VisionPro®实现机器人对汽车发动机缸体的高效精确抓取

在一汽-大众长春发动机传动器工厂发动机缸体缸盖上料工序,采用人工上料方式影响生产节拍,存在质量隐患。采用康耐视3D软件后,实现了上料工位的自动化,替代10位工人,良品率提升;四种型号工件可以通用一个程序,引导机器人高精度快速抓取;增加1个机械结构用来辅助角度矫正,并去掉1个定位销,对角度要求降低;实际视觉精度超过预期,稳定的光环境保证了检测效果。

基于Visionpro的机器视觉分拣系统设计

随着制造业朝着数字化智能化转型,机器视觉识别技术应用领域越来越广。在自动化设备中,对于产品颜色和形状的识别经常使用,本研究基于VisionPro软件与C#语言联合开发机器视觉识别上位机系统,同时利用S7.Net实现S7-1200PLC与上位机的数据通信。通过图像采集和处理,提取物体的颜色信息,并利用C#语言把VisionPro的图像数据进行处理然后,发送给PLC控制机构进行运动控制,最终将视觉分拣设备能够快速、准确地对图像的数字形状和物块颜色进行分类,实现了高效的自动化处理。

基于VisionPro视觉的网纱定位系统设计

设计一种利用VisionPro和RobotStudio构建的手机听筒网纱定位系统工作站,由VisionPro建立视觉定位系统来识别手机听筒网纱的位置坐标,使用RobotStudio创建机器人装配工作站,通过建立VisionPro和RobotStudio的Socket通信,把位置数据传送到机器人装配工作站中,最后利用解码程序和机器人的抓取定位程序完成手机听筒网纱的装配,最终的仿真结果表明,该手机听筒网纱定位系统的定位方案能够实现。

VisionPro与C#联合开发视觉系统在发动机装配上的应用

文章通过典型的发动机装配线气门顶杆的视觉防错实例,阐述了一种由VisionPro与C#联合开发的上位机软件,并通过Modbus将结果反馈到GE-PLC的视觉防错系统,分析了本系统配置的方法与优势。

基于VisionPro的数字图像识别与定位

本文利用VisionPro视觉软件进行数字图像识别与定位研究。首先利用该软件实现了图像采集和摄像机标定,然后基于VisionPro运用VB编写人机交互界面,利用采集得到的图像进行了目标识别定位。同时利用视觉处理中常用的工具Opencv对采集的图像进行了相同的目标识别定位。对两种方法得到的识别效果和定位数据进行了对比,结果表明,基于VisionPro的视觉系统得到的识别效果更好,定位数据更准确。

基于机器视觉的工件识别和定位系统设计

目前在制造工业产线上的机械手大多采用人工输入指令控制执行机构运动,只能完成固定模板下的操作,对于一些复杂工况很可能致使机器人运作失败。这一定程度上导致生产成本升高,工作效率低和自动化程度降低。在制造产线中增加机器视觉技术,将机器视觉中的远程检测、图像识别、定位和引导等技术引用到机器控制系统中,使得机器能够自主应对环境变化,可以提高机器工作的智能化和自动化。本文将机器视觉引入工业机器自动化生产线并通过视觉识别与引导实现工件定位和抓取。着重对系统搭建的关键步骤、相机与机器坐标的统一和工件识别算法进行设计和开发。

基于VisionPro的人脸识别检测系统

利用美国Cognex公司的VisionPro机器视觉软件中的工具包来对图像进行处理。图像为手绘儿童人脸,用相机拍照上传,接着采取VisionPro图像预处理、图像标定、几何校定、定位、图像几何测量等功能,直接输出检测结果。

VisionPro视觉技术在陶瓷釉面缺陷检测中的应用

为了解决陶瓷釉面缺陷特征细小,人工检测困难的问题,提出了基于Vision Pro技术的机器视觉检测方法。介绍视觉系统的硬件构成,利用Quick Build开发环境设计软件,使用PMAlign和Pat Inspect工具定位和检测图像,最后由Blob标示缺陷。实验结果表明,系统可快速、准确地识别陶瓷釉面缺陷,为机器视觉在陶瓷质量检测奠定了研究基础。

