0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

基于圖像識別的零件缺陷在線檢測系統(tǒng)

h1654155282.3538 ? 來源:電子迷 ? 作者:電子迷 ? 2020-08-16 12:08 ? 次閱讀

零件缺陷的檢測是企業(yè)在實際生產(chǎn)過程中的一個必不可少的環(huán)節(jié)。目前,我國大部分的中小型生產(chǎn)廠家都還采用人工篩選的方法來保證產(chǎn)品的質(zhì)量,一方面,人工測量降低了檢測的效率和正確率,人工篩選一般采用肉眼觀察的方法,隨著時間工作的推移,失誤率逐漸提高,識別速度也會越來越慢 ;另外一方面,國內(nèi)的人力人本在不斷提高,企業(yè)考慮到成本不可能對每個零件都進行測量,一般只在同一批次中進行抽樣檢測,這可能造成部分不合格產(chǎn)品難以檢出,降低產(chǎn)品的質(zhì)量。隨著人工智能技術(shù)的持續(xù)升溫,基于視覺的尺寸檢測技術(shù)得到了快速的發(fā)展,在機械電子等眾多行業(yè)中,已逐步取代人工故障檢測的方法。 在這種形勢下,開發(fā)一種能夠在線精確檢測零件尺寸,并根據(jù)檢測結(jié)果,對不合格產(chǎn)品進行篩選的系統(tǒng)不僅可以降低企業(yè)的生產(chǎn)成本,還可以提高產(chǎn)品的生產(chǎn)質(zhì)量。

1 系統(tǒng)總體結(jié)構(gòu)

系統(tǒng)硬件平臺的設計是在充分考慮系統(tǒng)功能和視覺檢測對環(huán)境需求的基礎上完成的,其結(jié)構(gòu)如圖 1 所示。整個系統(tǒng)由遮光罩、openMV 相機模塊、無畸變鏡頭、光源、stm32 單片機系統(tǒng)、伺服電機、迪文屏、光電傳感器、舵機等部件所組成。待測零件在經(jīng)過振動分揀裝后被逐個運送傳送帶上,經(jīng)過openMV 攝像頭模塊內(nèi)置的圖形圖像算法的運算后,獲得零件的尺寸信息并輸出給 stm32 單片機,單片機通過控制舵機實現(xiàn)對零件的分揀,并通過光電傳感器感知單個零件檢測完畢。

圖 1 系統(tǒng)總體結(jié)構(gòu)

2 硬件設計

控制系統(tǒng)總體結(jié)構(gòu)如圖 2 所示,整個系統(tǒng)使用 220V 市電進行供電,經(jīng)過 MP175 降壓電路降為 6v 左右后分別給舵機、光電模塊及 LED 光源供電,stm32 單片機、openMV 模塊及迪文顯示屏采用隔離電源,保證用電的安全性 ;stm32 單片機是整個控制系統(tǒng)的核心,采用 F103 系列,其內(nèi)部帶有 2 路高 級定時器,可以產(chǎn)生高精度的 PWM 波驅(qū)動伺服電機 ;帶有多路串口通信接口,可以實現(xiàn)與 openMV 及迪文屏之間的通信 ; stm32 單片機與執(zhí)行機構(gòu)及傳感器之間的連接都加入了光耦隔離芯片,防止外部干擾信號串入單片機回路,造成單片機 “死機”或損毀 I/O。openMV 是一個成本低廉,性能優(yōu)越的視覺識別模塊,它的核心是一個 stm32F7 單片機,內(nèi)置了圖像識別算法和一個 microPython 解析器,用戶可通過設計簡易的Python 程序,即可實現(xiàn)圖像識別,openMV 自帶有多路 I/O, 但在本設計中,由于要控制多路外設,為此它僅作為圖像識別單元,不作為控制單元。

圖 2 控制系統(tǒng)硬件結(jié)構(gòu)

電源模塊在設計時需要考慮它的最大功率,由于帶有舵機、光源等外設,系統(tǒng)所需的功率大約在 10w 左右,為減小控制系統(tǒng)總體積,本設計采用的是美國芯源系統(tǒng)有限公司的 MP175 芯片,它是一款 700v 的非隔離降壓芯片,可將 220v 直接通過 buck 電路降壓至所需要的電壓,并且具有 10w 的輸出能力,相較于傳統(tǒng)的互感器降壓,它的體積更小,成本更低。降壓電路如圖 3 所示,其中熱敏電阻 R19 和保險絲構(gòu)成前置保護電路,防止浪涌電壓損壞系統(tǒng) ;交流轉(zhuǎn)直流采用全橋方式,可以提高電源輸出功率,L1、CE1 和 CE2 構(gòu)成LC 濾波電路,提高直流電的輸出性能,降低 MP175 發(fā)熱量 ; R16 和 R17 構(gòu)成反饋電路,輸出電壓與反饋電阻的關系為:

Vfb的值為 2.53v,本次電源由 220v 降壓為 6v 左右,為此,R16 和R17 分別選擇 6.8k 和 4.99k 的電阻; L2 和D8 構(gòu)成蓄流回路,當MP175 內(nèi)部MOS 管處于截止狀態(tài)時, L2 放電為整個系統(tǒng)供電,值得注意的是,在蓄流回路中,二極管反向恢復的速度會直接影響芯片轉(zhuǎn)換效率,為此,需要選擇超快恢復二極管 ;為保證電源電路能輸出穩(wěn)定且紋波較小的電壓,除了元器件參數(shù)及選型需要考慮外,在 PCB 設計時, 線路布局也非常的關鍵,需考慮以下幾點 :(1)L2、輸出電容CE3、蓄流二極管 D8 及芯片內(nèi)部的 MOSFET 構(gòu)成的回路必須盡可能小 ;(2)MP175 降壓電路中,反饋的電壓信號的穩(wěn)定性至關重要,為此走線時必須遠離電感等干擾源,且回饋點必須是在電容濾波之后,不能直接從電感輸出端接入;(3)Drain 管腳上鋪銅盡可能增大,這樣有助于芯片的散熱。

圖 3 電源電路

3 軟件設計

系統(tǒng)軟件由 openMV 中的零件檢測程序及stm32 中的自動控制程序 2 個部分所組成, 其流程如圖 4 所示,基于視覺的缺陷檢測步驟如下 :抓取圖片,并根據(jù)顏色閾值,查找圖中零件 ;找到零件后,首先對其進行二值化,然后再查找其邊沿 ;利用最小轉(zhuǎn)動慣量法查找零件中心軸, 計算零件內(nèi)中心軸的長度,從而判斷出零件是否合格 ;通過串口發(fā)送零件信息至單片機。stm32 單片機的運行步驟如下:

圖 4 軟件處理流程

系統(tǒng)上電初始化,等待迪文屏啟動按鍵按下,一旦按下,則通知 openMV 進入工作狀態(tài) ;設備處于運行狀態(tài)時,stm32 產(chǎn)生一路 PWM 波,控制伺服電機運行 ;當接收 openMV 發(fā)送的零件是否合格的信息后,stm32 產(chǎn)生相應 PWM 控制舵機將葉片旋轉(zhuǎn)至正確位置 ;當零件通過光電開關后,一次檢測結(jié)束,舵機葉片歸零。

4 結(jié)束語

本文結(jié)合 openMV 及 stm32 單片機設計了一種基于圖像識別的零件缺陷在線檢測系統(tǒng),通過檢查零件尺寸是否準確從而實現(xiàn)對不合格產(chǎn)品進行過濾,具有體積小,成本低,自動化程度高的特點,適用于識別精度要求不高的工業(yè)現(xiàn)場。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 檢測系統(tǒng)

    關注

    3

    文章

    942

    瀏覽量

    42986
  • 圖像識別
    +關注

    關注

    9

    文章

    516

    瀏覽量

    38196
收藏 人收藏

    評論

    相關推薦

    目標檢測圖像識別的區(qū)別在哪

    目標檢測圖像識別是計算機視覺領域中的兩個重要研究方向,它們在實際應用中有著廣泛的應用,如自動駕駛、智能監(jiān)控、醫(yī)療診斷等。盡管它們在某些方面有相似之處,但它們之間存在一些關鍵的區(qū)別。 基本概念 目標
    的頭像 發(fā)表于 07-17 09:51 ?537次閱讀

    圖像檢測圖像識別的原理、方法及應用場景

    圖像檢測圖像識別是計算機視覺領域的兩個重要概念,它們在許多應用場景中發(fā)揮著關鍵作用。 1. 定義 1.1 圖像檢測
    的頭像 發(fā)表于 07-16 11:19 ?2412次閱讀

    圖像識別算法都有哪些方法

    傳統(tǒng)方法和基于深度學習的方法。 傳統(tǒng)圖像識別算法 1.1 邊緣檢測 邊緣檢測圖像識別的基礎,它用于檢測
    的頭像 發(fā)表于 07-16 11:14 ?4649次閱讀

    圖像識別技術(shù)的原理是什么

    圖像識別技術(shù)是一種利用計算機視覺和機器學習技術(shù)對圖像進行分析和理解的技術(shù)。它可以幫助計算機識別和理解圖像中的對象、場景和活動。 圖像預處理
    的頭像 發(fā)表于 07-16 10:46 ?744次閱讀

