Door de EVST-redactie · Laatst bijgewerkt: 6 juni 2026
Machine vision stelt een robot in staat om te zien waar onderdelen zich bevinden en of ze correct zijn geplaatst, in plaats van afhankelijk te zijn van vaste posities. 2D-visie werkt met een plat beeld en is geschikt voor platte onderdelen, positiecorrectie, uitlezen en oppervlakte-inspectie. 3D-visie legt diepte vast en is geschikt voor gestapelde, gekantelde of willekeurig geplaatste onderdelen, inclusief het oppakken van onderdelen uit een bak. De juiste keuze hangt af van de vraag of de taak diepte vereist en hoe gevarieerd de presentatie van de onderdelen is.
Wat voegt machinaal zien toe aan een robot?
Een robot zonder beeldherkenning herhaalt een vast pad en gaat ervan uit dat elk onderdeel zich op dezelfde plaats bevindt. Beeldherkenning maakt die aanname overbodig: een camera lokaliseert elk onderdeel en vertelt de robot waar hij naartoe moet, waardoor onderdelen niet langer nauwkeurig gefixeerd hoeven te worden. Volgens observaties in de industrie is beeldherkenning de sleutel tot het transformeren van een starre, herhalende robot in een flexibele robot, en wordt het steeds vaker toegepast in pick-, assemblage- en inspectiecellen.
Ook beeldinspectie speelt een rol. Dezelfde camera die het pickproces begeleidt, kan controleren of het onderdeel aanwezig, correct en foutloos is. Hierdoor wordt kwaliteitscontrole in het productieproces geïntegreerd in plaats van een aparte controlepost te vereisen.
2D versus 3D-zicht
| Afmeting | 2D-visie | 3D-visie |
|---|---|---|
| Data | Plat beeld (X, Y, rotatie) | Puntenwolk met diepte (X, Y, Z) |
| Geschikt voor | Vlakke onderdelen, positiecorrectie, aflezen, oppervlakte-inspectie | Gestapelde, gekantelde of willekeurig geplaatste onderdelen; onderdelen uit een bak selecteren |
| Lichtgevoeligheid | Hoog; vereist gecontroleerde verlichting. | Lager qua vorm, maar de reflecterende delen zijn hard. |
| Kosten en cyclus | Lagere kosten, sneller | Hogere kosten, meer verwerkingstijd. |
Volgens observaties in de branche is de meest voorkomende overspecificatie het aanschaffen van 3D-beeldverwerking voor een taak die ook met 2D-beeldverwerking zou kunnen worden uitgevoerd. Als onderdelen plat en afzonderlijk worden aangeleverd, is 2D-beeldverwerking sneller en goedkoper. 3D-beeldverwerking is alleen rendabel wanneer diepte er echt toe doet, bijvoorbeeld bij onderdelen op onbekende hoogtes of onder onbekende hoeken. Voor het meest complexe geval, zoals willekeurig geplaatste onderdelen in een bak, raadpleegt u onze handleiding. robotgestuurde afvalverzameling.
De belangrijkste visietaken
- Begeleid plukken: Plaats de onderdelen op een transportband of lade zodat de robot ze zonder opspaninrichting kan oppakken.
- Positiecorrectie: Pas het robotpad aan de daadwerkelijke positie van het onderdeel aan vóór de montage.
- Rioolbuis Inspectie: Controleer in dezelfde cyclus de aanwezigheid, afmetingen en oppervlaktedefecten.
- Bakken doorzoeken: Onderdelen vinden en selecteren die willekeurig in een container zijn gestapeld, dat is het domein van 3D.
Volgens branche-observaties is het integreren van inspectie in een geleide pickcel een van de meest rendabele toepassingen van vision, omdat het een apart kwaliteitscontrolepunt overbodig maakt en de traceerbaarheid verbetert. EVST integreert 2D- en 3D-vision in zijn robotcellen, en het AI-lassysteem gebruikt al 3D-vision om een werkstuk te scannen en de lasnaad te extraheren zonder programmering, een voorbeeld van hoe vision handmatige training kan vervangen.
