一, durum tespitinde m8 konektör fişi - için endüstri talebi
M8 konektörleri, fabrika otomasyon makineleri, otomotiv elektroniği ve demiryolu taşımacılığı gibi alanlarda yaygın olarak kullanılır ve bunların - durumundaki fişleri sistem stabilitesini doğrudan etkiler. Örneğin, robot eklem sensörlerinin bağlantısında, tek bir konektörün zayıf yerleştirilmesi, 0,1 mm'yi aşan bir konum geri besleme hatası ile sonuçlanabilir ve robotik kolun kontrolsüz hareketine yol açabilir. Geleneksel manuel görsel inceleme, düşük verimlilik ve yüksek yanlış algılama oranının dezavantajlarına sahipken, görsel sistemler%0.01'den daha az yanlış tespit oranı ile saniyede birkaç konektör tespit edebilir ve üretim kalitesini önemli ölçüde iyileştirir.
2, donanım mimarisi ve görsel denetim sisteminin seçimi
1. Endüstriyel kamera ve lens yapılandırması
Çözünürlük Seçimi: 0.1mm pim ofsetini tespit etmek için 5 milyon piksel veya daha fazla çözünürlüğe sahip bir kamera gereklidir. Örneğin, Basler Ace Serisi kameralar 1080p çözünürlükte 0.05mm/piksel algılama doğruluğu elde edebilir.
Lens Parametreleri: Perspektif bozulmasını ortadan kaldırmak için telekentrik bir lens benimseme, çalışma mesafesi 50-100 mm aralığında kontrol edilir ve görüş alanının tüm konektör yerleştirme yüzeyini kapsadığını sağlar.
Işık Kaynak Tasarımı: Pimlerin ve soketlerin metal kenarlarını açıkça ayırt edebilen koaksiyel ışıkla eşleştirilmiş dairesel LED arka ışık. Deney, 45 derecelik eğik ışığın, pimin kökündeki gölgenin kontrastını artırabileceğini ve kusur tanıma oranını iyileştirebileceğini göstermektedir.
2. Görüntü İşleme Birimi
Gömülü Vizyon Sistemi: FPGA ön işleme modülünde üretilen - ile hasta IVP Rangerc50 akıllı kamera gibi, 120 fps'ye kadar işlem hızı ile kenar algılama, şablon eşleştirme ve diğer algoritmaları gerçek zamanlı olarak tamamlayabilir.
PC Base Sistemi: 3D nokta bulut rekonstrüksiyonu için çoklu - dişli görüntü edinme ve Halcon kütüphanesi elde etmek için Basler Pylon SDK kullanan çoklu kamera işbirlikçi algılama senaryoları için uygun.
3, Çekirdek Algılama Algoritması ve Uygulama Yolu
1. Jack konumlandırma ve kenar ekstraksiyonu
Birikmiş Niceleme Gradyan Yön Özelliği: Görüntüdeki her pikselin gradyan yön histogramını hesaplayarak konektör konturları için bir şablon kitaplığı oluşturun. Deney, M8 konektörleri için bu yöntemin tanıma doğruluğunun%99,7'ye ulaştığını ve karmaşık arka planlarda bile stabil bir şekilde çalışabileceğini göstermektedir.
Tarama Hattı Histogram Analizi: Konektör görüntüsünü yatay/dikey yön boyunca tarayın ve gri tonlamalı geçiş noktalarının konumlarını sayın. Örnek olarak belirli bir M8 konektörü modelini alarak, soket kenarındaki soket kenarının gri seviye mutasyon genliği, soketin merkezini doğru bir şekilde bulabilen 50'yi aşar.
2. Durumdaki - fiş için sınıflandırma modeli
Geleneksel Görüntü İşleme:
Geometrik parametre ölçümü: Pimler ve soketler arasındaki merkez mesafe sapması ve eğim açısı gibi parametreleri hesaplayın. Örneğin, pim merkezinin ofseti 0.2 mm'yi aştığında veya eğim açısı 2 dereceden büyük olduğunda, zayıf yerleştirme olarak değerlendirilir.
Gri tonlamalı eşik segmentasyonu: OTSU algoritması, pimler ve soketler arasındaki segmentasyon eşiğini otomatik olarak belirler ve eksik veya bükülmüş pimler gibi kusurları tespit eder.
