康耐视博客

日本 Sekisui House 如何使用 VisionPro Deep Learning 自动化瓷砖墙缺陷检验

Sekisui House uses Cognex deep learning to find defects on ceramic tile

Sekisui House Ltd. 是日本最大的建筑商之一,年利润近 $200 亿美元。公司始创于 1960 年,总部位于大阪,以其 Shizuoka 和 Tohoku 工厂生产的特制 Bellburn 瓷砖闻名。

Bellburn 瓷砖用于高档房屋建筑的外墙。它们不仅美观,而且耐用,有自清洁属性,代表着公司“慢工聪明活”的生产理念。瓷砖经过回火处理,并在生产过程中采用了陶瓷艺术技术。但是,和陶瓷艺术一样,最初的成型工艺有时会在外侧留下小凹坑或线条,然后会粘上粘土或其他材料。为了避免成型时的外观缺陷,需要对每一块瓷砖进行检测。

Sekisui House 01

但是,人类是无法跟上此人工视觉检测的工作量。考虑到 Bellburn 瓷砖自动化检测中可能出现的各种视觉缺陷,编写机器视觉检测规则也会很困难而且费时。而且,并不是每一种外观缺陷或颜色不规则都应视为废品。某些潜在缺陷在可接受的范围内,为了不影响所需的供应量,这些应视为合格产品。

为了保证最终检查时有所需数量的 Bellburn 瓷砖,他们要根据以往的生产速度和人工检测的低效率情况制定生产计划。这会导致库存增加,而且某些会成为固定库存。

为了解决这些检测问题,Sekisui House 部署了 VisionPro Deep Learning 和线扫描相机以及 LED 照明,以自动化整个生产流程中的外观缺陷检测。自动化所有瓷砖的检测后,该建筑商成功提高了生产流程的整体质量,减少了剩余生产,削减了库存和成本,并稳定了 Bellburn 瓷砖的供应。

深度学习缺陷探测只需要少量的图像数据

VisionPro Deep Learning 是计算机深度学习解决方案,可以根据少量合格的样本图像识别原板上的各种外观缺陷。通常,要使开源深度学习工具理解可接受缺陷和不可接受缺陷的区别需要海量图像数据。但是,VisionPro Deep Learning 缺陷探测工具是专为生产设计的,它只需要大约 100 张图像的样本集就能完成这个任务。

在成型流程的烧制步骤之后,线扫描相机和 LED 照明拍摄外观图像进行自动化检测。VisionPro Deep Learning 可以识别凸起、凹陷、颜色阴影、或者多余线条等缺陷。然后,它可以分析这些图像,让自动化工程师可以根据可接受或不可接受的外观缺陷对应用进行微调。

生产线上的高处理速度和实时探测

Sekisui House 02 

现在,通过实时探测成型流程中出现的缺陷,可以在流程中的早期发现有缺陷的产品。这样可在最终检测之前的步骤中更准确地完成质量管理,提高生产计划的准确性。例如,区分一块 200 x 32 cm 的材料约需要两秒。如果只使用人工检测,生产线速度下的这种外观检测完全就是不可能的。VisionPro Deep Learning 能够选择性地检测变形部位,因此可以实现很高的处理速度。

成功减少固定库存

引入这种检测系统使固定库存减少了 40%,占之前保留生产量的 0.4%,从而降低了成本。

在最终流程之前使用深度学习自动化视觉检测可以大幅提高质量管理的准确性。它提高了产量,因此可以准确地制定生产计划,也能减少库存。

通过水平扩展进一步降低成本

在 Shizuoka 工厂成功部署深度学习缺陷探测系统后,他们又在 Tohoku 工厂部署了此系统。在 Tohoku,外观检测是在粘土材料压制阶段后。如果在粘土干燥之前探测到缺陷,则可回收材料,避免浪费。这样便成功节省了大量材料成本。

让稳定供应成为必然

在生产期间使用 VisionPro Deep Learning 自动化视觉检测实时探测缺陷成功地降低了库存和成本。使用 VisionPro Deep Learning 自动化每一块瓷砖的外观视觉检测后,即能够在需要时准确地生产所需数量的瓷砖。

Bellburn 瓷砖生产流程从整体上变得更加精简。通过 VisionPro Deep Learning 自动化这些检测,Sekisui House 得以更好地实现自己的座右铭:“自由地设计每一座住宅,实现客户的全新定制梦想”。

更多帖子

获取产品支持和培训以及更多

加入 MyCognex

是否有任何疑问?

世界各地的康耐视代表可以随时为您提供支持,满足您的视觉和工业读码需求。

联系我们