- Innovation, Collaboration, Responsibility
- info@JHL-guangdong.com
- 专注模组装配与电池包总装，让Pack线“节拍达标、稳定量产” 电池Pack线是新能源汽车动力电池生产的最后关键环节，涉及模组上线、端板/侧板安装、拧紧、涂胶、测试、下线等多道工序，机器人密集、工艺复杂、安全要求高。调试质量直接决定产线能否按期达产。我们是一支专注于电池Pack线的PLC与机器人调试技术团队，不卖硬件，只提供专业、高效、可靠的技术服务，帮助客户完成从设备联调到整线稳定量产的最后一公里。 一、我们提供的服务 1. PLC调试 西门子、罗克韦尔、三菱等主流PLC程序编写与优化 与拧紧枪、涂胶机、测试柜、气密检测设备等第三方设备通信联调 安全逻辑完善（急停、光栅、绝缘检测等） 节拍分析、故障诊断与排除 2. 机器人调试 KUKA、ABB、Fanuc、Yaskawa等主流品牌 模组抓取与放置、端板/侧板安装、Pack上下线等轨迹示教 精度优化，避免模组损伤 多机器人协同与干涉区设定 3. 整线集成与优化 整线节拍平衡与工位时序优化 故障恢复逻辑与报警体系建立 空运行与带载测试，配合客户完成产能爬坡 二、覆盖的产线类型 模组装配线（电芯堆叠、端板安装、绑带、焊接） Pack总装线（模组入箱、高压连接、BMS安装、气密测试、EOL测试） 拧紧、涂胶、测试等专机工位 三、我们的优势 熟悉电池行业特殊规范：绝缘检测、高压安全、急停逻辑、防错机制 […]
- 工业视觉引导与定位：为机械臂装上“智慧之眼”，实现精准抓取与柔性装配 副标题：2D/3D视觉引导 · 手眼标定 · 实时定位——让机器人从“盲操”走向“智动” 在智能制造产线中，机械臂承担着搬运、装配、焊接、涂胶、码垛等关键任务。然而，传统机械臂依赖固定的“示教-重复”模式，一旦工件位置发生偏移、来料姿态不一致或来料种类切换，便会出现抓取失败、碰撞甚至停机。如何让机械臂具备“看见”并“适应”环境的能力？ 我们推出工业视觉引导与定位解决方案，通过2D/3D相机与视觉算法的深度融合，为机械臂提供实时的目标检测、位姿估算与坐标转换能力。无论是散乱堆叠的工件、传送带上高速运动的物体，还是高精度装配中的微米级对位，都能实现精准引导，助力企业构建柔性、智能的自动化产线。 一、什么是视觉引导与定位？ 视觉引导与定位，是指利用工业相机采集场景图像，通过视觉算法识别目标物体的位置、姿态（X, Y, Z, Rx, Ry, Rz），并将坐标转换至机械臂基坐标系，从而引导机械臂完成抓取、放置、装配等动作。 我们提供2D视觉引导与3D视觉引导两种技术路径，并可混合使用，满足不同精度、速度与复杂度的应用需求。 技术类型 适用场景 输出信息 典型精度 2D视觉引导 平面内定位（传送带、托盘、工装） X, Y, 角度 亚毫米级 […]
- 专注白车身侧围、地板、主焊、门盖线，让焊装产线“调得准、跑得稳、产得出” 在白车身焊装车间，机器人密度最高、节拍要求最严、调试难度最大。一个未经充分优化的焊装线，往往出现节拍不达标、轨迹干涉、焊枪碰撞、程序混乱等问题，导致项目延期、成本超支。我们是一支专注于白车身焊装线的PLC与机器人调试技术团队，不卖硬件，只提供专业、高效、可靠的技术服务，助力客户快速完成产线调试、节拍爬坡与量产稳定。 一、我们提供的服务 1. PLC调试 西门子、罗克韦尔、三菱、欧姆龙等主流PLC程序编写与修改 现场I/O点检、通信配置（Profinet、EtherNet/IP、Modbus TCP等） 逻辑优化、节拍分析、故障诊断 与机器人、焊接控制器、换枪盘、输送机构、夹具等设备联调 2. 机器人调试 KUKA、ABB、Fanuc、Yaskawa等主流品牌 点焊、螺柱焊、弧焊、涂胶、滚边等工艺的轨迹示教与优化 干涉区设置、多机器人协同、节拍平衡 路径规划与姿态调整，避免碰撞 3. 整线集成与优化 多机器人协同调试与工位时序优化 PLC与机器人信号交互优化 故障恢复逻辑与安全程序完善 空运行与带载测试，配合节拍验收 二、覆盖的产线类型 侧围线 地板线 主焊线 […]
