Apparecchiature di controllo visivo intelligenti per componenti industriali

Come azienda di ricerca e sviluppo di apparecchiature di automazione intelligenti per imballaggi domestici ed esteri,Shanghai Armored Automation Technology Co., Ltd.I servizi tecnici forniscono al settore manifatturiero cinese soluzioni tecnologiche per apparecchiature di controllo visivo intelligenti con componenti industriali sincronizzati a livello internazionale. Apparecchiature di controllo visivo intelligenti per componenti industrialiApplicare a: Industria farmaceutica, alimentare, bevande, prodotti chimici, prodotti per la salute, elettronica, elettrodomestici, chimica, industria automobilistica e plastica e hardware!

Rilevamento visivo intelligente dei componenti industrialiattrezzatureinLa tecnologia di elaborazione delle immagini digitali è un settore tecnologico emergenteEsistono applicazioni in sistemi di automazione, rilevamento di componenti automobilistici e riconoscimento intelligente. È diventato una delle soluzioni più importanti per i lenti e inefficienti rilevamenti manuali tradizionali. Poiché i componenti industriali presentano molti difetti nei dettagli durante la produzione effettiva, è necessario scegliere gli algoritmi adatti per identificarli e verificarli con precisione. Questo articolo riguarda le parti posteriori della scatola di assorbimento dell'energia dell'automobile, progetta il programma complessivo del sistema di rilevamento dell'immagine, costruisce una piattaforma hardware sperimentale e descrive in dettaglio la composizione di vari dispositivi e sistemi di illuminazione utilizzati dal sistema visivo, poi effettua la calibrazione del sistema di telecamere e completa la correzione dell'effetto di distorsione. Dopo l'acquisizione dell'immagine corretta, la ricerca si è concentrata sulle tecniche chiave come la pre-elaborazione dell'immagine, la rilevazione dei bordi e la misurazione dei parametri geometrici delle parti. Durante la pre-elaborazione, la categoria di rumore dell'immagine è stata analizzata e diversi algoritmi di filtro sono stati confrontati per individuare l'algoritmo di filtro adatto all'immagine in questo articolo. Inoltre, nel rilevamento dei bordi dell'immagine, gli algoritmi di rilevamento dei bordi classici sono stati confrontati e forniscono la base per l'estrazione successiva delle caratteristiche. Nel rilevare le caratteristiche di base dell'immagine, i cerchi e le linee rette nell'immagine sono rilevati rispettivamente e i parametri dei risultati di rilevamento sono ottimizzati per migliorare l'effetto di rilevamento dei cerchi e delle linee rette. Durante il rilevamento delle scanalature nell'immagine, è stato utilizzato un algoritmo di corrispondenza del modello per identificare con precisione la posizione delle scanalature. Dopo aver effettuato il controllo delle dimensioni delle parti, il testo ha anche studiato i metodi di classificazione delle parti intatte, delle parti a punto di saldatura e delle parti graffiate in tre situazioni. In primo luogo, attraverso la rilevazione dei bordi, sulla base di garantire che i bordi dell'immagine siano chiari e completi, l'estrazione delle caratteristiche utilizzando l'algoritmo dell'istogramma della direzione del gradiente e l'utilizzo di reti neurali probabilistiche e SVM per il riconoscimento della classificazione, ha ottenuto un buon effetto di classificazione. Tuttavia, le dimensioni vettoriali delle caratteristiche sono elevate e le informazioni di estrazione delle caratteristiche si mescolano in modo che le informazioni critiche dell'immagine siano difficili da sfruttare appieno. Il testo ha migliorato l'algoritmo dell'istogramma direzionale del gradiente, l'interpolazione bilineare dell'algoritmo di estrazione delle caratteristiche dell'istogramma direzionale del gradiente, ha ottenuto un vettore caratteristico più in grado di incarnare le caratteristiche dei dettagli, quindi ha utilizzato una rete neurale e una macchina vettoriale di supporto per l'identificazione, migliorando l'effetto anti-mescolamento dei valori caratteristici, migliorando anche la precisione del riconoscimento della classificazione dell'immagine. Le implementazioni di questo modulo sono basate su Visual C ++ e MATLAB, compreso lo sviluppo di interfacce di sistemi visivi e la scrittura di algoritmi. Questo articolo implementa il rilevamento delle caratteristiche delle parti, identificando con diversi tipi di classificazione delle parti. I risultati dell'articolo esprimono un certo valore ingegneristico, fornendo al contempo una certa importanza per l'applicazione della tecnologia di misurazione dell'immagine e l'identificazione classificata delle parti.

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.