一, nozares pieprasījums pēc M8 savienotāja spraudņa - statusa noteikšanā
M8 savienotāji tiek plaši izmantoti tādos laukos kā rūpnīcas automatizācijas iekārtas, automobiļu elektronika un dzelzceļa tranzīts, un to spraudnis - statusā tieši ietekmē sistēmas stabilitāti. Piemēram, robotu locītavu sensoru savienojumā ar sliktu viena savienotāja ievietošanu var rasties pozīcijas atgriezeniskā saite, kas pārsniedz 0,1 mm, izraisot nekontrolētu robotizētās rokas kustību. Tradicionālajai manuālajai vizuālajai pārbaudei ir trūkumi par zemu efektivitāti un augstu viltus noteikšanas ātrumu, savukārt redzes sistēmas var noteikt vairākus savienotājus sekundē ar nepatiesas noteikšanas ātrumu, kas mazāks par 0,01%, ievērojami uzlabojot ražošanas kvalitāti.
2, aparatūras arhitektūra un vizuālās pārbaudes sistēmas izvēle
1. Rūpnieciskās kameras un objektīva konfigurācija
Izšķirtspējas izvēle: Lai noteiktu 0,1 mm tapu nobīdi, ir nepieciešama kamera ar izšķirtspēju 5 miljoniem pikseļu vai vairāk. Piemēram, Basler ACE sērijas kameras var sasniegt noteikšanas precizitāti 0,05 mm/pikseļi ar 1080p izšķirtspēju.
Objektīva parametri: Telecentriska objektīva pieņemšana, lai novērstu perspektīvu izkropļojumu, darba attālumu kontrolē diapazonā no 50 līdz 100 mm, nodrošinot, ka skata lauks aptver visu savienotāja ievietošanas virsmu.
Gaismas avota dizains: apļveida LED fona apgaismojums pārī ar koaksiālo gaismu, kas var skaidri atšķirt tapu un kontaktligzdu metāla malas. Eksperiments parāda, ka 45 grādu slīpā gaisma var uzlabot ēnas kontrastu tapas saknē un uzlabot defektu atpazīšanas ātrumu.
2. attēla apstrādes vienība
Iegultā redzes sistēma: piemēram, slims IVP RangerC50 inteliģenta kamera ar iebūvētu - FPGA priekšapstrādes modulī, reālā laikā var pabeigt malu noteikšanu, veidņu saskaņošanu un citus algoritmus ar apstrādes ātrumu līdz 120 kadr / s.
PC bāzes sistēma: piemērota vairāku kameru sadarbības noteikšanas scenārijiem, izmantojot Basler Pylon SDK, lai sasniegtu vairāku - vītņotu attēlu iegūšanu un Halcon bibliotēku 3D punktu mākoņa rekonstrukcijai.
3, pamata noteikšanas algoritms un ieviešanas ceļš
1. Džeka pozicionēšana un malu ekstrakcija
Uzkrātā kvantēšanas gradienta virziena funkcija: ģenerējiet savienotāju kontūru veidņu bibliotēku, aprēķinot katra attēla pikseļa gradienta virziena histogrammu. Eksperiments parāda, ka šīs metodes atpazīšanas precizitāte M8 savienotājiem sasniedz 99,7%, un tā joprojām var darboties stabili pat sarežģītā fonā.
Skenēšanas līnijas histogrammas analīze: skenējiet savienotāja attēlu gar horizontālo/vertikālo virzienu un saskaitiet pelēktoņu pārejas punktu pozīcijas. Piemēram, noteikta M8 savienotāja modeļa modelī, tā kontaktligzdas malas pelēkā līmeņa mutācijas amplitūda skenēšanas līnijā pārsniedz 50, kas var precīzi noteikt kontaktligzdas centru.
2. Klasifikācijas modelis spraudnim - statusā
Tradicionālā attēlu apstrāde:
Ģeometriskais parametru mērījums: aprēķiniet tādus parametrus kā centra attāluma novirze un slīpuma leņķis starp tapām un kontaktligzdām. Piemēram, ja tapas centra nobīde pārsniedz 0,2 mm vai slīpuma leņķis ir lielāks par 2 grādiem, to vērtē kā sliktu ievietošanu.
Graycale sliekšņa segmentēšana: OTSU algoritms automātiski nosaka segmentēšanas slieksni starp tapām un kontaktligzdām, nosakot tādus defektus kā trūkstoši vai saliekti tapas.
