Analyse approfondie et application de la vision industrielle dans l'inspection des soudures de produits
Dans les systèmes de fabrication industrielle modernes, le soudage est un processus essentiel pour relier les composants métalliques et former la structure principale des produits. La qualité des soudures détermine directement la résistance, l'étanchéité, la sécurité et la durée de vie des produits. Des carrosseries automobiles et des voies ferrées à grande vitesse aux véhicules aérospatiaux et aux canalisations sous pression, toute soudure de qualité inférieure peut entraîner des conséquences catastrophiques. Par conséquent, l'inspection des soudures est un contrôle qualité indispensable dans le processus de fabrication.
L'inspection visuelle manuelle traditionnelle dépend fortement de l'expérience et de la condition physique des inspecteurs, ce qui entraîne des inconvénients inhérents tels qu'une faible efficacité, des normes incohérentes, une susceptibilité à la fatigue, des taux de détection manquée élevés et des difficultés de quantification et de traçabilité des résultats. Avec l'avancée de l'Industrie 4.0 et de la fabrication intelligente, la vision industrielle, en tant que technologie d'inspection automatisée sans contact, de haute précision et à haut rendement, est devenue un outil révolutionnaire pour améliorer le contrôle de la qualité des soudures.
Je. Valeurs fondamentales et avantages de l'inspection des soudures par vision industrielle
Par rapport aux méthodes traditionnelles, la vision industrielle présente des avantages inégalés dans l'inspection des soudures :
1. Objectivité et cohérence : Les jugements sont basés sur des normes d'algorithmes prédéfinies, insensibles aux émotions humaines, aux différences d'expérience ou aux préjugés subjectifs, garantissant une objectivité et une cohérence absolues dans les résultats d'inspection.
2. Haute précision et haute résolution : Les caméras et objectifs industriels modernes peuvent détecter les défauts de surface au niveau du micron ou même du sous-micron (tels que les micropores et les fissures), dépassant largement les limites de l'œil humain.
3. Haute efficacité et performances en temps réel : Permet une inspection en ligne à pleine vitesse sur la chaîne de production, effectuant l'acquisition d'images, le traitement et le jugement en quelques millisecondes, répondant aux exigences des cycles de production à haute vitesse et permettant une inspection complète à 100 %.
4. Numérisation et traçabilité : Tous les processus d'inspection et leurs résultats (images, données, emplacements des défauts) sont automatiquement enregistrés, stockés et associés à des codes d'identification de produit (tels que des codes QR), formant ainsi une archive numérique complète de la qualité, facilitant la traçabilité de la qualité, l'analyse statistique et l'amélioration des processus. 5. Sans contact et adaptable aux environnements difficiles : Il peut fonctionner de manière stable dans des environnements difficiles, inadaptés au travail manuel, tels que les températures élevées, l'humidité importante, la poussière et les substances toxiques, protégeant ainsi la sécurité du personnel.
6. Réduction des coûts : Bien qu'il y ait un investissement initial, cela peut réduire considérablement les coûts de main-d'œuvre et de formation à long terme, ainsi que les coûts cachés tels que la maintenance après-vente et les préjudices à la réputation de la marque causés par des inspections manquées.
II. Composants Clés d'un Système d'Inspection des Soudures par Vision Industrielle
Un système complet d'inspection de soudure par vision industrielle comprend généralement les cinq éléments principaux suivants :
1. Système d'imagerie:
Caméra industrielle : choisie en fonction des exigences d'inspection. Les caméras à balayage planaire sont adaptées à l'acquisition de la forme globale et des mesures dimensionnelles des soudures ; les caméras à balayage linéaire sont plus adaptées au balayage continu de soudures longues et droites pour obtenir des images à ultra-haute résolution. Les caméras 3D (telles que les profilomètres laser et les caméras à lumière structurée) sont utilisées pour acquérir des informations géométriques tridimensionnelles telles que le profil de la section transversale, le renforcement de la soudure, la concavité et la profondeur de pénétration de la soudure.
Objectif : Les objectifs industriels haute résolution et à faible distorsion garantissent des images claires et précises. Les objectifs télécentriques sont souvent utilisés pour éliminer les erreurs de perspective et garantir la précision des mesures.
Source de lumière et schéma d'éclairage : c'est essentiel pour réussir. 1. **Éclairage :** En raison des caractéristiques des soudures (généralement blanches brillantes ou sombres, avec des surfaces ondulées), une conception d'éclairage soignée est nécessaire pour mettre en valeur les caractéristiques et supprimer les interférences. Les solutions courantes incluent :
▪ Rétroéclairage : Utilisé pour la mesure des contours et la détection des défauts pénétrants.
▪ Éclairage coaxial/dôme : Utilisé pour détecter les rayures, les bosses et les différences de couleur dues à l'oxydation sur les surfaces planes.
▪ Éclairage annulaire/linéaire à faible angle : Utilisé pour mettre en évidence les ondulations de la texture de la surface, les contre-dépouilles, les cordons de soudure, etc., dans les soudures.
