连续环形扎带,简单来说,就像一根可以无限延长、两端能互相咬合的“链条”,上面均匀分布着一排排细小的“牙齿”或“凸起”,我们称之为齿。这些齿的设计非常关键,它们必须精准地卡入扎带自身的锁扣结构,才能实现牢固的捆扎,并确保在承受拉力时不会松脱或打滑。
在生产线上,扎带通常是高速、连续地生产出来的。因此,对这些“牙齿”的质量控制就显得尤为重要。我们关注的核心技术要求主要集中在以下几点:
齿距(Pitch)的均匀性: 齿距就是相邻两个齿之间中心点或者对应边缘之间的距离。如果这个距离不均匀,扎带在锁紧时可能会出现过紧、过松,甚至无法锁定的问题,就像齿轮的牙齿间距不一致会导致卡顿一样。
齿形的一致性: 扎带的齿形,包括齿的高度、宽度、斜度和尖锐度等,需要保持高度一致。不标准的齿形可能导致锁合不牢,或者在受力时齿部提前磨损、断裂。
材料与表面特性: 扎带多为塑料材质,颜色、光泽度甚至透明度都可能不同。这些表面特性会影响光学传感器的测量效果,需要传感器有良好的适应性。
这些参数的精准控制是确保扎带产品可靠性和使用寿命的关键,尤其是在高速生产环境下,任何细微的偏差都可能导致批次性的质量问题。
为了确保扎带的质量和互换性,行业内通常会针对其关键几何参数进行监测和评价。主要关注的监测参数及其评价方法如下:
齿距(Pitch): 这是指扎带相邻两个齿之间对应点的中心距离。在线监测时,通常通过识别每个齿的特征点(例如齿的峰值、谷值或固定边缘),然后计算这些特征点之间的直线距离来获得。评价方法通常是与设计标称值进行比较,并检查其偏差是否在允许的公差范围内。
齿高(Tooth Height)/齿深(Tooth Depth): 齿高是指齿的最高点到扎带基准面的垂直距离;齿深则可能指锁紧机构中齿能插入的深度。在线测量时,传感器会获取扎带表面的轮廓数据,从而识别齿的峰谷,计算出垂直方向的高度差。这个参数直接影响扎带的锁紧强度和防滑性能。
齿宽(Tooth Width): 指单个齿在特定高度上的宽度。测量时,通过识别齿的左右边缘,计算其水平距离。齿宽的稳定性对于确保锁紧机构的可靠啮合至关重要。
齿形(Tooth Profile)/轮廓: 指齿的整体几何形状。除了简单的尺寸,有时还需要对齿的侧壁倾斜度、圆角半径等进行评估。这通常需要获取齿的完整2D轮廓数据,然后与CAD模型或标准轮廓进行比较,以检测是否存在变形、毛刺或缺陷。
这些参数的在线监测,旨在实时发现生产过程中的异常,及时调整工艺,从而避免不合格产品流入市场。
(1) 市面上各种相关技术方案
在高速生产线上稳定测量连续环形扎带齿距,是质量控制中的一个技术挑战。目前市面上有多种成熟的非接触式测量技术可以应对这一挑战,各有其独特的工作原理、优势和局限性。
a. 激光三角测量法(点激光与线激光)
激光三角测量法是一种应用广泛的非接触式距离和轮廓测量技术。其基本思想是利用激光束照射到物体表面,然后通过光学系统和感光元件(如CCD或CMOS传感器)接收反射光,根据三角几何原理计算出物体与传感器之间的距离,或重建物体的表面轮廓。
工作原理和物理基础: 想象一下,你用手电筒斜着照一面墙,如果墙是平的,光点就在一个位置;如果墙面凸起或凹陷,光点就会相应地向上或向下移动。激光三角测量法就是利用这个原理。传感器内部会有一个激光发射器,它会向被测物体表面发射一束高度聚焦的激光(点激光)或一条激光线(线激光)。这束光在物体表面形成一个光斑。与此同时,传感器内还有一个位于特定角度的接收器(通常是一个高分辨率的CCD或CMOS阵列),它会捕捉这个光斑或光线在物体表面反射回来的图像。 当被测物体(如扎带的齿)与传感器的距离发生变化时,由于发射器、接收器和被测光斑三点形成一个三角形,光斑在接收器上的成像位置也会随之改变。通过精确测量光斑在接收器上的位置变化,结合预先标定好的几何关系(也就是那个“三角形”的形状),传感器就能反向推算出被测物体表面点到传感器的精确距离(Z轴)。
