一 ، الطلب الصناعي على موصل M8 قابس - في اكتشاف الحالة
تستخدم موصلات M8 على نطاق واسع في الحقول مثل آلات أتمتة المصنع ، وإلكترونيات السيارات ، وعبور السكك الحديدية ، وقابسها - في الحالة تؤثر بشكل مباشر على ثبات النظام. على سبيل المثال ، في اتصال مستشعرات مفصل الروبوت ، قد يؤدي إدخال سوء موصل واحد إلى خطأ في التغذية المرتدة يتجاوز 0.1 ملم ، مما يؤدي إلى حركة غير خاضعة للرقابة للذراع الآلي. يحتوي الفحص المرئي اليدوي التقليدي على عيوب منخفضة الكفاءة ومعدل الكشف الخاطئ العالي ، في حين أن الأنظمة البصرية يمكنها اكتشاف العديد من الموصلات في الثانية مع معدل اكتشاف كاذب أقل من 0.01 ٪ ، مما يؤدي إلى تحسين جودة الإنتاج بشكل كبير.
2 ، بنية الأجهزة واختيار نظام التفتيش المرئي
1. تكوين الكاميرا الصناعية والعدسة
اختيار الدقة: للكشف عن إزاحة دبوس 0.1 مم ، يلزم وجود كاميرا بدقة 5 ملايين بكسل أو أكثر. على سبيل المثال ، يمكن أن تحقق كاميرات سلسلة باسلر آس دقة اكتشاف قدرها 0.05 مم/بكسل بدقة 1080 بكسل.
معلمات العدسات: تبني عدسة مركزية للقضاء على تشويه المنظور ، يتم التحكم في مسافة العمل في حدود 50-100 مم ، مما يضمن أن مجال الرؤية يغطي سطح إدخال الموصل بأكمله.
تصميم مصدر الضوء: الإضاءة الخلفية LED الدائرية مقترنة بالضوء المحوري ، والذي يمكن أن يميز بوضوح الحواف المعدنية من المسامير والمآخذ. توضح التجربة أن الضوء المائل بنسبة 45 درجة يمكن أن يعزز تباين الظل في جذر الدبوس ويحسن معدل التعرف على العيوب.
2. وحدة معالجة الصور
نظام الرؤية المضمّن: مثل كاميرا SICK IVP Rangerc50 الذكية ، مع مصممة - في وحدة المعالجة المسبقة FPGA ، يمكنها إكمال اكتشاف الحافة ، ومطابقة القالب وغيرها من الخوارزميات في الوقت الفعلي ، مع سرعة معالجة تصل إلى 120 إطارًا في الثانية.
نظام قاعدة الكمبيوتر الشخصي: مناسب لسيناريوهات الكشف التعاوني متعدد الكاميرا ، باستخدام باسلر بيلون SDK لتحقيق الحصول على صور متعددة- لمكتبة Halcon المتعددة من أجل إعادة بناء السحابة ثلاثية الأبعاد.
3 ، خوارزمية الكشف الأساسية ومسار التنفيذ
1. وضع جاك واستخراج الحافة
ميزة اتجاه التدرج الكمي المتراكمة: قم بإنشاء مكتبة قالب لمحدودات الموصل عن طريق حساب الرسم البياني لاتجاه التدرج لكل بكسل في الصورة. توضح التجربة أن دقة التعرف على هذه الطريقة لموصلات M8 تصل إلى 99.7 ٪ ، ولا يزال بإمكانها العمل بشكل ثابت حتى في الخلفيات المعقدة.
تحليل الرسم البياني لخط الخط: مسح صورة الموصل على طول الاتجاه الأفقي/العمودي وحساب مواضع نقاط الانتقال الرمادية. أخذ نموذج معين من موصل M8 كمثال ، فإن سعة طفرة المستوى الرمادي لحافة المقبس على خط المسح تتجاوز 50 ، والتي يمكن أن تحدد مركز المقبس بدقة.
2. نموذج التصنيف للقابس - في الحالة
معالجة الصور التقليدية:
قياس المعلمة الهندسية: حساب المعلمات مثل انحراف مسافة المركز وزاوية الميل بين المسامير والمآخذ. على سبيل المثال ، عندما تتجاوز إزاحة مركز الدبوس 0.2 مم أو أن زاوية الميل أكبر من 2 درجة ، يتم الحكم عليها على أنها إدخال ضعيف.
تجزئة عتبة الرمادي: تحدد خوارزمية OTSU تلقائيًا عتبة التجزئة بين المسامير والمآخذ ، وتكتشف العيوب مثل دبابيس مفقودة أو عازمة.
