苏州弗格特机器人有限公司

CTC PACK

Fri, 08 Dec 2023 15:45:49 +0800

PACK段储能模组生产线

线体包含地盘上线，模组入箱，加压静置，涂胶，buabar焊接等工序

视觉引导定位打螺栓

Thu, 07 Dec 2023 15:09:51 +0800

基于视觉引导定位打螺丝

机器视觉检测系统：原理与流程解析

Thu, 07 Dec 2023 09:17:57 +0800

在现代工业和科学领域，机器视觉检测系统的应用越来越广泛。本文将探讨机器视觉检测系统的工作原理以及其检测流程。通过本文的阐述，读者将能够更加深入地理解机器视觉检测系统的基本原理和实际应用。

机器视觉检测系统是一种使用计算机和相应的软件技术以及硬件设备的检测系统。它模拟了人眼在进行视觉感知时的过程，通过提取图像信息并使用图像处理和模式识别技术，以实现对物体、形状、颜色、纹理等特征进行检测、辨别和分类。机器视觉检测系统的应用范围广泛，包括工业生产、质量控制、安全监控、医疗影像、交通监控等领域。

工作原理

机器视觉检测系统的工作原理主要包括以下几个方面：

2.1 图像采集与预处理

机器视觉检测系统首先需要通过摄像头等设备获取图像数据。获取到的图像通常含有大量的噪声和干扰，因此需要进行预处理，包括去噪、图像增强、图像纠正等操作，以提高图像的质量和可用性。

2.2 特征提取与分析

接下来，机器视觉检测系统会对图像进行特征提取。特征提取的目的是从图像中提取出具有代表性的特征，如边缘、角点、纹理等。这些特征有助于识别和分类物体，并作为后续处理的基础。

2.3 模式匹配与分类

在特征提取后，机器视觉检测系统会进行模式匹配和分类。模式匹配是指将提取到的特征与预先训练好的模式进行比对，以判断图像中是否存在特定的物体或形状。分类是指将匹配到的图像进行分组或分类，以便进一步进行后续处理或决策。

2.4 结果输出与反馈

最后，机器视觉检测系统会将检测结果输出给用户或其他系统。根据实际应用需求，输出结果可以是简单的二值化图像、分类标签、数值结果等。系统还可以通过反馈机制对检测结果进行评估和优化，以提高系统性能和准确性。

检测流程机器视觉检测系统的流程主要包括以下几个步骤：

3.1 数据采集

机器视觉检测系统通过相机、摄像头或其他传感器设备采集图像或视频数据。采集到的数据作为后续处理和分析的基础。

3.2 数据预处理

采集到的数据可能含有噪声、失真等问题，需要进行预处理以提高数据质量。预处理包括去噪、滤波、图像增强等操作。

3.3 特征提取与分析

对预处理后的数据进行特征提取，提取出具有代表性的特征，如边缘、角点、纹理等。特征分析可以帮助理解图像中的目标物体，并为后续的模式匹配和分类提供支持。

3.4 模式匹配与分类

将提取到的特征与预先训练好的模式进行比对，判断图像中是否存在特定的物体或形状。根据匹配结果，对图像进行分类或分组。

3.5 结果输出与反馈

将检测结果输出给用户或其他系统。根据实际应用需求，输出结果可以是简单的二值化图像、分类标签、数值结果等。系统还可以通过反馈机制对检测结果进行评估和优化，以提高系统性能和准确性。

应用案例

机器视觉检测系统在各个领域有着广泛的应用。以工业生产为例，它可以用于质量控制、缺陷检测、产品排序等任务。在医疗影像领域，机器视觉检测系统可用于分析医学影像，辅助医生进行诊断和治疗。在交通监控领域，机器视觉检测系统可用于车辆识别、交通流量统计等功能。

总结

机器视觉检测系统的工作原理与流程包括图像采集与预处理、特征提取与分析、模式匹配与分类、结果输出与反馈等环节。它通过模拟人眼的视觉感知过程，实现对图像中物体、形状、颜色等特征的检测和分析。机器视觉检测系统在各个领域有着广泛的应用，为提高生产效率、优化产品质量、改善医疗诊断等方面提供了重要的技术支持。随着计算机技术的进一步发展，机器视觉检测系统将得到更广泛的应用和发展。

