标定板是整套精度的源头,选错型式或等级,后面的算法再好也补不回来。
棋盘格是最常见的一种,角点特征明确,适合大多数常规场景。
圆点阵列在亚像素提取上更稳定,尤其适合需要高重复性的场合。
同心圆环则多用于需要覆盖多尺度的情况,可以在一张板上提供不同尺寸的特征。
三种型式没有绝对优劣,选择依据是算法支持程度与现场条件。
建议先确认所用算法库支持哪种型式,再反过来选板。
选型阶段把算法要求放在第一位,可以避免因型式不匹配而返工,这是最省成本的顺序。
如果后续可能更换算法库,建议优先选择通用性更好的型式,为将来留出余地。
把这几条判断固化成一张检查表,后续新增设备时可以直接复用,不必每次重新讨论。
建议在验收阶段用实际工件跑一轮完整流程,最能暴露参数表上看不出的问题。
格距太小,特征在图像上占的像素数不足,提取精度会下降。
格距太大,一个视野里特征数量不够,拟合出来的参数不够稳健。
通常的做法是让标定板覆盖视野的大部分区域,并保证每个方向上有足够数量的特征点。
具体数量应与算法要求对齐,不同库的建议值并不一致。
选型前把视野尺寸报给设备方,是最省事的确认方式。
把视野尺寸与期望特征数量一起报给设备方,通常一次就能得到合适的格距建议。
现场若存在多个工位共用一套标定参数的情况,应按最苛刻的视野来选格距。
条件记录得越完整,后续复现与追溯越容易,这也是内部评审最认可的一点。
更换品种越频繁,规范化的收益越明显,这一点在多品种小批量车间尤其突出。
标定板自身也有制造误差,这个误差会直接传递到标定结果里。
如果标定板的误差与期望的测量精度在同一量级,那这套标定从源头就不成立。
常规经验是标定板的精度应明显高于目标测量精度,留出足够余量。
采购时应要求对方提供标定板的检定数据,而不是只看标称值。
没有检定数据的板不建议用于量值判定。
要求供应商提供检定数据这一条建议在采购时就写明,事后补要往往拿不到。
标定板的精度余量建议留得比目标测量精度更宽,因为后续还会叠加其他误差源。
成本与性能的取舍建议写成书面结论,避免人员变动后重新争论。
现场环境与实验室条件不同,最终判断应以现场实测结果为准。
玻璃基底尺寸稳定性好,受温度影响小,适合精度要求高的场合。
但它更脆,现场搬运与清洁需要格外小心。
金属基底更耐用,但热膨胀系数更大,温度波动时会带来尺寸变化。
如果现场温度控制较好,金属基底也完全够用。
选择时把现场温度波动幅度一并考虑进去。
温度波动较大的现场,建议优先考虑尺寸稳定性,而不是只看板材是否耐用。
也可以通过在标定前让标定板在现场充分恒温,来降低温度带来的影响。
排查顺序建议固定下来:先确认最简单的一项,再逐层深入,效率最高。
把判定标准写进作业指导书,可以让不同班次的操作人员得到一致的结论。
留档要求越早提出越好,后期补采集链路的代价通常高于一次到位。
标定板表面污染、划伤都会影响特征提取,应单独存放并避免直接接触工作面。
清洁时使用合适的方式,避免留下划痕或残留。
周期性复检可以确认板本身没有变形,尤其是在频繁使用的产线上。
复检周期可结合使用频率与环境条件确定,建议写入设备维护规程。
发现异常应立即停用并更换。
存放方式建议单独配置保护盒,成本很低,但可以显著延长标定板的使用寿命。
复检结果应与首次检定数据对比,出现明显变化时应追溯使用过程是否出现过异常。
与设备方的沟通尽量用实测数据而不是形容词,可以显著减少来回次数。
培训环节常被压缩,但它直接决定设备能否达到设计节拍。
没有绝对优劣。棋盘格角点明确、通用性好;圆点阵列在亚像素提取上更稳定。建议先确认算法库支持哪种型式再选。实际结果应以现场实测为准。建议把判定标准提前写进技术协议。
要让标定板覆盖大部分视野,同时保证每个方向上有足够数量的特征点。具体数量应与所用算法库的要求对齐。条件变化时应重新验证一次。必要时可送样做实测确认。
用于量值判定时建议要有。标定板自身制造误差会直接传递进标定结果,只看标称值无法确认其真实精度。并把结论与样品编号一并留档。实际结果应以现场实测为准。
不一定。玻璃尺寸稳定性好但易损;金属更耐用但热膨胀更明显。若现场温度控制良好,金属基底同样适用。建议把判定标准提前写进技术协议。条件变化时应重新验证一次。
可按使用频率与环境条件确定周期,建议写入设备维护规程。频繁使用的产线应缩短周期,发现污染或划伤立即停用。必要时可送样做实测确认。并把结论与样品编号一并留档。
应单独存放并避免接触工作面,清洁时使用合适方式避免留下划痕或残留。无法恢复时应更换而不是继续使用。实际结果应以现场实测为准。建议把判定标准提前写进技术协议。
标定问题最快的收敛方式是真实工况,不是讨论。把工件照片、尺寸公差和节拍要求发过来,我们给出可落地的配置与标定方案 —— 包括哪些指标在当前条件下达不到。我们不做「什么都能测」的承诺,只给可验证的结论。
您将收到我们最新的动态资讯