3D 机器视觉将如何改变机器人技术

高速机器在切削孔时会遇到很大的公差，因为在资本的整个生命周期中都会出现刀具磨损。这种公差会影响下游制造步骤，导致 15% 的废品率。这一速度减少了机器一天内生产的零件数量，因此工程师将其关闭以重新编程。下一次迭代更好，但废品率仍然是 8.5%。为了弥补停机时间和报废，团队决定接受报废率以提高制造速度，以避免进一步停机重新编程。提高的速度提高了吞吐量，但高容差将废品率提高到 12%。产能继续滞后。很快，生产远远落后于管理层必须批准另一个班次和加班。

停机、重新编程、运行、检查、重复。

这个周期现在似乎陷入了死亡漩涡，无可救药地无法赶上生产进度。高速机器人技术取决于准确性，错误的尺寸读取成本可能是灾难性的。3D 机器视觉通过提高大规模制造的质量、产量和成本，颠覆了智能机器人技术。该技术能够实时做出反应，自动纠正并同时向操作员提供反馈，在保持生产运行的同时主动提醒机器人的人类同行该问题。

3D 机器视觉在操作过程中接收、处理和响应意外事件，并在不重新编程的情况下完成其任务，以创建完全自动化的体验。在下文中，我们将探讨机器人处理的三个制造任务——拾取和放置、输出尺寸检查和缺陷识别——以及 3D 视觉如何解决每个过程中发生的已知过程错误。

拾取和放置

由于自动输出尺寸检测受益于 3D 机器视觉的准确性，机器人技术的灵活性有利于拾取和放置，这是一个关键的流程步骤，尤其是在各地供应链紧张的气候下。软件工程师开发算法来检测、到达、抓取、移动和放置物品以完成订单。企业资源计划 (ERP) 系统从系统接收订单并将其传输给机器人进行产品拉取。

随着订单的涌入，浪费的时间就是收入的损失。如果机器的抓取力不合适，机器人可能会损坏产品，在此过程中浪费时间和销售商品。3D 成像拍摄产品的整体照片，并将强度信息实时反馈给处理器，为下一个取放动作发出动态响应。机器人不再熟悉 2D 绘图，而是校准到 CAD 模型并实时三角测量物品的位置。智能机器人通过多次重复拿起产品来学习和优化抓取物品的最佳方式。图像在空间中的定位精度与产品结构完整性的视图使机器人能够不断改进（并加快）订单履行。

出库尺寸检验

3D 机器视觉是测量和尺寸检测的理想选择。它使用图像传感器记录高度、宽度和深度维度的数据，并根据偏航、俯仰和滚动轴上的剩余自由度定位位置。这种方法产生了严格公差控制计划尺寸所需的增强精度。2D 检测将零件的平面图像与 2D 工程图或已知的一组测量值进行比较。通过 3D 成像，对象或特征的形状、体积或深度位置的图片增强了 2D 的优势。

二维检测中的一个常见挑战是在垂直于观察表面的深度或旋转位置上不符合规范的特征。平面视图可能无法捕捉到尺寸公差的过度偏差，通过了一个应该被拒绝并标记为操作员检查过程或设备的零件。3D 机器视觉沿所有六个自由度收集位置数据并构建图像以应对这一挑战。随着机器人比较图片的多个版本，分析的数据量增加，检查员的信心更高。

缺陷识别

如果取放需要宏观级别的精度，而尺寸检测需要微观级别，那么零件缺陷识别需要纳米级别的精度。吞吐率和适合/形式/功能是必不可少的，但有缺陷的产品会损害您公司的声誉和形象。如果产品有缺陷，消费者和客户很乐意留下负面评价。市场太先进了，无法在产品完整性上妥协，而质量工程师无法检测到的产品缺陷会带来失去份额的巨大风险。

收集零件 3D 图像的多种方法还可以描述产品缺陷的几何形状和位置。由于材料不均匀、内部特征损坏或残留在增材制造零件中的支撑材料或介于两者之间的任何原因，这些缺陷可以表示为意外的密度不一致。除了尺寸精度之外，质量保证工程师还可以定义一组成功标准来批准零件。如果工程师不解决问题，有缺陷的零件可能会增加废品率、降低产量，并可能导致现场故障。3D 机器成像收集、分析信息并将信息传输给操作员，操作员会立即提醒他们注意问题。机器人收集的数据为工程师提供了有价值的，他们可以使用实时数据来总结缺陷的频率、一致性和位置，以进行根本原因分析。早期识别产品缺陷对于降低生产风险和维持制造时间表至关重要。

与任何大批量、资本密集型流程一样，机器会随着时间的推移而磨损。这一现实意味着您需要针对影响生产的意外过程变量进行计划。使用这种颠覆性技术的机器可以吸收不可预见的变量和障碍，在不重新编程的情况下导航并完成任务。您在操作过程中获得的信息越多，您就越有可能更快地找到解决方案。

3D 机器视觉是寻求更明智的工艺条件的强大盟友。它收集的数据比其 2D 对应物多得多，并在大规模制造过程中使用它来创建和实施完整图像。这些图像可以帮助引导机器收敛取放应用位置，并通过增加对深度和旋转轴方向的洞察力来改进输出尺寸检测。他们还可以识别可能导致召回或安全问题的大量有害产品缺陷。

作为物联网 (IoT) 的一部分，3D 机器视觉通过执行动态响应而无需重新编程而越来越受欢迎。该技术尚未完全成为主流，它将迅速从新颖的创新转变为商品预期。企业将继续推动机器和过程控制之间的反馈循环变得更短。由于越来越多的行业和大规模制造流程相互连接，这项技术的力量将继续增长。

审核编辑：符乾江