1、组织架构
机器视觉应用项目涵盖光、机械、电、液体、气体、软件、网络、数据库等多种技术,项目管理繁琐、细致。一个典型的商业机器视觉项目需要团队的参与。该团队包括项目经理、研发团队、文档管理团队和安装测试团队。项目经理必须非常专业,熟悉机器视觉系统,负责项目的总体设计、任务分配、进度安排以及必要的开发工作;研发团队致力于光学系统设计、机械安装结构设计、信号电气设计以及软件功能设计和代码开发,并负责现场安装和调高;文件管理小组负责所有相关文件的使用维护说明的建立、修订和编写,与研发团队交叉、并行;安装测试团队主要负责软件功能的测试和完善,软件培训和现场使用情况跟踪可与研发结合进行。
2、视觉系统评价指标
机器视觉系统是用机器代替人眼的检测功能的系统。其应用效果可显着节省劳动力,提高产品质量,降低废品率,节省原材料,为企业树立良好的质量管理形象。只有通过这些产品质量优势指标,才能说服用户。
机器视觉的特点是自动化、客观、非接触、高精度。与一般意义上的图像处理系统相比,机器视觉强调精度和速度,以及工业现场环境中的可靠性。因此,检测精度、检测速度和系统可靠性都可以作为视觉系统的评价指标。
检测精度因系统而异。例如,在尺寸测量机器视觉系统中,测量检测精度可达0.01mm;表面缺陷检测视觉系统中,缺陷面积可达0.1mm*0.1mm。
机器视觉的检测速度需要与生产线的生产速度或生产节奏相匹配。例如,视觉系统有足够的能力达到10000件/分钟的在线检测速度;在高速印刷生产线上,检测速度可达300米/分钟。
平均无故障时间是衡量产品(尤其是电气产品)可靠性的指标。单位是“小时”。它反映了产品的时间质量,是产品在规定时间内维持功能的能力。具体来说,是指相邻两次故障之间的平均工作时间,也称为平均故障间隔时间。它适用于可修复的产品。
同时,机器视觉系统应用技术的进步,使其使用极为方便。值得注意的是,在评估在生产线上安装机器视觉系统的可行性时,制造商越来越多地将机器视觉系统的安装和维护便利性作为主要因素。
3. 文档管理
机器视觉应用项目的文档应包括:
系统回顾、性能描述;
检测对象的描述:尺寸、颜色、数量等物理变量;
视觉系统性能要求:速度、精度、可靠性
检验流程:元件如何进入相机视野、如何设计外部触发器等;
光学:场景大小、距离等;
机械要求:尺寸限制、安装方法、包装方法;
配件要求:电源等;
环境要求:环境光线、温度、湿度、灰尘、污垢、清洁方法等;
设备接口:网络等;
操作界面:屏幕、控制器、操作权限等;
技术支持:培训、维护、升级等。
4、产品测试
机器视觉项目需要在生产现场长期、稳定、易于维护地运行。测试阶段需要解决以下问题:
1、操作界面:控制器和屏幕显示是否符合人体工程学;
2、检测精度:准确度和重复性;
3、检测效率:能否满足产能要求;
4. 敏感性:环境和系统的微小变化是否会导致性能变化?
5、可维护性:零件更换和光学校准是否方便;
6、长期运行稳定。
5、成本核算
经济指标是评价机器视觉系统的重要内容之一。机器视觉系统成本包括初始成本和运营成本。
初始成本包括:
设备采购; 2、系统开发和集成成本; 3、运输及安装费用; 4、培训费用; 5、项目管理费用
运营成本包括:
定期保养; 2、再培训; 3.系统升级
审稿人:彭静