Analisis Mendalam dan Aplikasi Penglihatan Mesin dalam Pemeriksaan Kimpalan Produk
Dalam sistem pembuatan industri moden, kimpalan adalah proses penting untuk menyambungkan komponen logam dan membentuk struktur utama produk. Kualiti kimpalan secara langsung menentukan kekuatan, ketahanan, keselamatan, dan jangka hayat produk. Dari badan kenderaan dan landasan kereta api berkelajuan tinggi hingga kenderaan aeroangkasa dan saluran paip bertekanan, sebarang kimpalan yang tidak memenuhi piawaian boleh membawa akibat yang dahsyat. Oleh itu, pemeriksaan kimpalan adalah kawalan kualiti yang amat penting dalam proses pembuatan.
Pemeriksaan visual manual tradisional sangat bergantung pada pengalaman dan keadaan pemeriksa, yang mengakibatkan kekurangan semula jadi seperti kecekapan rendah, piawaian yang tidak konsisten, mudah letih, kadar kegagalan pengesanan yang tinggi, dan kesukaran dalam mengukur dan menjejaki hasil. Dengan kemajuan Industri 4.0 dan pembuatan pintar, penglihatan mesin, sebagai teknologi pemeriksaan automatik tanpa sentuhan, berketepatan tinggi, dan berkecekapan tinggi, telah menjadi alat revolusioner untuk meningkatkan kawalan kualiti kimpalan.
I. Nilai Teras dan Kelebihan Pemeriksaan Kimpalan dengan Penglihatan Mesin
Berbanding dengan kaedah tradisional, penglihatan mesin menunjukkan kelebihan yang tiada tandingan dalam pemeriksaan kimpalan:
1. Objektiviti dan Konsistensi: Penilaian didasarkan pada piawaian algoritma yang telah ditetapkan, tidak terjejas oleh emosi manusia, perbezaan pengalaman, atau kecenderungan subjektif, memastikan objektiviti dan konsistensi mutlak dalam hasil pemeriksaan.
2. Ketepatan Tinggi dan Resolusi Tinggi: Kamera dan lensa industri moden boleh mengesan kecacatan permukaan pada tahap mikron atau bahkan submikron (seperti mikropori dan retakan), jauh melebihi kemampuan mata manusia.
3. Kecekapan Tinggi dan Prestasi Masa Nyata: Membolehkan pemeriksaan dalam talian pada kelajuan penuh di barisan pengeluaran, menyelesaikan pemerolehan imej, pemprosesan, dan penilaian dalam milisaat, memenuhi keperluan kitaran pengeluaran berkelajuan tinggi dan mencapai 100% pemeriksaan menyeluruh.
4. Digitalisasi dan Kebolehtelusuran: Semua proses pemeriksaan dan hasilnya (imej, data, lokasi NG) direkodkan secara automatik, disimpan, dan dihubungkan dengan kod pengenalan produk (seperti kod QR), membentuk arkib kualiti digital yang lengkap, memudahkan kebolehtelusuran kualiti, analisis statistik, dan penambahbaikan proses. 5. Tidak memerlukan sentuhan dan boleh disesuaikan dengan persekitaran yang keras: Ia boleh beroperasi dengan stabil dalam persekitaran yang tidak sesuai untuk kerja manual, seperti suhu tinggi, kelembapan tinggi, habuk, dan bahan toksik, melindungi keselamatan kakitangan.
6. Kurangnya kos: Walaupun terdapat sedikit pelaburan awal, ia boleh mengurangkan kos buruh dan latihan secara ketara dalam jangka masa panjang, serta mengurangkan kos tersembunyi seperti penyelenggaraan selepas jualan dan kerosakan reputasi jenama yang disebabkan oleh kegagalan pemeriksaan.
II. Komponen Utama Sistem Pemeriksaan Kimpalan dengan Visi Mesin
Sistem pemeriksaan kimpalan dengan visi mesin yang lengkap biasanya terdiri daripada lima bahagian utama berikut:
1. Sistem Pengimejanan:
Kamera Industri: Dipilih mengikut keperluan pemeriksaan. Kamera imbasan kawasan sesuai untuk mendapatkan bentuk keseluruhan dan ukuran dimensi kimpalan; kamera imbasan garisan lebih sesuai untuk imbasan berterusan bagi kimpalan yang panjang dan lurus bagi mendapatkan imej beresolusi ultra tinggi. Kamera 3D (seperti profilometer laser dan cahaya teratur) digunakan untuk memperoleh maklumat geometri tiga dimensi seperti profil keratan rentas, pengukuhan kimpalan, cekung, dan kedalaman penembusan kimpalan.