- 工业视觉尺寸测量：2D+3D双维融合，为精密制造提供毫米级至微米级全场景量测方案 副标题：从平面几何到立体轮廓，一站式覆盖在线全检、机器人引导与工艺闭环 在精密制造中，尺寸是产品品质的“第一道红线”。无论是机加工件的孔径公差、注塑件的轮廓度，还是装配间隙的一致性，任何尺寸超差都可能导致装配失败、功能失效甚至安全事故。传统的人工卡尺、三坐标测量（CMM）效率低下，无法满足在线全检的需求；而单一的2D视觉在面对高度、平面度、段差等三维尺寸时无能为力。 为此，我们推出基于2D与3D相机的工业视觉尺寸测量解决方案，深度融合二维成像测量与三维点云/轮廓测量技术，覆盖从简单几何参数到复杂形位公差的全部测量需求，助力企业实现高精度、高效率、全溯源的在线尺寸管控。 一、技术架构：2D + 3D 协同互补 维度 2D视觉测量 3D视觉测量 原理 基于高分辨率图像，通过标定将像素坐标转换为物理坐标 基于激光三角法、结构光、双目立体视觉等获取三维点云或深度图 测量对象 平面尺寸：长度、宽度、直径、角度、圆度、位置度 立体尺寸：高度、平面度、段差、轮廓度、体积、间隙 精度范围 微米级（取决于视野与相机分辨率） 微米至亚毫米级（取决于传感器与工作距离） 优势 速度快、成本低、算法成熟 不受光照和颜色影响，直接获取真实三维信息 典型场景 2D轮廓测量、孔位定位、边缘检测 高度差测量、平整度检测、装配对齐 […]
- 2.5D工业视觉检测：突破平面局限，精准捕捉细微形貌缺陷 副标题：光度立体法 + 相位偏折术——为高反光、低对比度表面提供像素级形貌分析 在工业制造中，许多缺陷并非简单的“颜色差异”，而是微米级的形貌变化：如金属表面的划痕、冲压件的轻微凹陷、玻璃面板的细小凸起、抛光件的橘皮或振纹。传统的2D视觉基于灰度差异，对这类平坦且无明显色差的缺陷几乎“视而不见”。而3D激光扫描虽能获取高度信息，但速度慢、成本高，难以覆盖大视野。 为此，我们推出基于2.5D技术的工业视觉检测方案，融合光度立体法与相位偏折术，在不依赖主动激光投影的前提下，重建物体表面的梯度与曲率信息，实现对细微形貌缺陷的高灵敏度、高速度在线检测。 一、什么是2.5D技术？ 2.5D技术介于传统2D图像与完整3D点云之间，它不直接测量绝对高度，而是通过多角度光照或条纹相位变化，反演出物体表面的法向量、梯度、曲率等形貌特征。相比纯2D，它能感知深度起伏；相比线激光3D，它成本更低、速度更快，且对高反射表面具有天然优势。 我们主要采用两种成熟的2.5D技术路径： 光度立体法（Photometric Stereo）：适用于漫反射或粗糙表面，检测划痕、凹坑、纹理异常。 相位偏折术（Phase Measuring Deflectometry, PMD）：适用于镜面或高光表面，检测玻璃、抛光金属、涂层表面的微小形变。 二、技术详解 1. 光度立体法——还原微小起伏 原理：从多个不同角度（通常4～8个方向）依次点亮LED光源，相机同步采集多幅图像。通过分析同一像素在不同光照方向下的亮度变化，解算出该点的表面法向量。进而重建出表面的梯度场和相对高度图。 核心优势： 对亚毫米级划痕、压痕、砂眼、纹理不均匀极其敏感 不受产品颜色、图案干扰（仅对形貌响应） 检测速度快，单次检测可覆盖较大视野 典型应用： 金属冲压件、铸件的表面划痕与凹陷 塑料件、橡胶件的模具纹路缺损 […]