2. Unité d'acquisition et de déclenchement d'images:
Responsable du contrôle de la caméra pour prendre des photos à des moments précis (par exemple, lorsque la pièce arrive à la station d'inspection), assurant que la position de l'image est fixe pour une analyse ultérieure.
3. Système de traitement et d'analyse d'images (Cerveau central) :
Matériel : Généralement un PC industriel ou un contrôleur de vision embarqué doté de puissantes capacités de calcul.
Logiciel : Équipé de bibliothèques d'algorithmes de vision industrielle (telles que Halcon, OpenCV, VisionPro) ou d'algorithmes développés en interne. Les tâches principales comprennent : le prétraitement d'images (désbruitage, amélioration, correction), l'extraction de caractéristiques, l'identification et la classification des défauts, la mesure dimensionnelle et l'analyse des résultats.
4. Structure mécanique et contrôle du mouvement :
Cela comprend les supports de montage pour la caméra et la source lumineuse, les mécanismes de réglage, et éventuellement les plateformes de mouvement servo nécessaires (pour piloter la caméra ou effectuer le scan des produits). Assurer une distance d'imagerie, un angle et un champ de vision stables et fiables.
5. Résultat et Mécanisme d'Exécution:
Les résultats de détection (OK/NG) sont transmis au PLC via des interfaces d'E/S ou des réseaux industriels (tels que Ethernet/IP, PROFINET) afin de contrôler les mécanismes de tri sur la chaîne de production (tels que les vérins, les robots) pour éliminer ou marquer les produits défectueux.
III. Contenu principal de détection et algorithmes de technologie de base
Les applications de vision industrielle dans l'inspection des soudures peuvent être divisées en deux catégories principales : l'inspection d'apparence bidimensionnelle et l'inspection dimensionnelle géométrique tridimensionnelle.
1. Détection des défauts d'aspect bidimensionnels : Identifie principalement les anomalies visuelles sur la surface de soudure.
• Défauts courants : porosité, inclusions de scories, fissures de surface, contre-dépouille, cordons de soudure, brûlures, manque de fusion (de surface), projections importantes, couleur anormale de la surface (oxydation).
• Technologies de pointe :
Algorithmes traditionnels de traitement d'images : Extraction des caractéristiques telles que la superficie, le périmètre et la localisation des zones de défauts par filtrage, binarisation, détection des contours, opérations morphologiques et analyse des blobs, puis comparaison avec des seuils pour émettre un jugement. Convient aux défauts courants présentant un contraste évident.
Détection des défauts basée sur l'apprentissage profond : c'est la direction actuelle la plus courante et la plus avancée. Les modèles de réseaux neuronaux de convolution (CNN), tels que YOLO, Faster R-CNN et U-Net, sont entraînés à l'aide d'un grand nombre d'images de soudures étiquetées (échantillons positifs et négatifs). L'apprentissage profond possède une forte capacité d'adaptation et un taux de détection ultra-élevé pour les arrière-plans complexes, les défauts irréguliers et les défauts à faible contraste, et peut classer automatiquement les types de défauts.
2. Détection des dimensions géométriques en 3D : Mesure avec précision les paramètres géométriques macroscopiques de la soudure, qui affectent directement la résistance de la soudure et les propriétés mécaniques.
• Dimensions clés : largeur de soudure, hauteur de renfort, profondeur de concavité, désalignement, taille de la branche de soudure d'angle, largeur de soudure, etc.
• Technologies de pointe :
Triangulation laser/Scannage laser linéaire : La technologie de vision 3D la plus couramment utilisée. Un faisceau laser linéaire est projeté sur la surface de soudure, formant une ligne laser qui se déforme le long du contour de la surface. Une caméra capture cette ligne sous un autre angle, et les informations de hauteur de chaque point sur la ligne sont calculées en utilisant les principes de triangulation, reconstruisant ainsi le contour 3D complet de la soudure. Il peut générer avec précision toutes les dimensions mentionnées ci-dessus et identifier les problèmes tels qu'une hauteur de soudure insuffisante ou excessive, ou une asymétrie de soudure.
Imagerie 3D à lumière structurée : En projetant une série de motifs de réseau codés sur la surface de soudure, une caméra capture les motifs déformés et calcule des données de nuage de points 3D de haute précision, adaptées à l'inspection des soudures sur des surfaces courbes plus complexes.
IV. Scénarios d'application et flux de travail typiques
Scénario d'exemple : Inspection des soudures sur une chaîne de production de soudures de carrosseries automobiles
1. Tâche d'inspection : Inspection en ligne de la qualité de la surface (absence de fissures, de porosité) et de la continuité des soudures par points/soudures laser sur les pièces essentielles de la carrosserie, telles que les montants A/B.
2. Déploiement du système : Intégration d'un profilomètre laser 3D et d'une caméra à matrice de pixels haute résolution dans une seule station d'inspection, transportée par un robot ou fixée sur la chaîne de production.
