基于YOLOv5的工具表面缺陷检测系统

在工业生产过程中，产品质量极易受到现有生产技术等客观条件的影响，因此需要对产品进行质量检验，其中，表面缺陷是产品质量合格的重要指标之一。现如今在表面缺陷检测方面的常见技术有渗透探伤、超声波检测、机器视觉等。利用基于深度学习的YOLOv5算法通过机器视觉识别工具表面不同缺陷种类，为工具产品的质量检验提供便利。     

基于视觉的图形码识别产品的硬件设计

现代产业要求在大型物资管理系统中实现全自动物资精细化管理,特别是在特种物品管理的场景下,现有传统的标识技术已经带来了风险和隐患,如在电力工具管理中,使用传统的RFID标签会显著降低绝缘工具的绝缘性,使绝缘工具面临被高压击穿的风险,可能危及使用者的生命。面对这样的现状,本文研发了基于视觉的图形码识别产品,能够在物品表面环形布局,具有局部识读物品身份的标签技术,识别技术主要以图像处理、机器视觉为主,解决了条形码、二维码需要精准摆放、RFID影响物品绝缘性等关键问题,可以应用在不同环境的智能仓储中助力实现全自动物资精细化管理。