对于测量扎带齿距,点激光传感器需要高速扫描扎带表面,逐点获取高度信息,然后通过数据处理找出齿的峰谷点并计算距离。线激光传感器则更高效,它能一次性投射一条激光线到扎带的横截面上,瞬间获取整条激光线下的2D轮廓数据。这就像用一个“光刀”切开扎带,直接看到它的横截面形状。然后,通过分析这条轮廓线上的峰谷点,就能精确计算出齿的宽度、高度和相邻齿的距离。
其核心几何关系可以用一个简化模型来表示:假设激光发射器与接收器之间有一段基线距离 L,激光以特定角度 theta_E 照射到物体表面,反射光以 theta_R 角度被接收器捕获。如果物体表面发生微小位移 delta_Z,导致光斑在接收器上的成像点发生 delta_X 的位移,那么 delta_Z 和 delta_X 之间存在三角关系。一个简化的关系是,delta_Z 大致与 delta_X 成正比,比例系数取决于 L 和角度 theta_R。更精确的位移 Z (从某个参考平面开始) 可以由传感器上光点位置 x_s 导出:Z = (L * f * sin(alpha) + L * x_s * cos(alpha)) / (f * cos(alpha) - x_s * sin(alpha))其中,L 是激光发射器和接收器之间的基线距离,f 是接收光学系统的焦距,alpha 是激光器光轴与基线之间的夹角,x_s 是光点在接收器上的位置。传感器内部会通过校准将 x_s 映射到真实的 Z 值。
核心性能参数的典型范围:
测量范围: 激光三角测量传感器的测量范围从几毫米到几米不等,例如几十毫米到几百毫米是常见的工作范围。
精度: 激光测量精度一般为±0.02mm~±0.1mm,优质系统可达±0.015mm。
分辨率: 多数激光传感器的分辨率可达0.01mm甚至更高,线激光通常在X轴(横向)分辨率可达微米级。
采样/更新频率: 点激光传感器可达数kHz(千次/秒),线激光轮廓仪则可达数kHz至数十kHz,某些高性能型号可达64kHz,意味着每秒可获取64000条轮廓数据。
线性度: 优异的产品可达满量程的±0.03%甚至更高。
温度稳定性: 通常优于±0.05% FS/°C。
技术方案的优缺点:
优点: 非接触、测量速度快、精度高,能适应高速运动的物体测量。线激光能一次性获取2D轮廓,特别适合测量齿形和齿距。点激光则灵活,可以快速扫描不同位置。
局限性: 测量结果易受物体表面颜色、光泽度、透明度以及环境光线的影响。对于高度反射或完全透明的物体测量可能存在挑战。安装角度和环境振动也可能影响测量稳定性。
成本考量: 从几千到数万元人民币不等,高性能线激光系统可能更昂贵。
b. 机器视觉与智能图像处理
工作原理和物理基础: 这种方案就像给生产线装上了一双“慧眼”和一个“大脑”。它使用高分辨率相机拍摄扎带在高速运动中的清晰图像。然后,这些图像被传输到一个强大的处理器,内置的深度学习算法(相当于给大脑喂养了大量的“学习材料”)开始工作。这些算法通过学习大量合格扎带的图像,能够自动识别出齿的形状、边缘特征以及它们之间的间距模式。 其物理基础在于光学成像和数字图像处理。相机将光信号转换为数字像素信息,深度学习模型则在这些像素数据中寻找预设的模式。通过亚像素级(sub-pixel accuracy)的边缘检测算法,可以超越单个像素的限制,达到更高的定位精度。例如,一个像素可能跨越齿的边缘,算法能估算出边缘在像素内部的精确位置,从而实现微米级的测量精度。
核心性能参数的典型范围:
图像传感器: 高分辨率CMOS传感器,像素级别可从数百万到数千万。
处理速度: 数毫秒级的检测周期,足以满足高速生产线的实时需求。
测量精度: 亚像素级边缘定位精度,可达微米级别,具体取决于镜头、视野和算法优化。
防护等级: 常见为IP65或IP67。
技术方案的优缺点:
优点: 强大的鲁棒性,能够应对表面纹理、光照变化、轻微污渍等复杂情况。不仅可以测量齿距,还能进行全面的缺陷检测(如毛刺、断齿、变形)和字符识别。具有高度的灵活性和可编程性。
