Baza wiedzy · Kontrola jakości

Wizyjna kontrola jakości w przemyśle

Wizyjna kontrola jakości to automatyczna inspekcja produktów i procesów z wykorzystaniem kamer przemysłowych, optyki, oświetlenia oraz oprogramowania analizującego obraz. System może wykrywać defekty powierzchniowe, braki i błędy montażu, kontrolować wymiary, odczytywać oznaczenia oraz przekazywać wynik OK/NOK do automatyki linii.

Dzięki automatyzacji tego procesu zakłady przemysłowe eliminują błędy ludzkie wynikające ze zmęczenia, zwiększają wydajność produkcji oraz uzyskują pełną powtarzalność kontroli w czasie rzeczywistym.

Czym jest wizyjna kontrola jakości?

Wizyjna kontrola jakości to zaawansowana technologia automatycznej inspekcji, która zastępuje tradycyjną, manualną kontrolę wzrokową na liniach produkcyjnych. Wykorzystuje ona zsynchronizowany zestaw urządzeń optoelektronicznych oraz wyspecjalizowane algorytmy komputerowe do natychmiastowej oceny parametrów produktu bez fizycznego kontaktu.

Wdrożenie systemu wizyjnego pozwala na ciągłą pracę w trybie in-line przy pełnej prędkości transporterów, zapewniając zbieranie danych analitycznych oraz archiwizację wyników dla każdego wyprodukowanego detalu. Chroni to producenta przed kosztownymi reklamacjami i karami umownymi ze strony odbiorców. Podstawy budowy systemów opisujemy w artykule Co to jest system wizyjny i z czego się składa?

Jakie zadania może realizować system wizyjny?

Systemy wizyjne realizują szerokie spektrum zadań kontrolnych, od prostego potwierdzenia obecności elementu po precyzyjną analizę mikroskopijnych wad powierzchniowych. Główne typy inspekcji realizowane przez systemy wizyjne to:

Wykrywanie defektów powierzchniowych

Lokalizacja rys, zadziorów, wgnieceń, przebarwień, pęknięć, odprysków oraz zanieczyszczeń na kontrolowanej powierzchni.

Kontrola obecności i kompletności

Weryfikacja, czy produkt zawiera wszystkie wymagane komponenty (np. czy w blistrze są wszystkie tabletki, czy w zestawie montażowym znajduje się uszczelka).

Kontrola montażu i orientacji

Sprawdzanie poprawności ułożenia, kąta obrotu lub dopasowania poszczególnych części składowych względem siebie.

Pomiary geometryczne 2D i 3D

Bezkontaktowa kontrola wymiarów, odległości, średnic otworów czy szczelin z dokładnością sięgającą mikrometrów.

OCR i OCV

Optyczne rozpoznawanie i weryfikacja znaków: odczytywanie i sprawdzanie czytelności tekstów alfanumerycznych, takich jak numery serii, daty ważności, kody produkcyjne.

Odczyt i ocena jakości kodów 1D, 2D i DPM

Kody 1D, 2D (Data Matrix, QR) oraz DPM (Direct Part Marking): weryfikacja poprawności danych oraz zgodności struktury kodu z normami ISO (np. dla branży lotniczej czy motoryzacyjnej). Więcej: weryfikacja jakości kodów.

Z czego składa się system wizyjny?

Kompletny system wizyjny to spójne środowisko sprzętowo-programowe, w którym każdy element bezpośrednio wpływa na ostateczną stabilność i dokładność inspekcji. W skład typowego systemu wchodzą:

Kamera przemysłowa

Rejestruje obraz z odpowiednią rozdzielczością, liczbą klatek na sekundę (FPS) oraz czasem ekspozycji dopasowanym do prędkości linii. Może to być kamera monochromatyczna, kolorowa, linijkowa lub system 3D.

Obiektyw (optyka)

Odpowiada za prawidłowe odwzorowanie geometrii obiektu na matrycy kamery, rzutując pole widzenia (FOV) i determinując głębię ostrości. Zobacz: podstawowe pojęcia optyki.

Oświetlacz przemysłowy

Kluczowy element determinujący kontrast. Może to być oświetlenie bezpośrednie, kopułowe, pierścieniowe, tylne (backlight) czy koaksjalne, emitujące światło o określonej długości fali (np. podczerwień IR, ultrafiolet UV, światło czerwone).

