recherche et réalisation de défaut d'écrou en titane

La technologie de détection des défauts de surface des écrous en titane est l'une des technologies clés pour améliorer la compétitivité des produits d'entreprise et améliorer le processus de production, tandis que la technologie de détection des défauts de surface traditionnelle est difficile à répondre aux besoins de production à grande vitesse, la mise en œuvre de la vision industrielle basée Système d'inspection en ligne des écrous en titane pour assurer l'efficacité et la précision des pièces d'inspection immédiate.


  À l'heure actuelle, bien qu'il existe des systèmes d'inspection par vision utilisés dans la production industrielle, la technologie d'inspection en ligne basée sur la vision industrielle pour les défauts de surface des écrous en titane est encore au stade de la recherche et du développement en Chine.


  Ce projet prend l'inspection à grande vitesse des écrous en titane comme objet d'exemple, et étudie l'algorithme clé de détection des défauts d'écrou en titane basé sur la vision industrielle, et étudie en profondeur l'algorithme de détection de bord d'écrou en titane et de segmentation de zone, et mène une analyse expérimentale de divers algorithmes.


  Le contenu spécifique de la recherche est divisé en points suivants.


  1. prétraitement d'image: cet article mène dans un premier temps une étude de prétraitement sur les images de noix de titane obtenues en ligne.


  Le prétraitement est un travail de prétraitement important pour le traitement et l'analyse d'image, qui affecte directement la précision du traitement de l'image.


  Le prétraitement d'image comprend deux parties: le filtrage (débruitage) et l'amélioration. Dans cet article, la classification et le modèle du bruit d'image sont introduits, et les méthodes de filtrage classiques sont introduites en détail et analysées expérimentalement, puis divers algorithmes d'amélioration d'image tels que l'égalisation d'histogramme, le filtrage de Butterworth et les algorithmes d'amélioration d'image basés sur la théorie floue sont utilisés pour traiter les images d'écrou de titane respectivement, et les résultats expérimentaux sont comparés et analysés.


  2. Segmentation de l'image: Ce document est divisé en deux parties: la segmentation de l'image cible et la segmentation de la région cible.


  La segmentation de la cible d'image vise à extraire l'écrou en titane entier de l'arrière-plan, et la segmentation de la région cible consiste à segmenter avec précision l'image de l'écrou de titane extraite pour séparer l'alésage, la face d'extrémité et les pièces d'engrenage.


  Dans le processus de recherche d'algorithme de segmentation d'image, les traitements d'image à utiliser sont: le prétraitement, la détection du bord de l'écrou en titane, l'extraction de la cible de l'écrou en titane, la segmentation de la région de l'écrou en titane, l'extraction des caractéristiques de défaut, etc. Parmi eux, le prétraitement utilisera la première partie de l'expérience pour dériver une partie de l'algorithme de prétraitement et leur combinaison, segmentation d'extraction de cible d'écrou en titane à l'aide de la technologie de segmentation d'image basée sur la détection de bord, segmentation de région d'écrou en titane en utilisant une combinaison de flou Le résultat final est l'extraction complète de différentes caractéristiques régionales de l'écrou en titane, qui fait l'objet de cet article.


  3. Détection des défauts: défauts de surface de l'écrou en titane, y compris les défauts d'extrémité, les défauts dans le trou, les défauts de l'engrenage trois pièces. Dans cet article, tout d'abord, la classification détaillée des défauts est effectuée pour différentes régions.


  Ensuite, combinés à la théorie SVM, pour chaque défaut, plusieurs caractéristiques et leurs caractéristiques de fusion sont extraites et utilisées dans le classificateur SVM pour détecter et identifier les défauts correspondants.


  Enfin, sur la base des résultats expérimentaux, le taux de détection de chaque caractéristique est comparé, et la solution optimale pour la détection des défauts d'écrou en titane est proposée sur cette base.


  4. Expérience de test: afin d'appliquer la théorie de l'algorithme ci-dessus au système de détection des défauts d'apparence de l'écrou de titane, cet article a été combiné avec la plate-forme de laboratoire pour mener les expériences de test correspondantes afin de vérifier l'efficacité et l'algorithme en temps réel.