investigación y realización del defecto de la tuerca de titanio

La tecnología de detección de defectos en la superficie de la tuerca de titanio es una de las tecnologías clave para mejorar la competitividad de los productos empresariales y mejorar el proceso de producción, mientras que la tecnología tradicional de detección de defectos en la superficie es difícil de satisfacer las necesidades de producción de alta velocidad, la implementación de visión artificial Sistema de inspección en línea de tuercas de titanio para garantizar la eficiencia y precisión de las piezas de inspección inmediata.


  En la actualidad, aunque existen sistemas de inspección por visión que se utilizan en la producción industrial, la tecnología de inspección en línea basada en visión artificial para defectos superficiales de las tuercas de titanio se encuentra todavía en la etapa de investigación y desarrollo en China.


  Este proyecto toma la inspección de alta velocidad de tuercas de titanio como un objeto de ejemplo, y estudia el algoritmo clave de detección de defectos de tuerca de titanio basado en visión artificial, y estudia en profundidad el algoritmo de segmentación de área y detección de borde de tuerca de titanio, y realiza análisis experimentales de varios algoritmos.


  El contenido específico de la investigación se divide en los siguientes puntos.


  1. preprocesamiento de imágenes: este artículo realiza en primer lugar un estudio de preprocesamiento de las imágenes de tuercas de titanio obtenidas en línea.


  El preprocesamiento es un trabajo de preprocesamiento importante para el procesamiento y análisis de imágenes, que afecta directamente la precisión del procesamiento de imágenes.


  El preprocesamiento de imágenes incluye dos partes: filtrado (eliminación de ruido) y mejora. En este artículo, se introducen la clasificación y el modelo de ruido de imagen, y los métodos de filtrado clásicos se introducen en detalle y se analizan experimentalmente, y luego se utilizan varios algoritmos de mejora de imagen como ecualización de histograma, filtrado de Butterworth y algoritmos de mejora de imagen basados ​​en la teoría difusa. para procesar las imágenes de la tuerca de titanio respectivamente, y los resultados experimentales se comparan y analizan.


  2. Segmentación de imágenes: este documento se divide en dos partes: segmentación de la imagen objetivo y segmentación de la región objetivo.


  La segmentación del objetivo de la imagen tiene como objetivo extraer toda la tuerca de titanio del fondo, y la segmentación de la región objetivo es segmentar con precisión la imagen de la tuerca de titanio extraída para separar el orificio, la cara del extremo y las piezas del engranaje.


  En el proceso de investigación del algoritmo de segmentación de imágenes, el procesamiento de imágenes que se utilizará es: preprocesamiento, detección del borde de la tuerca de titanio, extracción del objetivo de la tuerca de titanio, segmentación de la región de la tuerca de titanio, extracción de características de defectos, etc. Entre ellos, se utilizará el preprocesamiento la primera parte del experimento para derivar parte del algoritmo de preprocesamiento y su combinación, segmentación de extracción de destino de tuerca de titanio utilizando tecnología de segmentación de imagen basada en detección de bordes, segmentación de región de tuerca de titanio utilizando una combinación de difusa El resultado final es la extracción completa de diferentes características regionales de la tuerca de titanio, que es el tema central de este artículo.


  3. Detección de defectos: defectos de la superficie de la tuerca de titanio, incluidos los defectos finales, defectos en el orificio, defectos del engranaje en tres partes. En este documento, en primer lugar, se lleva a cabo la clasificación detallada de defectos para diferentes regiones.


  Luego, combinado con la teoría SVM, para cada defecto, se extraen múltiples características y sus características de fusión y se utilizan en el clasificador SVM para detectar e identificar los defectos correspondientes.


  Finalmente, en base a los resultados experimentales, se compara la tasa de detección de cada característica y se propone la solución óptima para la detección de defectos de tuerca de titanio sobre esta base.


  4. Experimento de prueba: Para aplicar la teoría del algoritmo anterior al sistema de detección de defectos de apariencia de tuerca de titanio, este documento se combinó con la plataforma de laboratorio para realizar los experimentos de prueba correspondientes para verificar la efectividad y el algoritmo en tiempo real.