机器视觉案例 · 建材制造
让每一块砖，按同一套标准接受检验
美国混凝土砖制造商采用 Accella MFG Bot 与 LUCID Triton 3.2 MP 彩色工业相机，在干燥端对每块砖板触发采图，并将缺陷位置直接呈现给操作员。
- 场景
- 混凝土砖干燥端在线外观检测
- 相机
- Triton 3.2 MP 彩色工业相机
- 触发
- 产线 PLC 对每块砖板触发采图
- 节拍
- 每块砖板总检测时间低于 1 秒
现场课题
人工判定难以覆盖高节拍与复杂外观
01砖块在形状、颜色和纹理上差异很大，黏土团、裂纹、崩边、缺件与托板异物都可能出现在同一块板上。
02原有人工目检会因班次、人员经验与视觉疲劳产生差异；较小缺陷还可能被更显眼的瑕疵遮挡。
03方案要能够接入既有产线，并以可复制的成本扩展到多条线和多个工厂。
系统链路
从图像到动作的处理过程
- 01
采图
砖板经过工位时由 PLC 触发，顶部 Triton 相机采集整板图像。
→ - 02
定位
AI 先在图中定位每一块砖，避免以整板作为单一判定对象。
→ - 03
分类
模型判断裂纹、缺角、异物等缺陷，并将问题砖高亮显示。
→ - 04
处置
操作员据此剔除并处理缺陷；结果可继续用于模型学习与生产追溯。
方案细节
成像与系统细节
- 工业适应性
- Triton 使用 Sony IMX265 CMOS，具备 IP67 防护、PoE+ 供电和 M12/M8 以太网连接。
- 持续学习
- 系统在运行中持续吸收新样本，缺陷检测准确率最高可达 99%。
- 操作闭环
- 系统不仅标出缺陷，也可以记录缺陷是否被及时处置，为工艺和人员响应提供追溯信息。
- 扩展方向
- 在节拍余量内可继续加入颜色或高度等测量特征，而非只做单一瑕疵判定。
项目验证
落地时应先确认的事项
01用真实砖型与已知缺陷标定最小可检尺寸，不以通用样图替代现场样本。
02按安装高度、砖板尺寸和最小缺陷共同计算镜头与照明均匀性。
03在满速状态验证触发、推理、剔除和图像留存的总延时。
04把缺陷等级、人工复核和模型再训练流程写入验收规则。