Dziļi mācību risinājumi:
Yolov5 Objekta noteikšana: apmāciet modeli, lai atpazītu ievietošanas statusu (normāls/puse ievietots/nav ievietots), iegūstot kartes vērtību 98,2% uz 1000 anotētiem attēliem.
ResNet50 klasifikācijas tīkls: veic 224 × 224 pikseļu laukuma segmentāciju spraudnī - virsmā un pēc ievadīšanas tīklā izvada spraudni - kvalitātes līmenī (izcils/labs/slikts) ar precizitātes ātrumu 97,5%.
4, atklāšanas procesa optimizācija rūpniecības scenārijos
1. Dinamiskā noteikšana un reālā - Laika atgriezeniskā saite
Augstas - ātruma lineārā masīva kameras pielietojums: Nepārtrauktā ražošanas līnijā savienotāju skenēšanai tiek izmantota lineāra masīva kamera ar 10kHz līnijas frekvenci un aktivizētu kustības kompensāciju ar kodētāju. Piemēram, noteikta automobiļu elektronikas ražošanas līnija ir palielinājusi noteikšanas ātrumu līdz 300 savienotājiem minūtē, izmantojot šo risinājumu.
PLC sadarbības vadība: Visuālā sistēma caur TCP/IP protokolu pārraida noteikšanas rezultātus (ok/ng signālus) reālā laikā uz PLC, izraisot šķirošanas mehānismu, lai noņemtu bojātus produktus. Eksperimentālie dati rāda, ka šī shēma samazina bojāto produktu nokavēto noteikšanas līmeni no 3% līdz 0,2%.
2. pastiprināta vides pielāgošanās spēja
Pret vibrācijas dizains: vibrācijas apstākļos frekvences domēna filtrēšanas algoritms tiek izmantots, lai nomāktu attēla izplūšanu, ko izraisa mehāniska vibrācija. Piemēram, 50-200Hz frekvences joslas signāla saglabāšana caur joslas caurlaides filtru var efektīvi iegūt savienotāja malas funkcijas.
Multispektrālā attēlveidošanas tehnoloģija: tādām piesārņojuma ainām, piemēram, eļļas traipus un putekļiem, apvienojumā ar redzamu gaismu un infrasarkano attēlu attēlveidošanu, anti - Traucēšanas pazīmes tiek iegūtas, izmantojot galveno komponentu analīzi (PCA). Testi parādīja, ka šī metode joprojām var saglabāt noteikšanas precizitāti virs 95% stipri piesārņotā vidē.
5, tipiski lietojumprogrammu gadījumi un veiktspējas pārbaude
1. Robota locītavas sensora noteikšana
Noteiktā sešu asu rūpnieciskā robota projektā vizuālā sistēma nosaka M8 savienotāja ievietošanas statusu:
Aparatūras konfigurācija: 2 5- Megapixel CMOS kameras, pārī ar telefoto objektīvu un apļveida LED gaismas avotu.
Pārbaudes indikatori: tapu no centra līdz centram ir mazāks vai vienāds ar 0,15 mm, slīpuma leņķis ir mazāks vai vienāds ar 1,5 grādiem, ievietošanas dziļuma kļūda ir mazāka vai vienāda ar 0,3 mm.
Īstenošanas efekts: Pēc sistēmas palaišanas robota pozicionēšanas precizitāte uzlabojās līdz ± 0,03 mm, kas ir trīs reizes lielāks nekā manuālā noteikšana, un iekārtu atteices līmenis samazinājās par 80%.
2. Jaunas enerģijas transportlīdzekļu akumulatora pārvaldības sistēmas pārbaude
Noteiktā elektriskā transportlīdzekļa BMS ražošanas līnijā vizuālā sistēma nosaka M8 savienotājus:
Testēšanas saturs: tādi defekti kā ligzdas oksidācija, tapu liekšana un izolācijas slāņa bojājumi.
Algoritma optimizācija: U - Neto semantiskās segmentācijas tīkls tiek izmantots, lai veiktu pikseļu līmeņa klasifikāciju spraudnī - virsmā ar noteikšanas ātrumu līdz 20 kadri sekundē.
Dati par sasniegumiem: sistēma sasniedz 100% tiešsaistes noteikšanu, ar nulles nokavēto noteikšanas līmeni un nepatiesu noteikšanas līmeni mazāks par 0,5%, nodrošinot BMS sistēmas uzticamu darbību 5 gadus.
