- 在电商飞速发展的时代，物流行业面临着前所未有的挑战。中科微至推出RGB-D智能立体相机，赋能物流自动化装配线，提升处理能力。技术原理中科微至的RGB-D智能立体相机，结合RGB和深度数据，能够精准识别和定位目标的三维空间位置。采用智能深度学习算法，快速处理图像并准确识别目标。获取目标的深度信息后，转化为三维点云数据，并去除噪声，更精确地表达目标的三维结构。最后，结合2D图像分割和3D点云信息，实现目标在三维空间的精确定位和跟踪。产品优势在实现目标的3D识别和定位方面，该相机具备显著的优势：高效性：结合2D
- 关键字：
检测，物流
- 相对于传统的汽车雷达组装质量检测主要依赖人工目检和简单的测试设备不同，机器视觉技术以其高效、精准、非接触式的特点，正逐渐成为汽车雷达组装质量检测的新选择。通过引入机器视觉系统，我们可以实现对雷达组装过程中多个关键环节的自动化检测，包括但不限于：零件有无、组件定位与识别、PCB针脚、外观缺陷检测、尺寸测量等。创科视觉雷达项目组装全检测试机外胆有无/ 探芯面检测检测项目：1.外胆有无检测，2.探芯面缺陷检测；3.探芯颜色。检测标准：1.具备RGB识别功能；2.划痕>2mmx0.2mm，颗粒>0.2
- 关键字：
汽车 检测
- 芯片跌落测试可以评估芯片在跌落或冲击情况下的机械强度和可靠性、检测芯片封装材料和焊接的可靠性、验证芯片内部结构和连接的稳定性，以防止内部部件松动或脱落、评估芯片在实际使用中受到物理冲击时的性能损坏情况。本次中科融合MEMS芯片直接跌落演示为极端场景演示，冲击性远高于常规跌落测试强度。MEMS微振镜投射芯片是实现动态结构光条纹投影的核心部件，其每秒钟会产生数万次的振动，整个生命周期需要振动数千亿次，且每一次光学扫描都要非常精准，对可靠性、准确性要求极其苛刻。生而强悍：高可靠 超精准中科融合自主研发的MEMS
- 关键字：
芯片半导体 检测
- 随着全球“双碳”有力推进，以及国家政策的推动，我国动力锂电池的产业化进展很快，动力锂电池的技术也有了快速地提升。动力锂电池因具备高比容量、使用寿命长、自放电率低等优势而被广泛应用。动力电池的成本和质量是市场需求的关键推手，视觉龙提供的解决方案大大提高了品质和产能，能有效降低生产成本，提高产品竞争力。项目介绍锂电池的生产流程多，工艺相对复杂。从整个制作流程来看，大致可以分为极片制作、电池单元（电芯）制作和电池组装三个工段。本次主要针对第三个组装工段提供视觉线体解决方案。视觉龙结合客户实际情况，提供了一套性价
- 关键字：
检测 锂电池
- 案例背景汽车车灯是汽车照明的关键部件，通常由灯泡、电机、传感器等多种不同的电气部件组成，这些部件需要通过线束和连接器等接插件进行连接。如果线束或连接器失效，会严重影响车灯质量和性能。因而，在生产过程中，对汽车线束和连接器等接插件进行检测十分重要。 人工检测痛点：传统的汽车电子接插件质量检测工作主要依靠人工目视检查，存在效率低、检测标准不统一、检测精度低、人力成本高等问题。解决方案节卡机器人针对应用场景痛点，打造出标准。系统主要由JAKA Zu系列/JAKA MiniCobo协作机器人以
- 关键字：
检测 机器人 汽车
- 高光谱成像技术是一种捕获和分析宽波长信息的技术，能够对材料和特征进行详细的光谱分析和识别。高光谱成像技术的实现通过高光谱相机，其工作原理是使用多个光学传感器或光学滤波器分离不同波长的光，并捕获每个波段的图像，能够在一时间获得目标在不同谱段处的空间图像信息，即空间光谱分布。图1 空间光谱分布图和常见获取方式如图1所示，高光谱成像技术通过两种较为常见的方式获取空间内光谱分布信息。第一种是空间扫描Spatial scan，收集扫描不同位置下的光谱图，建立完整的空间光谱分布图。这种方式的缺点是扫描速度往往较慢，不
- 关键字：
检测 精工和光学
- 金刚石加工工具（切割片）行业是一个非常传统的行业，这个行业最为重要的特点就是工艺流程长，包括了制坯、冲孔、印刷等9个流程。在各个环节，它对于检测的缺陷类型和应用条件差异都很大，比如在烧结的环节，需要特别关注裂纹，因为该缺陷除了影响产品的外观外，同时会带来安全生产问题。鉴于此，往往需要耗费大量的人工进行质量检测，成本极高，而且容易出现误差。针对该行业工艺流程长、检测需求多、精度高等特点，以及由于切割盘金属拉丝背景的干扰，用标准算法不能完全满足部分工序下的检测需求（比如印刷环节印刷检测，烧结环节的裂纹检测），
- 关键字：
金刚石 切割 检测
- 随着塑料工业的迅猛发展，以及塑料垃圾的不断增长，废旧塑料再生利用行业日益兴起。但由于塑料品种繁多，应用领域非常广泛，所以在回收过程中，很多不同种类及颜色的塑料被混合在一起。不同种类的塑料性能及加工条件是不同的，混合后对加工和应用的影响非常大，所以在废旧塑料回收过程中进行分选是必不可少的环节。大多数塑料回收厂使用不同的技术，从条形码阅读器和RGB相机到X射线和涡流系统。这些传统技术虽然在一定程度上能满足简单、粗放的塑料分选，但识别材料的能力有限，并不是完美的解决方案。例如，如果塑料瓶缺少条形码，使用条形码阅