局限性: 需要大量的训练数据来训练深度学习模型,部署周期可能较长。对于极高速或光照变化剧烈的环境,可能需要额外的照明控制和同步机制。初期投入成本相对较高。
成本考量: 通常较高,一套完整的机器视觉系统可能从数万元到数十万元不等。
c. 高速双远心光电扫描/光幕测量技术
工作原理和物理基础: 这种技术可以想象成给扎带做了一个“X光透视”,但这里用的是可见光或红外光。传感器会生成一个非常均匀、平行的LED光束,形成一道“光幕”。当扎带高速穿过这道光幕时,它的齿部会阻挡光线,在接收器上形成一个非常清晰的阴影轮廓。 其核心在于“双远心光学设计”。传统光学镜头在物体远近不同时,放大倍数会发生变化,导致测量误差。而双远心镜头能确保在一定景深范围内,无论物体距离远近,其在传感器上的成像大小始终不变,这就好比我们看远处的高楼,无论你前后走几步,它在你的视网膜上大小几乎不变。系统通过高速的CMOS传感器或光电探测器阵列,精确捕捉这些阴影的边缘位置,并计算出齿的宽度和齿距。 物理基础是光的直线传播和影子的形成。通过高精度探测器阵列对光强变化的测量,精确判断边缘位置。
核心性能参数的典型范围:
扫描速度: 数百到数千次扫描/秒,实现超高速在线检测。
测量范围: 从几毫米到数百毫米的直径范围。
分辨率: 最高可达0.1微米。
线性度: 优异产品可达±1微米。
技术方案的优缺点:
优点: 极高的测量精度和重复性,几乎不受物体表面颜色、光泽度等特性影响。双远心设计确保了测量结果不受物体轻微位置或抖动的影响,非常适合在线高速连续测量。
局限性: 只能测量二维轮廓,无法获取三维信息。物体必须完全穿过光幕,且尺寸不能超过光幕的测量范围。不适合测量复杂的三维结构或有孔洞的物体。
成本考量: 通常较高,一套系统可能在数万元到十万元以上。
d. 结构光3D扫描技术
工作原理和物理基础: 这种技术能够获取扎带的完整三维形状数据。它会向扎带表面投射预先设计好的光图案(例如多条激光线、格栅或编码图案)。同时,多个高分辨率摄像头会从不同角度同步捕捉这些图案在物体表面因为形状变化而产生的“变形图像”。 通过分析这些变形的图案,系统能够精确地重建出被测物体表面的完整3D点云数据,就像在扎带表面密密麻麻地洒满了无数个三维坐标点。对于连续环形扎带,机械臂集成的扫描仪可以快速扫描一段扎带,生成其齿形的完整3D模型,然后从这些高密度点云数据中提取并计算齿距、齿高、齿宽,甚至分析齿的磨损或缺陷。 其物理基础是三角测量原理的扩展应用,以及光学投影和立体视觉。通过已知的投影图案和相机参数,利用三角几何原理计算出每个光点在三维空间中的坐标。
核心性能参数的典型范围:
测量速率: 高达每秒1,800,000次测量点。
体积精度: 最高可达0.060 mm + 0.075 mm/m(取决于型号和环境)。
分辨率: 空间分辨率可达0.050 mm。
激光线数量: 例如可达15条交叉蓝色激光线。
技术方案的优缺点:
优点: 能够获取物体完整的三维几何信息,不仅可测量齿距,还能全面分析齿形、磨损、变形等复杂特征,为全面的质量控制提供详尽数据支持。数据鲁棒性好,不易受环境光干扰。
局限性: 数据量庞大,处理复杂,通常比2D测量方案慢,不适合极高速的在线实时单尺寸判断。对物体表面的材质和颜色敏感性可能略高于光幕测量。系统成本通常最高。
成本考量: 通常非常昂贵,一套系统可能在数十万元到百万元以上。
(2) 市场主流品牌/产品对比
这里我们将对比几家在精密测量领域表现突出的主流品牌,它们在测量扎带齿距这类应用上各有千秋。
美国 康耐视:
采用技术: 机器视觉与智能图像处理。
核心参数: 康耐视的In-Sight D900系列产品,图像传感器采用高分辨率CMOS传感器,处理速度快,检测周期可达数毫秒,非常适合高速在线应用。测量精度达到亚像素级边缘定位,可实现微米级的尺寸测量。防护等级通常可达IP67。