基于VisionPro的日用陶瓷圆度及边缘缺陷检测方法研究

针对人工视觉难于检测陶瓷制品圆度缺陷,提出了一种基于机器视觉的陶瓷圆度检测系统。设计了视觉系统的硬件构成,结合Vision Pro和VB.net语言开发检测软件。研究了采用Find Circle工具沿碗口外径查找圆,并比较查找圆与标准圆径向距离差值,从而识别圆度缺陷的方法。实验结果表明,系统可快速、准确地识别陶瓷碗圆度及边缘缺陷,丰富了机器视觉在陶瓷检测方面的应用研究。

论混合现实技术新产品对室内设计的影响——以Vision Pro为例

伴随着5G时代的到来,混合现实技术也逐渐走入人们的视野。随着2023年6月苹果公司全新MR设备⸺Vision Pro的发布,预示着混合现实技术再次发展到了一个全新高度。本文将结合MR新设备探讨其对室内设计行业带来的新影响与新变革。希望本文能借助新产品从混合现实技术的角度为室内设计师、软件开发者等从业人员提供新的启发,促进室内设计的创新性发展。

基于VisionPro的太阳能电池片定位与缺陷检测系统

太阳能电池片发电具有环保性和高效率性,受到很多国家的青睐。太阳能电池片的焊接目前主要分为人工焊接、单焊和串焊3种方式。该文在电池片串焊机的基础上,基于美国Cognex公司的VisionPro机器视觉开发软件对太阳能电池片定位与缺陷检测系统进行开发。视觉系统基于VisionPro采用C#编程语言,利用VisionPro中的图像工具包来处理图像对电池片进行视觉定位与缺陷检测,并通过与OMRON PLC以及EPSON机器手通信,从而实现太阳能电池片串焊机的全自动化。

基于VisionPro的电路板测点视觉定位系统

为了实现故障检测自动定位测试系统,利用机器视觉技术,为故障检测自动定位测试系统开发视觉定位系统。系统是在C#.net环境下,利用美国Cognex公司的VisionPor机器视觉开发软件进行开发的,主要完成硬件设备配置、相机校准和图像定位等核心工作。相机校准利用了Checkerboard图像卷绕技术,而图像定位采用了Pat Max图像模版匹配定位算法。可靠的算法保证本系统可以达到0.3mm图像定位精度。

基于VisionPro的蒸汽发生器堵板定位抓取系统设计

针对核电站检修时蒸汽发生器堵板操作的去人工化要求,提出采用机器人搭配计算机视觉实现设计方案。设计采用视觉定位堵板上的三维特征,夹爪与堵板进行孔对孔机械配合完成抓取。视觉定位系统硬件模块基于双目结构光进行堵板表面数据点云的快速采集,软件模块基于VisionPro采用C#编程语言进行开发,利用VisionPro中的3D图像获取、目标物体匹配等工具完成视觉手眼标定以及堵板的定位抓取。并在搭建的机器人平台和蒸汽发生器的模型上进行了实验验证。实验证明,该视觉定位系统能够提高定位的效率和精度,能够满足堵板抓取安装要求。

基于VisionPro技术的汽车仪表视觉检测

随着视觉技术的功能日益强大,很多领域内都需要视觉技术来对产品进行检测,本文主要描述使用基于Vision Pro技术的仪表视觉检测,使用相机对汽车仪表的功能进行功能检测,有效的控制质量风险,进而提升产品的质量。

基于VisionPro的橡胶减震垫的缺陷检测

橡胶减震垫在生产过程中由于工艺原因会形成缺陷,包括气泡,裂纹,疤痕等等,严重影响了使用,人工肉眼剔除不合格的工件费时费力。本文提出一种基于VisionPro软件的非接触式自动检测系统,实现不合格工作的自动分拣。