Lensa: Lensa industri beresolusi tinggi dan rendah distorsi memastikan imej yang jelas dan tepat. Lensa telecentrik sering digunakan untuk menghapuskan kesilapan perspektif dan memastikan ketepatan pengukuran.
Sumber Cahaya dan Skim Pencahayaan: Ini amat penting untuk kejayaan. 1. **Pencahayaan:** Disebabkan oleh ciri-ciri kimpalan (biasanya berwarna putih terang atau gelap, permukaan beralun), reka bentuk pencahayaan yang teliti diperlukan untuk menonjolkan ciri-ciri dan mengurangkan gangguan. Penyelesaian yang biasa digunakan termasuk:
▪ Pencahayaan latar: Digunakan untuk pengukuran kontur dan mengesan kecacatan yang menembusi.
▪ Pencahayaan koaksial/kubah: Digunakan untuk mengesan calar, lekuk, dan perbezaan warna akibat pengoksidaan pada permukaan rata.
▪ Pencahayaan cincin/jalur sudut rendah: Digunakan untuk menonjolkan tekstur permukaan yang berombak, bahagian bawah las, manik las, dan lain-lain, dalam lasan.
2. Unit Pemerolehan dan Pencetus Imej:
Bertanggungjawab untuk mengawal kamera bagi mengambil gambar pada masa yang tepat (contohnya, apabila bahan kerja tiba di stesen pemeriksaan), memastikan kedudukan imej kekal tetap untuk analisis seterusnya.
3. Sistem Pemprosesan dan Analisis Imej (Otak Teras):
Perkakasan: Biasanya PC industri atau pengawal visi terbenam dengan keupayaan pengiraan yang kuat.
Perisian: Dilengkapi dengan perpustakaan algoritma penglihatan mesin (seperti Halcon, OpenCV, VisionPro) atau algoritma yang dibangunkan sendiri. Tugas utama merangkumi: pemprosesan awal imej (pengurangan gangguan, penambahbaikan, pembetulan), pengekstrakan ciri, pengenalpastian dan pengelasan kecacatan, pengukuran dimensi, dan penilaian hasil.
4. Struktur Mekanikal dan Kawalan Pergerakan:
Ini termasuk pendakap pemasangan untuk kamera dan sumber cahaya, mekanisme pelarasan, dan platform gerakan servo yang mungkin diperlukan (untuk menggerakkan kamera atau mengimbas produk). Pastikan jarak, sudut, dan medan pandangan pengimejan yang stabil dan boleh dipercayai.
5. Hasil Keluaran dan Mekanisme Pelaksanaan:
Hasil pengesanan (OK/NG) dihantar ke PLC melalui antara muka I/O atau rangkaian industri (seperti Ethernet/IP, PROFINET) untuk mengawal mekanisme penyisihan pada talian pengeluaran (seperti silinder, robot) bagi membuang atau menandakan produk yang rosak.
III. Kandungan Pengesanan Utama dan Algoritma Teknologi Teras
Aplikasi penglihatan mesin dalam pemeriksaan kimpalan boleh dibahagikan kepada dua kategori utama: pemeriksaan rupa dua dimensi dan pemeriksaan dimensi geometri tiga dimensi.
1. Pengesanan Kecacatan Penampilan Dua Dimensi: Terutamanya mengenal pasti kecacatan visual pada permukaan kimpalan.
• Kecacatan biasa: porositi, kehadiran sisa-sisa, retakan permukaan, potongan bawah, manik kimpalan, pembakaran berlebihan, kekurangan pengikatan (permukaan), percikan yang berlebihan, warna permukaan yang tidak normal (pengoksidaan).
• Teknologi Teras:
Algoritma Pemprosesan Imej Tradisional: Mengeluarkan ciri-ciri seperti luas, perimeter, dan lokasi kawasan kecacatan melalui penapisan, binarизация, pengesanan tepi, operasi morfologi, dan analisis titik, dan membandingkannya dengan ambang nilai untuk penilaian. Sesuai untuk kecacatan biasa dengan perbezaan yang jelas.
