อุปกรณ์ตรวจสอบวิสัยทัศน์อัจฉริยะสำหรับชิ้นส่วนอุตสาหกรรม

เป็นองค์กรวิจัยและพัฒนาอุปกรณ์อัตโนมัติอัจฉริยะที่รู้จักกันดีในประเทศและต่างประเทศ,เซี่ยงไฮ้ Lujia Automation Technology Co Ltdบริการด้านเทคนิคให้อุตสาหกรรมการผลิตของจีนซิงโครไนซ์ระหว่างประเทศของชิ้นส่วนอุตสาหกรรมอุปกรณ์ตรวจสอบภาพอัจฉริยะโซลูชั่นทางเทคนิค อุปกรณ์ตรวจสอบวิสัยทัศน์อัจฉริยะสำหรับชิ้นส่วนอุตสาหกรรมนำไปใช้กับ: อุตสาหกรรมยา, อาหาร, เครื่องดื่ม, เคมีรายวัน, ผลิตภัณฑ์ดูแลสุขภาพ, อิเล็กทรอนิกส์, เครื่องใช้ไฟฟ้า, เคมี, อุตสาหกรรมยานยนต์และพลาสติกและฮาร์ดแวร์และอื่น ๆ!

การตรวจสอบภาพอัจฉริยะสำหรับชิ้นส่วนอุตสาหกรรมอุปกรณ์ในเทคโนโลยีการประมวลผลภาพดิจิตอลเป็นอุตสาหกรรมเทคโนโลยีที่เกิดใหม่,มีการประยุกต์ใช้ในระบบอัตโนมัติการตรวจสอบชิ้นส่วนยานยนต์และการระบุอัจฉริยะและสาขาอื่น ๆ มันได้กลายเป็นหนึ่งในโซลูชันที่สําคัญสําหรับการตรวจจับด้วยตนเองแบบดั้งเดิมที่ช้าและประสิทธิภาพการตรวจจับต่ํา เนื่องจากในการผลิตจริงชิ้นส่วนอุตสาหกรรมจะมีข้อบกพร่องมากมายในรายละเอียดจึงจำเป็นต้องเลือกอัลกอริทึมที่เหมาะสมเพื่อระบุและตรวจสอบได้อย่างแม่นยำ บทความนี้มุ่งเป้าไปที่ชิ้นส่วนแผ่นหลังของกล่องดูดพลังงานรถยนต์ออกแบบโครงการโดยรวมของระบบตรวจจับภาพสร้างแพลตฟอร์มฮาร์ดแวร์ทดลองและแนะนำรายละเอียดเกี่ยวกับองค์ประกอบของอุปกรณ์และระบบแสงสว่างต่าง ๆ ที่ใช้ในระบบภาพ หลังจากได้ภาพที่ผ่านการแก้ไขแล้ว ได้มีการศึกษาเทคนิคสำคัญๆ เช่น การปรับสภาพภาพ การตรวจจับขอบภาพ การวัดค่าพารามิเตอร์ทางเรขาคณิตของชิ้นส่วน เป็นต้น ในการประมวลผลก่อนหมวดหมู่เสียงรบกวนของภาพจะถูกวิเคราะห์ครั้งแรกอัลกอริทึมการกรองที่หลากหลายจะถูกเปรียบเทียบและค้นหาอัลกอริทึมการกรองที่เหมาะสมกับภาพในบทความนี้ จากนั้นในการตรวจจับขอบของภาพอัลกอริทึมการตรวจจับขอบแบบคลาสสิกจะถูกเปรียบเทียบซึ่งเป็นพื้นฐานสําหรับการสกัดคุณสมบัติที่ตามมา เมื่อตรวจจับคุณสมบัติพื้นฐานของภาพวงกลมและเส้นตรงในภาพจะถูกตรวจจับแยกกันและพารามิเตอร์ของผลการทดสอบได้รับการปรับให้เหมาะสมและปรับปรุงผลการตรวจจับของวงกลมและเส้นตรง เมื่อตรวจจับสล็อตในภาพอัลกอริทึมการจับคู่แม่แบบถูกนำมาใช้เพื่อระบุตำแหน่งของสล็อตได้อย่างแม่นยำ หลังจากเข้าสู่การตรวจสอบขนาดชิ้นส่วนแล้ว บทความยังได้ศึกษาวิธีการจําแนกประเภทของชิ้นส่วนที่สมบูรณ์ ชิ้นส่วนจุดเชื่อมและชิ้นส่วนที่มีรอยขีดข่วน ประการแรกผ่านการตรวจจับขอบบนพื้นฐานของการรับประกันขอบภาพที่ชัดเจนและสมบูรณ์โดยใช้อัลกอริทึม histogram ทิศทางการไล่ระดับสีสำหรับการสกัดลักษณะและการใช้เครือข่ายประสาทความน่าจะเป็นและ SVM สำหรับการจำแนกประเภทได้รับผลการจำแนกที่ดี อย่างไรก็ตาม มิติของเวกเตอร์ลักษณะค่อนข้างสูงและข้อมูลการสกัดลักษณะปะปนกันจนข้อมูลสําคัญของภาพยากที่จะใช้ประโยชน์อย่างเต็มที่ อัลกอริทึม histogram ทิศทางการไล่ระดับสีได้รับการปรับปรุงในบทความอัลกอริทึมการสกัดลักษณะ histogram ทิศทางการไล่ระดับสีทำการแทรกเชิงเส้นแบบคู่และได้รับเวกเตอร์ลักษณะที่สามารถสะท้อนลักษณะรายละเอียดได้มากขึ้น การใช้โมดูลของหัวข้อนี้ขึ้นอยู่กับ Visual C + + และ MATLAB รวมถึงการพัฒนาอินเทอร์เฟซระบบภาพและการเขียนอัลกอริทึม บทความนี้ได้ตระหนักถึงการตรวจสอบคุณสมบัติของชิ้นส่วนด้วยการจำแนกชิ้นส่วนประเภทต่างๆ ผลการวิจัยในบทความสะท้อนให้เห็นถึงคุณค่าทางวิศวกรรมบางอย่าง ในขณะเดียวกันก็ให้ความหมายอ้างอิงบางประการสําหรับการประยุกต์ใช้เทคโนโลยีการวัดภาพและการจําแนกประเภทของชิ้นส่วน

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.