为机床工具企业提供深度市场分析                     

用户名:   密码:         免费注册  |   点击 进入企业管理  |   申请VIP  |   退出登录  |  

English  |   German  |   Japanese  |   添加收藏  |  

车床 铣床 钻床 数控系统 加工中心 锻压机床 刨插拉床 螺纹加工机床 齿轮加工
磨床 镗床 刀具 功能部件 配件附件 检验测量 机床电器 特种加工 机器人

博古通
搜索
热门关键字:

数控机床

 | 数控车床 | 数控系统 | 滚齿机 | 数控铣床 | 铣刀 | 主轴 | 立式加工中心 | 机器人
      用户频道:    应用案例 |  汽车 |  模具 |  船舶 |  电工电力 |  工程机械 |  航空航天 |  仪器仪表 |  通用机械 |  轨道交通 |  发动机加工 |  齿轮加工 |  汽轮机加工
您现在的位置:数控机床市场网>资讯中心>企业动态
工业视觉新方向
2020-5-18  来源:--  作者:-  访问量:
 
       在人口红利减弱,产业升级和效率提升的背景下,工业及自动化产业趋势向好,本次疫情突发,短期对整个制造业有较大影响,中长期来看,机器换人的优势会不断凸显,也将推动自动化行业发展。
  
       从工业的角度看待视觉
  
       机器视觉是实现工业自动化,工厂智慧化的关键零部件之一。一是工业4.0浪潮席卷全球,制造智能化必然带来生产设备的升级;二是我国人口红利优势逐渐弱化,很多厂家倾向于机器代人,减少人工成本;三是消费水平的升级,消费者对产品的品质提出更高的要求,使得厂家加大质量把控。三者环环相扣,为机器视觉的市场,在智能制造领域带来新的发展契机。
  
       在工业领域,机器视觉充当生产设备“眼睛”的功能,解决人眼无法识别、检测的工作,实现效率好、成本低的经济效益,是视觉技术发展的出发点和落脚点。那么,对于客户使用角度看,更倾向高精度、高准确率,大视野自动变焦检测,以及软件的快速导入等方面。对此,勃肯特已将传统口罩机升级,融入视觉和机器人,大大提高了生产效率和准确率,节约人力。
  
  
       首先是检测的高精度,高准确率。这个是机器代替人眼最基础的,也是最直接的目的。人工检测容易产生疲态,导致工作质量不佳,并且精密制造领域,机器视觉比人眼有着绝对的优势。目前来看,机器视觉的测量和判断,已经非常成熟。
  
       机器视觉是一项综合技术,其主要的市场分布在电子制造业、汽车制造、制药、食品与包装机械等领域。根据前瞻研究院报告数据显示,电子制造业在机器视觉市场占比46.57%,汽车产业次之,占比为31.02%。此外,物流、食品、包装、印刷等行业的渗透率也逐年的提高。
  
  
       从机器视觉的具体应用看,电子制造业应用具体在PCB印刷电路、电子封装、丝网印刷、SMMT表面贴装、半导体及集成电路、回流和波峰焊,以及智能手机、平板电脑等消费类产品。汽车制造业的主要应用于面板印刷质量检测、精密测量等。食药和包装机械主要集中在封装缺陷检测、生产日期检测、颜色识别、分拣等方面。印刷机械则是在于印刷质量检测、印刷字符检测、条码识别等。
  
       勃肯特结合视觉和并联机器人,实现了100多种PCB板种类识别分拣,该系统由BKT-VISION2.0视觉系统软件,配合D-1200三加一轴并联机器人,完成PCB印刷电路生产线。
  
  
       工业视觉新方向
  
       危中有机,疫情也能够在很大程度上为制造业向无人化、智能化的转型升级提供启示与展望。多数制造业企业已认识到,在生产环节上,要抛弃落后产能,摆脱传统人力手工对产能和效率的束缚,极大降低对人力的依赖,确保企业的生产和运作也不会轻易受到疫情、事故、人员变动的影响。同时,在系统调度上,要能够最大限度的保证灵活性和准确率。
  
       BKT-VISION2.0视觉系统检测方法是一种基于图像处理技术的在线自动检测技术,该视觉检测技术主要包括:实时监控、相机标定、物体定位、颜色识别、实时通信、错误报警、状态显示,且封装了3D视觉检测、深度学习模块。该视觉检测系统装置是由工业摄像机(包含工业镜头)、相机电源线、机器视觉光源、光源电源线、光源控制器、网络传输线、勃肯特自主研发的视觉控制器等主要部件组成。
  
       1)3D视觉的发展
  
       我国智能制造装备产业结构转型和技术提升的市场空间巨大,机器视觉行业将受益。随着智能化生产技术的不断完善,3D机器视觉也开始进入人们的视野。目前3D机器视觉大多用于水果和蔬菜、木材、化妆品、烘焙食品、电子组件和医药产品的检测。它可以提高合格产品的生产能力,在生产过程的早期就报废劣质产品,从而减少了浪费节约成本。这种功能非常适合用于高度、形状、数量甚至色彩等产品属性的成像。
  
       2)深度学习带来的突破
  
       传统的机器学习在特征提取上主要依靠人来分析和建立逻辑,而深度学习则通过多层感知机模拟大脑工作,构建深度神经网络来学习简单特征、建立复杂特征、学习映射并输出,训练过程中所有层级都会被不断优化。
  
       基于深度学习,勃肯特研究院技术人员已开发了垃圾分类系统。该系统基于GPU,由100多万张图片训练形成,分类准确率可达95%以上。针对作业环境为分拣对象具有种类较多,形状不规则,不易分辨等特点。
  
  


       (来源: 勃肯特)
    投稿箱:
        如果您有机床行业、企业相关新闻稿件发表,或进行资讯合作,欢迎联系本网编辑部, 邮箱:skjcsc@vip.sina.com
更多相关信息
  • target=_blank>西门子:融合工业人工智能和工业边缘计算 — 来自2020西门子工厂自动化线上媒体沙龙的报道
  • target=_blank>昊志机电:助力高品质“熔喷模头”加工
  • target=_blank>国产高档数控系统在汽车零部件制造领域成功实现大规模应用
  • target=_blank>航天重工363吨矿用车批次订单首台装车发货
  • target=_blank>瓦轴特大型轴承营业收入再创新高
名企推荐
山特维克可乐满
哈斯自动数控机械(上海)有限公司
西门子(中国)有限公司
哈挺机床(上海)有限公司
北京阿奇夏米尔技术服务有限责任公司
陕西秦川机械发展股份有限公司