산업 부품 지능 시각 검측 설비

국내외 유명 포장 지능 자동화 설비 연구 개발 기업으로서,상해륙갑자동화과학기술유한회사의 기술 서비스는 중국 제조업에 국제 동기화 산업 부품 스마트 시각 검측 설비 기술 솔루션을 제공했다.산업 부품 지능 시각 검측 설비적용 대상: 제약, 식품, 음료, 일화, 보건품, 전자, 전기, 화학공업, 자동차공업 및 플라스틱과 철물 등 각 큰 업종!

산업 부품 지능 시각 검측장치현재디지털 영상 처리 기술은 신흥 기술 산업이다, 이미 자동화 시스템, 자동차 부품 검측 및 스마트 인식 등 분야에서 모두 응용되었다.그것은 이미 전통적인 인공 검측 속도가 느리고 검측 효율이 낮은 중요한 해결 방법 중의 하나가 되었다.실제 생산에서 산업 부품은 세부 사항에 많은 결함이 있기 때문에 적절한 알고리즘을 선택하여 정확하게 식별하고 검사할 필요가 있습니다.본고는 자동차 에너지 흡입함 후면 부품에 대해 이미지 검측 시스템의 전체적인 방안을 설계하고 실험 하드웨어 플랫폼을 구축했으며 시각 시스템이 사용하는 각종 부품과 조명 시스템의 구성을 상세하게 소개한 다음에 촬영 시스템을 측정하여 기변 효과의 교정을 완성했다.교정된 이미지를 획득한 후 이미지의 예처리, 가장자리 검측, 부품 기하학적 파라미터 측정 등 핵심 기술에 대해 중점적으로 연구하였다.사전 처리에서 먼저 이미지의 잡음 종류를 분석하고 다양한 필터 알고리즘을 비교하여 본문 이미지에 적합한 필터 알고리즘을 찾아냈다.나아가 이미지 테두리 검출에서 고전적인 테두리 검출 알고리즘을 비교하여 후속 특징 추출에 기반을 마련했다.이미지의 기본 특성을 검사할 때 이미지의 원과 선을 각각 검사하고 검사 결과의 매개 변수를 최적화하여 원과 선의 검사 효과를 향상시켰다.이미지의 슬롯을 검사할 때 템플릿 일치 알고리즘을 사용하여 슬롯의 위치를 정확하게 식별했다.부품 사이즈의 검측에 들어간 후, 이 글에서는 완선 부품, 용접점 부품, 스크래치 부품 세 가지 상황의 분류 식별 방법도 연구하였다.우선, 테두리 검측을 통해 이미지 테두리가 명확하고 완전함을 보장하는 기초에서 사다리꼴 방향 직사각형 알고리즘을 이용하여 특징 추출을 진행하고 확률 신경망과 SVM을 이용하여 분류 식별을 진행하여 좋은 분류 효과를 거두었다.그러나 특징 벡터 차원이 비교적 높고 특징 추출 정보가 혼합되어 이미지의 핵심 정보를 충분히 이용하기 어렵다.본고는 사다리꼴 방향 직사각형 알고리즘을 개선하고 사다리꼴 방향 직사각형 특징 추출 알고리즘을 쌍선형으로 삽입하여 세부 특징을 더욱 잘 나타낼 수 있는 특징 벡터를 얻었다. 다시 신경 네트워크와 지원 벡터로 식별하여 특징 값의 혼합 방지 효과를 높이는 동시에 이미지의 분류 식별 정확도를 높였다.이 과제 모듈의 구현은 비주얼 시스템 인터페이스 개발 및 알고리즘 작성을 포함하여 Visual C++ 및 MATLAB을 기반으로 합니다.본고는 부품 특징의 검측을 실현하고 서로 다른 종류의 부품과 분류하여 식별한다.본고의 연구 결과는 일정한 공정 가치를 나타내고 이미지 측정 기술의 응용과 부품의 분류 식별에 참고 가치를 제공한다.

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.