Endüstriyel Parçalar Akıllı Görsel Tespit Cihazları

Ülke ve yurt dışında bilinen ambalaj akıllı otomasyon ekipmanları araştırma ve geliştirme şirketi olarak,Şanghay Panzer Otomasyon Teknolojisi Co., Ltd.Teknik hizmetler, uluslararası senkronize endüstriyel parçalarla Çin'in imalat endüstrisine akıllı görsel tespit ekipmanları için teknik çözümler sunmaktadır. Endüstriyel Parçalar Akıllı Görsel Tespit CihazlarıUygulamak içinİlaç, gıda, içecek, günlük kimya, sağlık ürünleri, elektronik, elektrik aletleri, kimya, otomotiv endüstrisi ve plastik ve donanım gibi büyük endüstriler!

Endüstriyel parçaların akıllı görsel tespitiCihazlarİçindeDijital görüntü işleme teknolojisi yeni bir teknoloji sektörüdürOtomasyon sistemleri, otomotiv parçaları tespiti ve akıllı tanıma gibi alanlarda zaten kullanılmaktadır. Geleneksel yavaş ve düşük tespit verimliliği için önemli çözümlerden biri haline geldi. Gerçek üretimde endüstriyel parçaların ayrıntılarda birçok kusuru olduğundan, doğru tanımlama ve tespit için uygun algoritmalar seçmek gerekir. Bu makale, otomobil enerji emici kutusu arka paneli parçaları için, görüntü algılama sisteminin genel programını tasarladı, deneysel donanım platformunu inşa etti ve görme sisteminin kullandığı çeşitli cihazların ve aydınlatma sistemlerinin bileşimini ayrıntılı olarak açıkladı, daha sonra kamera sisteminin kalibrasyonu yapıldı ve bozulma etkisinin düzeltilmesini tamamladı. Düzeltilmiş görüntü elde edildikten sonra, görüntünün ön işlenmesi, kenar tespiti ve parça geometrik parametrelerinin ölçümü gibi önemli tekniklere odaklandı. Ön işlemede, ilk önce görüntünün gürültü kategorisi analiz edilir, çeşitli filtreleme algoritmaları karşılaştırılır ve bu görüntüye uygun bir filtreleme algoritması bulunur. Ayrıca, görüntü kenar algılamasında, klasik kenar algılama algoritmaları karşılaştırılır ve sonraki özellik ekstraksiyonu için temel sağlar. Görüntünün temel özelliklerini tespit ederken, görüntüdeki daireler ve düz çizgiler ayrı ayrı tespit edilir ve test sonuçlarının parametreleri optimize edilir, daireler ve düz çizgilerin tespit etkisini artırır. Görüntüdeki yuvaları tespit ederken, yuvaların yerini doğru tanımlamak için şablon eşleştirme algoritması kullanılır. Parça boyutunun teşkerilmesinden sonra, makalede ayrıca bütünlük parçaları, kaynak noktası parçaları ve çizikli parçaların üç durumun sınıflandırma tanımlama yöntemi de incelendi. İlk olarak, kenar algılama yoluyla, görüntü kenarının net ve bütünlüğünü sağlamak için, özellik çıkarmak için gradiyent yönlü histogram algoritmasını kullanarak ve sınıflandırma tanımlaması için olasılık sinir ağı ve SVM'yi kullanarak iyi bir sınıflandırma etkisi elde edildi. Bununla birlikte, özellik vektörü boyutları daha yüksektir ve özellik çıkarma bilgileri karıştırılır, böylece görüntü kritik bilgilerinin tam olarak kullanılması zor. Metinde, gradiyent yönlü histogram algoritması iyileştirildi, gradiyent yönlü histogram özelliği ekstraksiyon algoritması için çift doğrusal interpolasyon yapıldı, ayrıntılı özellikleri daha iyi yansıtacak özellik vektörü elde edildi, daha sonra sinir ağları ve destek vektör makineleri ile tanımlandı, aynı zamanda özellik değerlerinin karıştırmaya karşı etkisini artırırken, görüntünün sınıflandırma tanıma doğruluğunu da artırdı. Bu konu modüllerinin uygulanması, görsel sistem arayüzü geliştirme ve algoritmaların yazılması da dahil olmak üzere Visual C ++ ve MATLAB'e dayanır. Bu makale, farklı parça sınıflandırmaları ile tanımlanan parça özelliklerinin tespitini gerçekleştirir. Makaledeki bulgular belirli bir mühendislik değerini yansıtıyor ve aynı zamanda görüntü ölçüm tekniklerinin uygulanması ve parçaların sınıflandırılması konusunda bazı bir örnek sağlamaktadır.

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.