Bahagian industri peralatan pengesanan visual pintar

Sebagai syarikat penyelidikan dan pembangunan peralatan automasi pintar pembungkusan terkenal di dalam dan luar negara,Shanghai Army Automation Technology Co., Ltd.Perkhidmatan teknikal kami menyediakan penyelesaian teknologi peralatan pengesanan visual pintar untuk industri pembuatan China dengan bahagian industri yang disegerakkan antarabangsa. Bahagian industri peralatan pengesanan visual pintarGunakan untuk: Industri utama seperti farmasi, makanan, minuman, kimia harian, penjagaan kesihatan, elektronik, peralatan elektrik, kimia, industri automotif dan plastik dan perkakasan!

Pengesanan visual pintar bahagian perindustrianperantidiTeknologi pemprosesan imej digital adalah industri teknologi yang baru munculIa telah digunakan dalam bidang seperti sistem automasi, pengesanan bahagian automotif dan pengenalan pintar. Ia telah menjadi salah satu penyelesaian penting untuk pengesanan manusia tradisional yang lambat dan kecekapan pengesanan yang rendah. Oleh kerana dalam pengeluaran sebenar, bahagian perindustrian akan mempunyai banyak kecacatan dalam hal butiran, oleh itu, ia diperlukan untuk memilih algoritma yang sesuai untuk pengenalan dan pengesanan yang tepat. Artikel ini bertujuan untuk bahagian-bahagian panel belakang kotak penyerapan tenaga kereta, merancang skema keseluruhan sistem pengesanan imej, membina platform perkakasan eksperimen, dan menerangkan secara terperinci komposisi pelbagai peranti dan sistem pencahayaan yang digunakan oleh sistem penglihatan, kemudian melakukan kalibrasi sistem kamera, menyelesaikan pembetulan kesan penyimpangan. Selepas mendapatkan imej yang dibetulkan, penyelidikan tertumpu dilakukan pada teknik utama seperti prapemprosesan imej, pengesanan tepi, pengukuran parameter geometri bahagian. Dalam prapemprosesan, kategori bunyi bunyi imej pertama-tama dianalisis, membandingkan pelbagai algoritma penapisan untuk mengetahui algoritma penapisan yang sesuai dengan imej dalam artikel ini. Selanjutnya, dalam pengesanan tepi imej, algoritma pengesanan tepi klasik dibandingkan dan menyediakan asas untuk pengekstrakan ciri berikutnya. Apabila mengesan ciri-ciri asas imej, bulatan dan garis lurus dalam imej dikesan masing-masing, dan parameter hasil pengesanan dioptimumkan, meningkatkan kesan pengesanan bulatan dan garis lurus. Apabila mengesan slot dalam imej, algoritma sepadan templat digunakan untuk mengenal pasti lokasi slot. Selepas memasuki pengujian saiz bahagian, kitab ini juga mengkaji kaedah pengenalan klasifikasi tiga keadaan bahagian yang utuh, bahagian titik kimpalan dan bahagian goresan. Pertama, melalui pengesanan tepi, pada asas memastikan tepi imej yang jelas dan lengkap, menggunakan algoritma histogram arah gradien untuk mengekstrak ciri-ciri, dan menggunakan rangkaian saraf kebarangkalian dan SVM untuk pengenalan klasifikasi, mencapai kesan klasifikasi yang baik. Walau bagaimanapun, dimensi vektor ciri-ciri yang lebih tinggi dan maklumat ekstrak ciri-ciri dicampur sehingga maklumat penting imej sukar untuk memanfaatkan sepenuhnya. Dalam teks, algoritma histogram arah gradien telah ditingkatkan, algoritma ekstraksi ciri-ciri histogram arah gradien telah diinterpretasi dua garis, dan vektor ciri yang lebih mampu mencerminkan ciri-ciri terperinci, kemudian menggunakan rangkaian saraf dan mesin vektor sokongan untuk mengenal pasti, dalam meningkatkan kesan anti-campuran nilai ciri, juga meningkatkan kadar ketepatan pengenalan pengkategorian imej. Pelaksanaan modul topik ini adalah berdasarkan Visual C ++ dan MATLAB, termasuk pembangunan antara muka sistem visual dan penulisan algoritma. Artikel ini melaksanakan pengesanan ciri-ciri bahagian, mengenal pasti dengan pelbagai jenis pengkategorian bahagian. Hasil kajian dalam artikel ini mewujudkan nilai kejuruteraan tertentu, sementara memberikan kepentingan pengambilan kepada aplikasi teknologi pengukuran imej dan pengenalan kategori bahagian.

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.