- 关键字：
检测 可回收资源
- 工业AI视觉系统能够在工业环境中进行缺陷检测、视觉分拣、物流公报、拆码垛、工业上料等应用。目前，机器视觉技术的发展已经深入各个行业，尤其在成品质量缺陷检测方面变得越来越关键。基于机器视觉的缺陷检测通过图像处理算法，处理产品制造过程中可能存在的缺陷或不良品，该技术能够替代人工视觉检测，并提高检测的效率和准确性，为相关制造企业实现降本增效。深眸科技以机器视觉和深度学习算法为核心不断优化，自主创新构建工业AI视觉系统解决方案落地主流工厂生产线，持续保证对相关产品的质量控制。工业AI视觉系统在缺陷检测场景的应用工
- 关键字：
检测 电子组装 木材
- 多年来，足球裁判一直依靠机器视觉系统来协助他们做出决定。门线技术和视频助理裁判可以让足球决策更加公平，但是运动中的高速动作以及不可预测性给系统带来了许多挑战。什么是门线技术(GLT)和视频助理裁判(VAR)足球是否完全越过了球门线，能否算作有效进球——这决定的不仅仅是一场比赛这么简单。有时，它也许会在未来数十年成为专家群体的讨论话题和大众茶余饭后的谈资。那次决定了1966年世界杯赛果的"温布利进球"无疑就是最著名的例子。 多年来，裁判不仅能依靠自身的感官来做决定
- 关键字：
检测 体育 VAR
- 在现代制造业中，打印机的零部件装配是一个复杂而关键的环节。由于零部件种类繁多，传统的人工视觉检测方式难以满足高效率、高准确性的需求。漏装、反装、错装等问题可能导致产品质量缺陷，影响生产效率。因此，引入AI视觉软件进行自动化检测成为提高装配过程质量的一种创新解决方案。1. 目前的漏检率在传统的人工检测环节，由于人工疲劳、视觉差异等因素，漏检率相对较高，导致一些装配缺陷未能及时发现。根据过去的统计数据，传统的人工检测漏检率约为5%。2. AI视觉检测原理AI机器视觉系统采用深度学习技术，主要基于卷积神经网络（
- 关键字：
检测 AI 打印机
- 随着电动汽车、便携式电子设备等的普及，锂电池作为一种高效的能源储存解决方案变得愈发重要。然而，锂电池的安全性直接关系到使用产品的可靠性和用户安全。外壳外观缺陷可能导致电池性能下降，甚至引发安全问题。传统的人工检测方法在高速生产线上效率低下，且存在漏检的风险，因此引入AI机器视觉系统成为解决这一问题的关键。外观缺陷种类包括凹陷或突起：表面可能存在凹陷或凸起，可能影响外壳完整性。裂缝或裂纹：可能出现裂缝或裂纹，可能导致电池泄漏。异物或污染：外壳表面可能存在异物或污染，可能影响电池性能。颜色异常：外壳颜色不符合
- 关键字：
检测 锂电 安全
- 在电子制造行业中，保证PCB（Printed Circuit Board）板的焊点质量至关重要，而AI视觉软件的引入为这一领域带来了革命性的变化。某电子制造厂一直致力于提高PCB板焊点的质量，以确保最终产品的稳定性和可靠性。然而，传统的人工检测方式效率低，且容易出现漏检的问题，对于大规模生产来说显然不够可行。因此，该厂决定引入AI机器视觉系统，以提升焊点检测的效率和准确性。检测原理AI机器视觉系统采用深度学习算法，通过学习大量样本数据来识别和分类不同类型的焊点。系统首先对PCB板进行图像扫描，然后通过神经
- 关键字：
AI PCB焊点 检测
- 工业检测是确保产品质量和生产过程的关键环节,传统的工业检测方法通常依赖于人工操作，存在着时间长、成本高、易出错等问题。人工智能技术的出现为工业检测带来了新的机遇和挑战。英特维科技开发的智能化精密3DAI工业检测系统，通过结合先进的3D检测技术和人工智能算法，能够实现高精度的工件检测和缺陷分析，从而提高产品质量和降低不良率。此外，该系统能够与生产线或机器人系统无缝连接，实现实时通信和数据交换，进一步提升生产效率和降低人力成本。通过数据分析和报告生成功能，该系统还能够为决策者提供准确的数据统计与分析。英特维3
- 关键字：
检测 精工和光学
- 项目背景锂电池的制造工艺较为复杂，工序繁多。第二工序段设备主要覆盖电芯装配工序，主要包括卷绕机或叠片机、电芯入壳机、注液机以及封口焊接等设备。而防爆阀焊接是非常重要的一环，对应的是电芯预封装。防爆阀焊接机整线工站防爆阀焊接机，注液孔检测工位· 检测要求：测量注液孔的尺寸(2.05mm+0.02) ，并判断正反和有无，检出毛刺。· 检测流程：相机和光源固定安装，相机从上往下拍照，每次拍照检测一个产品，产品到达位置后PLC触发视觉拍照，检测完成后反馈PLC结果。· 结构安装· 说
- 关键字：
锂电池 检测
检测介绍
您好，目前还没有人创建词条检测!
欢迎您创建该词条，阐述对检测的理解，并与今后在此搜索检测的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