Oprogramowanie analizujące obraz

Serce systemu zawierające biblioteki algorytmów (np. Cognex VisionPro, Cognex Designer) lub sieci neuronowe realizujące detekcję wad i analizę geometryczną.

Kontroler / jednostka przetwarzająca

Komputer przemysłowy lub wbudowany procesor kamery inteligentnej, który przetwarza algorytm w wymaganym czasie cyklu.

Wyzwalanie (trigger) i komunikacja z automatyką

Czujniki optoelektroniczne inicjujące wykonanie zdjęcia oraz interfejsy przemysłowe (PROFINET, EtherNet/IP, Modbus, cyfrowe I/O) przekazujące wynik OK/NOK do sterownika PLC, a także do systemów nadrzędnych typu MES, WMS i baz danych.

Klasyczna analiza obrazu, Edge Learning czy Deep Learning – co wybrać?

Wybór odpowiedniej metody analizy zależy od stopnia skomplikowania defektów, oczekiwanego czasu wdrożenia oraz zmienności wyglądu samego produktu.

Narzędzia regułowe

Klasyczna analiza obrazu

Opiera się na matematycznych algorytmach wyszukiwania krawędzi, progowania jasności, analizy blobów czy dopasowania geometrycznego (np. PatMax). Jest idealna do precyzyjnych pomiarów wymiarowych, odczytu idealnych kodów kreskowych i kontroli o wysokim kontraście i zerowej tolerancji na zmienność.

AI w kamerze

Edge Learning

Uproszczona forma sztucznej inteligencji działająca bezpośrednio na kamerach inteligentnych (np. serii In-Sight). Wymaga zaledwie kilku do kilkunastu obrazów wzorcowych (OK i NOK) do szybkiego wyszkolenia systemu na linii produkcyjnej. Doskonale sprawdza się przy klasyfikacji produktów, prostej kontroli obecności czy weryfikacji poprawności montażu. Więcej o Edge Learning.

Sieci neuronowe

Deep Learning (głębokie uczenie)

Zaawansowane sieci neuronowe (np. oprogramowanie Cognex ViDi) przeznaczone do rozwiązywania problemów niemożliwych do zaprogramowania ręcznego. Wykorzystuje się je przy wykrywaniu nieregularnych wad (rysy, pęknięcia, zabrudzenia) na powierzchniach o zmiennej teksturze (metal, tworzywa sztuczne, tekstylia), przy trudnym odczycie zdeformowanych znaków OCR oraz przy analizie produktów o naturalnej zmienności (np. żywność). Wprowadzenie do Deep Learning.

Kamera 2D czy system 3D – jaka jest różnica?

Kamery 2D i systemy 3D dostarczają zupełnie innych danych o kontrolowanym obiekcie, dlatego dobór technologii zależy od płaszczyzny analizowanego problemu.

Płaszczyzna XY

Systemy 2D

Generują płaski obraz składający się z pikseli o określonej jasności i kolorze. Służą do weryfikacji cech widocznych w płaszczyźnie XY – takich jak obecność nadruku, kody, rysy powierzchniowe, kontury czy pomiary odległości krawędzi.

Oś Z

Systemy 3D

Profilometry i kamery mapujące chmurę punktów mierzą wysokość, głębokość, objętość i ukształtowanie powierzchni (płaszczyzna Z). Są niezbędne przy kontroli poprawności nałożenia ścieżek kleju (wysokość i objętość wałka), weryfikacji wgnieceń, kontroli wysokości pinów w złączach elektrycznych czy pomiarach objętościowych w logistyce. Zobacz: systemy wizyjne 3D.

Dlaczego oświetlenie i optyka decydują o stabilności inspekcji?

Stabilne oświetlenie i odpowiednia optyka są fundamentem każdego skutecznego systemu wizyjnego, ponieważ decydują o jakości i powtarzalności obrazu wejściowego przekazywanego do oprogramowania.

