Інтеллектуальне візуальне обладнання для виявлення промислових компонентів

Як відомий вітчизняний та іноземний підприємство розробки обладнання для інтелектуальної автоматизації упаковки,Шанхай броня автоматизації технології Co., Ltd.Технічні послуги надають виробничій промисловості Китаю технологічні рішення для обладнання інтелектуального візуального виявлення з міжнародними синхронними промисловими компонентами. Інтеллектуальне візуальне обладнання для виявлення промислових компонентівЗастосувати доФармацевтична промисловість, харчування, напої, щоденна хімія, продукти охорони здоров'я, електроніка, електротехніка, хімічна промисловість, автомобільна промисловість та пластикова та апаратна промисловість!

Інтелектуальне візуальне виявлення промислових компонентівПриладивТехнології обробки цифрових зображень є новою технологічною галуздюВикористовується в таких областях, як системи автоматизації, виявлення автомобільних деталей та інтелектуальна ідентифікація. Це стало одним з важливих рішень для традиційного повільного і неефективного ручного виявлення. Оскільки в реальному виробництві промислові деталі мають багато недоліків з точки зору деталей, необхідно вибрати відповідний алгоритм для їх точної ідентифікації та виявлення. У цій статті розроблена загальна схема системи виявлення зображення для задніх частин автомобільної коробки з поглинанням енергії, встановлена експериментальна апаратна платформа та детально описаний склад різних пристроїв та систем освітлення, що використовуються візуальною системою, а потім проведена калібрація камерної системи та завершена корекція ефекту деформації. Після отримання виправленого зображення були зосереджені на таких ключових методах, як попередня обробка зображення, виявлення краю, вимірювання геометричних параметрів деталей. Під час попередньої обробки спочатку проаналізується категорія шуму зображення, порівнюється кілька алгоритмів фільтрації, щоб дізнатися, який алгоритм фільтрації підходить для зображення в цій статті. Крім того, в виявленні краю зображення класичний алгоритм виявлення краю порівнюється, що забезпечує основу для подальшого екстракції характеристик. При виявленні основних особливостей зображення, коло та пряма лінія на зображенні виявляються відповідно, а параметри результату виявлення оптимізовані, щоб поліпшити результат виявлення коло та прямої лінії. При виявленні слоту на зображенні використовується алгоритм відповідності шаблону для точного розташування слоту. Після виявлення розмірів деталей в тексті також вивчаються методи класифікації трьох ситуацій, повноцінних деталей, частин з точки зварювання та подріп'яних деталей. По-перше, за допомогою виявлення краю, на основі забезпечення чіткості та повноти краю зображення, використання алгоритму гістографії напрямку градієнту для екстракції характеристик та використання нейронної мережі ймовірності та SVM для розпізнавання класифікації, досягли хорошого результату класифікації. Однак векторні виміри характеристики вищі, а інформація про екстракцію характеристики перемішана, так що важко повністю використовувати критичну інформацію зображення. В тексті вдосконалено алгоритм гістографії напрямку градіанту, дволінійна інтерпретація алгоритму екстракції характеристик гістографії напрямку градіанту, отримав характеристичні вектори, які більш здатні відображати детальні характеристики, а потім використовувати нейронну мережу та підтримуючі векторні машини для ідентифікації, покращуючи ефект проти змішування характеристичних значень, а також покращуючи точність розпізнавання класифікації зображення. Реалізація модулів цього предмету заснована на Visual C ++ і MATLAB, включаючи розробку інтерфейсів візуальних систем та написання алгоритмів. Ця стаття реалізує виявлення характеристик деталей, з різними типами деталей класифікації ідентифікації. Результати дослідження в статті втілюють певну інженерну цінність, а також надають певну ознаку застосування технологій вимірювання зображення та класифікації деталей.

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.