- Инновации, сотрудничество, ответственность
- 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Устройство для установки ПЛК, устройство для установки ПЛК, устройство для установки ПЛК, устройство для установки ПЛК, устройство для установки ПЛК, устройство для установки ПЛК, устройство для установки на корпусе. ，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。 1. Использование ПЛК для ПЛК.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？ 2D/3D изображения, 2D/3D изображения, 2D/3D изображения, 2D/3D изображения, 2D/3D изображения, 2D/3D изображения, 2D/3D изображения.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-изображение 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、 Системные требования к ПЛК, установленные на контроллере, могут быть использованы для управления ПЛК.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。 1. PLC, 西门子, 罗克韦尔, 三菱,欧姆龙等主流PLC程序编写与修改Интерфейсы ввода-вывода, протоколы Profinet, EtherNet/IP, Modbus TCP, протоколы, протоколы, протоколы ввода-вывода. 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. ПЛК, оборудование для ПЛК, оборудование для ПЛК, оборудование для ПЛК, оборудование для ПЛК, оборудование для ПЛК, оборудование для ПЛК, оборудование для ПЛК, оборудование для ПЛК, оборудование для ПЛК, оборудование для ПЛК, оборудование для ПЛК故障恢复逻辑与安全程序完善 主焊线 […]
- Формат изображения: 2D+3D, изображение в формате 2D+3D, изображение в формате 2D+3D, изображение в формате 2D+3D, изображение в формате 2D+3D.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；而单一的的视觉在面对高度、平面度、段差等三维尺寸时无能为力。 为此,我们推出基于2D и 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 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）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-изображения, изображения, изображения, изображения, изображения, изображения, изображения, изображения, изображения, изображения, изображения, 2D изображения, изображения, изображения, изображения, изображения, изображения, изображения, изображения, изображения и т. д. […]
- 2.5D: изображение: изображение: изображение, изображение: изображение, изображение, изображение, изображение, изображение, изображение: +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。传统的明显色差的缺灰度差异，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 изображения, 2D изображения и 3D изображения, изображения, изображения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3D, 3D, 本更低, 速度更快, 且对高反射表面具有天然优势。 Модель 2.5D для фотометрической печати: фотометрическая модель. Стерео: 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（Фазовая дефлектометрия, 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Светодиодные лампы, светодиодные лампы и светодиодные лампы.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 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 работает в режиме реального времени, в котором используется искусственный интеллект.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 2D-изображение: 2D-изображение + IMU: 实现环境建图、实时定位与自主导航。 3D-изображения: 3D-изображения, 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。 3D-изображение, 3D-изображение, 3D-изображение, 3D-изображение, 3D-изображение, 3D-изображение, 3D-изображение, 3D-изображение, 3D-изображение, 3D-изображение, 指定位置,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 производит защитное оборудование AI в защитном корпусе: 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: Использование KSS для IP-адресов и IP-адресов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 — IP-адрес 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, 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Время ожидания составляет менее 100 мс, время ожидания составляет 100 мс.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。 […]
