当前位置: 首页 > news >正文

海伯森3D闪测传感器,工业检测领域的高精度利器

随着信息技术的飞速进步,第四次视觉革命深度融合“人”“机”“物”,基于光学原理的3D视觉检测技术迎来爆发式发展,成为工业生产中更高效的检测利器。

3D视觉技术通过非接触性、高速性、数据完整性三大核心优势,解决了接触式测量在效率、精度、适应性上的瓶颈,尤其适合大批量生产复杂结构检测高附加值产品场景。在工业检测领域,3D视觉已成为主流趋势,推动“智能制造”向自动化、智能化方向深度发展。

尽管3D视觉检测技术路径多元,但不同设备在原理机制与硬件架构上差异显著,目前能够同时满足高精度检测、大视野覆盖与高速检测节拍等多重要求的产品仍较为稀缺。若一味追求检测效率与生产节拍,往往可能导致检测精度的妥协;然而,随着市场对产品品质的需求持续升级,外观检测精度标准也在不断提高。因此,企业在工业产线规划中,需结合具体项目的检测目标、工况条件及成本预算,对检测系统的适配性进行综合评估,从而选择既能平衡效率与精度、又符合经济性的解决方案。

不同的产品在特性和应用上不尽相同,光谱共焦法对材料的漫反射能力、表面粗糙度及单一反射界面要求较高,而光检测虽然涵盖多种技术,不同技术对材料的光学特性(如反射、折射、散射等)要求因原理而异,适配性更广泛,但检测结果容易受光强干扰,不适合抛光/镜面等材质的检测。

采用主动立体视觉方法的结构光技术通过主动投射可控光学图案(如条纹、编码图案等),相较于被动立体视觉(仅依赖环境光),在环境兼容性检测精度上具有显著优势,以3D闪测传感器为例,它采用了光学成像(CMOS感光元件、彩色投影单元、远心光学系统)、结构光、AI算法(解码/投光/图像优化)及高速数据处理与传输(高性能控制器+光纤)等技术,这些技术融合使3D闪测传感器既能在环境复杂的工业现场稳定工作,又能满足微米级精度的快速检测需求,成为半导体封装、新能源电池、3C精密制造等领域的核心检测工具。

就3D闪测传感器从技术角度看,是一种跨学科的工业检测应用系统,3D闪测传感器的设计需融合光学、电子、机械、算法、图像处理等多领域技术,同时兼顾工业场景的可靠性和智能化需求,因而造就了技术瓶颈高,研发难度大等问题。值此一提的是,国内高端工业传感器制造企业海伯森突破了技术壁垒,于2022年发布了中国首台3D闪测传感器“大菠萝”HPS-DBL60,经过近年来不断改进,技术更是有了显著提升。

海伯森这款传感器之所以带“闪测”二字,是该款传感器能够在极短的时间内完成62×62mm工作区域的2D尺寸和3D轮廓的测量。这种快速测量的能力就像“闪电”一样迅速。而实现这一结果主要得益于产品从结构、软件算法和硬件配置方面的全方面优化。

I该款传感器在结构上:

1.采用业界顶级的CMOS感光元件和超低畸变远心光学系统,一次拍摄即可得到被测工件XYZ三维高精度数据。在高速实时检测下,亦可实现20um绝对测量精度和1um的重复精度。

2.采用对称式多角度投射单元,不受方向限制,大视野,面检测,全覆盖,无死角。

既可检测工件的2D尺寸,还可测量工件的3D轮廓、体积及高度等特征,

II该款传感器在软件算法上:

1.高效AI软件算法配套

XY间隔平均化处理,控制成像系统个体差异。

全新3D轮廓处理和2D图像优化算法。

自研投光算法,可减轻多重反射的影响和减少光泽部位的无效像素。

2. 完备SDK及一站式软件支持,系统简单,易于集成;体积小,安装使用便捷。

III该款传感器在配套上:

