Ipari alkatrészek intelligens vizuális vizsgálati berendezései

Ismert hazai és külföldi csomagolási intelligens automatizálási berendezések kutatási és fejlesztési vállalatként,Shanghai Panzer Automation Technology Co., Ltd.Technológiai szolgáltatások kínál technológiai megoldásokat az intelligens vizuális vizsgálati berendezések a kínai gyártó nemzetközileg szinkronizált ipari alkatrészek. Ipari alkatrészek intelligens vizuális vizsgálati berendezéseiAlkalmazásGyógyszer, élelmiszer, ital, napi vegyi, egészségügyi termékek, elektronika, elektromos készülékek, vegyi ipar, autóipar és műanyag és hardver!

Ipari alkatrészek intelligens vizuális vizsgálataberendezésekittA digitális képfeldolgozási technológia egy feltörekvő technológiai iparágAz automatizálási rendszerek, az autóalkatrészek ellenőrzése és az intelligens azonosítás területén már alkalmazott. Ez az egyik fontos megoldás a hagyományos kézzel végzett lassú és alacsony hatékonyságú vizsgálatokhoz. Mivel a tényleges gyártás során az ipari alkatrészek számos részletes hibával rendelkeznek, a megfelelő algoritmusokat kell kiválasztani a pontos azonosításhoz és vizsgálatához. Ez a cikk az autók energiaszívó dobozának hátsó alkatrészeire vonatkozóan tervezte a képérzékelő rendszer teljes tervét, felépítette a kísérleti hardver platformot, és részletesen leírta a vizuális rendszer által alkalmazott különböző eszközök és világítási rendszerek összetételét, majd a kamera rendszer kalibrálását és a torziós hatás korrekcióját. A korrigált képek megszerzése után a kulcsfontosságú technológiákat, például a kép előfeldolgozását, a szélek észlelését és az alkatrészek geometriai paramétereinek mérését vizsgálták. Az előfeldolgozás során először elemezzük a kép zajkategóriáját, összehasonlítjuk a különböző szűrőalgoritmusokat, hogy megtaláljuk a képhez megfelelő szűrőalgoritmusokat. Ezen túlmenően a kép szélélezárásában a klasszikus szélélezárási algoritmussal összehasonlítva alapot nyújtanak a későbbi jellemzők kivonásához. A kép alapvető jellemzőinek észlelése során a köröket és egyenes vonalakat külön-külön észlelik a képen, és a vizsgálati eredmények paramétereit optimalizálják, hogy javítsák a körök és egyenes vonalak észlelési hatását. A képen lévő rések észlelése során a sablon-egyeztető algoritmust alkalmazzák, hogy pontosan azonosítsák a rések helyét. Az alkatrész méretének vizsgálata után a szövegben a teljes alkatrészek, hegesztési alkatrészek és karcolási alkatrészek három esetének osztályozási azonosítási módszereit is vizsgálták. Először is, a szélek észlelésével, a kép szélei tiszta és teljes alapján, a gradiens irányú histográfus algoritmusok használatával a jellemzők kivonásához, valamint a valószínűségi idegi hálózatok és az SVM osztályozási azonosításához, jó osztályozási eredményeket ért el. Azonban a jellemző vektori dimenziók magasak, és a jellemző kivonási információk keverednek, így a kép kulcsfontosságú információit nehéz teljes mértékben kihasználni. A szövegben a gradiens irányú histográfus algoritmusának javítása, a gradiens irányú histográfus jellemzői kivonási algoritmusának kétlineos interpolációja, a részletes jellemzőket jobban tükröző jellemző vektorok, majd az idegi hálózatok és a támogató vektoros gépek azonosítása, miközben a jellemzői értékek keveredésellenes hatása javult, a képek osztályozási azonosítási pontossága is javult. A téma moduljainak megvalósítása a Visual C ++ és a MATLAB-on alapul, beleértve a vizuális rendszerek felületének fejlesztését és az algoritmusok írását. Ez a cikk megvalósítja az alkatrészek jellemzőinek vizsgálatát, valamint a különböző alkatrészek osztályozásának azonosítását. A tanulmány eredményei bizonyos mérnöki értéket tükröznek, miközben bizonyos tanulmányt nyújtanak a képmérési technológiák alkalmazásához és az alkatrészek osztályozásának azonosításához.

Intelligent visual inspection equipment

As a well-known packaging intelligent automation equipment research and development enterprise at home and abroad, Shanghai Lujia Automation Technology Co., Ltd. provides technical solutions for the Chinese manufacturing industry to synchronize intelligent visual inspection equipment for industrial parts. Widely used in: pharmaceutical, food, beverage, daily chemical, health care products, electronics, electrical appliances, chemicals, automotive industry and plastics and hardware industries!

Intelligent visual inspection equipment for industrial components is an emerging technology industry in digital image processing technology. It has been widely used in automation systems, automotive parts inspection and intelligent identification. It has become one of the important solutions for slow manual detection and low detection efficiency. Due to the defects in the details of industrial parts in actual production, it is necessary to use an appropriate algorithm to accurately identify and detect them. In this paper, the overall scheme of the image detection system is designed for the back part of the car energy-absorbing box. The experimental hardware platform is built, and the components of the various components and lighting systems used in the vision system are introduced in detail. Then the camera system is calibrated and completed. Correction of distortion effects. After obtaining the corrected image, key technologies such as image preprocessing, edge detection and part geometric parameter measurement were studied. In the preprocessing, the noise class of the image is first analyzed, and various filtering algorithms are compared to find the filtering algorithm suitable for the image. Furthermore, in the image edge detection, the classic edge detection algorithm is compared, which provides the basis for the subsequent feature extraction. When detecting the basic features of the image, the circles and lines in the image are detected separately, and the parameters of the detection result are optimized to improve the detection effect of the circle and the line. When detecting the slot in the image, a template matching algorithm is used to accurately identify the position of the slot. After the inspection of the part size, the classification and identification methods of the intact parts, the solder joint parts and the scratch parts were also studied. Firstly, through the edge detection, on the basis of ensuring the image edge is clear and complete, the gradient direction histogram algorithm is used for feature extraction, and the probabilistic neural network and SVM are used for classification and recognition, and a good classification effect is obtained. However, the feature vector dimension is high, and the feature extraction information is aliased, so that the key information of the image is difficult to fully utilize. In this paper, the gradient direction histogram algorithm is improved, and the gradient direction histogram feature extraction algorithm is bilinearly interpolated. The feature vector which can reflect the detailed features is obtained, and then the neural network and support vector machine are used for recognition. The anti-aliasing effect of the value also improves the accuracy of classification and recognition of images. The implementation of all modules of this topic is based on Visual C++ and MATLAB, including visual system interface development and algorithm writing. This paper realizes the detection of part features and the classification and identification of different types of parts. The research results in this paper reflect a certain engineering value, and provide some reference for the application of image measurement technology and the classification and identification of parts.