今天的工厂中主要有三种类型的检测方式：（1）Offline——首件检测；（2）At-line——随机抽样检查或被拒样品检查；（3）In line——100％零部件在线检测。

在上述三种检测方式中，第三种100％零部件检测（即100%质量控制）是所有制造商的最终目标，这种检测方式意味着装配线上的每个零部件都被检查，测证每个零部件是否合格。在线检测通常使用线激光线轮廓仪，扫描传送带上的运动的零部件，来完成在线检查（见图1）。

图1：利用线激光线轮廓仪扫描传送带上运动的零部件，完成在线检测。

Offline：首件检测

当机器视觉系统运行缓慢时，制造商不得不使用离线检测方法。离线检测用于测证第一件产品的制造是否正确，并假设生产设备在长期生产期间，都处于可接受公差范围内。

这种方法将第一件产品作为整批产品的代表，因此会存在一些潜在的质量问题，比如由生产线上的动态过程磨损引起的潜在质量问题。

图2：工厂中常用的三种主要检测方式。

At-line：随机抽检或被拒样品检查

这种方法使用一种更快速的检测解决方案，允许工程师在生产车间进行随机抽样检查。这种检测方式主要用于两种情况：（1）将随机零件从生产线上分离出来进行检查；（2）在一个专门的在线测量站检测被拒零件，以便确定生产过程中的哪个步骤出现了问题。

虽然这种检测方式不能实现100％的质量控制，但是它能够在生产过程中检测产品的质量问题，可以实现产品在出厂前进行检测和返工。

In Line：100％零件在线检测

一旦检测方法能够实现与生产速度相匹配的扫描速度，就可以进行100％的部件检查，这样一来就可以实现全自动化生产，以最大程度地减少返工和防错误，监控工厂设备的性能。LMI Technologies的Gocator三维智能传感器可以做到这点！

激光三角测量和结构光

目前，最有效的在线检测方案利用3D传感器技术，如激光三角测量或结构光（边缘投影）。这两种技术都提供非接触式零件扫描，并产生高分辨率3D扫描图像，用于特征测量和验证。

图3：激光三角测量

图4：结构光扫描测量

3D测量的优势

2D视觉无法实现100％的质量控制，它无法获取扫描零件的几何形状数据，导致与形状有关的关键特征丢失。而3D测量能够提供如下优势：

•体积测量（X、Y和Z轴）提供与形状和位置相关的参数

•对比度不明显的情况下，是检查低对比度物体的理想选择

•不受轻微的照明变化或环境光的影响

•光源和相机集成于传感器内部，并经过预交准能获取更高的重复性

•易于组成多传感器网络，用于扫描各种大型或复杂的工件

生产过程中的在线检测

典型的在线检测过程包括扫描、测量和控制，所有这些都在高度优化的流水线操作流程中执行，以跟上工厂的生产速度。

以下总结了检测过程中的关键处理步骤：

•通过组合这些图像文件，生成高密度3D点云

•使用内置测量工具计算测量值

•对照预设公差检查测量结果

•通知工厂网络和设备“合格/不合格”决定

图5：典型在线检查过程中的几个关键步骤。

用3D智能传感器实现在线检测

Gocator围绕实时数据处理流水线进行设计，包括触发、3D点云生成、零件分割、零件旋转、零件分割、测量和“合格/不合格”判定输出。

这套流水线操作完全作为Gocator的内置功能而实现，并且可以通过基于Web浏览器的用户界面轻松设置，提供对扫描（曝光、分辨率、过滤等）、测量（锚定、基于点和点击的工具、脚本）和控制输出（PLC、机器人、以太网或直接I/O）。

实现更快的速度

GocatorAccelerator (GoX)是一个基于PC的应用程序，用户可以实现更快的数据处理速度，进一步缩短检测周期。GoX有效地将Gocator扫描数据重定向到PC，进行后端测量和决策处理。现在检查流水线运行在两个组件（传感器和PC）上，解决了数百个大部件的测量或扫描、需要比一个传感器能提供的更多处理能力或内存的情况。

图6：Gocator使用基于PC的加速器实现实时数据处理与决策输出。

利用多传感器网络

在“智能”自动化工厂中，可能使用Gocator多传感器网络来扫描大型或者复杂工件或捕获同一部件的多幅视图。从多个传感器收集数据、拼合并生成单个3D点云进行微米级测量。GoX进程可在多台PC上运行，管理在工厂运行的数百个Gocators。这就是分布式“智能”处理为工厂带来的强大功能。

图7：在智能自动化工厂中运行的Gocator传感器网络。

结论

通过Gocator的内置实时数据处理生产线，以及使用Gocator加速器在传感器和PC之间分配处理的能力，今天的工厂实现了一个有效的检测解决方案，可以在线对制造零件、组件和成品实现100％的质量控制。

智能3D传感器可以实现100%质量控制！