• 微信扫一扫

剪刀里的科技奥秘!ifm视觉系统可精准检测毫米级零部件,打造高效质量控制体系

2024-03-05

文章来源:ifm易福门电子、e-works数字化企业网    作者:ifm易福门电子      

制造过程中,在下一个加工步骤之前,通常需要对精密部件进行检查,以实现装配过程中的质量控制。和我们一起探索ifm的传感器和视觉系统,如何为产品质量保驾护航!

GARDENA是一家领先的园艺工具制造商,生产各类机械切割工具和园艺剪刀,其制造范围高度垂直整合,包括:冲压、激光切割、淬火、研磨、涂层和组装等工序。在GARDENA的生产和装配环节中,质量控制是确保产品剪切质量,进而塑造品牌核心竞争力的关键因素。

制造过程中,在下一个加工步骤之前,通常需要对精密部件进行检查,以实现装配过程中的质量控制。和我们一起探索ifm的传感器和视觉系统,如何为产品质量保驾护航!

01 半自动化生产

生产过程中的大部分工序已实现自动化,例如,机器人用于将金属板送入冲压或激光切割系统。在磨削过程中,机器人沿着磨石精确地引导刀片,以确保始终如一的高质量产品。

然而,一些任务仍需手动完成,比如GARDENA通用型剪刀“SchnippSchnapp”的最终组装步骤,需要手动将毫米级的碟形弹簧插入剪刀半部分的凹槽中,这样剪刀才能顺利打开和关闭。

  

图1

*工人手动将毫米级碟形弹簧插入剪刀中间的凹槽中

为了确保产品质量,系统在将零件拧紧之前会自动检查碟形弹簧是否正确插入。视觉传感器在这里发挥着重要作用,用于检查碟形弹簧是否正确插入关节,并确保其方向准确,可靠防止由于装配错误导致的废品。

  

图2

GARDENA 的对刀师解释说:“位置检测在这里非常特殊,因为非常小而扁平的碟形弹簧位于凹槽中,电感式或光电式槽形传感器在这里无法胜任。这就是我们使用ifm相机系统的原因,它甚至可以检测弹簧是否以正确的方式插入。”

  

图3

*视觉传感器检查弹簧是否以正确的方式插入

02 2D视觉传感器O2D

GARDENA选择使用 ifm的O2D5视觉传感器来针对这种特定的位置检测任务。这款基于相机的传感器专为光学 2D 物体检测而开发,通过使用斑点分析来比较连续像素集,将碟形弹簧的大小、形状和其他属性与编程的目标表面进行比较。

2D双重功能视觉传感器

单个设备即可完成物体检测和检验

  

图4



● 实时维护和快速更换

图像清晰度、亮度和ROI区域监测以及使用ifm记忆棒备份

● 灵活适应各种不同的照明条件

生成多个采用不同曝光时间和偏振滤光镜的图像

● 使用ifm Vision Assistant轻松操作

使用应用向导(“向导”)进行直观的菜单导航和快速的参数设置

● 显著降低安装复杂度和库存水平

单个设备即可完成轮廓和BLOB分析,应用非常灵活

● 提高产品质量并降低不合格率

及早检测故障源并实施优化,确保进行正确且完整的加工

ifm参数设置软件Vision Assistant可帮助快速设置传感器,用户只需定义要检测的对象所在的图像区域,并记录参考图像,然后定义公差限值。一旦超过这些限制,传感器就会产生错误信号。O2D5设备配备了一个ifm记忆棒,所有参数和设置都存储在该记忆棒上,如需更换设备,可以使用摇杆轻松地将数据传输到新传感器。

  

图5


*借助Vision Assistant软件,可以使用示教功能轻松将传感器调整到所需的应用

03 无惧外来光干扰

在面对外来光挑战时,ifm系统表现出色。在不断变化的光照条件下,系统以不同的曝光度拍摄五张照片,并自动使用具有最佳曝光度的图像进行比较,来保持检测的稳定性。

GARDENA对ifm解决方案非常满意:在这个系统中,外来光不起重要作用,我们在另一条生产线上使用相同的相机检测毫米范围内的极小零件。那里有大窗户,这意味着我们必须应对光线条件的更明显变化。即使在这种环境下,ifm的相机也能提供出色的效果。相机镜头前方的集成偏振滤光片可最大限度地提高检测效率,可以毫无问题地检测高反射物体。

通过与ifm合作,GARDENA引入新技术,ifm的专业建议和视觉传感器在监控生产过程和质量检查方面发挥关键作用,共同推动生产线的进一步优化。


版权声明:

《一步步新技术》网站的一切内容及解释权皆归《一步步新技术》杂志社版权所有,转载请注明出处!

《一步步新技术》杂志社。

相关推荐

更多
联系我们
  • 电话:0755-25988572
  • 邮箱:ivyt@actintl.com.hk
  • 地址:中国深圳市福田区联合广场A座2801
  • 订阅号订阅号
    服务号服务号
Copyright©2024: 《一步步新技术》; All Rights Reserved.备案序号:粤ICP备12025165号-2
app雷竞技
Baidu
map