IA e precisão de medição, os desafios no controle de rebites anodizados
Projetada especificamente para o controle de qualidade de rebites anodizados, a máquina de classificação deste estudo de caso é uma máquina de mesa rotativa de placa metálica indexada, modelo MCV1, equipada com estações e software dedicados.
Além do pré-requisito de uma taxa de seleção não inferior a 100 pcs/minuto, o contexto apresenta três controles desafiadores.
- Rebite Diâmetro do corpo measurement with mandatory tight production tolerances to 12 μm
- Controle do formato do rebaixo hexagonal da haste para detectar peças com brochamento duplo
- Detecção de defeitos do logotipo de marcação na parte superior da superfície da cabeça
Durante a fase de testes, a situação se mostrou ainda mais complexa devido ao revestimento da superfície dos rebites, que é delicado e pode ser facilmente arranhado.
12 μm tolerance control
Dimac vision systems are designed to ensure precise control of production tolerances, especially for small metal parts applications, with a focus on tolerances up to 50μm. For even tighter tolerances, our control system is tailored ad hoc, incorporating measures that become more stringent as tolerances decrease. We’ve implemented a lens aberration correction algorithm, along with dedicated backlighting and a higher resolution camera paired with top-quality telecentric lenses. This combination aims to minimize the impact of glass irregularities and standardize diffraction effects at the piece’s edge across various images.To counteract the effects of environmental dirt in the production setting, our vision system includes advanced software filters for added protection and reliability.
The entire measurement process demands substantial computing power, driven by the necessity to capture 3 images per piece (one every 120°) at a rate of 100 pieces per minute, all while utilizing various software filters. To meet this demand, we employed an industrial computer equipped with an NVIDIA® graphics card. The outcome is a machine that successfully passes both MSA1 and MSA3 tests, even within the design tolerance range of 12 μm. It’s noteworthy that the increase in camera resolution brings significant benefits to measurement quality but could affect productivity. No entanto, a solução adotada representa o equilíbrio ideal entre os controles obrigatórios e a produtividade, garantindo a melhor combinação de qualidade e custo.
Verificação do formato do rebaixo hexagonal inferior da haste
Os controles obrigatórios incluem: verificar a presença do rebaixo na parte inferior da haste, verificar o formato hexagonal do rebaixo e a ausência de um efeito de brochamento duplo (um formato de estrela resultante de uma leve mudança de fase entre a primeira e a segunda passagem do corte) e verificar as características do logotipo de marcação na superfície superior da cabeça.
Os principais desafios, mais uma vez, envolvem garantir a estabilidade da imagem, destacar adequadamente todas as situações de defeito e implementar um algoritmo de interpretação capaz de reconhecer os defeitos sem acionar falsas rejeições.
Para resolver os problemas de imagem, escolhemos uma câmera entocêntrica com um iluminador anular coaxial direcionado para a borda inferior da haste. Esse iluminador fornece iluminação uniforme somente quando a peça está precisamente canterizada (com décimos de milímetros sendo cruciais).
Leveraging the production tolerance of 12μm on the body shank-diameter, the slots on the transport dial were carefully designed to serve as the vertical constraint for hanging and guiding the piece. A spring catch positioned above the rotary table, along with the precise seat offered by the dial-slots’ chamfer to the head of the rivet, ensures the piece remains in position even in the presence of vibrations.
The outcome is an image where the hexagonal bottom recess appears prominently in black within the light circular crown of the piece’s wrench. This was good but not enough to ensure the detection of a double broached recess, because the presence of dirt could affect the control. For this reason an algorithm was developed to rely on light gradient analysis, specifically the extent of a gray band around the hexagon’s circumference. O algoritmo conta quantas vezes o gradiente cruza um segundo diâmetro de circunferência definido pelo usuário. Essa circunferência medida define o limite entre a sujeira aceitável e os defeitos reais, permitindo uma sensibilidade de controle ajustável.
Verificação dos caracteres do logotipo de marcação
na parte superior da superfície da cabeça
Na cabeça plana superior do rebite, uma marcação de conteúdo variável, como o lote de produção, é impressa. À medida que a peça se move sob o marcador, pode acontecer de a escrita parecer dupla ou borrada, tornando-a ilegível.
A estabilidade da imagem é fundamental para esse processo, pois qualquer instabilidade cria ruído de fundo, obscurecendo a linha entre componentes em conformidade e não conformes. Os métodos tradicionais de análise de imagem são limitados e, mesmo com o auxílio das funções de OCR (reconhecimento óptico de caracteres), não é possível processar 100 peças por minuto.
A IA vem em nosso auxílio oferecendo uma solução que inclui o treinamento de uma rede neural para se concentrar exclusivamente no reconhecimento do defeito, não no conteúdo textual da redação. A IA ignora o significado do texto controlado, mas é capaz de identificar as peculiaridades associadas ao defeito no texto escrito.
Como nas verificações anteriores, o desafio está em encontrar o equilíbrio certo entre os tempos de computação, o discernimento de defeitos e o investimento na qualidade dos componentes.
Manuseio de peças com revestimento de superfície delicado
Anodized rivets typically don’t require special handling procedures in the feeding system, except during machine setup when the piece rotates 360° inside transport disc slots. Occasionally, the side surface of the cylindrical body could get abraded during the contact between the rivet shank and the metal disk slot, this does not affect the functionality of the piece but should be prevented for aesthetic reasons. To prevent abrasions , one common method is lifting the piece off the disc, but this is not recommended here, because of time constraints. Increasing the slot diameter is not an option because of the precise stability of the piece required for the bottom hex-recess control.The final solution is an accurate centred piece rotation within the disk-slot clearance (5 hundredths of a millimetres). Overcoming this mechanical challenge requires meticulous craftsmanship in component care and assembly.
AI and Training
O controle de Inteligência Artificial (IA) difere do software de visão tradicional por não depender de regras predefinidas. Em vez disso, o algoritmo de IA calcula variáveis, formando uma rede neural que avalia a similaridade da imagem para categorias como peças compatíveis e não compatíveis. Essa rede determina a porcentagem de semelhança de uma nova imagem com categorias específicas.
AI goes beyond analytical image interpretation, autonomously generating search criteria with logics not directly understandable by humans. While highly versatile and powerful, its results aren’t entirely predictable beforehand, necessitating careful field validation.
O processo de treinamento em IA, que envolve uma estação de computação bem equipada e as licenças de software necessárias, também exige conhecimentos específicos.
É fundamental chegar a soluções eficazes e eficientes do ponto de vista computacional. O processo de IA exige um tempo de cálculo substancial para as fases de treinamento e validação. Para evitar períodos improdutivos prolongados do equipamento de classificação, o treinamento não é realizado na máquina de classificação.
Para a conveniência do usuário, a Dimac oferece serviços de treinamento remoto de redes neurais.
O software da máquina incorpora um procedimento simples para ajudar os operadores a capturar imagens suficientes de amostras em conformidade e com defeito. A Dimac realiza o treinamento como um serviço, refina-o e valida-o e, em seguida, instala a rede neural treinada na máquina.
Garantir um controle 100% seguro do logotipo dos caracteres marcados na cabeça do rebite representa um desafio que não pode ser resolvido com técnicas tradicionais. Juntamente com a inspeção visual humana, a IA é atualmente a única solução viável. O olho humano continua sendo essencial para definir e otimizar o fluxo de trabalho da IA hoje e possivelmente no futuro.
