【文/潘敏瑤】現在，人工本錢逐年攀升，年輕人越來越不愿意做重復無創造性的勞動。與此同時，機器人運用逐年增加，價格逐年下降。庫柏特機器人系統部總經理廖圣華在《怎么運用智才干控裝置技術和智能視覺檢測技術 讓3C出產少人化》為主題的講演中指出，3C工業自動化和少人化是僅有處理途徑!
  
  廖圣華也指出，少人化的難點在于裝置及檢測難以少人化。

 “裝置工藝要求高精度，傳統裝置系統依賴于高精度的方位控制，柔性差，制作新設備周期長、本錢高。”廖圣華剖析，3C產品有些外觀缺陷形狀和巨細不固定，傳統AOI視覺檢測技術辨認作用欠好，無法完結自動化。
  
  他標明，裝置和檢測人工占比高，掌握中心技術者將首要圍住！在此境遇下，庫柏特具有智才干控柔性裝置處理計劃和人機協作AI智能產線處理計劃，選用AI視覺檢測途徑，運用于機器人無序上下料、智才干控柔性裝置、機器人力控打磨、智能缺陷檢測。
  
  智能柔性力控裝置技術

    廖圣華指出，傳統工裝在裝置過程中假如遇到阻力，容易發生工件折彎。
  
  “智才干控柔性裝置則能夠通過3D運動視覺定位裝置方位，以六維力傳感器為前言感觸力剖析判別裝置的作業情況，并通過智能查找算法尋找裝置方位，完結機器人柔性裝置。”
  
  此外，智能柔性力控裝置技術選用了視覺引導。視覺引導包括高精度手眼標定、視覺定位。畢竟完結定位精度±0.05mm，定位時刻小于0.3s。
  
  智能柔性力控裝置技術還具有智才干控模塊，在觸摸、查找、插件的過程中，運用機器學習樹立力與結尾速度映射聯絡，完結力反饋控制。
  
  “10μm空隙、20mm 深孔，通過智能柔性力控裝置技術即可在4秒內完結插件，完結了工業界最快的速度！”廖圣華進一步介紹了庫柏特的運用案例，某3C廠商進行設備老化測驗，按2班倒，1.5年就可收回設備本錢。
  
  智能視覺檢測技術

智能視覺檢測技術可運用于分級分類、缺陷檢測、政策定位等多種任務，集成了包括傳統視覺、機器學習、深度學習在內的多種檢測算法。
  
  “智能視覺檢測技術可作為單獨組件供給效力，也可集成到其他任務中。”廖圣華介紹。
  
  他關鍵介紹了智能視覺檢測技術中的AI算法。在運用場景中，AI視覺檢測途徑能夠快速、有用、低本錢地生成數據，通過AI算法形本錢地調研API、云端調研API、集成處理計劃、系統化處理計劃，畢竟輸出效力，效力進一步在運用場景中得到不斷驗證和完善。
  
  廖圣華還列舉了某工廠的運用案例，根據深度學習的液晶屏缺陷檢測，包括雜質混入、液晶注入、光泄露及其他缺陷，缺陷辨認率與人工適當。按兩班倒，1年-2.5年即可收回設備本錢。
  
  “庫柏特等候與終端客戶、自動化企業客戶真摯協作，一同打造3C智能產線！讓3C企業出產智能化、少人化，打造每個人都能夠運用工業機器人的環境，讓機器人成為3C企業協作同伴。”廖圣華終究說道。