    圖像識別屬于人工智能嗎

    屬于。圖像識別是人工智能(Artificial Intelligence, AI)領域的一個重要分支。 一、圖像識別概述 1.1 定義 圖像識別是指利用計算機技術(shù)對圖像中的內(nèi)容進行分析
    的頭像 發(fā)表于 07-16 10:44 ?778次閱讀

    opencv圖像識別有什么算法

    圖像識別算法: 邊緣檢測 :邊緣檢測圖像識別中的基本步驟之一,用于識別圖像中的邊緣。常見的邊緣
    的頭像 發(fā)表于 07-16 10:40 ?617次閱讀

    如何利用CNN實現(xiàn)圖像識別

    卷積神經(jīng)網(wǎng)絡(CNN)是深度學習領域中一種特別適用于圖像識別任務的神經(jīng)網(wǎng)絡結(jié)構(gòu)。它通過模擬人類視覺系統(tǒng)的處理方式,利用卷積、池化等操作,自動提取圖像中的特征,進而實現(xiàn)高效的圖像識別。本
    的頭像 發(fā)表于 07-03 16:16 ?823次閱讀

    圖像檢測識別技術(shù)的關系

    檢測技術(shù)是指利用計算機視覺技術(shù),對圖像中的特定目標進行定位和識別的過程。它通常包括圖像預處理、特征提取、目標檢測和后處理等步驟。
    的頭像 發(fā)表于 07-03 14:43 ?452次閱讀

    圖像檢測圖像識別的區(qū)別是什么

    圖像檢測圖像識別是計算機視覺領域的兩個重要研究方向,它們在許多應用場景中都有著廣泛的應用。盡管它們在某些方面有相似之處,但它們之間還是存在一些明顯的區(qū)別。本文將從多個角度對圖像
    的頭像 發(fā)表于 07-03 14:41 ?646次閱讀

    在線視覺檢測系統(tǒng)機器視覺系統(tǒng)的常用功能

    在線視覺檢測系統(tǒng)可用于平穩(wěn)放置的橡膠零件、精密五金零件、汽車、手機零件、塑膠
    的頭像 發(fā)表于 03-05 16:56 ?419次閱讀
    <b class='flag-5'>在線</b>視覺<b class='flag-5'>檢測</b><b class='flag-5'>系統(tǒng)</b>機器視覺<b class='flag-5'>系統(tǒng)</b>的常用功能

    無紡布缺陷在線檢測儀怎么用

    隨著科技的不斷發(fā)展,無紡布作為一種新型環(huán)保材料,已經(jīng)廣泛應用于各個領域。然而,無紡布的生產(chǎn)過程中難免會出現(xiàn)一些缺陷,如針眼、孔洞等。為了提高無紡布的質(zhì)量,許多企業(yè)開始使用無紡布缺陷在線檢測儀進行實時
    的頭像 發(fā)表于 02-03 14:58 ?434次閱讀
    無紡布<b class='flag-5'>缺陷在線</b><b class='flag-5'>檢測</b>儀怎么用

    圖像識別技術(shù)原理 圖像識別技術(shù)的應用領域

    圖像識別技術(shù)是一種通過計算機對圖像進行分析和理解的技術(shù)。它借助計算機視覺、模式識別、人工智能等相關技術(shù),通過對圖像進行特征提取和匹配,找出圖像
    的頭像 發(fā)表于 02-02 11:01 ?2086次閱讀

    基于TensorFlow和Keras的圖像識別

    TensorFlow和Keras最常見的用途之一是圖像識別/分類。通過本文,您將了解如何使用Keras達到這一目的。定義如果您不了解圖像識別的基本概念,將很難完全理解本文的內(nèi)容。因此在正文開始之前
    的頭像 發(fā)表于 01-13 08:27 ?734次閱讀
    基于TensorFlow和Keras的<b class='flag-5'>圖像識別</b>

    如何使用Python進行圖像識別的自動學習自動訓練?

    如何使用Python進行圖像識別的自動學習自動訓練? 使用Python進行圖像識別的自動學習和自動訓練需要掌握一些重要的概念和技術(shù)。在本文中,我們將介紹如何使用Python中的一些常用庫和算法來實現(xiàn)
    的頭像 發(fā)表于 01-12 16:06 ?505次閱讀

    使用Python卷積神經(jīng)網(wǎng)絡(CNN)進行圖像識別的基本步驟

    Python 卷積神經(jīng)網(wǎng)絡(CNN)在圖像識別領域具有廣泛的應用。通過使用卷積神經(jīng)網(wǎng)絡,我們可以讓計算機從圖像中學習特征,從而實現(xiàn)對圖像的分類、識別和分析等任務。以下是使用 Pytho
    的頭像 發(fā)表于 11-20 11:20 ?4942次閱讀