VisionPro:全面提升汽车活塞检测的技术水平

渤海活塞（山东滨州渤海活塞股份有限公司）是亚洲第一世界第四的汽车活塞生产厂家,也是国内唯一一家能够全面生产各种汽车、船舶、工程等动力机械用活塞的企业。公司产品为国内一汽集团、东风集团、潍柴动力、中国重汽等多家知名主机厂配套,国外市场遍及北美、欧洲、东亚、中东等地区,拥有康明斯、卡特彼勒、大众、菲亚特、科勒等国际高端客户。对质量严格把关、生产环节步步跟踪,是渤海活塞一直秉承的技术理念。

机器视觉背景下基于VisionPro的轴承滚动体缺失检测

轴承在生产过程中的滚动体缺失会影响机械设备的安全运行,本文提出了机器视觉背景下基于VisionPro的轴承滚动体缺失检测。在获得较好的打光图像后,利用VisionPro的PMAlignTool进行模板训练以及缺失识别,并结合C#脚本,将结果可视化,在图片上显示具体的检测结果,包括产品合格与否、合格的滚动体个数以及不合格的原因,便于后续的人机交互。通过实验,该方法确实取得了较好的检测结果,能够正确检测轴承滚动体的缺失情况,后续结合通信设备与机械手臂,可实现自动分拣。相较于传统的人工检测,该方式具有效率高、准确性高、安全性高的优势,是现代工业生产中亟需的检测方式。

基于机器视觉的RV-80E减速器精密装配研究

为了保证RV-80E减速器批量装配过程的一致性和稳定性,针对其装配质量控制关键技术进行了研究并开发了基于机器视觉的装配线。通过分析RV-80E减速器过定位结构原理,提出了核心零件的8个关键配合方式和影响整机性能的3个复杂尺寸链。以实现最优整机性能为原则总结了RV-80E的精密装配工艺流程和质量控制参数。设计并开发了RV-80E装配线和机器视觉系统,装配线覆盖RV-80E的智能选配、衬套精密压装、滚针安装、螺钉自动拧紧等关键装配工序,在智能选配和衬套精密压装工位引入了基于VisionPro的视觉防错技术。统计分析了600台RV-80E减速器的传动误差指标符合正态分布,其Cpk指标为1.45,生产数据表明基于机器视觉技术的装配线改善了RV-80E装配过程的一致性和稳定性。

基于机器视觉的汽车连接器引脚位置检测

汽车连接器的引脚相对于连接器上圆孔的位置必须控制在50μm的误差范围内,才能顺利装配。机器视觉自动化检测代替人工检测可以提高检测的精度和效率。文章研究了汽车连接器引脚位置的机器视觉检测方法,软件使用康耐视的VisionPro,通过C#脚本程序将引脚的坐标显示出来。这种检测方法可以准确判断引脚与圆孔的相对位置是否满足装配要求,极大地提高了检测效率。

基于机器视觉的芯片引脚缺陷检测系统设计与实现

针对双球红外接收头芯片人工缺陷检测难度大、误判率高等问题,设计了一个基于机器视觉的引脚缺陷检测系统,对双球红外接收头芯片的引脚进行缺陷检测,达到分辨出合格品和瑕疵品的目的;首先,通过工业相机实时采集芯片图像,并对图像进行滤波、灰度化等预处理;然后利用VisionPro视觉软件的PMAlign工件进行图像特征匹配,计算引脚个数以判断引脚是否缺失,利用AnglePonitPonit工具计算引脚间距以判断引脚是否弯曲;最后将检测到的芯片位置信息和识别结果通过socket通讯协议发送给工业机器人;工业机器人根据识别结果,将合格品和瑕疵品分别抓取至不同区域,实现对芯片的分类管理;实验结果表明,该缺陷检测系统误判率为0.4%,满足工业生产的要求。