虚拟仪器在轴尺寸测量中的应用

为提高继电器关键零部件的测量效率和测量精度,提出一种基于虚拟仪器与机器视觉技术相结合的微尺寸测量系统。该系统由工业相机采集微小尺寸轴图像,利用LabVIEW虚拟仪器开发环境中的IMAQ Vision库进行图像分析处理,运用轮廓分析方法得到被测工件的轮廓数据,并采用最小二乘法进行直线拟合以动态实现微小尺寸的自动检测功能。试验结果表明,设计的视觉检测系统误差不超过0.002mm,有效提升了继电器关键零部件微小尺寸检测的准确率和稳定性,具有良好的实用价值。     

基于LabVIEW机器视觉在继电器检测系统中的应用研究

机器视觉系统已成为许多工业过程的重要组成部分。针对继电器衔铁小轴检测精度要求高,人工检测难以保证测量精度和快速性的问题,研究开发一套基于LabVIEW机器视觉的继电器衔铁小轴视觉检测系统。该系统基于LabVIEW开发平台,通过图像采集、图像分析处理、VISA串口通信等功能的研究实现继电器项目的快速、可靠检测。利用实际待加工工件进行自动测试实验,结果表明继电器视觉检测系统具有稳定、快速、高效特性,满足继电器生产线对衔铁小轴质量的要求,为继电器自动化测量技术进一步发展提供了一种可行思路。     

基于深度学习的线束端子外观缺陷检测技术研究

为解决接触件端子与线束压接过程中会出现未成功压接、压接不到位、芯线外漏等质量问题,提出一种基于传统机器视觉和深度学习相结合的方法实现线束端子外观缺陷智能检测。首先搭建视觉检测系统获取高质量的线束端子外观图像,接着应用传统机器视觉中的图像预处理、图像滤波、最小二乘法实现剥线长度的在线检测,然后人工标注线束端子外观缺陷并构建样本数据集,最后利用深度学习算法实现线束端子外观缺陷的智能检测。试验结果表明,该视觉检测系统与人工检测对比误差小于0.01 mm,模型缺陷识别准确率为99.33%,漏检率为零,单张图像推理耗时5.6 ms。该系统运行稳定可靠,满足实际生产需求。