép, keo thừa và các lỗi khác. Ưu điểm chính không phải là mô hình nhìn thấy một lỗi tưởng tượng. Nó học cách chấp nhận sự biến đổi tự nhiên của các gioăng tốt trong khi loại bỏ những thay đổi có ảnh hưởng đến chức năng.

Hai ứng dụng đã được công bố cho thấy sự khác biệt

Ứng dụng thứ hai của Cognex liên quan đến các gioăng mềm được sử dụng trong mặt nạ phòng độc và thiết bị hô hấp. Các gioăng này có thể bị chùng hoặc chảy xệ khi đến gần camera, do đó hình dạng bề ngoài của chúng thay đổi ngay cả khi bộ phận vẫn hoạt động bình thường. Phương pháp được công bố sẽ huấn luyện dựa trên phạm vi hình dạng chấp nhận được và sau đó xác định các bất thường nằm ngoài phạm vi đó. Đây là một ví dụ thực tiễn về việc sử dụng kiểm tra thị giác AI trong những trường hợp mà các khuôn mẫu cứng nhắc gặp khó khăn.

Các ví dụ về ứng dụng trong ngành ô tô của KEYENCE rất đa dạng. Với sự hỗ trợ của ánh sáng đa màu, các chất bẩn nhỏ trên các bạc lót cao su có thể được nhìn thấy và sự thay đổi màu sắc nhẹ của các vòng chữ O hoặc gioăng từ các nhà sản xuất khác nhau có thể được phát hiện. Ngoài ra, còn có một ứng dụng kiểm tra vị trí chính xác của vòng chữ O trong quá trình lắp ráp. Những ví dụ này minh họa cách ba loại nhiệm vụ thường được coi là một có thể dễ dàng được phân biệt: một là kiểm tra bề mặt, hai là phân loại dựa trên vật liệu hoặc màu sắc, và cuối cùng là xác minh tính chính xác của quá trình lắp ráp.

Không có ví dụ nào cho thấy một camera duy nhất có thể giải quyết mọi vấn đề. Chất lượng gioăng cao su được cải thiện khi trạm kiểm tra được thiết kế dựa trên một khuyết tật cụ thể, một góc nhìn được kiểm soát và một hành động xử lý sau khi xảy ra lỗi. Hành động đó có thể là loại bỏ sản phẩm, xem xét của người vận hành, cách ly khoang hoặc điều chỉnh quy trình.

Thời gian chu kỳ và tỷ lệ sản phẩm bị lỗi cũng quan trọng như độ chính xác.

Thí nghiệm trong phòng thí nghiệm có thể tạm dừng giữa các lần chụp ảnh. Dây chuyền sản xuất thì không thể. Nếu sản xuất đạt tốc độ 60 sản phẩm mỗi phút, toàn bộ quá trình quyết định - chụp ảnh, xử lý, truyền thông và xác định sản phẩm lỗi - phải diễn ra trong khoảng một giây. Nhiều góc nhìn sẽ làm giảm thời gian có sẵn hơn nữa trừ khi các camera hoạt động song song.

Các nhóm kiểm soát chất lượng nên theo dõi hai loại lỗi. Lỗi chấp nhận sai cho phép sản phẩm lỗi tiếp tục được sử dụng; lỗi từ chối sai sẽ loại bỏ sản phẩm tốt và làm tăng chi phí. Sự cân bằng phụ thuộc vào rủi ro. Một niêm phong an toàn sinh mạng có thể cần được xem xét thủ công nhiều hơn so với một nắp che bụi không quan trọng. Việc chỉ báo cáo tỷ lệ chính xác tổng thể che giấu sự đánh đổi này.

Một quy trình kiểm định hữu ích sẽ ghi lại kết quả theo loại lỗi, khoang khuôn, lô sản xuất và màu sắc chi tiết. Các mẫu có lỗi cần được giữ lại để kiểm tra sau. Sau khi sửa chữa khuôn, thay đổi ánh sáng hoặc thay đổi màu vật liệu, mẫu cần được xác minh trước khi sản xuất bình thường tiếp tục. Điều này biến việc kiểm tra gioăng cao su thành một quy trình được kiểm soát thay vì chỉ là thiết lập phần mềm một lần.

Thị giác không thể thay thế các thử nghiệm vật liệu và hiệu năng.

