一, M8 -liittimen pistoke - teollisuuden kysyntä tilan havaitsemisessa
M8 -liittimiä käytetään laajasti kenttiä, kuten tehdasautomaatiokoneita, autoelektroniikkaa ja rautatieyhteyttä ja niiden pistoketta -, vaikuttavat suoraan järjestelmän vakauteen. Esimerkiksi robotin nivelanturien yhteydessä yhden liittimen huono lisäys voi johtaa sijainnin palautevirheeseen, joka ylittää 0,1 mm, mikä johtaa robottivarren hallitsemattomaan liikkeeseen. Perinteisellä manuaalisella visuaalisella tarkastuksella on haittoja alhaisesta hyötysuhteesta ja korkeasta vääristä havaitsemisnopeudesta, kun taas visuaaliset järjestelmät voivat havaita useita liittimiä sekunnissa väärän havaitsemisnopeuden olevan alle 0,01%, mikä parantaa merkittävästi tuotannon laatua.
2, laitteistoarkkitehtuuri ja visuaalisen tarkastusjärjestelmän valinta
1. Teollisuuskamera- ja linssin kokoonpano
Resoluutiovalinta: 0,1 mm: n PIN -koodin havaitsemiseksi vaaditaan kamera, jonka resoluutio on 5 miljoonaa pikseliä. Esimerkiksi Basler ACE -sarjan kamerat voivat saavuttaa havaitsemistarkkuuden 0,05 mm/pikseliä 1080p: n tarkkuudella.
Linssin parametrit: Telekestrisen linssin omaksuminen perspektiivien vääristymien poistamiseksi työetäisyyttä ohjataan alueella 50-100 mm, varmistaen, että näkökenttä kattaa koko liittimen asetuspinnan.
Valonlähteen suunnittelu: Pyöreä LED -taustavalo pariksi koaksiaalisella valolla, joka erottaa selvästi nastat ja pistorasioiden metalliset reunat. Koe osoittaa, että 45 asteen vinovalo voi parantaa varjon kontrastia PIN -koodin juuressa ja parantaa vikojen tunnistusnopeutta.
2. kuvankäsittelyyksikkö
Sulautettu näköjärjestelmä: kuten sairas IVP Rangerc50 -kamera, jossa on rakennettu - FPGA: n esikäsittelymoduuliin, voi suorittaa reunan havaitsemisen, mallin sovittamisen ja muut algoritmit reaaliajassa, jopa 120FP: n käsittelynopeudella.
PC -pohjajärjestelmä: Soveltuu monikameran yhteistyöhön liittyviin havaitsemiskenaarioihin, Basler Pylon SDK: n avulla multi - kierteitetyn kuvan hankkimisen ja HALCON -kirjaston saavuttamiseksi 3D -pisteen pilven rekonstruoinnille.
3, ytimen havaitsemisalgoritmi ja toteutuspolku
1. Jackin sijoittaminen ja reunan poisto
Kertyneen kvantisointigradientin suuntaominaisuus: Luo mallistokirjasto liittimen muodoihin laskemalla kuvan kunkin pikselin gradientisuuntahistogrammi. Koe osoittaa, että tämän menetelmän tunnistustarkkuus M8
Skannauslinjan histogrammianalyysi: Skannata liitinkuva vaakasuuntaista/pystysuuntaista suuntaa ja laske harmaasävyjen siirtymäpisteiden sijainti. Kun otetaan esimerkki M8 -liittimen mallin, sen pistorasian reunan harmaan tason mutaation amplitudi skannauslinjassa ylittää 50, mikä pystyy paikantamaan pistorasian keskusta tarkasti.
2. Plug - luokitusmalli tilassa
Perinteinen kuvankäsittely:
Geometrinen parametrien mittaus: Laske parametrit, kuten keskietäisyyden poikkeama ja kallistuskulma nastajen ja pistorasioiden välillä. Esimerkiksi, kun nastakeskuksen siirtyminen ylittää 0,2 mm tai kallistuskulma on suurempi kuin 2 astetta, sitä pidetään huonona lisäyksenä.
Harmaasävykynnyksen segmentointi: OTSU -algoritmi määrittää automaattisesti nastat ja pistorasioiden välisen segmentointikynnyksen havaitsemalla puutteet, kuten puuttuvat tai taivutetut nastat.
