磁性材料檢測電話推薦

光學(xué)自動化檢測設(shè)備發(fā)展到現(xiàn)在，外觀檢測已經(jīng)被很多的廠家信賴。那外觀檢測有哪些方面的優(yōu)勢呢？外觀自動化檢測主要是適用于精密五金產(chǎn)品、電子元件、陶瓷零件、橡膠硅膠、螺絲螺母、手機(jī)零配件、汽車緊固件、航空緊固件等產(chǎn)品的外觀、尺寸、缺點(diǎn)等篩選。如果用人工檢測的辦法來檢測產(chǎn)品的外觀和尺寸質(zhì)量，人工長時間用眼，眼睛非常容易造成疲勞，導(dǎo)致效率低，產(chǎn)品不合格率增加等情況。如果這個時候使用外觀檢測設(shè)備來進(jìn)行檢測，不但可以降低人工的成本，同時，還可以提高效率。


為了實(shí)現(xiàn)外觀缺陷自動檢測,研究了基于機(jī)器視覺技術(shù)的外觀缺陷檢測系統(tǒng)。首先針對外觀缺陷圖像特點(diǎn),分析了采用灰度閾值及單一顏色模型分割缺陷的局限性,提出基于混合顏色模型的缺陷圖像分割方法,實(shí)現(xiàn)了外觀缺陷快速、準(zhǔn)確分割;然后通過分析外觀缺陷特點(diǎn),分別從形狀、顏色和紋理共選取了12個類別差異明顯的特征參數(shù),提取了外觀缺陷特征;最后選擇BP神經(jīng)網(wǎng)絡(luò)作為缺陷分類器,根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)確定了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù),并分析了傳統(tǒng)BP算法在外觀缺陷分類應(yīng)用中的不足,通過改變收斂標(biāo)準(zhǔn)、自適應(yīng)調(diào)整步長和引入動量項(xiàng)以優(yōu)化BP算法,改善了神經(jīng)網(wǎng)絡(luò)分類效果。


為解決食品生產(chǎn)過程中產(chǎn)品殘缺問題,研究了一種基于機(jī)器視覺的缺陷檢測方法,以餅干為樣本進(jìn)行了實(shí)驗(yàn)分析。首先構(gòu)建實(shí)驗(yàn)系統(tǒng),對單目攝像機(jī)進(jìn)行標(biāo)定,利用標(biāo)定所得參數(shù)對圖像進(jìn)行畸變校正;然后對校正后所得圖像進(jìn)行圖像分析處理;最后對處理完成圖像進(jìn)行區(qū)域檢測,得到檢測結(jié)果。實(shí)驗(yàn)結(jié)果表明:以該方法進(jìn)行餅干缺陷檢測成功率可達(dá)98.67%,并滿足高精度、實(shí)時性的要求,為今后食品缺陷檢測提供一定的參考方向。


機(jī)器視覺芯片出現(xiàn)細(xì)分。CV芯片將隨著應(yīng)用領(lǐng)域不同而出現(xiàn)細(xì)分，如分為專用的自動駕駛CV芯片、無人機(jī)導(dǎo)航CV芯片、AR/VR應(yīng)用CV芯片等。因?yàn)樵谀硞€特殊領(lǐng)域，隨著機(jī)器視覺算法應(yīng)用需求越來越多，必然帶來成本的需求，以增加產(chǎn)品的利潤，所以，在CV芯片上做costdown，裁減非本領(lǐng)域的應(yīng)用功能，并不斷深化該領(lǐng)域應(yīng)用是必然的。