Ispezione visiva delle etichette delle fiale

Come figura nota sia a livello nazionale che internazionaleVisione intelligenteImpresa di ricerca e sviluppo di attrezzatureI servizi tecnici di Shanghai Lujia Automation Technology Co., Ltd. forniscono soluzioni tecnologiche intelligenti per apparecchiature di ispezione visiva per componenti industriali sincronizzati con gli standard internazionali per l'industria manifatturiera cinese. L'ispezione visiva dell'etichetta della bottiglia della fiala viene applicata in vari settori quali prodotti farmaceutici, alimentari, bevande, prodotti chimici quotidiani, prodotti sanitari, elettronica, elettrodomestici, industria chimica, industria automobilistica e plastica e hardware!

Ispezione visiva delle etichette delle fialeIl dispositivo èLa tecnologia di elaborazione delle immagini digitali è un settore tecnologico emergenteGià nel sistema di automazioneprodotti chimici per uso quotidianoApplicazioni in campi come il rilevamento e il riconoscimento intelligente. È diventata una delle soluzioni importanti per il rilevamento manuale tradizionale con velocità lenta e bassa efficienza di rilevamento. A causa della produzione effettivaCi sono molti difetti nei dettagli delle parti industriali, quindi è necessario utilizzare algoritmi appropriati per l'identificazione e il rilevamento accurati. Questo articolo si concentra suRilevamento dell'etichetta del flaconeAbbiamo progettato lo schema complessivo del sistema di rilevamento delle immagini, costruito una piattaforma hardware sperimentale e fornito un'introduzione dettagliata ai vari componenti utilizzati nel sistema visivo e alla composizione del sistema di illuminazione, quindi abbiamo calibrato il sistema della fotocamera e completato la correzione degli effetti di distorsione. Dopo aver ottenuto l'immagine corretta, sono state messe a fuoco tecnologie chiave come il preelaborazione dell'immagine, il rilevamento dei bordi e la misurazione dei parametri geometrici delle parti. Nel preprocessing, la categoria di rumore dell'immagine è stata dapprima analizzata e vari algoritmi di filtraggio sono stati confrontati per trovare l'algoritmo di filtraggio adatto per l'immagine in questo articolo. Inoltre, nel rilevamento dei bordi delle immagini, sono stati confrontati i classici algoritmi di rilevamento dei bordi, fornendo una base per la successiva estrazione delle funzionalità. Nel rilevare le caratteristiche di base di un'immagine, cerchi e linee nell'immagine sono stati rilevati separatamente e i parametri dei risultati di rilevamento sono stati ottimizzati per migliorare le prestazioni di rilevamento di cerchi e linee. Quando si rilevano scanalature nell'immagine, è stato utilizzato un algoritmo di corrispondenza dei modelli per identificare con precisione la posizione delle scanalature. Dopo l'ispezione delle dimensioni dei pezzi, l'articolo ha studiato anche i metodi di classificazione e riconoscimento di parti intatte, parti saldate e parti graffiate. In primo luogo, attraverso il rilevamento dei bordi, pur garantendo bordi chiari e completi dell'immagine, l'algoritmo istogramma della direzione gradiente viene utilizzato per l'estrazione delle caratteristiche e le reti neurali probabilistiche e SVM sono utilizzati per la classificazione e il riconoscimento, ottenendo buoni risultati di classificazione. Tuttavia, a causa dell'elevata dimensionalità dei vettori di funzionalità e della sovrapposizione delle informazioni di estrazione delle funzionalità, è difficile utilizzare appieno le informazioni chiave nell'immagine. L'algoritmo dell'istogramma della direzione gradiente è stato migliorato nell'articolo tramite interpolazione bilineare dell'algoritmo di estrazione delle caratteristiche dell'istogramma della direzione gradiente per ottenere vettori di funzionalità che riflettono meglio le caratteristiche dettagliate. Poi, le reti neurali e le macchine vettoriali di supporto sono state utilizzate per il riconoscimento, che non solo hanno migliorato l'effetto anti-aliasing dei valori delle caratteristiche, ma anche aumentato l'accuratezza della classificazione e del riconoscimento delle immagini. L'implementazione di questo modulo si basa su Visual C++ e MATLAB, incluso lo sviluppo di interfacce di sistema visive e scrittura di algoritmi. Questo articolo realizza la rilevazione delle caratteristiche del pezzo e la classificazione e il riconoscimento di diversi tipi di parti. I risultati della ricerca nell'articolo riflettono un certo valore ingegneristico e forniscono un certo significato di riferimento per l'applicazione della tecnologia di misurazione delle immagini e la classificazione e il riconoscimento delle parti.