Nawet najbardziej zaawansowane algorytmy sztucznej inteligencji czy głębokiego uczenia nie zrekompensują zdjęcia o słabym kontraście, z prześwietleniami lub zniekształceniami optycznymi w aplikacjach pomiarowych. Prawidłowo dobrana optyka (np. obiektywy telecentryczne eliminujące błąd paralaksy przy pomiarach) oraz dedykowany oświetlacz pozwalają wydobyć kluczowe cechy produktu i wygasić zakłócenia pochodzące z otoczenia fabrycznego (np. zmienne światło na hali produkcyjnej).

Z praktyki inżynierskiej

Pułapka gotowych szablonów sprzętowych

W teorii projektowania systemów wizyjnych łatwo ulec pokusie stosowania gotowych szablonów typu: „dla branży motoryzacyjnej optymalna jest kamera X i oświetlacz Y”. W praktyce inżynieryjnej takie podejście niesie ogromne ryzyko. Każda aplikacja inspekcyjna – nawet z pozoru identyczna z realizowaną wcześniej – jest unikalna i wymaga doboru sprzętu pod konkretny przypadek.

Doskonałym przykładem jest kontrola prawidłowego montażu pierścienia Segera, bardzo popularna aplikacja w przemyśle motoryzacyjnym. Choć zadanie zawsze brzmi tak samo, rzeczywiste warunki drastycznie zmieniają postać rzeczy:

Pojawiające się zaolejenie detalu zmienia współczynnik odbicia światła, generując silne odblaski maskujące krawędź pierścienia.
Wygląd i kolor tła (gniazda montażowego) mogą się różnić w zależności od partii odlewu lub dostawcy komponentów.
Zmiany geometrii i tekstury powierzchni wymuszają stosowanie odmiennych metod oświetlenia.

Podczas gdy w jednej fabryce do detekcji pierścienia Segera wystarczy standardowy oświetlacz pierścieniowy, w innej (gdzie występuje silne zaolejenie i refleksy) konieczne może być zastosowanie oświetlacza emitującego światło rozproszone (np. typu dome light). Bywa, że w niektórych aplikacjach należy zastosować specyficzne rozwiązania, takie jak Trevista marki Cognex (system wykorzystujący fotometrię sferyczną/stereo w celu wyekstrahowania kształtu niezależnie od odblasków i koloru). To dowodzi, że stabilny system wizyjny można zbudować wyłącznie poprzez fizyczne, laboratoryjne testy konkretnych detali klienta.

Jakie defekty można kontrolować w poszczególnych branżach?

Zastosowanie systemów wizyjnych różni się zasadniczo w zależności od branży, specyfiki produktu, prędkości linii produkcyjnej oraz rygorów jakościowych.

Przemysł motoryzacyjny (Automotive)

W branży automotive systemy wizyjne nadzorują elementy krytyczne dla bezpieczeństwa pasażerów.
Detal i miejsce kontroli: pasy bezpieczeństwa, poduszki powietrzne, moduły elektroniczne, układy hamulcowe, fotele samochodowe (struktury, mechanizmy, pokrycia).
Rodzaj kontroli: weryfikacja kompletności montażu, obecność i położenie elementów (np. pierścieni zabezpieczających Segera), kontrola uszczelnień i ścieżek kleju, wady powierzchniowe odlewów, kontrola spawów, znakowanie laserowe.
Parametry wdrożenia: np. kontrola ciągłości nałożenia ścieżki uszczelniacza silnika na robocie, dopuszczalna odchyłka szerokości ścieżki ±0,5 mm, czas cyklu inspekcji poniżej 1,5 s, automatyczny odrzut pneumatyczny na stacji NOK bez zatrzymywania linii.

Baterie EV

Produkcja ogniw i modułów akumulatorowych do pojazdów elektrycznych wymaga bezkompromisowej precyzji w celu uniknięcia zwarć i pożarów.
Zadania kontrolne: wykrywanie rys, wgnieceń, zabrudzeń i defektów na delikatnej powierzchni ogniw, kontrola położenia elektrod, pomiar wymiarów geometrycznych obudowy, weryfikacja orientacji elementów montażowych oraz odczyt kodów identyfikacyjnych.