自动化立体仓库

Wed, 06 Dec 2023 17:33:37 +0800

作为拥有自动化立体仓库相关设备技术专利的专业制造商，弗格特已为上百座立体仓库提供更具市场竞争力的价格和优良服务，如具有成本效益的智能物流设备和管理系统。自动化立体仓库服务客户来自化工、食品、医药、机械、冷库等众多领域，立体仓库主要产品有：巷道式堆垛机、智能穿梭车、多层穿梭车、子母穿梭车、四向穿梭车、提升机、AGV/RGV小车等。

机器视觉自动化检测设备的优缺点及其应用前景

Wed, 06 Dec 2023 11:12:24 +0800

机器视觉自动化检测设备是一种基于计算机视觉技术的高效自动检测装置。它具有高精度、高效率、可靠性强等优势，但同时也面临着成本高、复杂度大、依赖环境等多种挑战。本文将详细介绍机器视觉自动化检测设备的优劣势，并展望其在未来的应用前景。

随着科学技术的不断进步，机器视觉技术逐渐成熟，并在许多领域得到应用。机器视觉自动化检测设备是其中的一个重要应用方向，它通过计算机视觉技术实现了对产品的自动化检测，具有高精度、高效率、可靠性强等优势。然而，机器视觉自动化检测设备也存在一些不足之处，比如成本高、复杂度大、依赖环境等。本文将全面介绍机器视觉自动化检测设备的优劣势，并对其应用前景进行展望。

一、机器视觉自动化检测设备的优势

高精度：机器视觉自动化检测设备依靠先进的图像处理算法和机器学习技术，能够实现对产品的高精度检测。它能够进行像素级别的检测，准确判断产品是否符合要求。
高效率：相比于传统的人工检测方式，机器视觉自动化检测设备具有更高的检测效率。它能够在短时间内完成大量产品的检测工作，提高了生产效率。
可靠性强：机器视觉自动化检测设备不受人工因素的影响，能够保证检测结果的准确性和一致性。它能够长时间连续工作，不会因为疲劳或者注意力不集中而导致错误。
自动化程度高：机器视觉自动化检测设备能够实现全自动化的检测过程，不需要人工干预。它可以自动捕捉图像、提取特征、进行分析，并根据设定的检测标准进行判断。
适应性强：机器视觉自动化检测设备具有一定的适应性，能够适应不同产品的检测需求。只需要对算法进行相应的调整，就可以适应不同尺寸、形状和材料的产品。

二、机器视觉自动化检测设备的劣势

成本高：机器视觉自动化检测设备的成本相对较高。它需要在设备、软件和人力方面进行投入，这些成本在初期投入时较大。
复杂度大：机器视觉自动化检测设备的设计和开发需要具备较强的技术和专业知识。它涉及到图像处理、机器学习、算法优化等多个领域，需要进行复杂的工程实现。
依赖环境：机器视觉自动化检测设备对环境要求较高，光照条件、温度湿度等因素都会对检测结果产生影响。这就需要对环境进行相应的控制和调整，增加了设备的复杂度。
误判率较高：尽管机器视觉自动化检测设备可以实现高精度的检测，但是在实际应用中，由于产品的特殊性和环境的不确定性，误判率仍然较高。这就需要进行不断的优化和改进。
可靠性有待提高：虽然机器视觉自动化检测设备具有一定的可靠性，但是在一些复杂情况下，比如光照不均匀、产品表面污染等情况下，其可靠性仍然有待提高。

