базирана на машинно зрение технология за откриване на дефекти при дозиране за обсъждане

С бързото развитие на технологиите за управление на индустриалната автоматизация и компютърните технологии, индустриалната автоматизация навлезе в производството на различни индустрии. Автоматичните разпределителни машини са широко използвани в промишленото производство, от производството на микросхеми, електронната индустрия, LED индустрията до общата индустрия за свързване на продукти, инжектиране и запечатване, всички играят важна роля. Прилагането на автоматична машина за дозиране не само за качеството на продукта доведе до значително подобрение, но също така подобри ефективността на производството, може да реализира сложната ситуация на процеса на дозиране. На тази основа се обръща повече внимание на качеството на дозиране. При действителното производство, поради различни фактори, като например ниво на процеса на дозиране на автоматична машина за дозиране, температура на лепилото и т.н., производството на лепило може да съдържа въздушни мехурчета, счупване на лепилната лента, ширината на лепилната лента е твърде дебела или твърде тънка и други дефекти. Ето защо е изключително важно да се контролира стриктно качеството на дозиране в различни ситуации, когато ефектът на свързване трябва да се реализира чрез дозиране. Разчитането на работна ръка за откриване на дефекти при дозиране е очевидно неразумно, поради голямото натоварване, ниската ефективност, точността на откриване не е висока, не може да отговори на действителните производствени нужди. За да се решат горните проблеми, широко се използва технология за откриване на дефекти при дозиране, базирана на машинно зрение, която има предимствата на ниска цена, висока прецизност и висока скорост.

Първо, базирано на статуквото на технологията за откриване на машинно зрение

Машинното зрение се основава на общо изследване на компютърното зрение и в същото време включва технологията за осветяване на източника на светлина, високоскоростно придобиване на изображения и други аспекти на практическите технологични изследвания. В промишлеността използването на машинно зрение за изграждане на цялостна приложна система за индустриално зрение трябва да се комбинира с различни технологии, които обхващат машиностроенето, сензори, оптични изображения, контрол на движението, обработка на изображения и други аспекти. Фигура 1-1 показва цялостната рамка на системата за машинно зрение в действителната индустрия, включваща главно измерената цел, източник на светлина, система за оптично изображение, система за заснемане на изображение, придобиване и цифровизация на изображения, интелигентен модул за обработка на изображения и модул за управление на движение .

С напредъка на науката и технологиите, скоростта на разработка на машинното зрение става все по-бърза и по-бърза и някои чуждестранни научноизследователски и развойни организации са разработили много системен софтуер за машинно зрение, базиран на обработка на изображения, като MatroxImaging Library (MIL), Halcon , Matlab и библиотеката с отворен код OpenCV. Благодарение на своите мощни възможности за обработка на изображения, тези софтуерни програми са широко използвани в индустриалното производство. Понастоящем има два типа алгоритми в машинното зрение, а именно алгоритми за цифрова обработка на изображения и алгоритми за дълбоко обучение, базирани на конволюционни невронни мрежи.

(1) Методът, базиран на цифрова обработка на изображения, главно чрез обработка на изображения и други операции за получаване на площта на адхезивния слой, центъра на масата и персонализирана формула за сложност за определяне на качеството на адхезивния слой. Традиционният метод, базиран на цифрова обработка на изображения, има предимствата на проста работа и по-малко параметри, но има и недостатъците, че е податлив на обективни фактори като светлина, лоша сегментация на адхезивния слой, лоша класификация на дефектите и лоша обобщаемост.

(2) С настъпването на ерата на големите данни, лесният достъп до всички видове информационни ресурси прави прилагането на задълбочено обучение все по-мащабно. Особено в конволюционната невронна мрежа, след като картината е дълбоко сгъната и обединена, имплицитният слой е в състояние да покаже по-обобщени и абстрактни характеристики от ръчно придобитите, като по този начин се постигат добри резултати при класификацията на разпознаването. Появата на задълбочено обучение донесе по-голяма възможност за разпознаване на дефекти при дозиране. Задълбоченото обучение обаче изисква достатъчно количество данни за обучение и мощна изчислителна мощност, поради което неговото кацане и приложение в много области е ограничено и това също ще повлияе пряко на ефективността на откриване на точковото дефектно лепило.

Второ, програмата за оптично откриване на системата за инспекция на дозиране

В процеса на откриване на дефекти в дозирането, непрекъснатото и стабилно придобиване на информация за изображението също е решаваща стъпка, изображението е добро или лошо за дизайна на алгоритъма има голямо влияние върху степента на трудност, следователно, в процеса на проектирането на системата за откриване на дефекти в дозирането е необходимо да се избере хардуерът за оптично откриване. Както е показано на фигура 2-1, като се вземе предвид самозалепващата се лента за прозрачно лепило, има отразяващи явления, така че източникът на светлина трябва да бъде по-равномерен в степента на осветяване под всички ъгли, а коаксиалната светлина има висока -подреждане на плътност, ясно изображение, равномерна яркост и други характеристики. В допълнение, в изискванията за еднаква яркост на осветяване по едно и също време, поради наличието на мехурчета в някои от залепващата лента и коаксиалния източник на светлина от залепващата лента има определено разстояние, придобиването на картината не може да бъде наблюдават характеристиките на мехурчетата, така че помислете за използването на лентов светлинен източник върху горната част на самозалепващата се лента за облъчване, така че да могат да се видят характеристиките на мехурчетата. Тъй като методът на вертикално облъчване има предимствата на голяма площ на облъчване и добра еднородност на светлината, коаксиалният източник на светлина е избран като метод на вертикално облъчване, докато лентовият източник на светлина е избран като метод на вертикално облъчване.

Преведено с www.DeepL.com/Translator (безплатна версия)