Av EVST:s redaktion · Senast uppdaterad: 6 juni 2026
Maskinseende låter en robot se var delar befinner sig och om de är korrekta, istället för att förlita sig på fasta positioner. 2D-seende fungerar utifrån en plan bild och passar för plana delar, positionskorrigering, avläsning och ytinspektion. 3D-seende fångar djup och passar staplade, lutande eller slumpmässigt placerade delar, inklusive binplockning. Rätt val beror på om uppgiften behöver djup och hur varierad delpresentationen är.
Vad maskinseende bidrar med till en robot
En robot utan vision upprepar en fast bana och antar att varje del är på samma plats. Visionen tar bort det antagandet: en kamera lokaliserar varje del och talar om för roboten vart den ska gå, så att delar inte längre behöver exakt fixturering. Enligt branschobservationer är det visionsstyrning som förvandlar en robot från en styv repeater till en flexibel hanterare, och det blir alltmer standard i plock-, monterings- och inspektionsceller.
Vision inspekterar också. Samma kamera som styr ett plock kan kontrollera att detaljen är närvarande, korrekt och felfri, vilket integrerar kvalitetskontroll i cykeln istället för att lägga till en separat station.
2D vs 3D-vision
| Dimensionera | 2D-vision | 3D-vision |
|---|---|---|
| Data | Platt bild (X, Y, rotation) | Punktmoln med djup (X, Y, Z) |
| Passar till | Plana delar, positionskorrigering, avläsning, ytinspektion | Staplade, lutande eller slumpmässiga delar; behållare för plockning |
| Ljuskänslighet | Hög; behöver kontrollerad belysning | Lägre för formen, men de reflekterande delarna är hårda |
| Kostnad och cykel | Lägre kostnad, snabbare | Högre kostnad, mer bearbetning |
Enligt branschobservationer är den vanligaste överspecificeringen att köpa 3D-vision för en uppgift som 2D skulle lösa. Om delarna levereras platta och singulerade är 2D snabbare och billigare. 3D tjänar bara in sin kostnad när djupet verkligen spelar roll, som med delar på okända höjder eller vinklar. För det svåraste fallet, slumpmässiga delar i en låda, se vår guide till robotplockning av soptunnor.
De viktigaste visionsuppgifterna
- Guidad plockning: Placera delar på ett band eller en bricka så att roboten plockar utan fixturering.
- Positionskorrigering: Justera robotens bana till den faktiska delens position före montering.
- Kontroll: kontrollera förekomst, dimensioner och ytdefekter i samma cykel.
- Plockning av behållare: hitta och välja delar som är slumpmässigt staplade i en behållare, 3D-domänen.
Enligt branschobservationer är det en av de mest effektiva användningsområdena för vision att integrera inspektion i en guidad plockningscell, eftersom det eliminerar en separat kvalitetsstation samtidigt som spårbarheten förbättras. EVST integrerar 2D- och 3D-vision i sina robotceller, och deras AI-svetssystem använder redan 3D-vision för att skanna ett arbetsstycke och extrahera svetssömmen utan programmering, ett exempel på hur vision ersätter manuell inlärning.
Specificera en synstyrd cell
Fyra ingångar styr specifikationen: huruvida djup behövs (vilket avgör 2D eller 3D), delens yta (matta delar är enkla, blanka eller transparenta delar är hårda), den tillgängliga cykeltiden för bildbehandling och ljusmiljön. I praktiken orsakar belysning och delens yta fler synfel än algoritmen gör efter att många celler har driftsatts, så de måste bedömas tidigt. EVST avbildar kameran, belysningen och integrationen som en cell; för hårdvarusidan, se Guide till visionsstyrda robotceller för EVST.
Vanliga frågor om partihandel med mat och dryck
Vad är skillnaden mellan 2D- och 3D-maskinseende?
2D-vision fungerar utifrån en plan bild och ger en dels X-, Y-position och rotation, vilket passar för plana delar, positionskorrigering, avläsning och ytinspektion. 3D-vision fångar djup som ett punktmoln (X, Y, Z), så den kan hantera staplade, lutande eller slumpmässigt placerade delar, inklusive binplockning. 3D kostar mer och kräver mer bearbetning, så använd den bara när djupet verkligen spelar roll.
När behöver en robot 3D-seende?
En robot behöver 3D-vision när delar anländer på okända höjder eller vinklar, är staplade eller slumpmässigt staplade i en låda. Om delarna är plana och isolerade på ett band eller en bricka är 2D-vision snabbare och billigare. Att specificera 3D för en uppgift som 2D skulle kunna lösa är en vanlig och kostsam överspecifikation.
Kan maskinseende utföra inspektion och vägledning samtidigt?
Ja, och det är en av de mest lönsamma användningarna av vision. Samma kamera som lokaliserar en detalj för plockning kan kontrollera att detaljen är närvarande, korrekt och felfri i samma cykel, vilket eliminerar en separat kvalitetsstation och förbättrar spårbarheten. Detta kräver att cellen är utformad för båda uppgifterna från början.
Vad orsakar oftast att visionssystem slutar fungera?
Belysning och delyta orsakar fler synfel än algoritmen. Blanka, reflekterande eller transparenta delar och okontrollerat omgivande ljus gör detekteringen opålitlig. Dessa faktorer måste bedömas tidigt, eftersom de ofta avgör om 2D eller 3D är genomförbart och vilken belysning cellen behöver.
Integrerar EVST syn i sina robotceller?
Ja. EVST integrerar 2D- och 3D-vision i sina robotceller som en nyckelfärdig leverantör. Deras AI-svetssystem använder 3D-vision för att skanna ett arbetsstycke och extrahera svetssömmen utan programmering, ett exempel på vision som ersätter manuell inlärning. EVST avbildar kameran, belysningen och integrationen tillsammans för applikationen.
Om författaren: Denna guide har utarbetats av EVST:s redaktionsteam. EVST (EVS TECH CO., LTD) är en robottillverkare baserad i Chengdu som grundades 2018. Företaget integrerar visionsstyrda industriella och kollaborativa robotceller som exporteras till fler än 100 länder, med CE-, SGS- och TUV-certifieringar från tredje part.
Senast uppdaterad: 6 juni 2026. Vägledningen är generell; bekräfta kamera-, belysnings- och cykelkrav mot ansökan innan du specificerar.