解决方案产业分类
解决方案 · 按行业 —

产业分类

工业中的机器视觉使自动化系统能够观察、判断和行动。它使用摄像头、光学器件、受控照明和人工智能驱动的软件,实时分析视觉数据,以检测缺陷、测量尺寸、读取代码和引导机器人。然而,每个部门都有不同的对象、缺陷、操作条件和周期时间。因此,这些行业分为工业、基础设施和能源以及消费者和医疗保健,每个页面都汇集了经过现场验证的应用程序和部署,以满足您的运营挑战。

工业领域

适用于规则耗尽的工厂的工业机器视觉:批次不同的缺陷、反射或模糊的标记、永不静止的零件。这些部署显示了根据样本图像训练的检查和机器人处理,而不是在每次转换时重新调整阈值。

制造机器视觉将检查、验证、计数和机器人处理联系起来。从接线和笔记本电脑构建到焊接、垫片和机加工零件,它可以发现缺陷和缺失物品、更新库存并指导 CNC 和装配操作的 3D 箱拣选。

电子机器视觉可发现细微缺陷并验证 PCB 和组件装配。覆盖范围包括 BGA 焊接、MLCC 表面、电缆绝缘、笔记本电脑制造、包装内容、连接器分类和设备检查,针对导致手动重新检查的低对比度错误。

半导体人工智能检测位于可见度边缘、对比度低且容易被误认为抛光痕迹或正常表面纹理的缺陷。这些部署表明,晶圆厂和封装线能够捕捉到 AOI 过度杀伤或遗漏的内容,从 CMP 划痕到切割芯片。

LED 缺陷检查,其中缺陷太小、变化太大、位置太随机,无法固定规则。这些部署显示了通过定位每个缺陷的分段模型检查的光学组件,以及沿途读取数字记录的模拟仪表。

金属零件机器视觉检查反射工件并使机器人路径适应实际几何形状。它涵盖机加工部件和焊接缺陷、金属库存、管计数、零件分类、3D 箱拣选、CNC 装载、钢轨边缘修整和机器人磨削。

汽车机器视觉通过搬运、装配和检查来跟踪零件。工作流程涵盖随机箱拣选、齿轮装载和车身面板密封、轮胎 DOT 和发动机序列读取、油漆和零件缺陷检测、车门验证和注塑监控。

塑料和橡胶检测中,模制零件的每次注射都会有所不同,而柔性材料的情况不会出现两次相同的情况。这些部署显示了吸收这种变化的缺陷检查,机器人拾取固定自动化无法抓取的化合物和模制零件。

纺织面料检查,产品本身的颜色、图案和纹理掩盖瑕疵,AOI 将正常编织标记为瑕疵。这些部署显示了在不断变化的设计中出现的孔洞、结和断线,而无需对每件物品进行重新调整。

基础设施与能源

基础设施资产检查,资产分布在各个站点,记录仍然存在于纸面上。这些部署展示了无人机、摄像机和 AR 设备根据书面标准运行检查,从涡轮叶片到装载台,并记录每一个结果。

泵站的公用事业资产检查,人工智能连续读取模拟仪表液位和面板指示灯,并标记安全范围之外的任何情况。电气接线检查按照 AR 指导的程序进行,因此可以在工作发生时捕获现场记录。

对石膏干墙板进行建筑材料检查,发现隐藏在印刷和纹理表面图案内部的污渍、污垢、划痕和压花缺陷。在现场,AR 引导检查引导操作员一步步完成油轮装卸。

堆场和仓库步骤的物流人工智能愿景仍然依赖于眼睛和剪贴板:根据集装箱号码输入门记录,通过在货架上行走来计数库存。这些部署显示了摄像头的读取、计数和拣选运行,并记录每个结果。

使用配备人工智能的无人机进行可再生能源检查,检查整个风电场的叶片到电机垫圈的状况,并使用 GPS 坐标记录结果。 AR 引导检查根据程序验证储能设置和电气接线,创建数字检查记录。

机场停机坪通过现有 IP 摄像头监控飞机周转每个阶段的时间,取代了桥梁连接、货物装载、餐饮和下机的手动秒表记录。结果直接输入停机坪管理系统进行实时干预。

航空航天机器视觉,其中错过步骤的成本最高:从内存检查接线,由数十个几乎相同的零件构建的套件。这些部署显示了 AR 指导让操作员能够执行程序,机器人可以识别小至 5 毫米垫圈的组件。

民生消费与医疗

消费品检验中,自然变化是常态,反光包装超出了固定阈值。这些部署表明,分级机、药房和装瓶商对从鸡蛋到香水玻璃器皿等看似绝不相同的产品保持同一个标准。

零售货架和结账视觉可根据货架图像审核货架图,验证产品放置、货架标签和库存间隙,无需手动走查。在收银台,商品识别可加快自助结账速度,并且相同的计数模型可保持整个商店的最新库存记录。

制药人工智能检查,漏掉的颗粒或填充错误到达患者手中,反光泡罩薄膜使传统摄像头失明。这些部署显示以生产线速度检查无菌产品是否存在与规则差异太大的缺陷,并记录每个结果。

食品和饮料机器视觉中的天然产品不符合规范,而且卫生条件不允许。这些部署显示通过弯曲的低对比度玻璃发现的污染,从反光帽读取代码,并且在每个项目不同的地方保持稳定的分级。

赌场筹码计数人工智能可对面额进行分类并验证现有监控摄像头的总数,从而保持筹码堆叠和颜色紧密排列的准确性。对整个杆面进行检查,抛光的球杆头也会出现同样的反射表面问题。

对香水玻璃器皿进行化妆品瓶检查,发现透明、弯曲和高反射表面上的生产缺陷,而手动抽查通常会漏掉这些缺陷。基于图像的学习取代了每个新瓶子形状所需的照明和阈值调整。

用于履行奢侈品订单的易碎品机器人拣选,这些物品是精致的、高价值的并且到达时以不同的方式呈现。视觉引导抓取选择并放置每件物品,没有破损风险,大多数配送中心都保留这种拣选手册。

SolVision · Defect detection
Run your own parts through SolVision —
Bring your defect images, get a trained inspection model back.