AI搭載の産業用SMD計数用自動X線リールカウンター
動作原理
当社の利点
- 長寿命でメンテナンスフリーの80kV X線管
- 超高精細17インチデジタルフラットパネル検出器（FPD）
- リールあたり12秒の最高速度での超高速計数
- 最大17インチ（430mm）のリールまたはトレイ（防湿バッグ付き）に対応
- 無料アップデートによる、常に更新されるAIディープラーニングアルゴリズム
- MES、ERP、WMS、その他の管理システムとの統合
- 特別なケース（少量、重量超過/特大リール、パッケージリール）用の手動モード
- 完全自動計数プロセス用のAGVドッキングサポート
- 作業指示番号機能による計数記録の照会と統計
ハードウェアパラメータ
X線源
| タイプ |
マイクロフォーカス |
| 最大管電圧 |
80kV |
| 最大管電流 |
700μA |
| 焦点サイズ |
30μm |
フラットパネル検出器
| タイプ |
超高精細デジタルFPD |
| 有効面積 |
430mm * 430mm |
| 画素サイズ |
139μm |
| 解像度 |
3072 * 3072 |
リール/トレイ計数
| 最大サイズ |
自動モード15インチ（380mm）、手動モード17インチ（430mm） |
| 最大厚さ |
自動モード50mm、手動モード80mm |
| 最小部品サイズ |
01005 |
| 速度 |
12-15秒 |
| 精度 |
01005 ≥ 99.98%, 0201以上 ≥ 99.99% |
| メディアタイプ |
リール材料、防湿バッグ付きトレイ材料 |
機器仕様
| 寸法 |
2700mm（L）* 1400mm（W）* 1900mm（H） |
| 重量 |
3000kg |
| 電源 |
AC110-220V 50/60HZ |
| 最大消費電力 |
4800W |
| 産業用PC |
I7 CPU、16G RAM、256G SSD+4T HDD |
| ディスプレイ |
24インチHDMI LCD |
| 管理システム接続 |
MES、ERPなど |
ワークフロー
| ローディング |
7〜15インチリール用自動マニピュレーターローディング |
| 最大ローディング量 |
200リール（7インチ、厚さ8mm） |
| バーコードスキャン |
バーコードおよびQRコードスキャンに対応 |
| リール転送 |
自動ベルト転送システム |
| ラベリング |
データアップロードによる自動ラベル印刷と適用 |
| アンローディング |
リール車両への自動マニピュレーターアンローディング |
安全機能
| 放射線漏れ |
漏れなし（≤1μSv/h、国際規格） |
| バックドア安全インターロック |
ドアが開くとX線管がすぐにオフになります |
| 非常停止 |
前面に取り付けられた非常停止ボタン |
速度と精度
| リールサイズ |
部品サイズ |
数量 |
精度 |
速度 |
| 7インチ（180mm） |
01005 |
10000 |
99.98% |
12-13秒 |
| 7インチ（180mm） |
0201 |
10000 |
99.99% |
11-12秒 |
| 7インチ（180mm） |
0402 |
10000 |
99.99% |
11-12秒 |
| 7インチ（180mm） |
0603 |
5000 |
99.99% |
10-11秒 |
| 10インチ（254mm） |
1206 |
5000 |
99.99% |
10-11秒 |
| 15インチ（380mm） |
1206 |
10000 |
99.99% |
11-12秒 |
人工知能ディープラーニングアルゴリズム
当社の計数ソフトウェアは、手動バインディングなしでコンポーネントを自動的に識別する強力なAIディープラーニングアルゴリズムを利用しています。アルゴリズムは、以下を含む計数されたコンポーネントデータから学習します。
- アスペクト比
- 各コンポーネントのコーナー角度
- 内側から外側へのコンポーネント間の傾斜
- 内側から外側への画像変形パターン
使用量の増加に伴い、計数精度が向上します。アルゴリズムが進化するにつれて、システムは同様のコンポーネントやより大きなトレイを簡単に処理します。
クラウドデータベース
すべてのWellman X線カウンターは、当社のクラウドデータベースに接続します。機械データと画像はクラウドにアップロードされ、最新のデータベースアップデートが自動的にダウンロードされます。当社のエンジニアは、収集されたデータに基づいてアルゴリズムを最適化し、顧客システムを定期的に更新します。
時間の経過とともに、コンポーネントタイプのカバレッジが拡大するにつれて、計数精度は100％に近づきます。新しいコンポーネントに遭遇した場合、システムは既存のデータベースマッチを利用して、より高い効率と精度を実現します。
サンプル画像
