Metallverarbeitung
Die maschinelle Bildverarbeitung von Metallteilen prüft reflektierende Werkstücke und passt die Roboterpfade an die tatsächliche Geometrie an. Es umfasst bearbeitete Komponenten- und Schweißfehler, Metallbestand, Rohrzählung, Teileklassifizierung, 3D-Bin-Picking, CNC-Beladung, Schienenkantenbeschnitt und Roboterschleifen.
Teilebestandsverwaltung mit AR + KI
META-aivi nutzt künstliche Intelligenz, um Größenabweichungen der Rohre sofort und präzise zu identifizieren. Mithilfe der Schnellzählfunktion werden alle unterschiedlichen Teile innerhalb von Sekunden klassifiziert und gezählt.
‧
Wrench-Fehlererkennung mit KI
SolVision KI verbessert die Fehlererkennung bei Schraubenschlüsseln, die Qualitätskontrolle und die Produktionseffizienz und überwindet die Einschränkungen traditioneller AOI-Systeme.
‧
KI-Inspektion von gestanzten Metallteilen
Es gibt viele Arten von Defekten, die bei den gestanzten Teilen unterschiedlich auftreten können, insbesondere Öl- oder Wasserflecken, die nicht leicht zu erkennen sind.
‧
Schienenkantenbeschnitt mit bildverarbeitungsgesteuerter Robotik und KI
Die visionsgesteuerte Robotik von SolMotion ermöglicht eine KI-gesteuerte Automatisierung des Schienenkantenbeschneidens und verbessert so die Effizienz und Versorgung im Schienenfahrzeugbau.
‧
Metallschleifen mit bildgesteuerter Robotik und KI
Automatisieren Sie präzises Schleifen mit der 3D-Matching-Technologie von SolMotion. Verbessern Sie die Qualität, reduzieren Sie den Abfall und steigern Sie die Produktivität bei der Herstellung von Metallkomponenten.
‧
Fehlererkennung bei Laser-Schweißen mit KI
SolVision überwinde die Herausforderungen bei der Inspektion von Laser-Schweißarbeiten mit KI und ermöglicht eine präzise Fehlererkennung zur Verbesserung der Schweißqualitätskontrolle.
‧
KI-Fehlererkennung für spiralförmig strukturierte Metalle
Kleine, spiralförmige Metallteile können mit dem Instanzsegmentierungstool von SolVision inspiziert werden, um die verschiedenen Arten von Schnittmarken oder Kollisionsfehlern anhand von Beispielbildern zu erlernen und dann ein KI-Modell zu erstellen, das diese subtilen Mängel erkennt.
‧
AI-gestützte Fehlererkennung bei Schweißnähte
Angetrieben von KI kann Solomon SolVision die Schweißinspektionsprozesse automatisieren, indem es die verschiedenen Formen und Merkmale von Schweißnähten aus Beispielbildern erlernt.
‧
Zählen von Fahrradrahmenrohren mit AR + KI
Die AR + KI-Lösung von META-aivi verbessert die Genauigkeit und Effizienz der Rohrzählung bei der Fahrradrahmenproduktion, reduziert Fehler und steigert die Produktivität.
‧