一 Poptávka od průmyslu po zásuvce konektoru M8 - v detekci stavu
Konektory M8 se široce používají v polích, jako jsou tovární automatizační stroje, automobilová elektronika a železniční tranzit a jejich plug - ve stavu přímo ovlivňuje stabilitu systému. Například ve spojení senzorů robotických kloubů může špatné vložení jednoho konektoru vést k chybě zpětné vazby polohy přesahující 0,1 mm, což vede k nekontrolovanému pohybu robotického ramene. Tradiční manuální vizuální kontrola má nevýhody nízké účinnosti a vysoké míry falešné detekce, zatímco vizuální systémy mohou detekovat několik konektorů za sekundu s falešnou detekční rychlostí menší než 0,01%, což výrazně zlepšuje kvalitu produkce.
2, hardwarová architektura a výběr systému vizuální kontroly
1. Konfigurace průmyslové kamery a čoček
Výběr rozlišení: Pro detekci offsetu 0,1 mm pin je vyžadována kamera s rozlišením 5 milionů pixelů nebo více. Například kamery řady Basler ACE mohou dosáhnout přesnosti detekce 0,05 mm/pixel při rozlišení 1080p.
Parametry čočky: Přijetí telecentrické čočky pro eliminaci perspektivního zkreslení je pracovní vzdálenost řízena v rozsahu 50-100 mm, což zajišťuje, že zorné pole pokrývá celý povrch vložení konektoru.
Konstrukce světelného zdroje: kruhový LED podsvícení spárovaný s koaxiálním světlem, které může jasně rozlišit kovové okraje kolíků a zásuvek. Experiment ukazuje, že šikmé světlo 45 stupňů může zvýšit kontrast stínu v kořene kolíku a zlepšit míru rozpoznávání vad.
2. jednotka zpracování obrázků
Systém vestavěného vidění: například inteligentní kamera Sick IVP RangerC50, s postavenou - v předzvěstkovém modulu FPGA, může dokončit detekci okrajů, porovnávání šablon a další algoritmy v reálném čase, s rychlostí zpracování až 120fps.
PC základní systém: Vhodný pro více kamerových kolaborativní detekční scénáře pomocí Basler Pylon SDK k dosažení multi - Získání obrazu a knihovny Halcon pro rekonstrukci 3D bodů.
3, algoritmus detekce jádra a implementační cesta
1. Polohování a extrakce okrajů jacku
Funkce akumulovaného kvantizačního směru gradientu: Vygenerujte knihovnu šablon pro obrysy konektoru výpočtem histogramu směru gradientu každého pixelu na obrázku. Experiment ukazuje, že přesnost rozpoznávání této metody pro konektory M8 dosahuje 99,7%a stále může fungovat stabilně i ve složitém pozadí.
Analýza histogramu skenovací linky: Skenujte obrázek konektoru podél vodorovného/vertikálního směru a spočítejte polohy přechodných bodů ve stupních šedi. Jako příklad vezme určitý model konektoru M8, amplituda mutace šedé hladiny jeho okraje soketu na skenovací linii přesahuje 50, což může přesně najít střed zásuvky.
2. klasifikační model pro plug - ve stavu
Tradiční zpracování obrazu:
Měření geometrického parametru: Vypočítejte parametry, jako je odchylka středové vzdálenosti a úhel náklonu mezi kolíky a zásuvky. Například, když posun středu kolíku přesáhne 0,2 mm nebo úhel náklonu je větší než 2 stupně, je považován za špatné vložení.
Segmentace prahové hodnoty šedi: Algoritmus OTSU automaticky určuje prahovou hodnotu segmentace mezi kolíky a zásuvky, což detekuje defekty, jako jsou chybějící nebo ohnuté kolíky.
Řešení hlubokého učení:
Detekce objektu jolov5: Vycvičte model a rozpoznáte stav vložení (normální/polovina vložena/vložena), dosažení hodnoty mapy 98,2% na 1000 anotovaných obrázcích.
Klasifikační síť ResNet50: Provádí segmentaci oblasti 224 × 224 pixelů na zástrčce - na povrchu a po zadání do sítě vydává zástrčku - v úrovni kvality (vynikající/dobré/chudé), s mírou přesnosti 97,5%.
4, Optimalizace detekčního procesu v průmyslových scénářích
1. Dynamická detekce a skutečná - Časová zpětná vazba
Aplikace vysokého - Speed Lineární pole: Na kontinuální výrobní lince se fotoaparát lineárního pole používá ke skenování konektoru při frekvenci linky 10 kHz a spuštění kompenzace pohybu pomocí kodéru. Například určitá výrobní linka pro automobilovou elektroniku zvýšila prostřednictvím tohoto řešení rychlost detekce na 300 konektorů za minutu.
PLC Collaborative Control: Vizuální systém přenáší výsledky detekce (OK/NG signály) v reálném čase na PLC prostřednictvím protokolu TCP/IP, což spustí mechanismus třídění pro odstranění vadných produktů. Experimentální data ukazují, že toto schéma snižuje míru zmeškané detekce vadných produktů z 3% na 0,2%.
2. Zvýšená přizpůsobivost prostředí
Konstrukce anti vibrací: Za podmínek vibrací se algoritmus filtrování frekvenčních domén používá k potlačení rozmazání obrazu způsobené mechanickými vibracemi. Například udržení signálu frekvenčního pásma 50-200Hz prostřednictvím pásmového filtru může efektivně extrahovat funkce okraje konektoru.
Multispektrální zobrazovací technologie: Pro scény znečištění, jako jsou olejové skvrny a prach, kombinované s viditelným světlem a infračerveným zobrazováním, jsou interferenční funkce anti - extrahovány analýzou hlavní komponenty (PCA). Testy ukázaly, že tato metoda může stále udržovat přesnost detekce více než 95% v silně znečištěném prostředí.
5, typické případy aplikace a ověření výkonu
1. Detekce senzoru kloubu robota
V určitém projektu průmyslového robota v šesti osy detekuje vizuální systém stav vložení konektoru M8:
Konfigurace hardwaru: 2 5- Megapixel CMOS kamery, spárované s teleobjektivem a kruhovým zdrojem LED světla.
Indikátory testování: Středová do středové odchylky kolíků menší nebo rovna 0,15 mm, úhel náklonu menší nebo rovný 1,5 stupně, chyba hloubky vložení menší nebo rovná 0,3 mm.
Implementační účinek: Po spuštění systému se přesnost umístění robota zlepšila na ± 0,03 mm, což je třikrát vyšší než ruční detekce a míra selhání zařízení se snížila o 80%.
2. Testování systému správy baterií pro nové energetické vozidla
V určité výrobní lince BMS Elektrického vozidla detekuje vizuální systém: konektory M8:
Testovací obsah: Defekty, jako je oxidace soketu, ohýbání kolíků a poškození izolační vrstvy.
Optimalizace algoritmu: U - Síť sémantické segmentace se používá k provádění klasifikace úrovně pixelů na zástrčce - na povrchu, s detekční rychlostí až 20 spls.
Údaje o úspěchu: Systém dosahuje 100% detekce online, s nulovou mírou detekce a falešnou detekční rychlostí menší než 0,5%, což zajišťuje spolehlivou provoz systému BMS po dobu 5 let.
