威海迈维特智能识别技术有限公司

迈维特智能(图)-视觉筛选机-筛选机

威海迈维特智能识别技术有限公司

  • 主营产品:机电自动化设备,计算机软硬件,集成电路,单片机及外部设备
  • 公司地址:威海市火炬高技术产业开发区沈阳路-108号创新大厦232室
咨询热线: 15318276666
立即咨询 QQ咨询
信息详情

不良品视觉筛选机设备技术说明
一、设备概述
不良品视觉筛选机是基于机器视觉技术的自动化检测设备,主要用于工业生产线上的产品外观质量检测。该设备通过高精度图像采集与智能算法分析,可快速识别产品表面缺陷、尺寸偏差、装配错误等质量问题,检测精度可达±0.01mm,检测速度高达3000件/分钟,适用于电子元件、精密五金、包装、食品加工等多个行业。
二、技术配置
1.光学系统:配备500万像素工业相机(可选配1200万像素),搭配环形LED多光谱光源,支持明场/暗场切换
2.处理平台:搭载Inteli7处理器+GPU加速卡,支持深度学习算法
3.检测软件:内置AI缺陷分类系统,支持OCR识别、轮廓比对、色差分析等12种检测模式
4.机械结构:模块化设计,兼容传送带/转盘式上料,处理尺寸150×150mm
三、功能优势
1.检测精度:可识别0.02mm²的微小缺陷(如划痕、气泡、缺料)
2.智能学习:通过2000+样本训练后,误判率低于0.3%
3.多工位检测:支持6个检测工位同步工作,兼容尺寸、外观、装配完整性复合检测
4.数据管理:配备MES系统接口,实现检测数据实时上传与质量追溯
四、典型应用场景
1.电子行业:芯片引脚变形、焊点缺陷检测
2.汽车零部件:密封圈尺寸公差、表面压伤检测
3.食品包装:标签错位、喷码完整性检测
4.耗材:刻度线缺失、胶塞装配检测
五、设备参数
电源:AC220V±10%50/60Hz
功率:1.5kW(标准配置)
气源压力:0.4-0.6MPa
工作环境:温度0-40℃湿度20-80%RH
设备尺寸:1500×1200×1800mm(L×W×H)
该设备采用模块化设计,支持定制化改造,通过ISO9001质量体系认证,平均无故障运行时间(MTBF)超过8000小时,可有效替代人工目检,提升检测效率300%以上,不良品检出率可达99.98%,帮助企业实现智能化质量管控。

企业视频展播,请点击播放
视频作者:威海迈维特智能识别技术有限公司






**紧固件筛选简介**
紧固件是机械装配中用于连接、固定或密封的基础元件,包括螺栓、螺母、螺钉、垫片、铆钉等。其筛选是确保设备安全性与可靠性的关键环节,需综合考虑材料、规格、性能等级、使用环境等多重因素。以下是筛选的要点:
**1.材料选择**
根据应用场景选择适配材质:
-**碳钢/合金钢**:适用于一般机械结构,强度高、成本低,但需表面处理防锈。
-**不锈钢**:耐腐蚀性强,适用于潮湿、酸碱环境(如船舶、化工设备)。
-**钛合金/铝合金**:轻量化需求场景(如航空航天),兼具强度与耐腐蚀性。
-**塑料/尼龙**:绝缘、防震场景(如电子设备),但承载能力有限。
**2.规格与标准匹配**
需严格遵循国际(ISO、DIN)、国家(GB、ANSI)或行业标准,确保尺寸、螺纹类型(公制、英制)与装配部件兼容。例如,M8螺栓需搭配对应螺母,避免因公差累积导致松动或断裂。
**3.性能等级与载荷要求**
根据受力情况选择强度等级:
-**普通螺栓**(如4.8级)用于低载荷连接。
-**高强度螺栓**(如8.8级、12.9级)用于重载或振动环境(如桥梁、汽车底盘)。
需计算预紧力、剪切力与抗拉强度,避免过载失效。
**4.表面处理与防护**
-**电镀锌**:经济适用,防锈能力中等。
-**达克罗**:耐高温、耐腐蚀性强,适用于汽车零部件。
-**热浸镀**:重防腐场景(如户外钢结构)。
**5.环境适应性**
高温、低温、盐雾、化学腐蚀等特殊环境需针对性选型。例如,石化设备需耐腐蚀的合金材质;低温场景需避免材料脆化。
**6.特殊功能需求**
防松设计(如尼龙锁紧螺母)、绝缘性(陶瓷垫片)、密封性(带胶螺栓)等附加功能需提前明确。
**总结**
紧固件筛选需以“适用性”为,平衡性能、成本与寿命,同时结合实验验证(如盐雾测试、振动测试)确保可靠性。合理选型可大幅降低设备故障率,提升整体系统效能。

紧固件视觉筛选原理是基于机器视觉技术实现的自动化质量检测方法,主要用于螺栓、螺母、垫片等工业零部件的缺陷识别与尺寸测量。其原理可分为图像采集、图像处理、特征分析及决策分类四个阶段。
**1.图像采集与预处理**
系统采用高分辨率工业相机配合定制化光源(如环形LED、同轴光)对高速传输的紧固件进行多角度成像。光源设计可消除反光并凸显表面特征,如螺纹结构、裂纹或锈斑。通过频闪触发或全局快门技术确保动态拍摄清晰度,图像经去噪、灰度化处理后转换为数字信号。
**2.特征提取与分析**
算法通过边缘检测(Canny算子)、模板匹配等技术提取关键几何参数(直径、螺距、头高),同时利用形态算识别表面缺陷。深度学习模型(如卷积神经网络)可处理复杂纹理特征,识别划痕、缺牙、电镀不良等20余类缺陷。3D视觉系统还可检测高度差、平面度等立体参数。
**3.智能决策与分拣**
系统将检测数据与预设公差标准(ISO/DIN)实时比对,通过逻辑判断树或支持向量机(SVM)进行分类决策。合格品进入下一工序,缺陷品由气动装置自动剔除。典型检测精度可达±0.02mm,处理速度高3000件/分钟,误检率<0.1%。
该技术突破传统人工检测的局限性,实现微米级精度的非接触式测量,尤其适用于汽车、航空航天等高精度制造领域。通过模块化设计可快速适配不同规格产品,结合工业物联网可实现检测数据云端存储与质量追溯。