حلول التعلم العميق:
الكشف عن كائن YOLOV5: قم بتدريب النموذج للتعرف على حالة الإدراج (العادية/غير المدرجة/غير المدرجة) ، وتحقيق قيمة خريطة قدرها 98.2 ٪ على 1000 صورة مشروحة.
شبكة التصنيف RESNET50: تنفيذ تجزئة منطقة 224 × 224 بكسل على المكونات - في السطح ، ويخرج المكونات - في مستوى الجودة (ممتاز/جيد/فقير) بعد الإدخال في الشبكة ، مع معدل دقة 97.5 ٪.
4 ، تحسين عملية الكشف في السيناريوهات الصناعية
1. الكشف الديناميكي و REAL - ملاحظات الوقت
تطبيق كاميرا صفيف خطية عالية-: على خط إنتاج مستمر ، يتم استخدام كاميرا صفيف خطية لمسح الموصل بتردد خط 10 كيلو هرتز وتشغيل تعويض الحركة باستخدام المشفر. على سبيل المثال ، زاد خط إنتاج إلكترونيات السيارات معين من سرعة الكشف إلى 300 موصل في الدقيقة من خلال هذا الحل.
PLC Collaborative Control: يقوم النظام البصري بنقل نتائج الكشف (إشارات OK/NG) في الوقت الفعلي إلى PLC من خلال بروتوكول TCP/IP ، مما يؤدي إلى آلية الفرز لإزالة المنتجات المعيبة. توضح البيانات التجريبية أن هذا المخطط يقلل من معدل الكشف الضائع للمنتجات المعيبة من 3 ٪ إلى 0.2 ٪.
2. تعزيز القدرة على التكيف البيئي
تصميم الاهتزاز المضاد: في ظل ظروف الاهتزاز ، يتم استخدام خوارزمية تصفية مجال التردد لقمع طمس الصورة الناجم عن الاهتزاز الميكانيكي. على سبيل المثال ، يمكن للاحتفاظ بإشارة نطاق التردد من 50 إلى 200 هرتز من خلال مرشح ممر النطاق استخراج ميزات حافة الموصل بشكل فعال.
تقنية التصوير المتعددة الأطياف: بالنسبة لمشاهد التلوث مثل بقع النفط والغبار ، جنبًا إلى جنب مع الضوء المرئي والتصوير بالأشعة تحت الحمراء ، يتم استخراج ميزات التداخل المضادة- من خلال تحليل المكون الرئيسي (PCA). أظهرت الاختبارات أن هذه الطريقة لا تزال تحافظ على دقة الكشف لأكثر من 95 ٪ في البيئات الملوثة بشدة.
5 ، حالات التطبيق النموذجية والتحقق من الأداء
1. اكتشاف مستشعر مفصل الروبوت
في مشروع معين من ستة محور روبوت صناعي ، يكتشف النظام البصري حالة الإدراج لموصل M8:
تكوين الأجهزة: 2 5- كاميرات Megapixel CMOS ، مقترنة مع عدسة تليفوتوغرافية ومصدر مصباح LED الدائري.
مؤشرات الاختبار: من الوسط إلى مركز الانحراف من دبابيس أقل من أو يساوي 0.15 مم ، زاوية الميل أقل من أو تساوي 1.5 درجة ، خطأ عمق الإدراج أقل من أو يساوي 0.3 ملم.
تأثير التنفيذ: بعد إطلاق النظام ، تحسنت دقة وضع الروبوت إلى 0.03 مم ، وهو أعلى بثلاث مرات من الكشف اليدوي ، وانخفض معدل فشل المعدات بنسبة 80 ٪.
2. اختبار نظام إدارة بطارية مركبات الطاقة الجديد
في خط إنتاج سيارات كهربائية معينة ، يكتشف النظام البصري موصلات M8:
اختبار المحتوى: عيوب مثل أكسدة المقبس ، ثني الدبوس ، وتلف طبقة العزل.
تحسين الخوارزمية: يتم استخدام شبكة التجزئة الدلالية الشباك لتصنيف مستوى البكسل على المكونات - في السطح ، مع سرعة اكتشاف تصل إلى 20 إطارًا في الثانية.
بيانات الإنجاز: يحقق النظام اكتشافًا عبر الإنترنت بنسبة 100 ٪ ، مع معدل اكتشاف ضائع صفر ومعدل اكتشاف كاذب أقل من 0.5 ٪ ، مما يضمن التشغيل الموثوق لنظام BMS لمدة 5 سنوات.