应用特点: 康耐视在机器视觉领域拥有深厚积累,尤其擅长利用深度学习算法处理传统视觉难以解决的复杂检测任务,例如应对扎带表面纹理、轻微光照变化或异色杂质带来的挑战。它能通过学习扎带的齿形特征和间距模式,在高速运动中精确识别齿的边缘,并计算齿距。
独特优势: 强大的软件算法和深度学习能力,使其在复杂环境下仍能保持高鲁棒性和高精度,同时支持综合性的缺陷检测。
英国真尚有:
采用技术: 激光三角测量位移传感(点激光)。
核心参数: 英国真尚有的ZLDS115激光位移传感器提供最大2000mm(甚至2000-4000mm)的测量范围,最高分辨率可达0.01mm,线性度最优可达±0.03mm,确保了测量结果的准确性。其更新频率为1kHz,可实现实时测量,温度偏差仅为±0.03% FS/°C,防护等级达到IEC IP65标准,适应工业环境。
应用特点: 英国真尚有ZLDS115作为一款点激光位移传感器,可以通过高速扫描或多传感器组合的方式,获取扎带表面齿的高度变化。通过精确捕捉齿的峰谷点并计算它们之间的水平距离,可以有效监测齿距。其内置多种滤波器,有助于在高速运动和可能的环境干扰下稳定数据。
独特优势: 测量范围广、精度高、响应速度快,且具备良好的温度稳定性。提供模拟和数字输出,易于系统集成。同时,其厚度测量功能(两个传感器自动配对)为某些特定应用提供了便利。
日本基恩士:
采用技术: 高速线激光三角测量法。
核心参数: 日本基恩士LJ-X8000系列2D轮廓测量仪具有极高的采样速度,最高可达 64kHz,可以实现超高速在线测量。Z轴测量范围可达数百毫米(如LJ-X8080型号Z轴范围±40mm),Z轴重复精度可达0.25μm,X轴分辨率可达1μm。每轮廓测量点数最高达3200点。
应用特点: 日本基恩士的线激光系统能投射一条激光线到扎带表面,快速获取其精确的2D轮廓数据。通过分析轮廓数据中的齿形峰谷信息,直接计算齿之间的距离。这种方法特别适合在高速生产线上对连续移动的扎带进行高精度、实时且全面的齿形和齿距测量。
独特优势: 以其卓越的测量速度、高精度和易用性著称,具有强大的抗环境光和表面颜色变化能力,能在复杂工业环境下稳定工作。
意大利马尔波斯:
采用技术: 高速双远心光电扫描/光幕测量技术。
核心参数: 意大利马尔波斯Aeroel OptoFlash系列产品扫描速度可达数百到数千次/秒,实现高速在线检测。测量范围宽,针对不同型号可适应几毫米到数百毫米的扎带尺寸。分辨率最高可达0.1μm,线性度例如可达±1μm。
应用特点: 意大利马尔波斯的该系统通过生成平行均匀的LED光束形成光幕,扎带高速穿过时,其齿部形成清晰阴影。利用双远心光学设计,确保测量结果不受物体景深或位置轻微变化的影响,特别适用于在线高速连续测量。能够精准捕捉齿的宽度和间距。
独特优势: 以高速、高精度和极佳的稳定性而闻名,尤其在严苛的生产环境中表现优异。对物体表面特性不敏感,能提供实时反馈进行质量控制。
(3) 选择设备/传感器时需要重点关注的技术指标及选型建议
在选择用于测量扎带齿距的传感器时,需要综合考虑多个技术指标,它们直接影响测量效果和系统的稳定性。
1. 测量精度、分辨率与线性度:
实际意义: 精度代表测量结果与真实值之间的接近程度,分辨率是传感器能识别的最小尺寸变化,线性度则表示在整个测量范围内测量值与真实值之间的偏差一致性。这三者共同决定了测量的可靠性。对于扎带齿距这样的小尺寸特征,高精度和高分辨率至关重要。
影响: 如果精度不足,即使每次测量都没有累计误差,单次测量的随机误差也可能导致合格品被误判为不合格,或不合格品流入市场。
选型建议: 对于精密扎带,分辨率应至少达到0.01mm,甚至更高(如微米级)。线性度越小越好,确保在扎带可能跳动或偏离中心时,测量结果依然可靠。
2. 采样/更新频率:
实际意义: 指传感器每秒能进行多少次测量。在高速产线上,扎带运动速度快,齿距可能很小,高采样频率才能确保每个齿都被充分测量,不错过任何细节。
