Logistyka produkcji z zastosowaniem automatycznego systemu detekcji wad odlewniczych

• Autorzy: Świłło S. , Perzyk M. , Myszka D.

Warianty tytułu

Production logistics using vision system for defects inspection

• Języki publikacji: PL

Abstrakty

PL

Artykuł dotyczy nowych rozwiązań z dziedzinie logistyki procesów produkcyjnych. Autorzy przedstawiają system wizyjny przeznaczony do automatycznej inspekcji defektów powierzchniowych. W zależności od konstrukcji wyrobu i techniki wykonania, proces odlewania może generować powierzchniowe defekty takiej jak: pęknięcia lub pory, które w sposób znaczący zmniejszają funkcjonalność wyrobu. Odkąd kontrola wzrokowa stała się powolna i kosztowana, systemy komputerowej inspekcji stały się alternatywa dla tego typu problemów w inspekcji dokonywanej w czasie rzeczywistym. Dlatego też została zaproponowana procedura składająca się z trzech etapów, w celu zwiększenia jakości końcowej wyrobów oraz zwiększenia wydajności procesu odlewania. W pierwszym etapie opracowano technikę obróbki obrazu opartej na metodzie detekcji krawędzi oraz metodę sieci neuronowych. W kolejnym kroku opracowano zaawansowaną technikę oświetlenia, kluczową dla wizualizacji defektów. Na koniec wprowadzono procedurę na automatyczną selekcję oraz kategoryzację rozpoznanych defektów.

EN

The paper presents some new solutions in logistics of production processes. The authors demonstrate a camera based machine vision system for the automatic inspection of surface defects in aluminum die casting. Depending on part design and processing techniques, castings may develop surface discontinuities such as cracks and pores that greatly influence the material’s ability. Since, the human visual inspection is slow and expensive a computer vision system is an alternative solution for on-line inspection. Therefore, a three steps procedure has been developed in order to improve quality and productivity of the manufacturing process. First, the developed vision system uses an advanced image processing algorithm based on edge detection method and advanced learning process, based on the methods of computational intelligence. Second, in addition to the developed image processing algorithm, advanced lighting system has been designed. Finally, the vision system allows the user automatic selection, and classification of the measured defects.

Słowa kluczowe

PL

wada odlewnicza; logistyka procesu; defekt powierzchniowy

EN

casting defect; process logistics; surface defect

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 10186--10191
• Opis fizyczny: Bibliogr. 15 poz., rys., pełny tekst na CD 3

Twórcy

autor

Świłło S.

• Politechnika Warszawska, Wydział Inżynierii Produkcji, 02-524 Warszawa, ul. Narbutta 85

autor

Perzyk M.

• Politechnika Warszawska, Wydział Inżynierii Produkcji, 02-524 Warszawa, ul. Narbutta 85

autor

Myszka D.

• Politechnika Warszawska, Wydział Inżynierii Produkcji, 02-524 Warszawa, ul. Narbutta 85

Bibliografia

• 1. Çelik H.I., Dülger L.C., Topalbekiroğlu M., Development of a machine vision system: real-time fabric defect detection and classification with neural networks, The Journal of The Textile Institute, Vol. 105, (6), 2014, 575-585.
• 2. Frayman, Y., Zheng, Hong Z., Saeid N., Machine vision system for automatic inspection of surface defects in aluminum die casting, Journal of advanced computational intelligence and intelligent informatics, Vol. 10, (3), 2006, 281-286.
• 3. Herold F., Bavendiek K., Grigat R., A third generation automatic defect recognition system, Proc. 16th World Conference on Non Destructive Testing, Montreal, Canada, Aug. 30-Sep. 3, 2004.
• 4. Kupperman, D.S., Reimann, K.J., and Abrego-Lopez, Ultrasonic NDE of Cast Stainless Steel, NDT International, Vol. 20, (3), June 1987, 145-152.
• 5. Kyllonen J., Pietikainen M., Visual inspection of parquet slabs by combining color and texture,”Proc. IAPR Workshop on Machine Vision Applications (MVA’00), Tokyo, Japan, , November 28-30, 2000, 187-192.
• 6. Mery D., Jaeger T., Filbert D., A review of methods for automated recognition of casting defects, Insight, 44(7), 2002, 428-436.
• 7. Nelligan, T.J., Ultrasonic testing of nonferrous castings, Die Casting Engineer, Vol. 36, March 1992, 14-16.
• 8. Newman t.S.,Jain A.K., A survey of automated visual inspection, Comput. Vis. Image Understanding 61, 1995, 321-262.
• 9. Świłło S., Perzyk M., Automatic inspection of surface defects in die castings after machining, Archives of Foundry Engineering, Vol. 11, (3), 2011, 231 – 236.
• 10. Świłło S., Myszka D., Advanced metrology of surface defects measurement for aluminum die casting, Archives of Foundry Engineering, Vol. 11, (3), 2011, 227 – 230.
• 11. Świłło S., Myszka D., Komputerowy system wizyjny do kontroli defektów odlewniczych, Eksperci NEMU, Nr 2(10), 2011 r. 10-12.
• 12. Świłło S., Perzyk M., Automated vision system for inspection of surface casting defects based on advanced computer techniques, Supplement Proceedings, Materials Properties, Characterization and Modeling TMA (The Minerals, Metals & Materials Society) 2012 141st Annual Meeting and Exhibition, Vol. 2, 2012, 387-394.
• 13. Świłło S., Perzyk M., Surface casting defects inspection using vision system and neural network techniques, Archives of Foundry Engineering, Vol. 13, 4/2013, 103-106.
• 14. Thamer H., Weimer D., Kost H., Scholz-Reiter B., 3d-computer vision for automation of logistic processes, Proceedings of the International Logistics Science Conference, Efficiency and innovation in logistics, 2014, 67-75.
• 15. Zuech N., Understanding and Applying Machine Vision, Vision Systems International, Pennsylvania, 2nd ed., rev. and expanded, 1988.