Pengesanan Kecacatan Berdasarkan Pembelajaran Mendalam: Ini adalah arah aliran utama dan terkini semasa ini. Model Rangkaian Neural Konvolusi (CNN), seperti YOLO, Faster R-CNN, dan U-Net, dilatih menggunakan sejumlah besar imej kimpalan yang telah dilabelkan (sampel positif dan negatif). Pembelajaran mendalam mempunyai keupayaan penyesuaian yang kuat dan kadar pengesanan yang sangat tinggi untuk latar belakang yang kompleks, kecacatan yang tidak teratur, dan kecacatan dengan kontras lemah, serta boleh secara automatik mengklasifikasikan jenis kecacatan.
2. Pengesanan Dimensi Geometrik 3D: Mengukur dengan tepat parameter geometri makroskopik pada kimpalan, yang secara langsung mempengaruhi kekuatan kimpalan dan sifat mekanikal.
• Dimensi Utama: Lebar kimpalan, ketinggian pengukuhan, kedalaman cekung, ketidaksejajaran, saiz kaki kimpalan fillet, lebar kimpalan, dan lain-lain.
• Teknologi Teras:
Pemindaian Laser Triangulasi/Garisan: Teknologi penglihatan 3D yang paling biasa digunakan. Pancaran laser garis dipancarkan ke permukaan kimpalan, membentuk garis laser yang berubah bentuk mengikut kontur permukaan. Kamera merakam garisan ini dari sudut lain, dan maklumat ketinggian setiap titik pada garisan tersebut dikira menggunakan prinsip triangulasi, sekali gus membentuk semula kontur 3D lengkap bagi kimpalan. Ia boleh mengeluarkan dengan tepat semua dimensi yang disebutkan di atas dan mengenal pasti masalah seperti ketinggian kimpalan yang tidak mencukupi atau berlebihan, atau ketidakseimbangan kimpalan.
Pengimejan 3D cahaya teratur: Dengan memancarkan satu siri corak grating berkod ke permukaan kimpalan, kamera menangkap corak yang berubah bentuk dan mengira data awan titik 3D berketepatan tinggi, sesuai untuk pemeriksaan kimpalan pada permukaan melengkung yang lebih kompleks.
IV. Senario Aplikasi dan Alur Kerja Biasa
Contoh Situasi: Pemeriksaan kimpalan pada talian pengeluaran kimpalan badan kenderaan
1. Tugas Pemeriksaan: Pemeriksaan dalam talian kualiti permukaan (tiada retakan, porositi) dan kesinambungan kimpalan titik/kimpalan laser pada bahagian utama badan kereta, seperti tiang-A/tiang-B.
2. Penggunaan Sistem: Mengintegrasikan profilometer laser 3D dan kamera array beresolusi tinggi ke dalam satu stesen pemeriksaan, yang dibawa oleh robot atau dipasang pada talian pengeluaran.
3. Alur kerja:
Pencetus: Badan kenderaan tiba di stesen pemeriksaan, dan sensor fotoelektrik mengaktifkan sistem penglihatan.
Pengimbasan: Robot, yang dipandu oleh sensor 3D, mengimbas kawasan kimpalan mengikut trajektori yang telah ditetapkan, sambil memperoleh data kontur 3D dan imej tekstur 2D secara serentak.
Pemprosesan:
▪ Selepas memproses data 3D, lebar kimpalan dan ketinggian lebihan dikira dan dibandingkan dengan nilai teori dalam model CAD untuk menentukan pematuhan dimensi.
▪ Imej 2D dimasukkan ke dalam model pengesanan kecacatan pembelajaran mendalam, yang mengenal pasti dan memilih sebarang kecacatan permukaan (seperti retakan dan porositi) serta mengelasifikasinya.
Keputusan: Sistem ini menggabungkan hasil dimensi 3D dan hasil kecacatan 2D untuk memberikan penilaian akhir "lulus" atau "tidak lulus" bagi kimpalan.