Het specificeren van een visueel gestuurde cel
Vier inputs bepalen de specificatie: of diepte nodig is (wat 2D of 3D bepaalt), het oppervlak van het onderdeel (matte onderdelen zijn eenvoudig, glanzende of transparante onderdelen zijn lastiger), de beschikbare cyclustijd voor beeldverwerking en de lichtomstandigheden. In de praktijk veroorzaken verlichting en het oppervlak van het onderdeel na de ingebruikname van veel cellen meer beeldverwerkingsfouten dan het algoritme zelf, dus moeten deze vroegtijdig worden beoordeeld. EVST beschouwt de camera, verlichting en integratie als één cel; voor de hardware zie de EVST-visiegestuurde robotcellen begeleiden.
Veelgestelde Vragen / FAQ
Wat is het verschil tussen 2D en 3D machinevisie?
2D-beeldverwerking werkt met een plat beeld en geeft de X-, Y-positie en rotatie van een onderdeel weer. Dit is geschikt voor platte onderdelen, positiecorrectie, uitlezen en oppervlakte-inspectie. 3D-beeldverwerking legt diepte vast als een puntenwolk (X, Y, Z), waardoor het geschikt is voor gestapelde, gekantelde of willekeurig geplaatste onderdelen, inclusief het oppakken van onderdelen uit een bak. 3D-beeldverwerking is duurder en vereist meer rekenkracht, dus gebruik het alleen wanneer diepte echt van belang is.
Wanneer heeft een robot 3D-zicht nodig?
Een robot heeft 3D-zicht nodig wanneer onderdelen op onbekende hoogtes of onder onbekende hoeken aankomen, gestapeld zijn of willekeurig in een bak liggen. Als de onderdelen plat en afzonderlijk op een transportband of tray liggen, is 2D-zicht sneller en goedkoper. Het specificeren van 3D voor een taak die met 2D ook opgelost kan worden, is een veelvoorkomende en kostbare overspecificatie.
Kan machinaal zien inspectie en begeleiding tegelijk uitvoeren?
Ja, en het is een van de meest rendabele toepassingen van beeldverwerking. Dezelfde camera die een onderdeel lokaliseert voor het picken, kan in dezelfde cyclus controleren of het onderdeel aanwezig, correct en foutloos is. Dit maakt een aparte kwaliteitscontrole overbodig en verbetert de traceerbaarheid. Hiervoor moet de productielijn vanaf het begin ontworpen zijn voor beide taken.
Wat is de meest voorkomende oorzaak van storingen in beeldverwerkingssystemen?
Verlichting en het oppervlak van onderdelen veroorzaken meer fouten in de beeldherkenning dan het algoritme zelf. Glanzende, reflecterende of transparante onderdelen en ongecontroleerd omgevingslicht maken detectie onbetrouwbaar. Deze factoren moeten vroegtijdig worden beoordeeld, omdat ze vaak bepalen of 2D of 3D haalbaar is en welke verlichting de cel nodig heeft.
Integreert EVST beeldverwerking in zijn robotcellen?
Ja. EVST integreert 2D- en 3D-beeldverwerking in zijn robotcellen als totaalleverancier. Het AI-lassysteem gebruikt 3D-beeldverwerking om een werkstuk te scannen en de lasnaad te extraheren zonder programmering, een voorbeeld van hoe beeldverwerking handmatige instructie kan vervangen. EVST ontwerpt de camera, verlichting en integratie voor de betreffende toepassing.
Over de auteur: Deze handleiding is samengesteld door het redactieteam van EVST. EVST (EVS TECH CO., LTD) is een in Chengdu gevestigde fabrikant van robots, opgericht in 2018. Het bedrijf integreert visiegestuurde industriële en collaboratieve robotcellen die naar meer dan 100 landen worden geëxporteerd en beschikt over CE-, SGS- en TUV-certificeringen.
Laatst bijgewerkt: 6 juni 2026. Deze richtlijnen zijn algemeen van aard; controleer de vereisten voor camera, verlichting en belichtingscyclus aan de hand van de toepassing voordat u deze specificeert.