Skip to Main Content
texto

橡胶质量控制和检测

橡胶检测面临独特的挑战:柔性组件会以意想不到的方式变形,而传统的视觉系统很难区分可接受的变化与诸如闪光、填充不足和撕裂等关键缺陷。康耐视 AI 机器视觉可适应密封件、垫圈和连接器的材料灵活性,同时可靠地检测影响性能的功能缺陷。

推荐产品

Cognex L38/L4000 with VisionPro 3D vision system

配备 VisionPro 软件的 L38 系统

3D视觉系统由基于 PC 的软件提供支持,用于解决复杂、高速和高度定制的任务。

查看产品
VisionPro Deep Learning software interface

VisionPro Deep Learning 软件

AI 驱动的 PC 图像检测软件,可实现快速、稳健的质量控制。

查看产品

从智能手机中的橡胶垫圈到工业橡胶密封,质量控制至关重要

橡胶组件为各行各业提供关键功能,在这些行业中,故障可能会产生严重后果。液态硅橡胶 (LSI) 和传统橡胶密封件在电子器件中具有防水性,而弹性垫片则可确保工业应用中的耐化学性。夹具和柔性连接器必须通过重复使用和暴露于环境应力来保持其结构完整性。底线:单个受损的密封会导致灾难性的产品故障,因此无缺陷橡胶密封至关重要。

注塑成型、转移成型和压缩成型等橡胶制造工艺可能会带来许多缺陷:闪速形成、填充不足条件、气泡滞留、切口和撕裂都是传统检测方法难以持续检测的常见问题。这些挑战需要先进的检测技术,以适应柔性橡胶材料的固有可变性。

橡胶检查需要灵活、适应性强的机器视觉

传统的机器视觉系统在应用于橡胶检测应用时面临重大障碍。橡胶组件的灵活性意味着它们在检查过程中会发生不可预测的变形,从而以对基于规则的机器视觉来说过于复杂的方式改变它们的外观。

深色橡胶表面吸收光线,对缺陷检测的对比度较差,具有折叠和曲线的复杂形状使得照明更加困难。在不同环境和照明中为每个特定缺陷编程规则将是低效和无效的。

压倒传统系统的主要挑战包括:

  • 材料差异容差:区分可接受的弯曲相关外观变化和合法缺陷
  • 复杂的几何形状:始终如一地检查弯曲的表面、深折痕和不规则形状
  • 限制多样性:检测不同环境中的闪光、填充不足、气泡、割伤、撕裂和污染。
  • 表面特性 - 克服橡胶材料固有的对比度和反射率差问题

    使用 AI 技术的高级机器视觉可提供克服这些限制所需的自适应智能。与基于规则的系统不同,AI 解决方案从良好和有缺陷组件的代表性样本中学习,对图像集进行训练,采集各种可接受的变化。

利用 AI 精度实现橡胶检测自动化

​ 康耐视 AI 检测系统将具有挑战性的橡胶质量控制转变为可管理的自动化流程。康耐视 AI 技术对优质和有缺陷橡胶组件的代表性样品进行培训,学习发现真正的质量问题,同时接受柔性材料固有的自然变化。

对于智能手机防水密封等复杂应用,康耐视解决方案可协调多相机,以提供完整的 360 度检测覆盖范围。AI 技术可分析狭窄的轮廓视图和复杂背景,确保在不影响生产速度的情况下进行综合缺陷检测。

该技术可无缝适应从 LSR 注塑成型到压缩成型操作的不同橡胶类型和制造工艺。这种灵活性使制造商能够在不同的产品线中实施一致的质量标准,同时保持竞争性制造所必需的生产速度。

借助康耐视的全球检测专家网络和综合在线专业知识,您可以获得优化橡胶质量控制操作所需的专门支持,以实现最大的可靠性和效率。 

自动检查和缺陷检测的基本指南 | 英语

自动化检测和缺陷检测的基本指南

了解机器视觉如何自动执行检查和缺陷检测,以简化质量控制。

下载