技术博客

通过AI螺丝检测提升扬声器组装质量控制

背景与客户需求 我们的客户专注于制造高质量音响系统。在他们的扬声器装配线中——涵盖8英寸、12英寸和15英寸型号——确保每颗螺丝牢固固定对结构完整性和音质表现至关重要。然而，手工组装过程偶尔会导致螺丝缺失，导致客户投诉、昂贵的复工以及对品牌声誉产生潜在的影响。客户在寻找一种能够：· 消除因人为疏忽导致的螺丝固定错误· 提供实时质量保证，同时不拖慢生产线· 能够快速培训并部署以应对不同音箱型号挑战 尽管有明确的标准操作程序，他们在生产现场仍面临若干关键挑战：· 人为错误：人工检查不一致且容易被忽视，尤其是在大批量生产期间。· 缺乏可追溯性：很难实时追踪每颗螺丝是否正确固定。· 型号差异：不同扬声器尺寸（8英寸、12英寸和15英寸）螺丝位置和数量的差异使得一刀切的检测方法变得不切实际。这些挑战凸显了对强大自动化检测系统的紧迫需求，该系统能够以最短的安装时间保证100％的紧固件验证。解决方案 为解决这一问题，扬声器制造商采用了 TM AI Cobot 自动化螺丝固定和 AI 检测功能。该解决方案结合了工业愿景与人工智能，能够自动验证组装过程中螺丝是否完全固定。检查流程从安装在装配线上方的 Basler 相机开始，提供扬声器的天线视角。该相机与协作机器人（ cobot )集成，螺丝固定后，协作机器人启动 Basler 相机拍摄图像。图像通过 AI 模型进行分析，该模型能检测并标记任何缺失或未正确固定的螺丝，如果发现不符合标准( NG ）产品，会自动触发警报通知操作员。 人工智能模型训练 1. 训练时间：大约3分钟2. 使用的人工智能功能：人工智能分类3. 数据集大小：100张正常图片，67张 NG 图片OK 产品：通过检查后进入下一生产阶段 国民警卫队产品：标记为重做，防止有缺陷单位继续推进结果与益处 ·  最小化人为错误·  实时警报与自动验证·  高精度的快速 AI 模型训练有了协同机器人解决方案，我们的客户显著减少了因缺螺丝而导致的客户投诉和重修。该方案既保证产品质量，又简化了检测流程。

与协作机器人的自动PCBA胶水检测

背景与客户需求 在电子制造中，确保在 PCBA 进入焊接机前精确分配胶水对产品质量至关重要。客户需要自动化检测系统来验证胶水涂抹的准确性，因为配药缺陷可能导致产品失效。胶水从分配机喷出后，可能会出现不完全的涂抹、泄漏或与视频存储器元件的意外接触等问题，需要检查。此前，检查依赖人工监控，容易造成人力疲劳，不一致以及缺乏可追溯的检查数据。挑战 人工检查的限制：操作员需要持续监控流程，增加了疲劳和误判的风险。 高人员流动率：不同检查员采用不同标准，使标准化变得困难。 缺乏可追溯性：人工检查无法实现图像存储或数据跟踪，增加了生产管理的复杂性， 解决方案与关键技术Techman Robot 的协同机器人臂提供了自动化检测解决方案，集成了先进的视觉和A1分类技术，确保胶水涂抹的精确检测。有效解决上述缺点，实现自动化工作流程。1. 成像与检测 TM AI Cobot 被部署用于检测 PCB 上的胶水应用，然后再进行焊接机工艺 协作机器人机械臂检测正确和错误的涂装，区分“OK”《胶水正确涂抹）和 “NG ”（胶水缺失或丢失） 所有图像和检验结果均被记录在数据库中，以便可追溯和优化工艺2. 人工智能模型训练 训练时间：约10分钟AI 功能使用的： AI 分类数据集大小：130正常图片，80NG图片          ·   OK Products ：通过检验，进入下一生产阶段          ·   NG 产品：标记为重做，防止故障单元在过程中推进3. 性能 检查速度：108项目视任务仅用30秒完成，显著提升效率。 实现了99.9％的检测准确率 误报率低于0.1% 过度杀伤率低于0.1% 应用场景·  PCBA 进入焊接机前的自动胶水分配验证 ·  识别缺失或错放的胶水，以防止产品缺陷 ·  实时检测，自动数据收集以实现质量控制 优点 1. 提升的准确性和一致性 通过自动化检查流程消除了人为错误。 AI 分类准确率达到99.9%，确保产品无缺陷。2. 提高效率 全自动检查减少了对人工操作员的依赖。 处理时间大幅缩短，提高了生产速度。3. 提升可追溯性 AI 驱动的检测系统存储所有测试结果和图像以进行质量管理。 条码读取和序列号跟踪实现了高效的生产监控。结论协同机器人通过集成智能自动化、 AI 驱动分类和先进视觉技术，成功改变了 PCBA 胶水分配检测。该解决方案不仅提升了准确性和效率，还提供了宝贵的可追溯性数据，确保更高的制造标准和更低的运营成本。此案凸显了制造商如何利用人工智能优化生产线并保持卓越的质量控制。

