日化剔除視覺檢測設備

作為國內外智能視覺設備研發(fā)企業(yè),上海陸甲自動化科技有限公司的技術服務為中國制造業(yè)提供了與國際同步工業(yè)零部件智能視覺檢測設備技術解決方案。日化剔除視覺檢測應用于: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)！

日化剔除視覺檢測設備在數(shù)字圖像處理技術是一個新興的技術行業(yè),已在自動化系統(tǒng)、日化產品檢測和智能識別等領域應用。它已經成為傳統(tǒng)人工檢測速度慢、檢測效率低的重要解決辦法之一。由于實際生產中,工業(yè)零件在細節(jié)方面會有諸多缺陷,因此,有必要選用合適的算法對其進行準確的識別和檢測。本文針對日化剔除次品,設計了圖像檢測系統(tǒng)的整體方案,搭建了實驗硬件平臺,并詳細介紹了視覺系統(tǒng)采用的各種器件和照明系統(tǒng)的組成,再進行攝像系統(tǒng)標定,完成了畸變效應的矯正。在獲取矯正后的圖像后,對圖像的預處理、邊緣檢測、零件幾何參數(shù)測量等關鍵技術進行了重點研究。在預處理中,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。進而,在圖像邊緣檢測中,對比了經典的邊緣檢測算法,為后續(xù)的特征提取提供了基礎。在檢測圖像基本特征時,分別檢測圖像中的圓和直線,并對檢測結果的參數(shù)進行了優(yōu)化,提高了圓和直線的檢測效果。在對圖像中的槽進行檢測時,采用了模板匹配算法,對槽的位置進行了準確的識別。在進了了零件尺寸的檢測之后,文中還研究了完好零件、焊點零件和劃痕零件三種情況的分類識別方法。首先,通過邊緣檢測,在保證圖像邊緣清晰、完整的基礎上,利用梯度方向直方圖算法進行特征提取,并采用概率神經網絡和SVM進行分類識別,取得了不錯的分類效果。然而,特征向量維度較高,特征提取信息混疊,以致圖像關鍵信息難以充分利用。文中對梯度方向直方圖算法進行了改進,對梯度方向直方圖特征提取算法進行雙線性插值,得到了更能夠體現(xiàn)細節(jié)特征的特征向量,再用神經網絡和支持向量機進行識別,在提高特征值抗混疊效應的同時,也提高了圖像的分類識別準確率。本課題模塊的實現(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。本文實現(xiàn)了零件特征的檢測,與不同種類的零件分類識別。文中的研究結果體現(xiàn)了一定的工程價值,同時對圖像測量技術的應用和零件的分類識別提供一定的借鑒意義。