影响: 采样频率过低,可能导致漏测,无法捕捉所有齿的特征,或者在扎带高速移动时,只能进行稀疏采样,无法准确反映连续的齿距变化。
选型建议: 生产线速度越快,扎带齿距越小,所需的采样频率就越高。通常需要达到数kHz到数十kHz的级别。
3. 测量范围与工作距离(Stand-off Distance):
实际意义: 测量范围是传感器能有效测量的最大和最小距离,工作距离是传感器最佳测量时的离物距离。
影响: 范围太小可能无法覆盖扎带的轻微跳动;工作距离不合适则可能难以安装或影响测量精度。
选型建议: 选择测量范围能覆盖扎带可能存在的轻微跳动,且工作距离适中,便于在产线狭小空间内安装和调试的传感器。
4. 表面适应性(材质、颜色、光泽):
实际意义: 不同的扎带材质(如PP、尼龙)、颜色(黑、白、透明)和表面处理(磨砂、光面)会影响激光的反射特性。
影响: 适应性差的传感器在测量某些扎带时,可能出现信号不稳定、测量值漂移甚至无信号的情况。
选型建议: 优先选择具有宽动态范围CMOS传感器、自动曝光控制或多光斑技术,能更好地适应各种表面特性的传感器。如果扎带颜色或光泽变化大,机器视觉或光幕测量可能表现更佳。
5. 环境防护等级(IP等级)与温度稳定性:
实际意义: IP等级表示传感器对外来固体和液体侵入的防护能力。温度稳定性则反映了环境温度变化对测量结果的影响程度。
影响: 恶劣的工业环境(灰尘、油污、水汽)会损害传感器,降低寿命。温度波动会导致测量结果的漂移,影响长期稳定性。
选型建议: 根据生产线实际环境选择IP等级(如IP65或IP67)足够高的传感器,并关注其温度偏差指标,确保在工作温度范围内测量结果稳定。
6. 数据接口与处理能力:
实际意义: 传感器提供的数据输出格式(模拟/数字)和内置的数据处理功能(如滤波器)决定了其与上位系统的集成难度和数据处理效率。
影响: 不兼容的接口会增加集成成本;缺乏内置处理能力则可能需要更强大的外部控制器。
选型建议: 选择提供与现有控制系统兼容的接口(如RS232/RS422、以太网或模拟输出),并考虑传感器是否内置滤波器等数据预处理功能,以减轻上位机负担。
(4) 实际应用中可能遇到的问题和相应解决建议
在高速产线上利用传感器测量扎带齿距,虽然技术先进,但实际应用中仍会遇到一些挑战。
1. 累计误差问题(及其避免):
原因分析: 严格来说,对于“测量扎带齿距”这个任务,如果每次测量都是独立计算相邻两个齿之间的距离,是不会产生传统意义上的“累计误差”的。因为每次测量都从新的齿形特征开始,而不是从扎带的起点开始累加。真正的挑战在于单次测量中的“随机误差”,即每次测量的微小不准确性。如果测量策略是测量扎带总长度再除以齿数,那才会产生累计误差。
影响: 单次测量的随机误差会导致每个齿距测量值在真实值附近波动,如果误差较大,可能导致误判。
解决建议:
采用相对测量而非绝对测量: 关键在于每次测量都聚焦于“相邻”齿的特征点(如峰值或谷值)之间的距离。传感器或视觉系统应识别扎带的每个齿,将其峰值(或谷值、边缘)作为独立的特征点,然后计算这些特征点之间的间隔。例如,激光线扫描扎带轮廓,找出所有齿的峰值点,然后计算 P2-P1, P3-P2 等,而不是 P2-P0, P3-P0。
高频采样与数据过滤: 使用具有高采样频率的传感器,在扎带移动过程中获取足够多的数据点。然后,利用传感器内置的或上位机软件的滤波器(如中值滤波、滑动平均滤波)来平滑数据,去除瞬时噪声,提高测量值的稳定性。英国真尚有的ZLDS115就内置了多种滤波器。
2. 高速运动带来的抖动和定位不准:
原因分析: 扎带在高速牵引过程中,可能由于机械振动、气流扰动或牵引力不均,导致其在测量区域内发生微小的垂直或水平方向的抖动、偏摆,这会使得齿在传感器视野中的位置不固定。
影响: 抖动和定位不准会使得传感器捕捉到的齿形轮廓失真,或光斑位置偏移,进而影响齿距测量的准确性和重复性。
解决建议:
机械稳定: 在测量区域前后设置导轨、夹具或真空吸附装置,尽可能稳定扎带的运动轨迹和姿态,减少抖动。
