pesquisa e realização de defeito de castanha de titânio

Tecnologia de detecção de defeito de superfície de porca de titânio é uma das tecnologias-chave para melhorar a competitividade dos produtos empresariais e melhorar o processo de produção, enquanto a tecnologia de detecção de defeito de superfície tradicional é difícil de atender às necessidades de produção de alta velocidade, a implementação de visão de máquina baseada Sistema de inspeção online de porcas de titânio para garantir a eficiência e precisão das peças de inspeção imediata.


  Atualmente, embora existam sistemas de inspeção de visão usados ​​na produção industrial, a tecnologia de inspeção online baseada em visão de máquina para defeitos de superfície de porcas de titânio ainda está em fase de pesquisa e desenvolvimento na China.


  Este projeto leva a inspeção de alta velocidade de nozes de titânio como um objeto de exemplo e estuda o algoritmo-chave de detecção de defeitos de nozes de titânio com base em visão de máquina e estuda profundamente a detecção de bordas de nozes de titânio e algoritmo de segmentação de área, e conduz análises experimentais de vários algoritmos.


  O conteúdo específico da pesquisa é dividido nos seguintes pontos.


  1. pré-processamento de imagens: este artigo realiza inicialmente um estudo de pré-processamento das imagens de castanhas de titânio obtidas online.


  O pré-processamento é um importante trabalho de pré-processamento para processamento e análise de imagens, que afeta diretamente a precisão do processamento da imagem.


  O pré-processamento da imagem inclui duas partes: filtragem (eliminação de ruído) e aprimoramento. Neste artigo, a classificação e o modelo de ruído de imagem são introduzidos e os métodos de filtragem clássicos são introduzidos em detalhes e analisados ​​experimentalmente e, em seguida, vários algoritmos de aprimoramento de imagem, como equalização de histograma, filtragem Butterworth e algoritmos de aprimoramento de imagem baseados na teoria difusa são usados para processar as imagens da noz de titânio, respectivamente, e os resultados experimentais são comparados e analisados.


  2. Segmentação da imagem: Este artigo está dividido em duas partes: segmentação da imagem alvo e segmentação da região alvo.


  A segmentação do alvo da imagem visa extrair toda a porca de titânio do fundo, e a segmentação da região alvo é segmentar com precisão a imagem da porca de titânio extraída para separar o furo, a face final e as peças da engrenagem.


  No processo de pesquisa do algoritmo de segmentação de imagem, os processamentos de imagem a serem usados ​​são: pré-processamento, detecção de borda de noz de titânio, extração de alvo de noz de titânio, segmentação de região de noz de titânio, extração de característica de defeito, etc. Entre eles, o pré-processamento usará a primeira parte do experimento para derivar parte do algoritmo de pré-processamento e sua combinação, segmentação de extração de alvo de noz de titânio usando tecnologia de segmentação de imagem baseada em detecção de borda, segmentação de região de noz de titânio usando uma combinação de fuzzy. O resultado final é a extração completa de diferentes características regionais da noz de titânio, que é o foco deste artigo.


  3. Detecção de defeito: defeitos na superfície da porca de titânio, incluindo defeitos nas extremidades, defeitos no orifício, defeitos de engrenagem em três partes. Neste trabalho, em primeiro lugar, a classificação detalhada dos defeitos é realizada para diferentes regiões.


  Então, combinado com a teoria SVM, para cada defeito, vários recursos e seus recursos de fusão são extraídos e usados ​​no classificador SVM para detectar e identificar os defeitos correspondentes.


  Finalmente, com base nos resultados experimentais, a taxa de detecção de cada característica é comparada, e a solução ótima para detecção de defeitos em castanhas de titânio é proposta com base nisso.


  4. Experimento de teste: A fim de aplicar a teoria do algoritmo acima ao sistema de detecção de defeitos de aparência de castanha de titânio, este trabalho combinado com a plataforma de laboratório para conduzir os experimentos de teste correspondentes para verificar a eficácia e o algoritmo em tempo real.

Chat with us