三、机器视觉自动化检测设备的应用前景

机器视觉自动化检测设备在工业生产、医疗诊断、安防监控等领域具有广阔的应用前景。

工业生产：机器视觉自动化检测设备可以应用于各类生产线上，对产品的质量进行实时检测。它能够提高生产效率，降低人工成本，同时保证产品的一致性和可追溯性。
医疗诊断：机器视觉自动化检测设备可以应用于医疗领域，对医学图像进行分析和疾病诊断。它可以帮助医生快速准确地判断病情，提高诊断效率和精度。
安防监控：机器视觉自动化检测设备可以应用于安防监控系统中，实现对环境的自动检测和报警。它可以实时监控并判断异常情况，提高安全性和防范能力。
智能交通：机器视觉自动化检测设备可以应用于智能交通系统中，实现对车辆和行人的自动识别和监测。它可以帮助交通管理部门实现城市交通流量的优化和管理。
农业领域：机器视觉自动化检测设备可以应用于农业领域，实现农作物的智能测量和品质检测。它可以帮助农民提高农作物的产量和质量，优化农业生产。

结论：

机器视觉自动化检测设备是一种基于计算机视觉技术的高效自动检测装置。它具有高精度、高效率、可靠性强等优势，但同时也面临着成本高、复杂度大、依赖环境等多种挑战。随着技术的不断发展和进步，机器视觉自动化检测设备的应用前景将变得更加广阔，它将在工业、医疗、安防、交通等领域发挥重要作用。

工业机器视觉：实现自动化检测的关键技术

Wed, 06 Dec 2023 10:41:16 +0800

本文探讨了工业机器视觉如何通过关键技术实现自动化检测。首先，介绍了工业机器视觉的基本原理和应用领域。接着，详细阐述了实现自动化检测的关键技术，包括图像获取与预处理、目标检测与识别、特征提取与分析，以及决策与控制等方面。此外，还讨论了工业机器视觉在实际应用中面临的挑战与发展趋势。最后，总结了工业机器视觉自动化检测的优势和前景。

一、引言

工业机器视觉是指利用计算机视觉技术对工业产品或生产过程中的图像进行获取、处理和分析，以实现自动化检测和控制的一种技术。随着工业制造水平的不断提高和生产需求的增加，工业机器视觉在自动化检测中扮演着越来越重要的角色。本文将从关键技术的角度探讨工业机器视觉如何实现自动化检测。

二、工业机器视觉的基本原理和应用领域

工业机器视觉的基本原理是通过摄像机获取物体的图像，并利用计算机对图像进行处理和分析，从而实现对物体的检测、识别和判别。工业机器视觉广泛应用于质量控制、自动化生产、机器人控制等领域。例如，在电子制造业中，工业机器视觉可用于检测产品表面的缺陷；在汽车制造业中，可用于检测产品的尺寸和装配质量等。

三、实现自动化检测的关键技术

图像获取与预处理工业机器视觉的第一步是获取清晰、准确的图像。为了提高图像质量，常采用光源控制、相机位置调整等技术。同时，为了减少图像噪声和提高图像对比度，还需进行图像预处理，包括去噪、滤波、灰度变换等操作。
目标检测与识别目标检测与识别是工业机器视觉的核心任务之一。基于图像特征的目标检测方法有边缘检测、区域生长法等；基于学习算法的目标识别方法有支持向量机、人工神经网络等。这些方法可用于检测和识别物体的形状、颜色、纹理等特征。
特征提取与分析特征提取与分析是工业机器视觉的关键环节。在目标检测与识别的基础上，需要进一步提取物体的特征信息，并进行分析和比对。例如，可以利用图像处理算法提取物体的边缘、轮廓等特征，并进行形状匹配、颜色匹配等操作。
决策与控制最后，根据特征分析结果，进行决策与控制。根据检测到的物体信息，可以判断物体是否合格，进而进行控制和调整。例如，在产品质量控制中，可以根据工业机器视觉的检测结果自动剔除次品产品。

四、工业机器视觉的挑战与发展趋势

尽管工业机器视觉在自动化检测中已经取得重要进展，但仍面临一些挑战。首先，复杂环境下的图像识别和分析仍然存在困难，如光照变化、物体遮挡等。其次，工业机器视觉的算法和设备需要不断更新和改进。此外，还需要解决工业机器视觉系统的可靠性和稳定性问题。

未来，工业机器视觉有望在以下几个方面取得进一步发展。一方面，随着深度学习技术的不断发展，工业机器视觉将能够更好地处理复杂图像和提取更高级的特征。另一方面，利用大数据和云计算等新技术，可以实现工业机器视觉的远程监控和管理。此外，机器视觉与机器人技术的结合也将成为未来发展的重要方向。

