玻璃转盘视觉筛选机，又称光学图像筛选机、四面检测机和六面检测机，是针对各种散件的尺寸和外观缺陷而开发的检测机。在工业生产中，由于生产运输环境中的不可控因素，容易出现划痕、压伤、擦挂等缺陷。大部分缺陷极小，甚至肉眼难以识别，极大地制约了工业的发展。在中国制造业转型升级过程中，产品质量应销往欧美等发达国家，使产品更具竞争力，不可避免地要求不良产品不能最终出现在成品中。一方面，如果可以提前发现不良部件，提前排除，可以创造成本优势，另一方面，人工检测一般在强照明或显微镜工作环境中，容易疲劳，容易误判，经验要求高，现在大多数工厂不容易找到检测工人，在各种因素的驱动下，自动智能外观检测，产生了巨大的市场需求。然而，许多工厂刚刚从人工转向视觉，市场潜力无限。
视觉筛选机广泛应用于相机零件、锂电池零件、磁性材料、电子陶瓷、橡胶制品、连接器、电子元件、精密硬件等。散装件主要由振动盘等给料机自动输送，并通过转盘拍照自动进行外观检测。
在中国大陆以外，转盘筛选机主要在台湾和韩国，几乎没有其他经济体，包括台湾擎邦，精致，因为早期电子产业在台湾流行，进入早期，他们更多，但随着中国大陆制造业的崛起，其市场份额基本上被大陆制造商大量侵蚀。光学筛选机主要集中在中国大陆。
图1 转盘式筛选机核心结构
玻璃转盘视觉筛选机通过振动盘将各种零件输送到高透明玻璃转盘，然后通过入口检测记录转盘感应的工件和材料，并通过伺服系统教授CCD当转盘转动到相机位置时，控制器或PLC触发相机拍照，然后操作。出料前必须完成运算，若未完成运算，则判定为待定物料，重新检查。
根据材料类型，上料部分可分为以下几类：1）螺纹手动振动盘 装配线输送，2)螺纹手动振动盘 直振 ，3）CNC4)电梯式输送 流水线等。其中CNC数控精密板，对于较小的材料和精密材料，价格相对昂贵，该振动板一般内置在筛选机主机内，结构紧凑，一般用于电子元件的筛选。其他手工盘，则使用 “主机 上料” 对于不同规格的材料，可以更换振动盘的盘面进行切换。
图2 手纹手动振动盘 直振 图3 精密数控振动盘 直振
图4电梯式输送 流水线 图5 振动盘 流水线进盘
根据相机支架的类型，可分为以下类型：1）棱镜拍摄侧，2）4台相机占同一站拍摄侧。支架部分，结构标准化，价格透明，如图6所示。
图6 相机托架
筛选机的结构部分已经是透明，并逐步走向标准化，整机核心点集中于软件系统和光学的实现。对于筛选机的整个控制系统，主要分为2种，1）基于PLC的控制系统 ，2)基于控制器的控制系统，如图7和图8所示。
图 7 基于PLC筛选机控制系统架构
图8 基于运动控制器控制的筛选机控制系统架构
可以清楚地看出，基于运动控制器的系统的控制组成更合理、更紧凑触摸屏，没有触摸屏PLC交互过程直接集成。而且运动控制卡的控制周期很短，可以高速响应。当转盘快速移动时，材料姿势也可以准确拍摄，最高速度可以达到6万pcs/min，这是PLC系统达不到。例如，东莞精驰科技有限公司推出HPHS-W804,HPHS-W806,HPHS-W808等四面、六面、八面通用筛选机是基于运动控制器专门开发的。该产品内置了独特的控制技术，可以100%保证排序吹出、拍照和工件入口感应的唯一映射关系。
图9 HPHS-W804 图10HPHS-W806 图11HPHS-W808
图像识别系统是视觉筛选机的核心技术。视觉筛选机是一种进入门槛低但难以走向高端通用的产品。筛选机的目标包括橡胶（油封、密封圈、平垫圈、耳塞套等）、五金（电池盖、电池连接器、手机镜头圈、螺钉、螺母、其他精密五金等）、连接器（探针、插针、pogopin、pin针、铜柱、公针、母针等。电子元器件(电阻、电感、电容等)、磁性材料(磁片、磁瓦、磁环、磁芯等)、精密人造珠宝点钻；摄像头模块部件(VCM铁壳、VCM线圈、支架、Holder、镜筒、镜片等。)、复杂磁性零件、精密五金件等。可以筛选各行业的细分散件。由于细分市场太多，制作一个简单的图像系统也可能在某个细分领域获得份额。可以筛选各行业的细分散部件。由于细分市场太多，制作一个简单的图像系统也可能在某个细分领域占有一席之地。然而，为了在这一领域做大做强，它必须是一个面向整个行业零部件的通用完整的图像识别系统。只有这样，筛选机制造商才能在每个细分中快速找到自己的客户，并提供真正实用的检测价值。就行业现状而言，做筛选机的厂家多种多样，能完成通用系统的厂家很少。目前，由于图像软件能力不足，许多终端制造商购买的筛选机在现场无法打开。
图12 通用筛选机系统的功能结构
只有通用的筛选机系统才能快速迁移到各个行业不需要研发人员做深度修改，要达到通用并工具化的境界，整个系统的构思和工作量截然不同，只要极少数公司可以做到如此。东莞市精驰技术有限公司（东莞市精驰软件有限公司）所推出的MindWorks.Sorter 通用软件，可以实现以上要求。
图14 MindWorks.Sorter部分界面
图15 MindWorks.Sorter部分界面
图16 MindWorks.Sorter部分界面
上百家筛选机公司，大家各自为战，解决的是各种各样的图像检测分选需求，笔者在实际应用中，发现，深度学习可以针对某些难以识别的物料，进一步提高智能化识别能力，但是大部分物料不需要深度学习。基于深度学习的方案，其结构如下
由于深度学习配置了GTX2080等显卡，直接显著增加了项目成本，同时物料要经过采样，然后标记缺陷进行训练，增加了操作复杂度，对于某些传统实现不稳定的场合，可以使用AI深度学习。一般情况下，能用传统技术解决的，还是采用传统图像处理技术。深度学习只是锦上添花的功能，锦上添花，作为系统实现，先有“锦”才能追逐花。