一, търсене на индустрията за откриване на състоянието на приставката M8
M8 конекторите се използват широко в полета като фабрични машини за автоматизация, автомобилна електроника и железопътен транзит, а техният статус на приставка пряко влияе върху стабилността на системата. Например, във връзката на сензорите на робот на ставите, лошото поставяне на един конектор може да доведе до грешка в обратната връзка на позицията над 0,1 мм, което води до неконтролирано движение на роботизираната рамо. Традиционната ръчна визуална проверка има недостатъците на ниската ефективност и високата честота на невярно откриване, докато визуалните системи могат да открият няколко конектора в секунда с фалшива честота на откриване под 0,01%, като значително подобряват качеството на производството.
2, Хардуерна архитектура и избор на система за визуална инспекция
1. Конфигурация на индустриална камера и обектив
Избор на разделителна способност: За да се открие отместване на 0,1 мм PIN, е необходима камера с резолюция от 5 милиона пиксела или повече. Например, камерите от серията Basler ACE могат да постигнат точност на откриване 0,05 мм/пиксел при разделителна способност 1080p.
Параметри на обектива: Приемане на телецентрична леща за премахване на перспективно изкривяване, работното разстояние се контролира в диапазона от 50-100 мм, като се гарантира, че зрителното поле покрива цялата повърхност на вмъкване на конектора.
Дизайн на източника на светлина: Кръгла светодиодна подсветка, съчетана с коаксиална светлина, която ясно може да различи металните ръбове на щифтове и гнезда. Експериментът показва, че наклонената светлина от 45 градуса може да подобри контраста на сянката в корена на щифта и да подобри скоростта на разпознаване на дефекти.
2. Единица за обработка на изображения
Вградена система за виждане: като Sick IVP RangerC50 интелигентна камера, с вграден FPGA предварително обработка на модул, може да завърши откриване на ръбове, съвпадение на шаблони и други алгоритми в реално време, със скорост на обработка до 120 кадъра в секунда.
PC базова система: Подходящ за сценарии за откриване на много камери за съвместно откриване, използвайки Basler Pylon SDK за постигане на многопредпадна библиотека и библиотека на Halcon за реконструкция на облак 3D.
3, Алгоритъм за откриване на ядро и път на изпълнение
1. Позициониране на жака и извличане на ръба
Натрупана характеристика на градиента на квантоване: Генерирайте библиотека с шаблони за контури на конектора, като изчислите хистограмата на посоката на градиента на всеки пиксел в изображението. Експериментът показва, че точността на разпознаване на този метод за M8 конектори достига 99,7%и все още може да работи стабилно дори в сложен произход.
Анализ на хистограма на сканиращата линия: Сканирайте изображението на конектора по хоризонталната/вертикалната посока и пребройте позициите на преходните точки на сиви скали. Приемайки определен модел на M8 конектор като пример, амплитудата на мутацията на сивото ниво на ръба на гнездото на сканиращата линия надвишава 50, което може точно да намери центъра на гнездото.
2. Модел за класификация за състоянието на приставката
Традиционна обработка на изображения:
Измерване на геометрични параметри: Изчислете параметрите като отклонение на централното разстояние и ъгъла на наклона между щифтове и гнезда. Например, когато отместването на PIN центъра надвишава 0,2 мм или ъгълът на наклона е по -голям от 2 градуса, той се преценява като лошо вмъкване.
Сегментиране на прага на сиви скали: Алгоритъмът на OTSU автоматично определя прага на сегментиране между щифтове и гнезда, откривайки дефекти като липсващи или огънати щифтове.
Решения за дълбоко обучение:
Откриване на обекти на Yolov5: Обучете модела, за да разпознаете състоянието на вмъкване (нормално/наполовина вмъкнато/не вмъкнато), като постигнете стойност на картата от 98,2% на 1000 анотирани изображения.
Класификационна мрежа Resnet50: Извършва сегментация на площта на 224 × 224 пиксела на повърхността на приставката и извежда нивото на качество на приставката (отлично/добро/лошо) след въвеждане в мрежата, със скорост на точност от 97,5%.
4, Оптимизация на процеса на откриване в индустриални сценарии
1. Динамично откриване и обратна връзка в реално време
Прилагане на високоскоростна линейна масивна камера: На непрекъсната производствена линия се използва линейна масивна камера за сканиране на конектора с линейна честота 10kHz и компенсация на движението на движение с енкодер. Например, определена производствена линия за автомобилна електроника увеличи скоростта на откриване до 300 конектора в минута през това решение.
PLC Collaborative Control: Визуалната система предава резултатите от откриването (OK/NG сигнали) в реално време на PLC чрез TCP/IP протокол, задействайки механизма за сортиране за премахване на дефектни продукти. Експерименталните данни показват, че тази схема намалява пропуснатата степен на откриване на дефектни продукти от 3% на 0,2%.
2. Подобрена адаптивност на околната среда
Анти вибрационен дизайн: При условия на вибрация алгоритъмът за филтриране на честотен домейн се използва за потискане на замъгляване на изображението, причинено от механична вибрация. Например, запазването на честотния сигнал на честотната лента 50hz чрез лентов филтър може ефективно да извлече функциите на ръба на конектора.
Мултиспектрална технология за изображения: За сцени на замърсяване като петна от нефт и прах, комбинирани с видима светлина и инфрачервени изображения, чертите за борба с интерференцията се извличат чрез анализ на основните компоненти (PCA). Тестовете показват, че този метод все още може да поддържа точност на откриване от над 95% в силно замърсени среди.
5, Типични случаи на приложения и проверка на ефективността
1. Откриване на сензор за робот
В определен проект за индустриален робот с шест ос, визуалната система открива състоянието на вмъкване на конектора M8:
Хардуерна конфигурация: 2 5- Megapixel CMOS камери, сдвоени с телефото обектив и източник на светодиодна светлина.
Индикатори за тестване: Отклонение в центъра до центъра на щифтове по -малко или равно на 0,15 мм, ъгъл на наклона по -малък или равен на 1,5 градуса, грешка в дълбочината на вмъкване по -малка или равна на 0,3 мм.
Ефект на изпълнение: След стартирането на системата точността на позициониране на робота се подобри до ± 0,03 мм, което е три пъти по -висока от ръчното откриване, а скоростта на отказ на оборудването намалява с 80%.
2. Тестване на нова система за управление на батерията на енергийните превозни средства
В определена производствена линия на BMS на електрически превозни средства визуалната система открива M8 конектори:
Съдържание на тестване: Дефекти като окисляване на гнездото, огъване на щифтове и увреждане на изолационния слой.
Оптимизация на алгоритъма: Мрежата за семантична сегментация на U-NET се използва за извършване на класификация на нивото на пиксели на повърхността на приставката, със скорост на откриване до 20 кадъра в секунда.
Данни за постижения: Системата постига 100% онлайн откриване, с нулева пропусната степен на откриване и фалшива честота на откриване под 0,5%, като гарантира надеждната работа на BMS системата за 5 години.
