AI光学筛选机 高速外观缺陷检测与自动分选设备

产品介绍

POMEAS PMS-PL06 AI光学筛选机是一款面向微小精密零件外观质量检测与自动分选的机器视觉设备。系统集成 AOI自动光学检测、 AI深度学习、 六相机高速成像、 CPU+GPU图像处理、高速电机控制及自动分选机构，可连续完成产品上料、图像采集、缺陷识别、结果判断和良品、不良品分选。

设备配置 白光及复合光源系统， 可根据工件尺寸、材质、颜色、表面反光特性和缺陷类型制定检测方案，适用于传统视觉算法较难稳定识别的暗裂、微裂、反光表面异常及不规则外观缺陷。

系统支持快速换线、离线参数调整、检测数据统计、图表导出及MES系统连接，帮助企业提高全检效率，减少人工检测产生的漏检、误判和品质波动。

主要特点

AOI与AI深度学习结合

AOI视觉算法可对尺寸、轮廓、位置及规则性外观异常进行稳定判断，AI深度学习则适合识别复杂纹理、不规则缺陷、暗裂、微裂和反光表面异常。两种检测方式相结合，可兼顾检测速度、稳定性与缺陷适应能力。

六相机多角度高速成像

设备搭载六相机高速成像系统，可从不同方向采集工件图像，减少单一视角造成的检测盲区，提高复杂结构、侧面特征及多表面缺陷的检测覆盖率。

高速检测与自动分选

通过高速电机控制、实时图像处理及高速电磁阀分选机构，设备可在工件连续输送过程中完成检测与分选，最高检测速度可达约800件/分钟。

实际检测速度会受到工件尺寸、材质、上料状态、检测项目、缺陷复杂程度及判定标准影响，最终以样品测试结果为准。

白光与复合光源系统

可根据工件表面状态选择合适的照明方式，使裂纹、划伤、缺口、脏污、色差及轮廓异常等特征更加清晰，提高图像对比度和缺陷识别稳定性。

支持快速换线

不同产品可建立独立检测方案，更换产品时可调用已保存的参数。系统支持离线调整检测区域、判定标准及AI模型，缩短设备换线与现场调试时间。

检测数据统计与追溯

系统可记录检测总数、良品数量、不良品数量及缺陷分类，并生成统计图表，为生产管理、品质追溯和制程改善提供数据依据。

支持MES系统连接

检测结果及生产信息可与 MES制造执行系统 连接，实现生产数据实时上传，方便企业进行质量管理、数据分析和生产过程优化。

技术亮点

CPU+GPU高速处理架构

CPU负责设备控制、逻辑判断、数据管理和通信，GPU负责多相机图像运算及AI模型推理，提高六相机图像的实时处理能力，保证检测和分选动作连续运行。

AI模型针对性训练

可使用客户提供的良品、不良品和边界样品训练检测模型，使系统逐步学习不同缺陷的图像特征，提升复杂缺陷和不规则异常的识别能力。

多算法组合检测

可根据检测项目组合使用灰度分析、边缘识别、尺寸测量、轮廓比对、位置判断和AI分类等算法，实现一个工件多个检测项目同步判断。

毫秒级电磁阀分选

检测结果生成后，系统控制高速电磁阀完成分选动作，将良品、不良品或不同等级产品准确排入对应下料区域。

检测方案灵活配置

针对不同尺寸、形状、材质和表面状态的产品，可调整相机视角、光源方式、检测区域、缺陷阈值和分选逻辑，满足多种零件的自动化检测需求。

可检测内容

设备可根据客户产品和检测标准开发相应检测方案，常见检测内容包括：

• 暗裂、微裂及细微裂纹
• 表面划伤、压伤、缺口及破损
• 脏污、异物、黑点、白点及色差
• 反光表面异常及特殊材质缺陷
• 尺寸、轮廓、孔位及位置异常
• 缺件、多件、混料及型号错误
• 方向错误、装配异常及外形不完整
• 良品与不良品自动分类分选