Pelaksanaan dan Pencatatan: Isyarat NG dihantar ke PLC untuk penandaan atau penggera di stesen kerja seterusnya. Semua data (imej, lengkung kontur, ukuran, lokasi kecacatan) dimuat naik ke sistem MES dan dikaitkan dengan kod VIN badan kenderaan.
V. Cabaran dan Trend Pembangunan Masa Depan
Kemahiran yang perlu diatasi:
• Keadaan kerja yang kompleks: Cahaya arka yang kuat, percikan api, asap, pantulan permukaan bahan kerja, dan pencemaran minyak boleh menjejaskan kualiti imej dengan ketara.
• Pelbagai jenis kimpalan: Rupa kimpalan sangat berbeza bergantung pada bahan, proses (MIG/MAG, TIG, kimpalan laser), dan jenis sambungan (sambungan butt, sambungan sudut, sambungan lap), yang menimbulkan kesukaran kepada universaliti algoritma tersebut.
• Definisi piawaian pemeriksaan: Kriteria penerimaan untuk kecacatan tertentu (seperti percikan mikro dan warna tidak sekata) adalah tidak jelas, memerlukan penentuan kuantiti yang tepat bagi spesifikasi proses ke dalam parameter algoritma.
• Pelaburan awal dan kerumitan integrasi: Memerlukan tahap keupayaan teknikal dan sumber kewangan tertentu daripada perusahaan.
Trend Pembangunan:
1. Penggunaan meluas pembelajaran mendalam AI: Meluas daripada pengesanan kecacatan kepada tahap yang lebih mendalam seperti pengoptimuman parameter proses dan ramalan kualiti kimpalan, mencapai kitaran tertutup dari "pengesanan" ke "kawalan". 2. Penggabungan maklumat pelbagai sensor: Mengintegrasikan maklumat daripada pelbagai sumber seperti penglihatan 2D, penglihatan 3D, pengimejan termal inframerah (mengesan medan suhu), dan pelepasan akustik (mengesan kecacatan dalaman) membolehkan penilaian menyeluruh kualiti kimpalan, baik secara dalaman mahupun luaran.
3. Integrasi dan miniaturisasi: Kamera pintar dan sistem visi terbenam menjadikan sistem visi lebih mudah digunakan, lebih murah, dan lebih mudah diaplikasikan di lebih banyak stesen kerja.
4. Integrasi mendalam dengan robot: Membentuk unit robot kimpalan pintar yang mengintegrasikan "kimpalan berpandukan penglihatan - pemantauan proses masa nyata - pemeriksaan segera selepas kimpalan," mencapai kimpalan pintar yang benar-benar adaptif.
5. Platform awan dan analisis data besar: Memuat naik semua data pemeriksaan visual dari barisan pengeluaran ke platform awan, menggunakan analisis data besar untuk mengenal pasti kaitan potensial antara kualiti kimpalan dan parameter peralatan, kumpulan bahan, serta faktor persekitaran, memberikan maklumat data untuk pengoptimuman proses dan ramalan kualiti.
Kesimpulan
Teknologi penglihatan mesin sedang mengubah secara ketara cara tradisional pemeriksaan kimpalan produk, menaik taraf kawalan kualiti daripada bergantung pada penilaian berdasarkan pengalaman yang berasaskan "mata dan otak manusia" kepada pengurusan yang tepat, digital, dan pintar berdasarkan kaedah "fotoelektrik dan algoritma". Ia bukan sekadar alat mudah untuk "menggantikan mata manusia," tetapi merupakan teknologi utama yang membolehkan proses kimpalan didigitalkan, membina kilang-kilang yang telus, dan mendorong transformasi kepada pembuatan pintar. Walaupun masih terdapat beberapa cabaran teknikal dan kejuruteraan yang perlu diatasi dalam pelaksanaannya, nilai besarnya dalam meningkatkan kualiti, kecekapan, dan kebolehtelusuran telah pun menjadi jelas, menjadikannya sebagai trend teknologi yang tidak boleh diubah dalam pembuatan berteknologi tinggi. Dengan pematangan berterusan dan pengurangan kos teknologi seperti AI dan pengesan 3D, pemeriksaan kimpalan menggunakan visi mesin sudah pasti akan digunakan dalam pelbagai sektor industri, membentuk asas kualiti yang kukuh untuk sebuah pusat pembuatan yang berkuasa.