五、结论

工业机器视觉通过图像获取与预处理、目标检测与识别、特征提取与分析以及决策与控制等关键技术，实现了自动化检测的目标。尽管仍面临挑战，但工业机器视觉在提高生产效率、降低成本和改善产品质量等方面具有广阔的应用前景。随着技术不断进步和发展，工业机器视觉将在各个领域发挥更大的作用。

AOI检测专机

Tue, 05 Dec 2023 15:28:56 +0800

专业的AOI检测专机，其配备图像采集系统、软件分析算法均是为贴片之后、回流焊之前工序工艺所量身研发，图像质量稳定可靠，可精准检测是否存在缺件，错件，桥接，偏移，极性，错位等外观问题。

当工艺质量达到世界级水平，丝网印刷及元件贴片是最有可能引起不良的两大因素。与印刷工序相关问题引起的不良率占51%，因劣质贴片引起的不良率占38%。这些不良产生的损失不仅仅是物料及劳动力支出，还有非直接制造成本、保修费、客户满意度以及机会成本。

管理成本下降优势：

通过节省人员和提高自动化程度，可以大大节约公司的管理成本，人员的减少，自动化程度的提高，可以为公司节约很大的成本。

维修成本优势：

品质是生产出来而不是维修出来，通过炉前AOI在前端的品质控制，炉后的不良将大大减少，维修人员的工作量将在很大程度上减少。维修的产品越少，产品的品质就越有保障，产品品质的提升，更加能稳固公司在市场和客人的认可度。

产品返工优势：

如果在有贴片物料错料的情况下，过完回流焊之后才检测出来，这时为时已晚，返工的成本会相当高，如果有贵重物料，返工成本将会更高，炉前AOI能及时发现错料的情况，能提前检测出错件，可以实时预防错件。

二点照合/三点照合

AOI可与3D SPI、炉后AOI进行数据整合形成二点/三点照合，便于工艺工程师实时分析追朔产品不良出现在哪个环节。

例如：产品出现立碑，可以通过二点/三点照合的数据，查找是炉前没贴装好，还是过炉的时候炉温没调好，有效改善制程中导致的产品不良，更有效防止出现批量性不良。

智能控制中心

繁琐的编程调试过程一直是工程师们疲于使用AOI的主因，也是高效生产的瓶颈。快速编程及快速更换机种是高端AOI的象征，ALD700拥有多种快速编程调试模式，通过导入CAD数据即可自动链接公共标准或规格模板完成程序，迅速对应新机种的检测需求。可适用于大中小型的生辰模式和产品类型。
基于效率提升，除了i系列处理器与多线程处理外，开发了最新不停机编程、调试技术，用户无需暂停机器运作即可远程完成多条生产线的程序优化实现检测与编程两不误，全面提升产能。
维修站通过网线，HUB与AOI进行连接，可选择一台维修站对一台AOI、多台维修站对一台AOI以及一台维修站对多台AOI多种模式查看检测结果，上图所示的连接方式为一对多台。

机器视觉检测技术分类详解及应用前景展望

Tue, 05 Dec 2023 14:28:12 +0800

机器视觉检测技术是一种利用计算机视觉技术来实现对图像或视频中目标的自动检测与识别的技术。随着计算机视觉和人工智能的迅猛发展，机器视觉检测技术在各个领域得到广泛应用。本文将从不同的角度对机器视觉检测技术进行分类，并分析其各自的特点和应用前景。

物体检测技术

物体检测是机器视觉的基本任务之一，主要用于在图像或视频中准确地定位和识别特定的物体。物体检测技术可以分为两类：基于特征的方法和基于深度学习的方法。基于特征的方法，如Haar特征和HOG特征，通过提取图像中的特征并使用分类器进行判断。而基于深度学习的方法，则是通过深度神经网络对图像进行端到端的训练和预测。这类方法的应用包括目标跟踪、人脸识别、车牌识别等。