3. Flux de travail : Assistant
Déclenchement : La carrosserie du véhicule arrive à la station d'inspection, et le capteur photoélectrique déclenche le système de vision.
Numérisation : Le robot, guidé par un capteur 3D, scanne la soudure selon une trajectoire prédéfinie, acquérant simultanément des données de contour 3D et des images de texture 2D.
Traitement :
▪ Après le traitement des données 3D, la largeur de la soudure et la hauteur excédentaire sont calculées et comparées aux valeurs théoriques du modèle CAO afin de déterminer la conformité dimensionnelle.
▪ L'image 2D est insérée dans un modèle de détection de défauts basé sur l'apprentissage profond, qui identifie et sélectionne les défauts de surface (tels que les fissures et la porosité) et les classe.
Décision : Le système intègre les résultats dimensionnels 3D et les résultats de défauts 2D pour fournir un jugement final de "réussite" ou "échec" pour la soudure.
Exécution et enregistrement : Un signal NG est envoyé au PLC pour le marquage ou l'alarmation des postes de travail suivants. Toutes les données (images, courbes de contour, mesures, emplacements des défauts) sont téléchargées dans le système MES et liées au code VIN de la carrosserie du véhicule.
V. Défis et tendances de développement futur
Défis:
• Conditions de travail complexes : une forte lumière d'arc, des projections, des fumées, la réflexion de la surface de la pièce et la contamination par l'huile peuvent sérieusement nuire à la qualité de l'imagerie.
• Divers types de soudures : L'apparence des soudures varie considérablement en fonction des matériaux, des procédés (MIG/MAG, TIG, soudage laser) et des types d'assemblages (assemblage bout à bout, assemblage d'angle, assemblage par recouvrement), ce qui pose un défi pour l'universalité de l'algorithme.
• Définition des normes d'inspection : Les critères d'acceptation pour certains défauts (tels que les micro-éclaboussures et les variations de couleur) sont ambigus, ce qui nécessite une quantification précise des spécifications du processus en paramètres d'algorithme.
• Investissement initial et complexité d'intégration : Nécessite un certain niveau de capacité technique et de ressources financières de la part des entreprises.
Tendances de développement:
1. Adoption généralisée du deep learning en IA : allant de la détection des défauts à des niveaux plus approfondis tels que l'optimisation des paramètres de processus et la prédiction de la qualité de la soudure, permettant de réaliser une boucle fermée allant de la « détection » au « contrôle ». 2. Fusion d'informations multi-capteurs : L'intégration d'informations provenant de multiples sources telles que la vision 2D, la vision 3D, l'imagerie thermique infrarouge (détectant les champs de température) et l'émission acoustique (détectant les défauts internes) permet une évaluation complète de la qualité des soudures, tant à l'intérieur que vers l'extérieur.
3. Intégration et miniaturisation : Les caméras intelligentes et les systèmes de vision embarqués facilitent le déploiement des systèmes de vision, réduisent les coûts et permettent une application plus aisée sur davantage de postes de travail.
4. Intégration profonde avec les robots : Formation d'unités de robots de soudage intelligents qui intègrent « le soudage guidé par vision - la surveillance du processus en temps réel - l'inspection immédiate après le soudage », permettant d'atteindre un soudage intelligent véritablement adaptatif.
5. Plateforme cloud et analyse de données massives : Téléchargement de toutes les données d'inspection visuelle de la chaîne de production sur une plateforme cloud, utilisation de l'analyse de données massives pour découvrir les éventuelles corrérelations entre la qualité de la soudure et les paramètres de l'équipement, les lots de matériaux et les facteurs environnementaux, fournissant ainsi des informations pour l'optimisation des processus et la prédiction de la qualité.
Conclusion
La technologie de vision industrielle est en train de révolutionner profondément le mode traditionnel d'inspection des soudures des produits, en améliorant le contrôle qualité en passant d'une approche basée sur le jugement de l'expérience et du ressenti visuel/humain à une gestion précise, numérique et intelligente basée sur des méthodes "photoélectriques et algorithmiques". Il ne s'agit pas simplement d'un outil pour "remplacer l'œil humain", mais d'une technologie essentielle permettant de numériser le processus de soudage, de construire des usines transparentes et de stimuler la transformation vers une fabrication intelligente. Bien que des défis techniques et d'ingénierie spécifiques restent à surmonter dans sa mise en œuvre, son immense valeur en matière d'amélioration de la qualité, de l'efficacité et de la traçabilité est déjà devenue évidente, ce qui en fait une tendance technologique irréversible dans la fabrication haut de gamme. Grâce à la maturation continue et à la réduction des coûts des technologies telles que l'IA et la détection 3D, l'inspection des soudures par vision industrielle sera sans doute appliquée dans un plus large éventail de secteurs industriels, établissant ainsi une base de qualité solide pour une puissance manufacturière.