- 工业视觉缺陷检测：以深度学习之眼，洞察产品每一处细微瑕疵 副标题：目标分割 · 目标识别 · 骨骼提取——为智能制造赋予像素级的质量把控能力 在工业制造领域，产品表面的划痕、脏污、形变，以及内部结构的隐裂、缺料、错位等缺陷，直接影响成品性能与品牌信誉。传统机器视觉依赖人工设计特征和固定阈值，在面对复杂纹理、光照变化、非规则缺陷时，往往力不从心，漏检、误检频发。 如今，深度学习的引入，正在彻底改变这一局面。我们专注于工业视觉缺陷检测，通过大量合格/不合格图像对模型进行端到端训练，让模型自主习得缺陷的深层特征，从而实现对新产品样本的精准分类与异常定位。无论是目标分割、目标识别，还是骨骼提取，我们都能提供覆盖多种工业场景的智能化视觉解决方案。 一、技术核心：基于深度学习的缺陷检测流程 我们的检测方案遵循一套成熟、高效的深度学习工作流： 数据采集与标注 收集大量包含合格品与各类缺陷品的图像，并对缺陷区域进行精细标注（如划痕、气孔、毛刺等）。 模型训练 利用卷积神经网络（CNN）等深度学习架构，从标注数据中自动学习不同类别（合格/不合格）以及不同缺陷类型的特征表示。 模型验证与优化 通过验证集评估模型精度，采用数据增强、迁移学习、超参数调优等手段持续提升鲁棒性。 在线推理 训练完成的模型部署至产线，对每一张新采集的图像进行实时推理，输出分类结果（OK/NG）以及缺陷位置、类别、置信度等信息。 通过这一流程，模型能够超越传统视觉算法的局限性，适应复杂的背景、非均匀光照以及形态各异的缺陷。 二、核心视觉任务：目标分割、目标识别与骨骼提取 我们根据不同工业场景的需求，灵活运用以下深度学习视觉技术： 1. 目标分割（语义分割 / 实例分割） 能力描述：对图像中的每一个像素进行分类，精确勾勒出缺陷区域的轮廓，区分多个独立缺陷实例。 […]
- 智能巡检机器人系统：让工厂巡检迈向“无人化、智能化”新时代 副标题：融合视觉、红外、声纹多维感知，AI赋能设备健康与人员安全双重保障 在现代化工厂中，设备的稳定运行是生产连续性的基石。传统的巡检方式依赖人工定时点检，不仅耗费大量人力物力，而且受限于人员经验、疲劳程度和响应速度，难以及时发现隐蔽性故障，更无法实现7×24小时全天候监控。 为此，我们推出智能巡检机器人系统——一套集机器人本体、自主导航、多传感器融合、AI分析及远程控制于一体的全栈式智能巡检解决方案。该系统可替代人工完成设备状态检测、仪表读数、跑冒滴漏识别、劳保穿戴合规检查等任务，并通过无线网络实现与工厂其他设备的互联互通，助力企业实现巡检业务“无人化、数字化、智能化”升级。 一、系统组成：软硬一体，协同高效 整个巡检系统由以下四大核心部分构成： 机器人本体：包括运动底盘、差速轮式驱动结构、电源模块、底盘控制模块。 充电系统：支持机器人自动回充，实现全天候不间断作业。 通信网络系统：提供稳定的数据传输通道，保障机器人与控制平台实时交互。 巡检机器人控制系统：上位机管理平台，负责任务调度、数据处理、结果显示与远程指令下发。 二、核心硬件：精准导航与多维感知 1. 运动底盘与导航模块 差速轮式驱动结构：灵活机动，适应工厂复杂通道。 2D激光雷达 + IMU：实现环境建图、实时定位与自主导航。 多个3D摄像头：辅助避障与姿态感知，确保机器人在动态环境中安全行驶。 2. 检测载荷 变焦视觉相机：采集高清可见光图像，用于仪表读数、设备外观检查等。 红外相机：检测设备温度异常，提前预警过热故障。 声纹传感器：采集设备运行声音，识别异常振动或异响。 机器人可到达预设的指定位置，通过周身布置的3D相机及激光雷达姿态传感器，实现精准定位、自主避障与姿态调整，确保检测点重复到位精度。 三、核心功能：全面覆盖巡检业务场景 功能类别 […]
