面向机箱标准件装配质量局部特征的智能检测技术

标准件装配质量包含零件类型、位置偏差、姿态偏差等多个指标,还具有部位多、类型复杂的特点,该文提出基于装配局部特征的检测模板结合机器视觉的产品装配质量智能检测方案。首先,分析鉴别产品质量需从类型、位置、角度方面进行检测,还须结合装配公差要求,研究标准件局部特征检测方法;其次,通过标准件局部特征检测对装配部件进行快速准确定位、利用数学模型进行鉴别,结合SURF算法确定主方向及特征点,实现标准件装配质量的快速智能检测;最后,构建机箱标准件装配质量检测装置,对多个不同型号ADLINK嵌入式机箱进行试验。结果表明:与全局检测相比,使用标准件装配质量的局部特征智能检测技术,检测时间可缩短86.31%,实现零漏检,识别正确率达100%。     

面向视觉检测的深度学习图像分类网络及在零部件质量检测中应用

基于深度学习图像分类是视觉检测应用的基本任务。该文系统总结基于模型深度化图像分类网络、基于模型轻量化图像分类网络及其他优化网络主要思想、网络结构、实现技术、技术指标、应用场景,指出网络模型深度化、轻量化分别有助于提高图像分类准确性、实时性。最后,面向零部件质量检测需求,应根据其类型多少、结构复杂程度、特征异同等特点,结合实时性要求,选择合适的图像分类网络构建零部件质量智能检测系统。