行为识别技术

行为识别技术是机器视觉的另一个重要分类，主要用于分析和理解图像或视频中的行为。行为识别技术可以分为两类：基于事件和基于动作的方法。基于事件的方法通过识别图像或视频中的事件，如运动、交互等，来判断行为。基于动作的方法则通过识别行为中的动作特征，如姿势、动作序列等，来进行行为识别。这类方法在视频监控、智能驾驶等领域有广泛的应用。

图像分割技术

图像分割是将图像分割成具有语义意义的多个区域的技术，主要用于图像理解和目标定位。图像分割技术可以分为两类：基于颜色和纹理的方法和基于深度学习的方法。基于颜色和纹理的方法通过提取图像中的颜色和纹理特征来进行分割。而基于深度学习的方法，则是通过卷积神经网络来进行图像分割。图像分割技术在医疗影像分析、自动驾驶等领域有广泛的应用。

场景识别技术

场景识别技术是对图像或视频中的场景进行自动识别和分类的技术，主要用于图像检索和智能推荐等应用。场景识别技术可以分为两类：基于特征的方法和基于深度学习的方法。基于特征的方法通过提取图像中的特征，并使用分类器进行判断。而基于深度学习的方法，则是通过深度神经网络对图像进行端到端的训练和预测。这类方法在图像检索、智能推荐等领域有广泛的应用。

应用前景展望

机器视觉检测技术在物体检测、行为识别、图像分割、场景识别等领域都取得了显著的进展，并在人工智能领域发挥了重要作用。随着计算机性能的不断提高和深度学习算法的不断发展，机器视觉检测技术将会有更广泛的应用前景。例如，在智能驾驶领域，机器视觉检测技术可以实现对交通标志、行人、车辆等的实时检测和识别，提高驾驶安全性和驾驶体验。在医疗领域，机器视觉检测技术可以辅助医生进行疾病诊断和手术操作，提高医疗效率和准确性。此外，机器视觉检测技术还可以应用于安防监控、工业质检、无人机导航等众多领域，为人们的生活和工作带来更多便利和效益。

结论

综上所述，机器视觉检测技术通过物体检测、行为识别、图像分割、场景识别等分类，实现了对图像和视频中目标的自动检测和识别。随着技术的不断发展和应用领域的不断拓展，机器视觉检测技术有着广阔的应用前景，在各个领域为人们的生活和工作带来更多便利和效益。

机器视觉检测技术在制造业中的广泛应用

Tue, 05 Dec 2023 14:21:57 +0800

随着科技的不断进步，机器视觉检测技术在制造业中被广泛应用。机器视觉检测技术借助计算机视觉和图像处理技术，能够使机器能够模拟人眼进行视觉识别、分析和判断。本文将详细探讨为何制造业选择机器视觉检测技术，并分析其应用及优势。

一、提高产品质量

制造业选择机器视觉检测技术的一个主要原因是能够显著提高产品质量。传统人工检测容易受到人为因素的影响，可能出现漏检或误检的情况。而机器视觉检测技术可以通过高速、高精度的图像处理和分析，减少漏检和误检的概率，提高产品的稳定性和一致性。同时，机器视觉检测技术可以在生产过程中实时监控和检测产品，及时发现并纠正潜在的问题，从而降低次品率和产品召回率。

二、提高生产效率

机器视觉检测技术还可以大幅提高制造过程的生产效率。相比传统的人工检测，机器视觉检测技术能够实现高速、高精度的自动化检测，大大减少了人力资源的需求。同时，机器视觉检测技术的自动化特性使其能够在整个生产过程中实时检测，无需停机等待人工检查。这极大地提高了生产的连续性和效率，并且可以快速定位和解决潜在问题，减少了生产线因为质量问题而产生的延误和停滞。

三、降低成本

机器视觉检测技术在制造业中的应用，还能够帮助企业降低成本。传统的人工检测不仅需要大量的人力资源，还存在人为主观因素的影响。而机器视觉检测技术可靠且精确，可以准确判断产品是否达到质量标准，避免了废品的产生。此外，机器视觉检测技术能够及时监控和检测产品，及时发现并修复生产线上的问题，从而减少了因质量问题而导致的生产延误和损失。

