رؤية ذكية معدات الكشف عن المكونات الصناعية

كما الشهير التعبئة والتغليف الذكي معدات التشغيل الآلي البحث والتطوير المشاريع في الداخل والخارج,شنغهاي lujia الأتمتة والتكنولوجيا المحدودةالخدمات التقنية في الصين الصناعة التحويلية مع المكونات الصناعية الدولية متزامن ذكي البصرية معدات الكشف عن الحل التقني . رؤية ذكية معدات الكشف عن المكونات الصناعيةينطبق على: الصيدلة ، المواد الغذائية ، والمشروبات ، يوميا الكيميائية ، والمنتجات الصحية ، والالكترونيات ، والأجهزة الكهربائية ، والمواد الكيميائية ، وصناعة السيارات ، والبلاستيك والمعادن وغيرها من الصناعات الرئيسية !

ذكي التفتيش البصري من المكونات الصناعيةمعداتفي .تكنولوجيا معالجة الصور الرقمية هي صناعة التكنولوجيا الناشئةوقد تم تطبيقها في العديد من المجالات ، مثل نظام التشغيل الآلي ، قطع غيار السيارات والتفتيش ذكي الاعتراف . وقد أصبحت واحدة من أهم الحلول التقليدية دليل الكشف عن انخفاض سرعة الكشف عن الكفاءة . لأن هناك العديد من العيوب في التفاصيل في عملية الإنتاج ، من الضروري اختيار خوارزمية مناسبة لتحديد والكشف عن أجزاء . في هذه الورقة ، صورة نظام الكشف عن جزء من اللوحة الخلفية من السيارات امتصاص الطاقة مربع مصممة ، منصة الأجهزة التجريبية بنيت ، ومختلف الأجهزة المستخدمة في نظام الرؤية و تكوين نظام الإضاءة عرض بالتفصيل ، ثم الكاميرا معايرة النظام ، تأثير التشويه هو تصحيح . بعد الحصول على تصحيح الصورة ، بعض التكنولوجيات الرئيسية مثل الصورة وتجهيزها ، الكشف عن الحافة ، وقياس المعلمات الهندسية أجزاء يتم دراستها . في ما قبل المعالجة ، أولا ، الضوضاء تصنيف الصورة هو تحليل عدة خوارزميات تصفية مقارنة ، ثم تصفية القاعده التي تناسب الصورة المعروضة في هذه الورقة هو العثور على . وعلاوة على ذلك ، في صورة الكشف عن الحافة ، مقارنة مع الكلاسيكي خوارزمية الكشف عن الحافة ، والتي توفر الأساس لمزيد من ميزة استخراج . عند الكشف عن السمات الأساسية من الصورة ، الدائرة والخط المستقيم في الصورة يتم الكشف عنها على التوالي ، والمعلمات من الكشف عن النتيجة الأمثل ، وبالتالي تحسين الكشف عن تأثير الدائرة والخط المستقيم . عندما يتم الكشف عن فتحة في الصورة ، قالب مطابقة الخوارزمية المستخدمة لتحديد موقع فتحة بدقة . بعد الكشف عن حجم الجزء ، ثلاثة أنواع من أساليب التصنيف ، بما في ذلك أجزاء سليمة ، اللحيم المشتركة ، خدش أجزاء ، كما تم بحث . أولا ، من خلال الكشف عن الحافة ، على أساس ضمان حافة الصورة واضحة وكاملة ، ميزة استخراج باستخدام خوارزمية التدرج الاتجاه المدرج الاحصائي ، وتصنيف الاعتراف باستخدام الشبكات العصبية الاحتمالية و SVM ، وحققت نتائج جيدة في التصنيف . ومع ذلك ، ميزة ناقلات البعد عالية ، ميزة استخراج المعلومات التعرج ، مما يجعل من الصعب الاستفادة الكاملة من المعلومات الرئيسية في الصورة . في هذه الورقة ، فإننا تحسين خوارزمية التدرج الاتجاه المدرج الاحصائي ، ثنائي الاستيفاء خوارزمية التدرج الاتجاه المدرج الاحصائي ميزة استخراج ، والحصول على أكثر تفصيلا ميزة ناقلات ، ثم استخدام الشبكات العصبية و المتجهات آلة الاعتراف ، ليس فقط تحسين مكافحة التعرج تأثير القيمة الذاتية ، ولكن أيضا تحسين دقة التصنيف والاعتراف الصورة . تنفيذ هذه الوحدة على أساس البصرية ج + + و Matlab ، بما في ذلك تطوير واجهة النظام البصري و تجميع خوارزمية . في هذه الورقة ، ميزة الكشف والتعرف على أنواع مختلفة من أجزاء يتم تنفيذها . نتائج البحث في هذه الورقة تعكس بعض القيمة الهندسية ، وفي الوقت نفسه ، فإنه يوفر إشارة إلى تطبيق تكنولوجيا قياس الصورة وتصنيف أجزاء .

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.