Elektronika i elektrotechnika

Miniaturyzacja komponentów elektronicznych uniemożliwia stabilną kontrolę manualną.
Zadania kontrolne: precyzyjna kontrola mikrowyłączników (pęknięcia obudowy, zabrudzenia styków), weryfikacja poprawności montażu płytek PCB, kontrola wygięcia i wysokości pinów w złączach, obecność komponentów SMD, weryfikacja połączeń lutowanych, pęknięć, odprysków oraz mikrozabrudzeń.

Przemysł spożywczy i napojowy

W tej branży kluczowa jest wysoka wydajność, higiena procesu oraz ochrona zdrowia konsumentów poprzez weryfikację dat przydatności.
Produkt i opakowanie: jogurty w kubkach, napoje w butelkach PET, konserwy, opakowania zbiorcze.
Typ nadruku: nadruki atramentowe (InkJet) i laserowe (daty przydatności, numery partii, kody kreskowe).
Parametry wdrożenia: prędkość linii sięgająca do 35 000 sztuk na godzinę, stabilny odczyt i weryfikacja poprawności dat (OCR/OCV) oparte o sieci neuronowe, natychmiastowy odrzut wadliwego opakowania za pomocą pneumatycznego spychacza (pushera) na boczny tor odbiorczy.

Przemysł farmaceutyczny

Farmacja podlega najsurowszym rygorom prawnym związanym z identyfikowalnością produktów i bezpieczeństwem pacjentów.
Format opakowania: blistry aluminiowo-tworzywowe z tabletkami, szklane fiolki, korki, tłoki strzykawek, kartoniki jednostkowe.
Wymagania i parametry: kontrola kompletności i uszkodzeń tabletek w blistrze, weryfikacja unikalnych kodów Data Matrix (serializacja), pełna archiwizacja wyników inspekcji w bezpiecznej bazie danych SQL (zgodnie z wymaganiami walidacyjnymi FDA), odrzut realizowany za pomocą stacji ze zdmuchiwaniem pneumatycznym wyposażonej w czujnik potwierdzenia odrzutu.

Przemysł medyczny

Produkcja wyrobów medycznych wymaga rygorystycznego śledzenia partii oraz kontroli cech krytycznych.
Wyrób i cechy krytyczne: jednorazowe strzykawki, cewniki, igły medyczne (geometria ostrza, obecność i montaż osłonki, brak mikrozanieczyszczeń).
Zadania i dokumentacja: kontrola oznakowania UDI (Unique Device Identification), precyzyjne kryteria jakościowe OK/NOK, pełna dokumentacja procesu i śledzenie partii (traceability).

Pakowanie (co-packing i pakowanie zbiorcze)

Eliminacja kosztownych błędów logistycznych w procesach pakowania.
Zadania kontrolne: weryfikacja zasady „właściwy produkt – właściwe opakowanie” (zapobieganie spakowaniu np. alergizującego produktu w zły kartonik), kontrola etykiet, poprawności zamknięcia nakrętek, szczelności zgrzewów folii, obecności plomby gwarancyjnej. Integracja z kontrolerami PLC linii i systemami MES w celu płynnego odrzutu bez zakłócania przepływu produktów.

Logistyka i magazynowanie

Systemy wizyjne w centrach dystrybucyjnych automatyzują proces sortowania i rejestracji przesyłek.
Rodzaj paczek i zadań: karton, foliopaki, palety; odczyt kodów kreskowych i kodów 2D w locie (tzw. tunele skanujące), bezkontaktowe wymiarowanie i pomiar objętości paczek na szybkich sorterach taśmowych, kontrola uszkodzeń mechanicznych opakowań (np. rozdarcia, zgniecenia).
Integracja: bezpośrednia dwukierunkowa komunikacja z systemem zarządzania magazynem WMS, obsługa wyjątków polegająca na automatycznym kierowaniu paczek z nieczytelnym kodem na dedykowaną pętlę weryfikacji manualnej.

Tworzywa, guma, metal i lotnictwo

Kontrola wymagających, refleksyjnych lub silnie matowych powierzchni o nieregularnych kształtach.
Zadania kontrolne: wykrywanie wad krawędzi, otworów, poprawności spawów, ciągłości powłok galwanicznych i lakierniczych, odkształceń geometrycznych części metalowych. Weryfikacja jakości bezpośredniego znakowania części (kody DPM Data Matrix) w lotnictwie oraz detekcja zadziorów, wypływek, deformacji i braków materiałowych w elementach formowanych z gumy i tworzyw sztucznych.

