汽車組裝件視覺檢測(cè)

作為國內(nèi)外包裝智能自動(dòng)化設(shè)備研發(fā)企業(yè),上海陸甲自動(dòng)化科技有限公司的技術(shù)服務(wù)為中國制造業(yè)提供了與國際同步工業(yè)零部件智能視覺檢測(cè)設(shè)備技術(shù)解決方案。汽車組裝件視覺檢測(cè)應(yīng)用于:制藥、食品、飲料、日化、保健品、電子、電器、化工、汽車工業(yè)及塑料與五金等各大行業(yè)！

汽車組裝件智能視覺檢測(cè)設(shè)備在數(shù)字圖像處理技術(shù)是一個(gè)新興的技術(shù)行業(yè),已在自動(dòng)化系統(tǒng)、汽車零部件檢測(cè)和智能識(shí)別等領(lǐng)域有廣大的應(yīng)用。它已經(jīng)成為傳統(tǒng)人工檢測(cè)速度慢、檢測(cè)效率低的重要解決辦法之一。由于實(shí)際生產(chǎn)中,工業(yè)零件在細(xì)節(jié)方面會(huì)有諸多缺陷,因此,有必要選用合適的算法對(duì)其進(jìn)行準(zhǔn)確的識(shí)別和檢測(cè)。本文針對(duì)汽車吸能盒背板零件,設(shè)計(jì)了圖像檢測(cè)系統(tǒng)的整體方案,搭建了實(shí)驗(yàn)硬件平臺(tái),并詳細(xì)介紹了視覺系統(tǒng)采用的各種器件和照明系統(tǒng)的組成,再進(jìn)行攝像系統(tǒng)標(biāo)定,完成了畸變效應(yīng)的矯正。在獲取矯正后的圖像后,對(duì)圖像的預(yù)處理、邊緣檢測(cè)、零件幾何參數(shù)測(cè)量等關(guān)鍵技術(shù)進(jìn)行了重點(diǎn)研究。在預(yù)處理中,首先分析了圖像的噪聲類別,比較了多種濾波算法,找出適合本文圖像的濾波算法。進(jìn)而,在圖像邊緣檢測(cè)中,對(duì)比了經(jīng)典的邊緣檢測(cè)算法,為后續(xù)的特征提取提供了基礎(chǔ)。在檢測(cè)圖像基本特征時(shí),分別檢測(cè)圖像中的圓和直線,并對(duì)檢測(cè)結(jié)果的參數(shù)進(jìn)行了優(yōu)化,提高了圓和直線的檢測(cè)效果。在對(duì)圖像中的槽進(jìn)行檢測(cè)時(shí),采用了模板匹配算法,對(duì)槽的位置進(jìn)行了準(zhǔn)確的識(shí)別。在進(jìn)了了零件尺寸的檢測(cè)之后,文中還研究了完好零件、焊點(diǎn)零件和劃痕零件三種情況的分類識(shí)別方法。首先,通過邊緣檢測(cè),在保證圖像邊緣清晰、完整的基礎(chǔ)上,利用梯度方向直方圖算法進(jìn)行特征提取,并采用概率神經(jīng)網(wǎng)絡(luò)和SVM進(jìn)行分類識(shí)別,取得了不錯(cuò)的分類效果。然而,特征向量維度較高,特征提取信息混疊,以致圖像關(guān)鍵信息難以充分利用。文中對(duì)梯度方向直方圖算法進(jìn)行了改進(jìn),對(duì)梯度方向直方圖特征提取算法進(jìn)行雙線性插值,得到了更能夠體現(xiàn)細(xì)節(jié)特征的特征向量,再用神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)進(jìn)行識(shí)別,在提高特征值抗混疊效應(yīng)的同時(shí),也提高了圖像的分類識(shí)別準(zhǔn)確率。本課題模塊的實(shí)現(xiàn)都是基于Visual C++和MATLAB的,包括視覺系統(tǒng)界面開發(fā)和算法的編寫。本文實(shí)現(xiàn)了零件特征的檢測(cè),與不同種類的零件分類識(shí)別。文中的研究結(jié)果體現(xiàn)了一定的工程價(jià)值,同時(shí)對(duì)圖像測(cè)量技術(shù)的應(yīng)用和零件的分類識(shí)別提供一定的借鑒意義。