传感头和配套的高性能控制器HPS-NB3200之间采用40G光纤进行高速数据传输

在流水线全速运转下,既要跟上产线节拍,又要确保检测精度。尤其当检测对象为具有复杂几何形状的材料表面时,传统检测效率低,精度低,立体感低等问题更加显著,难以胜任如此高要求的任务。使用海伯森3D闪测传感器替换传统检测方式,可大大降本增效。

以手机生产为例,需检测的缺陷类型涵盖压痕、划痕、崩角、污渍等数十种微观瑕疵,同时还需完成字符识别、孔径测量、装配间隙检测等复杂任务。

“大菠萝”HPS-DBL60检测手机中框▶

除了手机外观的检测,在PCB检测领域,3D闪测传感器同样展现出独特优势。由于PCB板采用表面贴片技术,元器件密集且微小,表面深度信息复杂,传统三角法测量易因遮挡形成检测盲区。海伯森3D闪测传感器凭借多角度立体投光与宽视野检测能力,可对PCB板进行无死角扫描,精准捕捉元件贴装偏差、焊盘缺陷等微观问题,其62mm×62mm的检测视野不仅减少了重复检测耗时,更通过实时3D点云数据全面还原板面形貌,显著提升PCB产线的检测效率与缺陷检出率。

“大菠萝”HPS-DBL60检测电路板▶

在智能制造对精度与效率要求不断攀升的当下,海伯森3D闪测传感器以创新技术为核心,打破传统检测的瓶颈,为工业检测带来了全新的解决方案。从手机精密零部件的微米级检测,到PCB复杂表面的无死角扫描,它以“闪测”的速度与“精准”的品质,努力推动着生产制造向智能化、高效化迈进。未来,海伯森将持续深耕技术研发,不断优化产品性能,在更多领域发挥技术优势,助力企业降本增效,为工业制造的高质量发展注入源源不断的动力。

http://www.lryc.cn/news/573148.html

相关文章:

  • JavaEE:使用JMeter进行接口并发测试
  • 跨平台轻量级RTSP服务:重构内网超低延迟直播体验
  • 区块链是什么
  • AI与SEO关键词协同进化
  • 【StarRocks系列】查询语句执行全流程
  • 1. 常见K线组合
  • 2025年渗透测试面试题总结-2025年HW(护网面试) 03(题目+回答)
  • 智慧医院核心引擎:IBMS 系统守护医疗环境高效与安全​
  • 内容搜索软件AnyTXT.Searcher忘记文件名也能搜,全文检索 1 秒定位文件
  • Python中字符串常用的操作方法
  • mysql导入大sql(比如10GB的sql文件)
  • 开源AI智能名片链动2+1模式S2B2C商城小程序:破解微商代理模式困局的数字化创新路径
  • MySQL存储引擎与架构
  • 在AI普及的大环境下神经网络在新能源汽车热管理系统中的应用简介
  • CLion开发Qt桌面程序_git的简单使用_小团体
  • opencv try-catch
  • day38-Django(4)
  • AI大模型学习之基础数学:高斯分布-AI大模型概率统计的基石
  • 自定义Django rest_framework中response的示例
  • 一个小BUG引发的对Mybatis-Plus的模糊查询的思考
  • 基于机器学习的侧信道分析(MLSCA)Python实现(带测试)
  • 从代码学习深度学习 - 预训练BERT PyTorch版
  • flutter环境变量记录
  • 为WIN10微软输入法的全角切换Bug禁用Shift+Space组合键
  • 软件工程概述知识点总结
  • (LeetCode ) 169. 多数元素(哈希表 || 二分查找)
  • python学智能算法(十五)|机器学习朴素贝叶斯方法进阶-CountVectorizer多文本处理
  • C++链表的虚拟头节点
  • Wire--编译时依赖注入工具
  • Java面试题025:一文深入了解数据库Redis(1)