汽车和电子产品的点焊和接缝焊接检查

焊接完整性直接影响多个行业的产品安全、电气连接和结构可靠性。汽车行业依靠焊接来实现结构完整性和安全性。重型设备制造商面临类似的质量要求，焊接故障可能会损害安全性并引发昂贵的保修索赔。

电动汽车 （EV） 需要无缺陷焊接来保持电气连接，并确保密封以防止危险的电解质泄漏。消费类电子产品依赖于智能手机扬声器中音圈连接的点焊质量，其中焊接下会产生可能过早失效的薄弱触点，而焊接外可能会缩短组件寿命。  

在所有这些行业中，挑战不仅仅局限于简单的存在检测，制造商必须识别孔隙度、底切、缺乏熔合、裂纹、烧伤、气孔和表面污染，同时区分外观变化和影响性能的缺陷。这些应用需要在线检查功能，这些功能可以缩短周期时间，同时确保综合缺陷检测，使可靠、自动化焊缝检测变得至关重要。 

点焊和焊接缝的外观可能差别很大，在完美的焊接上具有不均匀的形状、位置、颜色、反射率、纹理和表面标记。对于有缺陷的焊缝，如果发生可接受的焊缝，会导致误报，也称为过度杀伤，从而增加废料率和成本，并增加人工检查以寻找误报，从而限制了自动化的优势。

其他焊接检查挑战包括：

• 复杂的表面纹理和反射背景使成像复杂化
• 从缺失焊缝到出现不可预测的孔隙率，各种缺陷类型
• 误报过多，导致手动检查部件良好，扰乱生产线效率

传统的基于规则的机器视觉无法适应焊接和可变缺陷的变化。手动检查无法跟上自动化生产速度的步伐，并且经常错误地识别焊接缺陷。外观差异、复杂背景和各种缺陷类型的结合创造了一种检验环境，其中传统方法始终表现不佳，导致因过度拒绝而错过缺陷或生产瓶颈。 

康耐视机器视觉系统使用强大的 AI 技术来区分可接受的焊接变化和真正的质量缺陷。由于康耐视 AI通过分析有缺陷和充分焊接图像来学习，因此它可以很容易地适应新的缺陷类型和可接受的变化。

该分类工具对特定缺陷类型进行分类，包括不良形状、孔洞、裂缝、烧伤和表面污染，从而实现上游过程控制，最大限度地减少随时间推移的缺陷。  

对于活塞接缝焊接检测等复杂应用，该系统处理重叠接缝，这些接缝是理想的安全特征，同时识别有问题的缺失、过功率或欠功率焊缝。康耐视机器视觉在具有挑战性的环境中表现优异，具有深色图像区域、纹理背景和可变照明条件，使传统系统混淆。  

可以使用一系列摄像机对焊接进行成像以进行分析。虽然测量焊接体积可能需要3D相机，但2D相机拍摄的图像已可用于所有其他检测，并可在开始处理前确保点焊的位置正确。

与基于规则的方法相比，AI 解决方案可大幅减少误报，保持生产线高效运行，同时保持汽车、电子和重型设备应用的全面质量控制。  

康耐视为您提供扩展技能、添加新产品或功能以及快速解决任何问题所需的资源和支持，使您的焊接检测始终以最佳状态运行。