Camera chỉ nhìn thấy hình dạng bên ngoài. Nó không thể xác nhận cao su đen đó là NBR hay EPDM, đo độ cứng, chứng minh độ bền kéo hoặc dự đoán độ biến dạng nén. Một hình ảnh hoàn hảo vẫn có thể thuộc về một loại vật liệu không phù hợp. Kiểm tra bằng thị giác AI cần được thực hiện song song với việc nhận dạng vật liệu, kiểm soát kích thước và thử nghiệm trong phòng thí nghiệm.

Sự thận trọng tương tự cũng áp dụng cho các khuyết tật bên trong. Các lỗ rỗng hoặc liên kết kém bên dưới bề mặt có thể cần đến phương pháp cắt phá hủy, chụp X-quang, siêu âm hoặc kiểm tra chức năng. Phát hiện khuyết tật lớp niêm phong bằng phương pháp quang học hiệu quả nhất khi lỗi lan đến bề mặt có thể nhìn thấy hoặc làm thay đổi hình dạng của chi tiết.

Kế hoạch kiểm tra cần nêu rõ những rủi ro nào được kiểm tra bằng phương pháp hình ảnh tự động và những rủi ro nào được kiểm tra ở nơi khác. Ranh giới rõ ràng ngăn chặn việc coi kết quả kiểm tra đạt yêu cầu bằng camera như bằng chứng cho thấy sản phẩm hoàn toàn phù hợp.

Xây dựng kế hoạch kiểm tra có thể được kiểm toán

Trước khi bắt đầu đào tạo, hãy thống nhất một danh mục lỗi. Bao gồm hình ảnh, tên lỗi, vị trí, quy tắc kích thước, mức độ nghiêm trọng và cách xử lý. Liên kết các giới hạn đó với bản vẽ, mẫu khách hàng hoặc tiêu chuẩn ISO 3601-3 nếu có. Các sản phẩm ở mức độ cận biên cần được xem xét riêng thay vì bị trộn lẫn vào thư mục sản phẩm đạt chất lượng tốt.

Việc lưu trữ dữ liệu cũng rất quan trọng. Hãy lưu lại kết quả gia công, thời gian, mã sản phẩm, lô hàng và khoang khuôn khi có thể. Việc phát hiện đột ngột hiện tượng bavia trên một khoang khuôn hoặc nhiễm bẩn sau khi thay đổi vật liệu sẽ hữu ích hơn so với tổng số sản phẩm bị lỗi hàng tháng. Bản ghi hình ảnh có thể giúp nhân viên sản xuất xác định nguồn gốc vấn đề.

Cuối cùng, hãy kiểm tra trạm bằng các mẫu dây chuyền thực tế. Hình ảnh phòng thí nghiệm sạch sẽ là chưa đủ. Bụi trên ống kính, rung động, sương dầu, ánh sáng xung quanh và sự chồng chéo của các bộ phận đều có thể ảnh hưởng đến hiệu suất. Chất lượng gioăng cao su phụ thuộc vào việc duy trì toàn bộ buồng kiểm tra, chứ không chỉ là mô hình đã được huấn luyện.

Yida có thể hỗ trợ chương trình chất lượng "Sẵn sàng cho thị lực" như thế nào?

Công ty TNHH Sản phẩm Cao su Chính xác Dalian Yida cung cấp vòng chữ O, gioăng và các linh kiện cao su đúc theo yêu cầu cho khách hàng công nghiệp. Đối với các dự án bao gồm kiểm tra bằng thị giác máy tính hoặc các kiểm tra tự động khác, Yida có thể dựa trên bản vẽ, mẫu đã được phê duyệt và giới hạn khuyết tật của khách hàng khi chuẩn bị các yêu cầu sản xuất và kiểm tra.

Thông tin hữu ích bao gồm các bề mặt niêm phong quan trọng, kích thước khuyết tật có thể chấp nhận được, vùng thẩm mỹ, vật liệu và màu sắc, nhận dạng khoang, hướng đóng gói và yêu cầu truy xuất nguồn gốc. Các mẫu từ các khoang khác nhau và các lô hàng thông thường có thể giúp xác định sự biến đổi mà hệ thống kiểm tra nên chấp nhận.

Yida không coi kết quả chụp ảnh là sự thay thế cho việc kiểm soát vật liệu và kích thước. Mục tiêu là kết hợp các tiêu chí trực quan rõ ràng với việc xác nhận tổng thể, đo lường và kiểm tra theo lô. Vui lòng gửi bản vẽ ứng dụng, tiêu chuẩn chất lượng, số lượng dự kiến ​​và yêu cầu kiểm tra để được xem xét và báo giá thực tế.