金屬表面瑕疵毛刺及形貌檢測
表面缺陷檢查的關鍵挑戰之一,即它們是動態的,這與零部件的加工工藝流程或成形過程有直接關系。當零部件經歷了全部的生產步驟,其中部分表面被噴涂油漆,導致拋光表面成為鏡面反射光,讓金屬的瑕疵檢測充滿困難
金屬件表面加工后會出現余屑和表面極細小的顯微金屬顆粒,這些被稱為毛刺。毛刺越多,其質量標準越低。鋼材表面缺陷之一,表現為冷切、熱鋸或火焰切割的鋼材端部有不齊的飛邊,焊管時焊縫處有擠出的多余金屬。冷切產品端部毛刺的厚度取決于刀刃間的縫隙。一般產品允許有一定高度的毛刺存在。
毛刺種類有很多,一般做表面缺陷檢測時,根據不同情況,分為異物和毛刺等,這里包括了金屬件邊棱部位存在加工毛刺、銳角未倒角或倒圓,表面處理以后,將造成零件上邊棱部位的鍍覆層嚴重缺陷;金屬或非金屬雜質(如未除盡的封存油脂、油漆標記、劃線的涂色、銅跡,經探傷檢查后未除盡的磁粉或熒光粉等);金屬表面有銹蝕或存在明顯的痕跡;金屬件工序轉移或運輸過程中,有可能因沒有認真保護而受到機械損傷,使零件表面產生拉溝、劃傷、撞擊凹陷等缺陷。
在機械加工行業中,毛刺是金屬切削加工中產生的普遍現象之一,直接影響被加工工件的尺寸精度、形位精度和表面粗糙度。隨著機械制造業的發展,人們對金屬工件產品質量的要求越來越高,尤其是微小的精密零件。如果用傳統視覺方法,可以對缺陷寬度進行分辨,再通過AI智能學習算法,進行產品缺陷的檢測。但如果需要對毛刺或者異物高度進行量化處理時,用光譜共焦傳感器是一個很好的解決辦法,由于多光譜特性,傳感器能夠準確分辨出以上各種類型缺陷的高度值,再通過設置閾值的方式,對良品和不良品進行分類管控。
采用光譜共焦傳感器,實現表面特征信息采集,并生成三維形貌圖,同時提取部分特征進行分析
提取界面輪廓特征信息
表面特征高度變化0.743μm