四、保障安全与可靠性

机器视觉检测技术在制造业中的应用，还能够提高产品的安全性和可靠性。通过机器视觉检测技术，可以对产品进行全面、高速、精确的检测，及时发现并修复潜在问题。这有助于提升产品的质量，减少产品在使用过程中的故障和事故，从而保障用户的安全和企业的声誉。此外，机器视觉检测技术还可以进行追溯和记录，方便企业进行质量追踪和责任追究。

结论：

综上所述，机器视觉检测技术在制造业中的应用具有诸多优势。它能够提高产品质量，提高生产效率，降低成本，保障安全和可靠性。随着科技的不断进步，机器视觉检测技术将在制造业中发挥更加重要的作用。然而，机器视觉检测技术也面临一些挑战，如需要高精度的图像处理和分析技术，以及适应不同产品和环境的应用需求。因此，制造业在选择和应用机器视觉检测技术时需要充分考虑自身需求和技术能力，以确保其能够取得最佳效果。

如何利用工件形变 —— 重塑生产质量控制的未来

Tue, 05 Dec 2023 14:12:52 +0800

随着制造业的发展，对于工件形变的检测需求日益增加。传统的人工检测方法耗时且容易出错，因此引入机器视觉技术成为一种有效的解决方案。本文将介绍如何利用机器视觉技术来检测工件形变，并探讨其在生产质量控制上的应用。

引言：

工件形变是制造过程中常见的问题之一。它可能是由于材料原本的特性或制造过程中的误差所导致的。无论是在汽车制造、航空航天、电子设备还是其他制造行业，工件形变对产品的质量和性能都有着重要影响。传统的人工检测方法通常是基于人眼的判断，存在主观性和误差较大的问题。因此，引入机器视觉技术来解决这一问题，不仅能提高生产效率，还能确保产品质量的稳定性。

一、机器视觉技术在工件形变检测中的应用

图像获取：首先，需要通过相机或传感器获取工件的图像。这些图像可以是2D图像或3D图像，取决于工件形状的复杂程度。
图像处理：获取到图像后，需要进行图像处理以提取有用的信息。这可以包括边缘检测、图像分割、特征提取等步骤，以便后续的形变分析和测量。
形变分析：通过对比工件的原始图像和当前图像，可以分析出工件的形变情况。可以使用图像配准技术来对比两个图像，并计算出形变的量化指标。
形变测量：根据形变分析的结果，可以进行形变测量。这可以通过计算某些特征点或区域的移动量，来量化工件的形变程度。

二、机器视觉技术在生产质量控制中的应用

实时监测：利用机器视觉技术可以对工件进行实时监测，及时发现工件形变的问题。这有助于避免生产过程中出现不合格品，提高生产效率和产品质量。
质量分析：通过对大量工件形变数据的分析，可以发现制造过程中存在的问题，并对生产流程进行优化。这有助于提高产品的一致性和稳定性。
预警系统：建立一个基于机器视觉技术的预警系统，可以自动检测工件形变并发出警报，以提醒工作人员进行相应处理。这有助于及时解决问题，避免进一步的损失。

三、机器视觉技术的挑战和前景

数据处理：由于机器视觉技术需要处理大量的图像和数据，因此对于数据处理的效率和速度有较高要求。如何优化算法和提高计算性能是当前的挑战之一。
精度和稳定性：工件形变的检测对于精度和稳定性要求较高，因为即使微小的形变也可能对产品的性能造成影响。因此，如何提高机器视觉技术的测量精度和稳定性是亟待解决的问题。
智能化和自动化：未来的发展趋势是将机器视觉技术与人工智能相结合，实现智能化和自动化的生产质量控制。这将进一步提高生产效率和产品质量，并降低人工成本。

结论：

在制造业的发展中，工件形变的检测是一个重要的问题。利用机器视觉技术可以实现对工件形变的自动化检测和测量，并在生产质量控制中起到重要作用。尽管目前还存在一些挑战，但随着技术的进步和应用的推广，机器视觉技术在工件形变检测领域的前景非常广阔。