Snapshot-Sensor für
robotergeführte 3D-Inspektion

Der intelligente 3D-Snapshot-Sensor Gocator 3109 von LMI ist prädestiniert für Montagelinien, die robotergeführte 3D-Bilderfassung und berührungslose Inspektion von unbewegten Objekten durchführen. Sein kompaktes Gehäuse von 49x100x155mm und sein Gewicht von 1,5kg machen ihn zum kleinsten Projektionsscanner mit blauen LEDs auf dem Markt. Das großflächige Sichtfeld (86x67mm bis 88x93mm) und flexible Aufnahmefunktionen erlauben die Messung vielfältiger Merkmale mit einem einzigen 3D-Snapshot.

Das könnte Sie auch interessieren

Neuer Geschäftsführer bei Omron Electronics

 

Zuvor war Kluger als Managing Director Europe und Vice President Business Development für Adept Technology, später für Omron Adept Technologies tätig. Außerdem ist er als ehrenamtliches Vorstandsmitglied im Fachverband Robotik des VDMA aktiv.

www.industrial.omron.eu

Jahresabschluss und Verä;nderungen bei Stemmer

Am 30. Juni hat der global tätige Bildverarbeiter Stemmer Imaging sein Geschäftsjahr 2016/2017 mit einem Umsatz von 88,7Mil.€ und einem währungsbereinigten Wachstum von 6% abgeschlossen. Der Abschluss stellt auch das Ende einer Ära dar.

www.stemmer-imaging.de

Zylinderkopf-Volumenprüfung

Der 3D Snapshot Sensor Gocator 3210 mit integrierter Zylinderkopf-Volumenprüfung wurde speziell für die Kammervolumeninspektion von Zylinderköpfen in kleinen bis mittelgroßen Verbrennungsmotoren entwickelt. Die Sensoren produzieren hochauflösende 3D-Scans und Messergebnisse mit einer Genauigkeit von +/-0,04cm3 in weniger als 5Sek., selbst bei Brennkammern und Kolben mit glänzenden Oberflächen. Eine 2MP Stero-Kamera minimiert Abschattungen.

www.lmi

Verbesserte Genauigkeiten für Messmaschinen

Für das hochgenaue Messen wurde die Auswerte-Elektronik Quadra-Chek 3000 entwickelt. Moderne Videowerkzeuge werten das Kamerabild von Mess- und Profilprojektoren, Messmikroskopen oder Videomessmaschinen aus. Die integrierte Fehlerkompensation verbessert die mechanische Genauigkeit der Messmaschine. Filterfunktionen verhindern, dass Verschmutzungen auf dem zu messenden Objekt oder auf der Optik der Messmaschine das Ergebnis verfälschen. Bei der Auswertung des Kamerabildes erkennt die Elektronik Kanten und legt darauf Messpunkte fest.

www.heidenhain.de

Anzeige
Sicherheit ab dem ersten Teil

Die Möglichkeit des korrelationsfreien Messens ermöglicht in der Produktionslinie bereits für das erste Bauteil die notwendige Sicherheit über die Maßhaltigkeit. Damit können Unternehmen darauf verzichten, in regelmäßigen Abständen ihre Karosserieteile auf einem Koordinatenmessgerät (KMG) nachzumessen und die erkannten Abweichungen zwischen Inline und KMG als Korrekturwerte auf die Inline-Messanlagen zu übertragen.

www.zeiss.de

Anzeige
Deep Learning Algorithmen für CNNs

Der Matlab Release 2017a enthält eine Reihe neuer Funktionen sowie die Automated Driving System Toolbox. R2017a enthält zudem Aktualisierungen und Fehlerbehebungen für 86 vorhandene Produkte. Beispielsweise werden in der Neural Network Toolbox verschiedene Deep-Learning-Algorithmen zum Trainieren von neuronalen Faltungsnetzwerken (CNNs) für Regressionsaufgaben mit mehreren GPUs auf PCs, auf Clustern und in der Cloud angeboten, sowie die Deep-Learning-Visualisierung für die von einem CNN-Modell erlernten Funktionen mithilfe von Bildoptimierung. Zudem stehen Funktionen zur Übertragung von Gewichtungen von vortrainierten CNN-Modellen (Alexnet, VGG-16 und VGG-19) und Modellen von Caffe Model Zoo zur Verfügung.

www.mathworks.de

Anzeige