- KUKA机器人AI分析系统：为您的工业机器人赋予预见性智慧 副标题：非侵入式毫秒级响应，本地化智能分析，全面守护KUKA机器人健康运行 在现代智能制造产线中，工业机器人是生产的核心支柱。然而，随着运行时间累积，机器人各部件的老化、磨损以及软件层面的异常，往往难以被及时发现，一旦突发故障，将导致产线停摆、交付延误、维修成本飙升。 为此，我们推出KUKA机器人AI分析系统——一款专为KUKA工业机器人量身打造的智能监控与预测性维护平台。系统采用非侵入式数据采集技术，无需改造现有设备，即可实现毫秒级实时响应，通过本地化数据处理与自建智能算法，全面评估机器人运行状态，提前识别潜在风险，显著提升生产效率和设备可靠性。 一、全局可视化监控：一站式掌握所有机器人状态 系统支持对所有接入的KUKA机器人进行实时集中监控，提供一目了然的管理视图。 健康度仪表盘：以绿、黄、红三种颜色编码，直观展示每台机器人的整体健康状态，帮助管理人员快速定位异常设备。 设备清单总览：清晰列出所有在线机器人的关键信息，包括： 机器人序列号 KSS版本与IP地址 机器人型号与安装位置 当前运行状态（运行/待机/报警/离线） 实时状态概览：针对每台机器人，实时监控以下关键指标： 外部风扇运行状态 电池健康状态 杀毒软件运行状态 电池及关键部件温度 二、单台机器人深度监控：全维度数据评估 系统能够对单台KUKA机器人进行精细化状态监控，涵盖以下信息维度： 机器人名称 序列号 KSS版本 IP地址 机器人型号 备份时间（可设定自动备份至本地） 外部风扇状态 […]
- 修磨检测盒：点焊工艺智能化质量管控专家 工艺挑战：电极帽状态决定焊接成败 在精密点焊工艺中，电极帽作为能量传导的核心载体，其工况状态直接影响焊接质量稳定性与生产成本控制。然而，当前行业普遍面临两大技术痛点： 质量隐患难察觉：电极帽对中度偏差与端面氧化残留易导致焊核成形不均，引发虚焊、弱焊等隐蔽性缺陷，传统人工检测难以实时发现。 成本失控成常态：在连续焊接工况下，电极帽易发生端面铣穿导致冷却水渗漏，不仅造成产线非计划停机，更因预防性更换周期设定保守而产生15%-30%的冗余耗材成本。 这些系统性风险已成为制约焊接良率提升与精益化生产的关键瓶颈。 解决方案：修磨检测盒——全生命周期智能管控 修磨检测盒是一款专为点焊工艺设计的智能化质量管控设备。它通过高精度工业视觉技术结合边缘计算能力，实现对焊钳电极帽的全生命周期管理及修磨质量的自动化检测。产品集成图像采集、数据分析和本地化存储功能，可实时判定电极帽状态并预测焊点质量，助力企业提升焊接工艺稳定性、降低人工成本。 核心检测能力 修磨检测盒通过检测以下关键参数，实现修磨质量的在线监控及缺陷预警： 电极帽长度：精确测量磨损程度，判断是否需要更换。 电极帽轴性角：检测对中度偏差，避免焊核成形不均。 修磨后端面情况：评估端面平整度、清洁度及尺寸完整性。 技术原理：AI视觉 + 边缘计算 侧面特征检测 用特定光源照射被测电极帽，获取电极帽侧面图像；通过图像处理算法计算获得电极帽的夹角及长度信息。 端面特征检测 用特定光源照射被测电极帽，获取电极帽端面高清图像；与内置模型数据库进行对比，AI智能判断端面是否符合工艺要求。 毫秒级实时反馈 相机启动拍照，处理数据并存储反馈，同时显示判断结果，整个过程耗时＜100ms，确保不影响生产节拍。 自动化工作流程 修磨检测盒与机器人无缝协作，形成闭环控制： 机器人运动至检测盒位置，准备检测。 控制柜向检测盒发起控制指令，启动检测流程。 […]
