Peralatan pengujian visual cerdas untuk komponen industri

Sebagai perusahaan penelitian dan pengembangan peralatan otomatisasi cerdas kemasan terkenal di dalam dan luar negeri,Shanghai Armor Otomatisasi Teknologi Co, LtdLayanan Teknis menyediakan solusi teknologi peralatan inspeksi visual cerdas untuk manufaktur Cina dengan komponen industri sinkronisasi internasional. Peralatan pengujian visual cerdas untuk komponen industriTerapkan untukIndustri utama seperti farmasi, makanan, minuman, kimia harian, perawatan kesehatan, elektronik, peralatan listrik, kimia, industri otomotif dan plastik dan perangkat keras!

Deteksi visual cerdas komponen industriPeralatandiTeknologi pengolahan gambar digital adalah industri teknologi yang baru munculAplikasi ini sudah ada di bidang sistem otomatisasi, deteksi suku cadang mobil dan identifikasi cerdas. Ini telah menjadi salah satu solusi penting untuk deteksi manual tradisional yang lambat dan tidak efisien. Karena dalam produksi nyata, bagian industri akan memiliki banyak cacat dalam hal rincian, jadi perlu memilih algoritma yang tepat untuk mengidentifikasi dan mendeteksinya secara akurat. Artikel ini bertujuan untuk bagian belakang kotak penyerapan energi mobil, merancang rencana keseluruhan sistem deteksi gambar, membangun platform perangkat keras eksperimental, dan menjelaskan secara rinci komposisi berbagai perangkat dan sistem pencahayaan yang diadopsi oleh sistem visual, kemudian melakukan kalibrasi sistem kamera, menyelesaikan koreksi efek distorsi. Setelah mendapatkan gambar yang dikoreksi, penelitian fokus dilakukan pada teknik kunci seperti pra-pengolahan gambar, deteksi tepi, pengukuran parameter geometri bagian. Dalam pra-pemrosesan, pertama-tama menganalisis kategori kebisingan gambar, membandingkan berbagai algoritma penyaringan untuk menemukan algoritma penyaringan yang cocok untuk gambar dalam artikel ini. Selanjutnya, dalam deteksi tepi gambar, algoritma deteksi tepi klasik dibandingkan, memberikan dasar untuk ekstraksi fitur selanjutnya. Saat mendeteksi karakteristik dasar gambar, lingkaran dan garis lurus dalam gambar ditemukan masing-masing, dan parameter hasil pengujian dioptimalkan, meningkatkan efek pengujian lingkaran dan garis lurus. Saat mendeteksi slot dalam gambar, algoritma pencocokan template digunakan untuk mengidentifikasi lokasi slot secara akurat. Setelah memasuki pengujian ukuran bagian, artikel ini juga mempelajari metode pengenalan klasifikasi dari tiga kasus bagian yang utuh, bagian titik las dan bagian goresan. Pertama, melalui deteksi tepi, pada dasar memastikan tepi gambar yang jelas dan lengkap, menggunakan algoritma histogram arah gradien untuk ekstraksi karakteristik, dan menggunakan jaringan saraf probabilitas dan SVM untuk pengenalan klasifikasi, mencapai efek klasifikasi yang baik. Namun, dimensi vektor fitur yang lebih tinggi dan informasi ekstraksi fitur mencampur sehingga informasi kritis gambar sulit dimanfaatkan sepenuhnya. Dalam teks, algoritma histogram arah gradien telah diperbaiki, algoritma ekstraksi karakteristik histogram arah gradien melakukan interpolasi bilinearis, mendapatkan vektor karakteristik yang lebih mampu mewujudkan karakteristik rinci, kemudian menggunakan jaringan saraf dan mesin vektor dukungan untuk mengidentifikasi, sementara meningkatkan efek anti-campuran nilai karakteristik, juga meningkatkan akurasi pengenalan klasifikasi gambar. Implementasi modul topik ini didasarkan pada Visual C ++ dan MATLAB, termasuk pengembangan antarmuka sistem visual dan penulisan algoritma. Artikel ini mencapai pengujian karakteristik bagian, mengidentifikasi dengan berbagai jenis klasifikasi bagian. Hasil penelitian dalam artikel ini mewujudkan nilai teknik tertentu, sementara memberikan pengalaman tertentu pada aplikasi teknologi pengukuran gambar dan pengenalan klasifikasi bagian.

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.