Derin Öğrenme Çözümleri:
Yolov5 Nesne Tespiti: Modeli, 1000 açıklamalı görüntülerde% 98.2 harita değeri elde ederek, ekleme durumunu (normal/yarı eklenmemiş/eklenmemiş) tanımak için eğitin.
ResNet50 Sınıflandırma Ağı: Yüzeydeki - fişinde 224 × 224 piksel alan segmentasyonu gerçekleştirir ve%97.5 doğruluk oranı ile ağa girdikten sonra - fişini kalite düzeyinde (mükemmel/iyi/zayıf) çıkarır.
4, endüstriyel senaryolarda tespit sürecinin optimizasyonu
1. Dinamik Algılama ve Gerçek - Zaman Geri Bildirimi
Yüksek - hız doğrusal dizi kamerasının uygulanması: Sürekli üretim hattında, konektörü 10kHz'lik bir çizgi frekansında taramak ve bir kodlayıcı ile tetikleme hareket telafisi için lineer bir dizi kamera kullanılır. Örneğin, belirli bir otomotiv elektronik üretim hattı, bu çözüm yoluyla algılama hızını dakikada 300 konektöre yükseltti.
PLC İşbirliği Kontrolü: Görsel sistem, TCP/IP protokolü aracılığıyla PLC'ye gerçek zamanlı olarak algılama sonuçlarını (OK/NG sinyalleri) iletir ve kusurlu ürünleri çıkarmak için sıralama mekanizmasını tetikler. Deneysel veriler, bu şemanın kusurlu ürünlerin kaçırılan algılama oranını% 3'ten% 0.2'ye düşürdüğünü göstermektedir.
2. Gelişmiş çevresel uyarlanabilirlik
Titreşim önleme tasarımı: Titreşim koşulları altında, mekanik titreşimin neden olduğu görüntü bulanıklığını bastırmak için frekans alanı filtreleme algoritması kullanılır. Örneğin, 50-200Hz frekans bandı sinyalini bir bant geçirme filtresi yoluyla tutmak, konektör kenar özelliklerini etkili bir şekilde çıkarabilir.
Multispektral görüntüleme teknolojisi: Görünür ışık ve kızılötesi görüntüleme ile birlikte yağ lekeleri ve toz gibi kirlilik sahneleri için anti - parazit özellikleri temel bileşen analizi (PCA) yoluyla çıkarılır. Testler, bu yöntemin hala yoğun kirli ortamlarda% 95'in üzerinde bir algılama doğruluğunu koruyabileceğini göstermiştir.
5, tipik uygulama durumları ve performans doğrulaması
1. Robot eklem sensörü algılama
Belirli bir altı eksenli endüstriyel robot projesinde, görsel sistem M8 konektörünün ekleme durumunu algılar:
Donanım yapılandırması: 2 5- megapiksel CMOS kameraları, telefoto lens ve dairesel LED ışık kaynağı ile eşleştirildi.
Test Göstergeleri: 0,15 mm'den daha az veya eşit pimlerin merkeze sapması, eğim açısı 1,5 dereceye eşit veya eşit, yerleştirme derinliği hatası 0,3 mm'den daha az.
Uygulama Etkisi: Sistem başlatıldıktan sonra, robot konumlandırma doğruluğu ± 0.03mm'ye yükseldi, bu da manuel algılamadan üç kat daha yüksek ve ekipman arıza oranı%80 azaldı.
2. Yeni enerji aracı pil yönetim sisteminin testi
Belirli bir elektrikli araç BMS üretim hattında, görsel sistem M8 konektörlerini algılar:
Test İçeriği: Soket oksidasyonu, pim bükme ve yalıtım tabakası hasarı gibi kusurlar.
Algoritma optimizasyonu: U - Net semantik segmentasyon ağı, 20FPS'ye kadar algılama hızı ile - fişinde piksel seviyesi sınıflandırması gerçekleştirmek için kullanılır.
Başarı Verileri: Sistem, sıfır kaçırılan algılama oranı ve yanlış algılama oranı% 0,5'ten daha az olan% 100 çevrimiçi algılama elde ederek BMS sisteminin 5 yıl boyunca güvenilir bir şekilde çalışmasını sağlar.