Syvän oppimisratkaisut:
YOLOV5 -objektin havaitseminen: Kouluta malli tunnistamaan insertion tila (normaali/puoli työnnetty/ei asetettu), saavuttaen kartta -arvo 98,2% 1000 huomautetussa kuussa.
RESNET50 -luokitusverkko: Suorittaa pistoksen - 224 × 224 pikselin alueen segmentointi pintaan ja tuo pistokkeen - laatutasolla (erinomainen/hyvä/huono) syöttämisen jälkeen verkkoon, tarkkuusnopeudella 97,5%.
4, havaitsemisprosessin optimointi teollisuusskenaarioissa
1. Dynaaminen havaitseminen ja todellinen - Aikapalaute
Korkean - nopeuden lineaarisen taulukkokameran käyttö: Jatkuvalla tuotantolinjalla lineaarista taulukkokameraa käytetään skannaamaan liitin linjataajuudella 10 kHz ja liipaisimen liikkeen kompensointi kooderilla. Esimerkiksi tietty autoelektroniikan tuotantolinja on lisännyt havaitsemisnopeutta 300 liittimeen minuutissa tämän ratkaisun kautta.
PLC -yhteistyöohjaus: Visuaalinen järjestelmä välittää havaitsemistulokset (OK/NG -signaalit) reaaliajassa PLC: hen TCP/IP -protokollan kautta, käynnistämällä lajittelumekanismin viallisten tuotteiden poistamiseksi. Kokeelliset tiedot osoittavat, että tämä kaavio vähentää viallisten tuotteiden havaitsemisnopeutta 3%: sta 0,2%: iin.
2. Parannettu ympäristömuokkaus
Värähtelysuunnittelu: Värähtelyolosuhteissa taajuusalueen suodatusalgoritmia käytetään mekaanisen tärinän aiheuttaman kuvan hämärtymisen tukahduttamiseen. Esimerkiksi 50-200Hz: n taajuuskaistasignaalin säilyttäminen kaistanpäästösuodattimen kautta voi tehokkaasti purkaa liittimen reunaominaisuudet.
Monispektrinen kuvantamistekniikka: Saastumiskohtauksille, kuten öljy tahrat ja pöly Testit ovat osoittaneet, että tämä menetelmä voi silti ylläpitää yli 95%: n havaitsemistarkkuutta voimakkaasti saastuneissa ympäristöissä.
5, tyypilliset sovellustapaukset ja suorituskyvyn varmennus
Kello 1. Robotin nivelanturin havaitseminen
Tietyssä kuuden akselin teollisuusrobottiprojektissa visuaalinen järjestelmä havaitsee M8 -liittimen lisäystilan:
Laitteistokokoonpanot: 2 5- megapikselin CMOS -kamerat, pariksi puhelinlinssiin ja pyöreän LED -valonlähteen kanssa.
Testausindikaattorit: Pienten keskihajonta keskihajonta, joka on pienempi tai yhtä suuri kuin 0,15 mm, kallistuskulma pienempi tai yhtä suuri kuin 1,5 astetta, lisäyssyvyysvirhe pienempi tai yhtä suuri kuin 0,3 mm.
Toteutusvaikutus: Järjestelmän käynnistämisen jälkeen robotin paikannustarkkuus parani ± 0,03 mm: iin, mikä on kolme kertaa korkeampi kuin manuaalinen havaitseminen ja laitteiden vikaantumisaste laski 80%.
2. Uuden energian ajoneuvon akkujen hallintajärjestelmän testaaminen
Tietyssä sähköajoneuvojen BMS -tuotantolinjassa visuaalinen järjestelmä havaitsee M8 -liittimet:
Sisällön testaus: Viat, kuten pistorasian hapettuminen, PIN -koodin taivutus ja eristyskerrosvaurio.
Algoritmin optimointi: U - Net -semanttisen segmentointin verkkoa käytetään pikselin tason luokituksen suorittamiseen pistossa - pinnalla, havaitsemisnopeudella jopa 20FPS.
Saavutustiedot: Järjestelmä saavuttaa 100%: n online -havaitsemisen, ja nolla menetetty havaitsemisnopeus ja väärän havaitsemisnopeus on alle 0,5%, mikä varmistaa BMS -järjestelmän luotettavan toiminnan 5 vuoden ajan.