高采样率: 选用采样频率极高的传感器(如日本基恩士线激光可达64kHz),能在极短时间内捕捉多个轮廓,通过平均或最佳拟合来消除瞬时抖动的影响。
多传感器融合: 如果单点传感器难以应对,可以考虑使用两个或多个点激光传感器,或线激光轮廓仪,通过同时获取多个点的位移或整个轮廓信息,来校正或补偿扎带的姿态变化。
图像处理补偿: 对于机器视觉方案,可以通过图像配准、几何校正算法来补偿扎带的轻微位移和倾斜。
3. 表面特性变化对测量的影响:
原因分析: 扎带的颜色、光泽、透明度或表面粗糙度变化,会改变激光的反射率,导致传感器接收到的光信号强度波动,甚至产生“盲点”。例如,黑色扎带吸收大部分激光,反射信号弱;高光泽扎带可能产生镜面反射,导致光斑偏移。
影响: 测量值不稳定、噪声大,甚至出现测量中断,影响在线检测的连续性和可靠性。
解决建议:
传感器优化: 选用具有宽动态范围CMOS传感器、自动曝光控制或能自适应表面特性的激光传感器。有些传感器会采用蓝色激光,对黑色物体有更好的表现。
改变测量技术: 如果激光三角测量法受影响严重,可以考虑转向对表面特性不敏感的技术,如高速双远心光电扫描(光幕测量),它通过阴影成像,基本不受物体表面颜色和光泽影响。
环境光控制: 遮蔽环境光线,避免其对激光信号的干扰。
4. 数据处理和系统集成挑战:
原因分析: 高速传感器产生的数据量巨大,对数据采集、传输和实时处理能力提出了较高要求。同时,将传感器数据无缝集成到现有的产线控制系统(如PLC或SCADA)也可能遇到兼容性问题。
影响: 数据延迟、处理能力不足可能导致实时反馈滞后,无法及时发现和纠正生产问题。
解决建议:
选用带内置处理器的传感器: 许多现代传感器内置了滤波器和其他数据预处理功能,可以在传感器端完成初步计算和滤波,减轻上位机负担。
高速通信接口: 选择提供高速数字输出接口(如RS422、以太网)的传感器,确保数据传输效率。
强大的上位机: 配备工业级高性能PC或专用的图像处理单元,确保有足够的计算资源进行实时数据分析和决策。
标准化协议: 优先选择支持Modbus TCP/IP、EtherNet/IP等标准化工业通信协议的传感器,简化集成过程。
汽车制造领域: 在汽车线束生产中,可使用如英国真尚有的激光位移传感器,实时监测电缆扎带的齿距和齿形,确保其在恶劣环境下能够可靠锁紧,防止线束松脱,保障车辆电气系统的安全与稳定。
医疗器械生产: 在一次性医疗扎带或导管固定装置的生产线上,高精度测量其微小齿距,确保产品符合严格的医疗标准,例如用于外科手术或输液管固定,直接关系到患者安全。
消费电子产品组装: 用于监测电子产品内部线缆扎带的齿距,避免因尺寸偏差导致扎带无法有效固定线缆,影响产品内部布局和长期可靠性,尤其在空间紧凑的产品中。
通用工业自动化: 广泛应用于各种连续生产的型材、挤出件或带状材料的几何尺寸在线检测,例如塑料型材的槽宽、橡胶带的孔距等,确保产品尺寸一致性和质量。
内径测量仪精密轮廓检测系统微观型面测量系统静态形变测量系统精密在线测厚系统振动测量系统无人警卫船光伏清洁机器人智能垃圾压实机智能机器人自稳定无人机起落平台空气质量检测仪桥梁结构健康检测系统其他检测系统
焊缝分析软件3D数据处理软件工业物联网平台电涡流软件预测分析软件AI软件计算机视觉平台数据平台解决方案服务免代码软件集成平台定制软件
测速测长_测距传感器 | 测距仪皮米级电容位移传感器线激光轮廓扫描仪 | 线扫激光传感器激光位移传感器线性位置传感器光谱共焦传感器Kaman传感器系统干涉仪测径仪 | 测微计 | 激光幕帘千分尺传感器纳米平台光栅传感器地下探测仪光纤传感器太赫兹传感器液位测量传感器倾角 | 加速度测量传感器3D扫描传感器视觉相机 | 3D相机水下测量仪磁耦合线性执行器磁场传感器雷达传感器石墨烯霍尔效应传感器卷材位置传感器振动测量传感器结构检测传感器监控电涡流传感器水听器校准器无线光学通讯传感器网关纳米级电涡流传感器其它检测设备