当前位置: 首页 » 技术方案 » 解决方案 » 智能制造 » 正文

工业智能制造:机器视觉关键技术应用


  来源: 仪商网 时间:2019-03-07 编辑:扬知 思扬
分享到:



零件检测是机器视觉技术在工业生产中最重要的应用之一,在制造生产的过程中,几乎所有的产品都面临着质量检测。传统的手工检测存在着许多不足:首先,人工检测的准确性依赖于工人的状态和熟练程度;其次,人工操作效率相对较低,不能很好的满足大量生产检测的要求;近年来人工成本也在逐步上升。所以,机器视觉技术被广泛用于产品检测中,主要的应用包括:存在性检测和缺陷检测。

3.1存在性检测

存在性检测的对象包括某个部件、某个图案或者是整个物体的存在性。在制造环节中,某些步骤的缺失或者加工缺陷会导致零部件的丢失,影响产品的品质,需要在进行下一步工序或出厂前分拣出来待进一步处理。通过前期的图像采集和处理后,需要依靠显著目标检测算法来进行识别,从而得出显著目标是否存在的结论。

例如李牧等提出了一种显著目标存在性检测算法,利用中心周边直方图计算出的显著图,提取目标区域与图像中心点距离、目标区域位置分布方差、目标区域在图像边缘的分布、目标区 域分布熵、图像显著图的直方图等5种特征进行分类,并利用投票的方式最终确定输入图片是否包含显著目标。通过数据集验证,能够有效识别出指定目标的存在性。

3.2表面缺陷检测

表面缺陷检测的对象为二维平面上的元素,包括孔洞、污渍、划痕、裂纹、亮点、暗点等常见的表面缺陷,这些缺陷特别是孔洞和裂纹等,可能严重影响产品质量和使用的安全性,准确识别缺陷产品非常重要。这方面的研究如岳文辉提出了一种CCD (Charge Coupled Device)图像获取系统,利用使用最普遍的电荷耦合器件CCD,在荧光磁粉无损检测技术的基础上,使用CCD进行图像采集,然后使用相关算法进行图像处理和模式识别,来检测表面缺陷的类型和程度。



系统图像处理和识别流程图


零件检测相关的工作流程一般大致如上图所示。尽管系统针对于不同的对象和目的,但是其图像处理和图像识别内核差异不大。图像处理和识别都是从采集的图像出发,经过单色化处理、阈值处理,图像膨胀处理,孤点滤波等预处理之后,对图像的特征进行提取并描述,最终输出结果。


4、 图像识别

图像识别利用机器视觉技术中的图像处理、分析和理解功能,准确识别出一类预先设定的目标或者物体的模型。在工业领域中的主要应用有条形码读取、二维码扫描识别等,以往多用NFC标签等载体进行信息读取,需要与产品进行近距离接触。而随着工业摄像机等硬件设备的更新换代,二维码等标识可以被远距离读取和识别,而且携带的信息更丰富,可以将所有产品信息写入二维码,而无需联网查询信息。
 

关键词:制造业 高端装备 智能制造    浏览量:19426

声明:凡本网注明"来源:仪商网"的所有作品,版权均属于仪商网,未经本网授权不得转载、摘编使用。
经本网授权使用,并注明"来源:仪商网"。违反上述声明者,本网将追究其相关法律责任。
本网转载并注明自其它来源的作品,归原版权所有人所有。目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。如有作品的内容、版权以及其它问题的,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。
本网转载自其它媒体或授权刊载,如有作品内容、版权以及其它问题的,请联系我们。相关合作、投稿、转载授权等事宜,请联系本网。
QQ:2268148259、3050252122。


让制造业不缺测试测量工程师

最新发布
行业动态
技术方案
国际资讯
仪商专题
按分类浏览
Copyright © 2023- 861718.com All rights reserved 版权所有 ©广州德禄讯信息科技有限公司
本站转载或引用文章涉及版权问题请与我们联系。电话:020-34224268 传真: 020-34113782

粤公网安备 44010502000033号

粤ICP备16022018号-4