FA FVI PCB损坏部件检测

背景与客户需求 在快节奏的电子制造领域，确保产品包装前的质量至关重要。一家主要客户需要一种解决方案，以高精度高效地检测印刷电路板（ PCB ）上的损坏或缺失部件。人工检验方法难以满足生产需求，常常忽视小缺陷。挑战1. 检测小型异常：人工检查员发现，持续识别 PCB 上的微小缺陷非常困难。2. 大批最生产：需要快速且可扩展的检查以匹配生产周期。3. 劳动密集型流程：对人工检查的依赖增加了成本并带来了不一致。解决方案与关键技术Techman Robot 的 TM AI Cobot 提供了全面的自动化解决方案，集成了先进的成像和 AI 分类技术。1. 成像与检测手持眼镜（ EIH ）相机实现了精确定位，外部相机则实现了多点视觉检查，从多个角度进行图像捕捉，确保每个部件的准确性。 使用 AI 模型分析图像，将零件分类为通过（ OK ）或不通过（ NG )。2. 人工智能模型训练利用分类人工智能对系统进行了70张图像（40张 OK ,30张 NG ）的数据集训练。 培训时间缩短至仅15分钟，便于快速适应生产需求的变化。 3. 自动化工作流程 OK 产品：自动被引导到下一站。 国民警卫队产品：识别后，协同机器人机械臂会将缺陷部件选出至专门的循环区域进行后续加工。 结果在 AOL Edge 上计算，然后传输给机器人，机器人执行决策以确保生产流程顺畅。 应用场景 · 包装前检测缺失或损坏的零件· 通过早期发现小异常来确保产品质量优点 1．提升精度检测准确率达到99.99%。 误报和过度杀伤率降至低于1%，确保了可靠性。2. 提高效率自动化提高了检验速度，并减少了50％的人力需求。 高速检测与生产周期时间无缝衔接。3．成本降低减少对人工劳动力的依赖降低了运营成本，同时提升了一致性。结论 利用 TM AI Cobot 的零件检测解决方案展示了智能自动化如何改变检验流程。通过结合 AI 驱动的分类与精准视觉技术，本案例展示了制造商如何在现代生产线中实现无与伦比的效率、准确性和成本节约。

电子制造用FATP目视检查解决方案

背景与客户需求 这里的客户是一家大型电子制造服务（ EMS ）提供商。他们的主要需求是利用 AI 训练的模型进行高精度、自动化的外观视觉检查，确保产品质量。主要检查项目包括：1. 螺丝：确认存在并正确固定。2. 高压警告标签：确保正确放置和朝向。3. 产品铭牌标签：检查位置和对齐。4. 通风阀：确认安装正确，没有缺失的部件。5.  序列号（ SN ）与二维码比较：确保序列号与产品封面上刻有二维码的一致性。 常见缺陷包括：· 标签位置错误或方向错误· 缺失螺丝· 缺少通风阀塞· 序列号与二维码之间的差异未能及时发现这些缺陷可能影响产品质量，影响气密性，严重还可能导致使用过程中的安全问题。挑战1. 复杂的检查点：多个检查区域分布在产品的不同侧面，传统的二维工业相机无法高效捕捉多角度、多焦点的图像。 2. 大量检查项目：需检查多达28个组件，迫切需要快速且准确的解决方案。3. 劳动力限制：人工检查耗时、劳动密集，且容易出现主观错误。解决方案与关键技术为解决上述挑战， TM AI Cobot 集成了视觉技术，实现了检验流程的自动化。具体的技术方法包括：成像技术利用TM5-900机械臂，可以实现多角度图像采集，以满足客户需求。该机械臂配备了自动对焦的二维相机（ EIH ：彩色，支持自动对焦），提供精准定位，并通过 TMflow 拍摄清晰的检查图像。 TMS EIH 拍摄的图像会存储在 AI AOI Edge 中进行分析。AI 驱动的检测使用 TM AI ＋训练器，400张图像可进行10倍增强，并在35分钟内完成50次迭代训练。这使得模型能够快速再训练，以解决生产线的误判或异常。该系统搭载 Intel i7 12700 CPU 和 Nvidia RTX3060 GPU ，能够在30秒内完成28个元件的 AI 检测，满足生产周期时间（ CT ）要求。这显著提升了自动化效率并降低了人工成本。 检查工作流程· 通过（ OK )：检验结果上传到生产系统，产品继续前往下一个工作站。· 失败（ NG )：结果会立即被标记，提示操作员处理有缺陷的物品。 应用场景与优势应用场景非常适合制造业中的高精度目视检查任务，包括检测缺失部件、识别异物以及确认零件正确位置。优点1.自动化：取代人工操作降低了劳动力成本。2.准确性：检测准确率超过99%，误报率低于1%。3.效率：满足高产量、高周期生产线的需求。结论TM AI Cobot 凭借其创新的视觉技术和基于 AI 的决策能力，为客户提供高效可靠的自动视觉检测解决方案。检测准确率超过99%，误报率低于1%，显著提升了效率和精度。它克服了传统检测方法的局限，显著提升了产品质量并降低了生产成本，使其成为现代智能制造的标杆应用。