具体可检测缺陷、最小缺陷尺寸及检测稳定性，需要结合真实样品、缺陷标准和生产节拍进行测试确认。

规格参数

典型应用

微小精密零件外观全检

适用于尺寸较小、人工观察困难、检测数量较大的精密零件，可代替重复性人工目检，提高检测效率和结果一致性。

反光金属零件检测

针对表面反光明显的金属零件，可通过复合光源和AI算法强化缺陷特征，识别裂纹、划伤、缺口及表面异常。

电子零部件检测

可用于小型电子元件、连接器零件、精密五金件及其他微小部件的外观、方向、尺寸和混料检测。

冲压件与机加工零件筛选

可对冲压件、车削件、紧固件及精密机加工零件进行轮廓、破损、裂纹、毛刺和表面缺陷检测。

注塑及非金属零件检测

适用于小型注塑件、陶瓷件及其他非金属产品的缺口、变形、黑点、色差和外观完整性检测。

大批量自动分选

适用于需要高速全检、良品与不良品自动分流以及检测数据追溯的批量生产场景。更多检测方案可查看 机器视觉应用案例。

以上应用属于常见方案方向，实际是否适用应以客户样品测试和检测需求评估为准。

常见问题（FAQ）

1. 设备最高检测速度是多少？

设备最高检测速度可达约800件/分钟。实际速度与工件尺寸、材质、上料状态、检测项目数量和缺陷复杂程度有关，需要通过样品测试确认。

2. 可以检测哪些外观缺陷？

可根据检测方案识别暗裂、微裂、划伤、缺口、破损、脏污、异物、色差、轮廓异常及反光表面缺陷，也可扩展尺寸、位置、方向和混料检测。

3. 为什么需要AOI与AI结合？

AOI算法适合检测边界清晰、规则明确的项目；AI深度学习更适合复杂纹理、不规则缺陷和传统算法难以稳定识别的异常。二者结合可提高检测适应性。

4. 反光零件可以检测吗？

可以。设备采用白光和复合光源系统，可根据零件表面反光程度调整照明角度和检测算法。但实际检测效果仍需通过样品测试验证。

5. 更换产品后是否需要重新调试？

已有产品可直接调用保存的检测方案。更换为新产品时，通常需要重新设置光源、相机、检测区域、判定标准，并根据需要训练AI模型。

6. 是否支持良品与不良品自动分选？

支持。系统根据检测结果控制高速电磁阀，将产品准确分入良品盒、不良品盒或其他指定下料区域。

7. 是否可以生成检测报表？

可以。系统可统计检测数量、良品数量、不良品数量和缺陷类型，并支持生成图表及导出生产数据。

8. 是否支持连接MES系统？

支持与MES制造执行系统连接，可上传检测结果和生产信息，满足品质追溯、生产统计及制程改善需求。

9. AI模型需要多少样品进行训练？

所需样品数量取决于缺陷种类、缺陷差异、产品一致性及检测标准。建议同时提供良品、不良品和接近判定边界的样品，以提高模型训练效果。

10. 购买设备前需要提供什么资料？

建议提供产品图纸、良品样品、不良品样品、缺陷说明、允许误判率、允许漏检率及目标检测速度，以便评估检测可行性并制定方案。

样品测试说明

不同产品的材质、颜色、尺寸、表面状态和缺陷特征存在差异，设备实际检测速度、识别精度及分选稳定性需要通过真实样品测试确认。您可以先了解 机器视觉检测项目实施流程。

建议客户提供：

• 良品样品
• 不同类型的不良品样品
• 接近判定标准的边界样品
• 缺陷位置及缺陷名称说明
• 允许漏检率和误判率
• 目标生产节拍
• 上下料及数据连接要求

完成样品测试后，可根据测试结果确定相机配置、光源方案、检测算法、分选方式和实际检测速度。

相关产品与技术资料

• AI视觉检测解决方案
• POMEAS工业相机
• 机器视觉光源
• 机器视觉应用案例

获取检测方案

请提供良品、不良品、缺陷标准及目标检测速度，我们将根据样品特征评估检测可行性，并匹配相机、光源、AI算法和自动分选方案。 联系POMEAS技术团队获取样品测试方案。