Thiết bị kiểm tra tầm nhìn thông minh cho các bộ phận công nghiệp

Là doanh nghiệp nghiên cứu và phát triển thiết bị tự động hóa thông minh nổi tiếng trong và ngoài nước,Thượng Hải Lujia Công nghệ tự động Công ty TNHHDịch vụ kỹ thuật đã cung cấp giải pháp kỹ thuật thiết bị kiểm tra trực quan thông minh với các linh kiện công nghiệp đồng bộ quốc tế cho ngành chế tạo Trung Quốc. Thiết bị kiểm tra tầm nhìn thông minh cho các bộ phận công nghiệpÁp dụng cho: Dược phẩm, thực phẩm, đồ uống, hóa chất hàng ngày, sản phẩm chăm sóc sức khỏe, điện tử, thiết bị điện, hóa chất, công nghiệp ô tô và nhựa và phần cứng và các ngành công nghiệp lớn khác!

Phát hiện thị giác thông minh cho các bộ phận công nghiệpThiết bịTrongCông nghệ xử lý hình ảnh kỹ thuật số là một ngành công nghệ mới nổiĐã có ứng dụng trong các lĩnh vực như hệ thống tự động hóa, kiểm tra linh kiện ô tô và nhận dạng thông minh, v. v. Nó đã trở thành một trong những giải pháp quan trọng cho tốc độ phát hiện thủ công truyền thống chậm và hiệu quả phát hiện thấp. Vì trong sản xuất thực tế, các bộ phận công nghiệp sẽ có nhiều khiếm khuyết về chi tiết, do đó, cần phải chọn thuật toán phù hợp để xác định và phát hiện chính xác chúng. Bài viết này nhằm vào các bộ phận bảng điều khiển phía sau hộp hấp thụ năng lượng ô tô, thiết kế sơ đồ tổng thể của hệ thống phát hiện hình ảnh, xây dựng nền tảng phần cứng thử nghiệm, và mô tả chi tiết các thành phần khác nhau của các thiết bị và hệ thống chiếu sáng được sử dụng bởi hệ thống thị giác, sau đó đánh dấu hệ thống camera, hoàn thành việc sửa chữa hiệu ứng biến dạng. Sau khi thu được hình ảnh đã chỉnh sửa, các nghiên cứu tập trung đã được thực hiện về các kỹ thuật chính như tiền xử lý hình ảnh, phát hiện cạnh và đo lường các thông số hình học của các bộ phận. Trong tiền xử lý, danh mục nhiễu của hình ảnh được phân tích đầu tiên, nhiều thuật toán lọc được so sánh để tìm ra thuật toán lọc phù hợp với hình ảnh của bài viết này. Lần lượt, trong phát hiện cạnh hình ảnh, thuật toán phát hiện cạnh cổ điển được so sánh, cung cấp cơ sở cho việc trích xuất tính năng tiếp theo. Khi phát hiện các đặc điểm cơ bản của hình ảnh, vòng tròn và đường thẳng trong hình ảnh được phát hiện riêng biệt và các thông số của kết quả phát hiện được tối ưu hóa, cải thiện hiệu quả phát hiện của vòng tròn và đường thẳng. Khi phát hiện khe cắm trong hình ảnh, một thuật toán phù hợp với mẫu được sử dụng để xác định chính xác vị trí của khe cắm. Sau khi tiến vào kiểm tra kích thước linh kiện, trong văn bản còn nghiên cứu phương pháp phân loại nhận dạng linh kiện hoàn hảo, linh kiện hàn và linh kiện trầy xước. Đầu tiên, thông qua phát hiện cạnh, trên cơ sở đảm bảo rằng các cạnh của hình ảnh rõ ràng và đầy đủ, sử dụng thuật toán biểu đồ tần xuất gradient để trích xuất đặc trưng và sử dụng mạng thần kinh xác suất và SVM để phân loại nhận dạng, đạt được hiệu quả phân loại tốt. Tuy nhiên, kích thước vector tính năng cao hơn và thông tin trích xuất tính năng bị trộn lẫn khiến thông tin quan trọng của hình ảnh khó sử dụng đầy đủ. Trong bài viết, thuật toán biểu đồ tần xuất hướng gradient đã được cải thiện, thuật toán chiết xuất đặc trưng biểu đồ tần xuất hướng gradient được nội suy tuyến tính kép, có được nhiều vector đặc trưng có thể phản ánh các đặc điểm chi tiết, sau đó mạng thần kinh và máy vector hỗ trợ để xác định, trong khi cải thiện hiệu ứng chống hỗn hợp của các giá trị đặc trưng, cũng cải thiện độ chính xác phân loại nhận dạng hình ảnh. Việc triển khai mô-đun này dựa trên Visual C++và MATLAB, bao gồm phát triển giao diện hệ thống trực quan và viết thuật toán. Bài viết này thực hiện việc phát hiện các đặc điểm của các bộ phận, xác định với các loại phân loại bộ phận khác nhau. Kết quả nghiên cứu trong bài viết thể hiện một giá trị kỹ thuật nhất định, đồng thời cung cấp ý nghĩa tham khảo nhất định đối với ứng dụng công nghệ đo lường hình ảnh và phân loại nhận dạng các bộ phận.

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.