利用AI驱动的视觉检测提升扇形打印质量控制

客户 台湾领先的印刷公司，专注于为各类产品提供高质量定制印刷解决方案 应用 印刷风扇产品的自动视觉检查。挑战 印刷公司在生产线上面临关键评估挑战，尤其是在检查印刷扇子方面。虽然装卸流程半自动化，但检验仍属手工，导致质量控制效率低下。主要问题包括：1.手动检查不一致：现有的检查流程依赖人工检查员，难以发现细微偏差和模糊缺陷。手工操作既耗时又具挑战性，因为人工检查员容易感到疲劳。因此，不符合标准的产品偶尔会漏网，引发客户投诉，并对品牌声誉和生产质量产生负面影响。 2.胶粘剂缺陷与错位：风扇上的印刷材料偶尔无法正确粘附或错位，导致缺陷。解决方案 为克服这些挑战， TM AI Cobot 被引入，利用TM5-900协同机器人模型执行 AI 驱动的视觉检查解决方案。该装置旨在自动化并提升检测过程的准确性。印刷扇的 AI 增强视觉检查该解决方案结合了协同机器人和语义分割函数，确保缺陷的精确识别。该系统的工作原理如下：· 自动化检查流程：风扇被放置在传送带上，传感器触发摄像头拍摄图像，用于基于人工智能的分析。风扇旁的圆形灯确保了最佳光照条件，使系统能够准确检测胶粘剂失效或错位等缺陷。· 高效的检测与过滤：利用 AI 检测，效率提升了5倍，召回率达到100%。通过基于面积和分数阈值的过滤机制，最大限度地减少了误报，确保缺陷检测的准确和可靠。· 持续且快速的处理：每个风扇大约在0.5秒内完成检查，保持了稳定的循环时间并提高了整体效率。 选举结果Techman Robot Al 视觉检测解决方案的部署为客户带来了显著提升。主要优势包括：1.提高检查准确性：高精度和召回率确保所有缺陷产品都能被有效识别，降低了有缺陷产品送到客户手中的概率。2.提升运营效率：自动化检验流程使每扇风机周期稳定为0.5秒，简化了质量控制，减少了人工劳动需求。3.提升品牌声誉：通过减少缺陷并保持高质量，客户能够提升客户满意度并保护品牌声誉。通过此次合作，印刷公司成功解决了质量控制挑战，树立了印刷行业高效可靠检测解决方案的标杆。

通过协作机器人提升汽车装配验证

客户 一家著名的汽车制造商，生产高品质车辆应用 汽车组装验证挑战 汽车制造商在生产过程中面临两大挑战。首先，他们需要检查五个以上的物品，每件都需要对组装的正确性和外观进行彻底且精确的核查。其次，由于模糊性，尤其是在特定光照条件下或检查过程中的细微差异，确定优质与缺陷产品的界限变得困难。解决方案 Techman Robot 的集成解决方案采用协作机器人（ cobots ）与先进的视觉系统，实现精密高效地自动化检查任务。汽车组装验证 在该应用中，部署了4台协同机器人和30台外部摄像头，以同时进行全面的组装检查。自动系统检查了汽车外观、内部空间及其他区域，以确认组装的正确性。在80秒内完成了120多个视觉任务。具体检查包括：1.灯光罩风格检查：确保照明系统的正确对齐。2.窗户装饰风格检查：验证装饰元素的外观和正确安装。3.防尘膜检查：检测防尘膜的存在及正确应用。 该自动化解决方案还与车间系统同步，将检验结果直接整合到制造商数据库中。 选举结果 实施 Techman Robot 自动化解决方案显著提升了制造商检验流程的效率和准确性。主要优势包括：1．缩短了组装验证所需的时间，确保检查在80秒内完成。2．更高的缺陷检测精度降低了误报，并能更清晰地识别有缺陷的产品。3．协同机器人和外部视觉系统与制造商现有车间和数据管理系统无缝集成。协作机器人的使用使客户能够保持高生产标准，同时减少检查任务中的人工劳动，从而提高整体吞吐量和产品质量。