日化剔除视觉检测

日化剔除视觉检测设备

作为国内外智能视觉设备研发企业,上海陆甲自动化科技有限公司的技术服务为中国制造业提供了与国际同步工业零部件智能视觉检测设备技术解决方案。日化剔除视觉检测应用于:制药、食品、饮料、日化、保健品、电子、电器、化工、汽车工业及塑料与五金等各大行业！

日化剔除视觉检测设备在数字图像处理技术是一个新兴的技术行业,已在自动化系统、日化产品检测和智能识别等领域应用。它已经成为传统人工检测速度慢、检测效率低的重要解决办法之一。由于实际生产中,工业零件在细节方面会有诸多缺陷,因此,有必要选用合适的算法对其进行准确的识别和检测。本文针对日化剔除次品,设计了图像检测系统的整体方案,搭建了实验硬件平台,并详细介绍了视觉系统采用的各种器件和照明系统的组成,再进行摄像系统标定,完成了畸变效应的矫正。在获取矫正后的图像后,对图像的预处理、边缘检测、零件几何参数测量等关键技术进行了重点研究。在预处理中,首先分析了图像的噪声类别,比较了多种滤波算法,找出适合本文图像的滤波算法。进而,在图像边缘检测中,对比了经典的边缘检测算法,为后续的特征提取提供了基础。在检测图像基本特征时,分别检测图像中的圆和直线,并对检测结果的参数进行了优化,提高了圆和直线的检测效果。在对图像中的槽进行检测时,采用了模板匹配算法,对槽的位置进行了准确的识别。在进了了零件尺寸的检测之后,文中还研究了完好零件、焊点零件和划痕零件三种情况的分类识别方法。首先,通过边缘检测,在保证图像边缘清晰、完整的基础上,利用梯度方向直方图算法进行特征提取,并采用概率神经网络和SVM进行分类识别,取得了不错的分类效果。然而,特征向量维度较高,特征提取信息混叠,以致图像关键信息难以充分利用。文中对梯度方向直方图算法进行了改进,对梯度方向直方图特征提取算法进行双线性插值,得到了更能够体现细节特征的特征向量,再用神经网络和支持向量机进行识别,在提高特征值抗混叠效应的同时,也提高了图像的分类识别准确率。本课题模块的实现都是基于Visual C++和MATLAB的,包括视觉系统界面开发和算法的编写。本文实现了零件特征的检测,与不同种类的零件分类识别。文中的研究结果体现了一定的工程价值,同时对图像测量技术的应用和零件的分类识别提供一定的借鉴意义。