Przykłady inspekcji z wykorzystaniem systemów Cognex

Kontrola kompletności montażu (motoryzacja)

Inspekcja nałożenia uszczelnienia

Defekty na powierzchni ogniwa baterii EV

Wadliwy układ scalony (Deep Learning)

Układ scalony bez wad

Wadliwe lutowanie z zaznaczoną wadą

OCR na elastycznym opakowaniu żywności

Wykrywanie błędnego etykietowania

Przykłady zastosowań w branży elektronicznej – wykrywanie defektów z wykorzystaniem narzędzia Deep Learning „ViDi Analyze”.

Zestawienie przykładowych aplikacji i ryzyk wdrożeniowych

Zamiast stosować ryzykowne, szablonowe schematy sprzętowe, poniżej przedstawiamy zestawienie popularnych aplikacji inspekcyjnych wraz z realnymi czynnikami zakłócającymi oraz ryzykami technicznymi, z którymi inwestorzy najczęściej mierzą się podczas wdrożeń.

Motoryzacja (Automotive)

Kontrola montażu pierścienia Segera

Czynniki zakłócające: zaolejenie detalu, refleksy od błyszczącego metalu, niejednorodne tło montażowe, wahania odcieni części.
Ryzyka: brak stabilnego kontrastu, wysoki wskaźnik fałszywych odrzutów (FRR), błędy pozycjonowania narzędzi wizyjnych.
Podejście: indywidualne testy optyczne – dobór dedykowanej geometrii oświetlenia.

Elektronika i elektrotechnika

Kontrola mikrowyłączników

Czynniki zakłócające: miniaturowe wymiary detali, cienie w zagłębieniach, refleksy na pinach styków, naturalna zmienność koloru plastiku.
Ryzyka: przeoczenie mikropęknięć obudowy lub błędne interpretowanie cieni/refleksów jako wad (fałszywe odrzuty NOK).
Podejście: zastosowanie AI – rozproszone oświetlenie kopułowe (dome) eliminujące odblaski na pinach, połączone z Deep Learning (sieci neuronowe tolerujące zmienność tła plastikowego).

Przemysł maszynowy / metalowy

Pomiary wymiarowe detali tłoczonych

Czynniki zakłócające: postrzępione krawędzie (zadzior po cięciu), zaolejenie detali, drgania linii produkcyjnej.
Ryzyka: drastyczny spadek realnej dokładności pomiarowej (nawet o rząd wielkości) przez uśrednianie położenia postrzępionej krawędzi.
Podejście: urealnienie oczekiwań – wspólna analiza parametrów detalu z klientem. Zastosowanie precyzyjnych obiektywów telecentrycznych i podświetlenia tylnego (backlight) w celu minimalizacji błędu krawędzi.

Farmacja

Weryfikacja kompletności i uszkodzeń blistrów

Czynniki zakłócające: refleksy od błyszczącej folii aluminiowej, zróżnicowana kolorystyka tabletek, wysoka prędkość linii.
Ryzyka: odbicia światła uniemożliwiające inspekcję stref pod folią, fałszywe wykrywanie braków tabletek.
Podejście: optymalizacja optyczna – zastosowanie filtrów polaryzacyjnych i precyzyjnych oświetlaczy powierzchniowych połączonych z rygorystycznymi testami laboratoryjnymi na próbkach.

Spożywcza i napojowa

Odczyt dat i weryfikacja nadruku (OCR/OCV)

Czynniki zakłócające: deformacje elastycznych opakowań, drgania taśmociągu, słaba jakość nadruku (np. rozmazany InkJet), prędkość do 35 tys. szt./h.
Ryzyka: zrywanie synchronizacji wyzwalania zdjęcia, nieczytelność znaków, częste zatrzymania linii z powodu fałszywych odrzutów.
Podejście: zaawansowane algorytmy – narzędzia OCR/OCV oparte na sieciach neuronowych (Edge/Deep Learning) odporne na zniekształcenia czcionki i wibracje opakowania.

Logistyka

Skanowanie kodów i gabarytów przesyłek

Czynniki zakłócające: zgnioty kartonów, błyszcząca folia stretch, kurz, różnorodne pozycjonowanie etykiety (pełny zakres 360 stopni).
Ryzyka: brak odczytu (No Read) kodów o słabym kontraście, błędy pomiaru objętości paczek o nieregularnych kształtach.
Podejście: integracja systemowa – tunele skanujące z kamerami o wysokiej dynamice (HDR), profilometry laserowe 3D oraz wbudowana ścieżka obsługi wyjątków (re-run) zintegrowana z systemem WMS.

Urealnianie oczekiwań klienta i zarządzanie ryzykiem – rola doświadczenia Eltron Engineering

Systemy wizji komputerowej są niezwykle wydajnym narzędziem, jednak nie są magicznym panaceum na każdy problem produkcyjny. Bardzo często początkowe oczekiwania inwestorów są niezwykle wygórowane. Wynika to najczęściej z braku specjalistycznej wiedzy z fizyki światła, optyki oraz ograniczeń samej analizy cyfrowej.

Dzięki wieloletniemu doświadczeniu inżynierskiemu zespół Eltron Engineering nie tylko dostarcza sprzęt, ale przede wszystkim służy jako merytoryczny partner, który potrafi rzetelnie ocenić ryzyko wdrożeniowe i poprowadzić klienta najbezpieczniejszą ścieżką.

Jak pomagamy urealniać założenia projektowe?

Typowym i niezwykle częstym przykładem niedopasowania oczekiwań do fizycznej rzeczywistości są aplikacje, w których klient oczekuje ekstremalnie wysokich dokładności pomiarowych (np. na poziomie pojedynczych mikrometrów) na detalach wykonanych metodą tłoczenia, odlewania czy cięcia mechanicznego:

Zjawisko fizyczne

Wycinane krawędzie takich detali w powiększeniu optycznym są postrzępione, nieregularne i chropowate.

Efekt w systemie wizyjnym

Algorytm lokalizujący krawędź napotyka fizyczny brak powtarzalności linii. Aby dokonać pomiaru, oprogramowanie musi zastosować matematyczne uśrednienie położenia wykrytych punktów krawędziowych.

Konsekwencje

W rezultacie realna, powtarzalna dokładność pomiarowa całego systemu jest gorsza o rząd wielkości (lub więcej) od teoretycznych założeń klienta.

W takich sytuacjach inżynierowie Eltron Engineering wkraczają z rzetelną analizą techniczną. Zamiast składać puste obietnice, wspólnie z klientem weryfikujemy i urealniamy oczekiwania. Może to polegać na modyfikacji progów tolerancji, zmianie sposobu bazowania detalu lub redefinicji mierzonych cech tak, aby system działał stabilnie w warunkach produkcyjnych.

Kiedy projekt staje się projektem badawczo-rozwojowym (R&D)?

Istnieją aplikacje na tyle skomplikowane lub zmienne, że na wstępie nie da się zagwarantować 100% sukcesu standardowymi metodami. Jeśli analiza wykaże, że dane założenia są skrajnie trudne, a stabilność inspekcji stoi pod znakiem zapytania, Eltron Engineering stawia sprawę uczciwie. Proponujemy wówczas podejście do tematu jak do projektu badawczego (R&D). Proces ten charakteryzuje się:

Pełna transparentność

Klient zna zdefiniowane ryzyka techniczne przed poniesieniem głównych kosztów sprzętowych.

Etapowość

Prace dzielimy na fazy badawcze w naszym laboratorium, gdzie krok po kroku eliminujemy czynniki niepewności.

Partnerstwo

Wspólnie szukamy optymalnych kompromisów technicznych i alternatywnych metod weryfikacji jakości detalu.

Dzięki temu podejściu nasi klienci unikają nietrafionych inwestycji, a projekty o wysokim stopniu trudności są realizowane w sposób kontrolowany i bezpieczny finansowo.

Jak wygląda test wykonalności i proces wdrożenia?

W Eltron Engineering nie budujemy maszyn – dostarczamy i pomagamy wdrażać sprawdzone technologie wizyjne Cognex. Nasza procedura inżynieryjna eliminuje ryzyko niepowodzenia aplikacji i przeprowadza Klienta przez cały proces:

Bezpłatna konsultacja online (ok. 60 min)

Omawiamy wyzwanie, weryfikujemy zdjęcia/filmy i ustalamy wstępną koncepcję. Określamy ramowy budżet, aby nie testować „w ciemno”.

Dostarczenie próbek (OK / NOK)

Klient przesyła detale poprawne i wadliwe z opisem defektów oraz wymagań co do czasu cyklu i tolerancji.

Test wykonalności (Proof of Concept)

W naszym laboratorium wizyjnym we Wrocławiu dobieramy optykę, oświetlenie i kamery oraz sprawdzamy powtarzalność detekcji. Klient otrzymuje raport z jednoznaczną deklaracją skuteczności.

Dobór sprzętu i koncepcja integracji

Kompletujemy komponenty wizyjne oraz przygotowujemy wytyczne do integracji mechanicznej i elektrycznej.

Przygotowanie oprogramowania

Tworzymy algorytmy inspekcyjne, konfigurujemy komunikację (PLC/robot) oraz projektujemy przyjazny interfejs operatora (HMI).

Wsparcie przy montażu i uruchomieniu

Pomagamy w integracji na linii (dostarczamy gotowy zestaw z asystą uruchomieniową lub współpracujemy z wybranym przez Klienta integratorem) i walidujemy działanie w ruchu produkcyjnym.

Szkolenie i asysta powdrożeniowa

W naszym Centrum Szkoleniowym we Wrocławiu lub w zakładzie Klienta szkolimy automatyków z obsługi i tworzenia nowych referencji oraz zapewniamy dalsze wsparcie techniczne.

Często zadawane pytania (FAQ)

Czy system wizyjny może działać na bardzo szybkich liniach produkcyjnych?

Tak. Współczesne kamery przemysłowe o ultrakrótkich czasach ekspozycji (migawki globalne – global shutter) oraz szybkie procesory pozwalają na stabilną kontrolę i odczyt danych na liniach pracujących z prędkością przekraczającą 30 000 produktów na godzinę. Kluczem jest dobór oświetlenia impulsowego, które „zamraża” ruch obiektu.

Kiedy należy wybrać Deep Learning zamiast klasycznych narzędzi wizyjnych?

Klasyczne narzędzia regułowe wybieramy do precyzyjnych pomiarów geometrycznych i powtarzalnych cech o wysokim kontraście. Głębokie uczenie (Deep Learning) jest niezastąpione, gdy mamy do czynienia z wykrywaniem nieregularnych wad (rysy, pęknięcia, wgniecenia) na powierzchniach o zmiennej teksturze, na błyszczących metalach lub gdy produkty wykazują naturalną zmienność kształtu i koloru.

Jakie znaczenie dla stabilności systemu ma test wykonalności (feasibility study)?

Test wykonalności przeprowadzany w laboratorium eliminuje ryzyko inwestycyjne. Pozwala on inżynierom fizycznie zweryfikować na próbkach klienta, czy dany defekt jest możliwy do powtarzalnego wykrycia przy określonej konfiguracji optyki i oświetlenia. Dopiero po uzyskaniu pozytywnego wyniku testu przystępuje się do fazy projektowania i zakupu sprzętu. To również moment, w którym weryfikujemy, czy wstępne oczekiwania dokładnościowe są realizowalne.

Jak systemy wizyjne komunikują się z automatyką i systemami nadrzędnymi typu MES?

Systemy wizyjne posiadają wbudowane interfejsy przemysłowe obsługujące najpopularniejsze protokoły komunikacyjne, takie jak PROFINET, EtherNet/IP, Modbus TCP czy TCP/IP. Pozwala to na bezpośrednią wymianę danych ze sterownikami PLC (odbieranie sygnału triggera i wysyłanie wyniku OK/NOK) oraz jednoczesne raportowanie szczegółowych wyników, zdjęć i kodów do baz danych SQL oraz systemów MES/WMS.

Masz pytania lub chcesz omówić swój projekt związany z wizyjną kontrolą jakości?

Skontaktuj się z nami! Nasi eksperci są gotowi, by pomóc Ci znaleźć idealne rozwiązanie wizyjne.

Kontakt z konsultantem Zobacz nasze usługi