一, la demanda de la indústria del connector de connector M8 - en detecció d'estat
Els connectors M8 s’utilitzen àmpliament en camps com la maquinària d’automatització de fàbriques, l’electrònica d’automòbils i el trànsit ferroviari, i el seu plug - en estat afecta directament l’estabilitat del sistema. Per exemple, en la connexió de sensors articulars del robot, la mala inserció d’un únic connector pot donar lloc a un error de retroalimentació de la posició superior a 0,1 mm, donant lloc a un moviment descontrolat del braç robòtic. La inspecció visual manual tradicional té els inconvenients de baixa eficiència i una elevada taxa de detecció falsa, mentre que els sistemes visuals poden detectar diversos connectors per segon amb una taxa de detecció falsa inferior al 0,01%, millorant significativament la qualitat de la producció.
2, Arquitectura de maquinari i selecció del sistema d’inspecció visual
1. Configuració de càmera industrial i lent
Selecció de resolució: per detectar la compensació de pins de 0,1 mm, cal una càmera amb una resolució de 5 milions de píxels o més. Per exemple, les càmeres de la sèrie Basler ACE poden aconseguir una precisió de detecció de 0,05 mm/píxel a la resolució de 1080p.
Paràmetres de lents: Adopció d’una lent telecèntrica per eliminar la distorsió de la perspectiva, la distància de treball es controla dins del rang de 50-100mm, garantint que el camp de vista cobreix tota la superfície d’inserció del connector.
Disseny de la font de llum: llum de fons LED circular combinada amb llum coaxial, que pot distingir clarament les vores metàl·liques de pins i endolls. L’experiment mostra que la llum oblic de 45 graus pot millorar el contrast de l’ombra a l’arrel del PIN i millorar la taxa de reconeixement del defecte.
2. Unitat de processament d’imatges
Sistema de visió incrustat: com ara la càmera intel·ligent IVP RangerC50 de malaltia, amb - construït en el mòdul de preprocessament FPGA, pot completar la detecció de vora, la concordança de plantilles i altres algoritmes en temps real, amb una velocitat de processament de fins a 120fps.
Sistema de base de PC: adequat per a escenaris de detecció col·laborativa de múltiples càmeres, utilitzant Basler Pylon SDK per aconseguir multi - adquisició d’imatges roscades i biblioteca Halcon per a la reconstrucció del núvol de punts 3D.
3, Algoritme de detecció de nuclis i ruta d’implementació
1. Posicionament de Jack i extracció de vora
Funció de direcció de gradient de quantització acumulada: Genereu una biblioteca de plantilla per als contorns del connector calculant l’histograma de direcció de gradient de cada píxel a la imatge. L’experiment mostra que la precisió de reconeixement d’aquest mètode per als connectors M8 arriba al 99,7%i que encara pot funcionar de manera estable fins i tot en fons complexos.
Anàlisi d’histogrames de la línia d’escaneig: escanegeu la imatge del connector al llarg de la direcció horitzontal/vertical i compteu les posicions dels punts de transició a escala de grisos. Prenent un determinat model de connector M8 com a exemple, l'amplitud de mutació del nivell de gris de la seva vora de la presa de la línia d'escaneig supera els 50, cosa que pot localitzar amb precisió el centre de la presa.
2. Model de classificació per a plug - en estat
Processament tradicional d’imatges:
Mesura de paràmetres geomètrics: Calculeu paràmetres com la desviació de la distància central i l’angle d’inclinació entre pins i endolls. Per exemple, quan la compensació del centre del passador supera els 0,2 mm o l’angle d’inclinació és superior a 2 graus, es considera que és una mala inserció.
Segmentació de llindar en escala de grisos: l'algoritme OTSU determina automàticament el llindar de segmentació entre pins i endolls, detectant defectes com els pins que falten o els doblats.
Solucions d’aprenentatge profund:
Detecció d’objectes YOLOV5: entrena el model per reconèixer l’estat d’inserció (normal/mig inserit/no inserit), aconseguint un valor de mapa del 98,2% en 1000 imatges anotades.
RESNET50 Classificació Network: realitza 224 × 224 píxels segmentació de l’àrea al connector - a la superfície i produeix el connector - a nivell de qualitat (excel·lent/bo/pobre) després d’haver entrat a la xarxa, amb una taxa de precisió del 97,5%.
4, Optimització del procés de detecció en escenaris industrials
1. Detecció dinàmica i real - Feedback de temps
Aplicació de la càmera de matriu lineal de velocitat alta -: En una línia de producció contínua, s'utilitza una càmera de matriu lineal per escanejar el connector a una freqüència de línia de 10 kHz i desencadenar una compensació de moviment amb un codificador. Per exemple, una determinada línia de producció d’electrònica d’automòbils ha augmentat la velocitat de detecció fins a 300 connectors per minut mitjançant aquesta solució.
Control col·laboratiu de PLC: el sistema visual transmet els resultats de detecció (senyals OK/NG) en temps real al PLC mitjançant el protocol TCP/IP, desencadenant el mecanisme d’ordenació per eliminar productes defectuosos. Les dades experimentals mostren que aquest esquema redueix la taxa de detecció perduda dels productes defectuosos del 3% al 0,2%.
2. Adaptabilitat ambiental millorada
Disseny anti -vibració: En condicions de vibració, l'algoritme de filtratge de domini de freqüència s'utilitza per suprimir l'imatge desenfadat causat per vibracions mecàniques. Per exemple, conservar el senyal de banda de freqüència de 50-200Hz a través d’un filtre de banda de banda pot extreure eficaçment les funcions de vora del connector.
Tecnologia d’imatge multispectral: per a escenes de contaminació com ara taques d’oli i pols, combinades amb llum visible i imatge d’infrarojos, s’extreuen les funcions d’interferència anti - mitjançant l’anàlisi de components principals (PCA). Les proves han demostrat que aquest mètode encara pot mantenir una precisió de detecció superior al 95% en entorns fortament contaminats.
5, casos d'aplicació típics i verificació de rendiment
1. Detecció de sensors articulars de robot
En un cert projecte de robot industrial de sis eixos, el sistema visual detecta l'estat d'inserció del connector M8:
Configuració del maquinari: 2 5- càmeres Megapixel CMOS, combinades amb una lent de teleobjectiu i una font de llum circular LED.
Indicadors de prova: Center a la desviació central de pins menys o igual a 0,15 mm, angle inclinat inferior o igual a 1,5 graus, error de profunditat de la inserció inferior o igual a 0,3 mm.
Efecte d’implementació: Després del llançament del sistema, la precisió de posicionament del robot va millorar fins a ± 0,03 mm, que és tres vegades superior a la detecció manual i la taxa de fallada de l’equip va disminuir un 80%.
2. Prova del nou sistema de gestió de bateries de vehicles energètics
En una determinada línia de producció de vehicles elèctrics BMS, el sistema visual detecta connectors M8:
Contingut de prova: defectes com l’oxidació de la presa, la flexió de pins i els danys de la capa d’aïllament.
Optimització de l'algoritme: U - xarxa de segmentació semàntica neta s'utilitza per realitzar una classificació de nivell de píxel al connector - a la superfície, amb una velocitat de detecció de fins a 20fps.
Dades d’assoliment: el sistema aconsegueix una detecció en línia al 100%, amb una taxa de detecció zero perduda i una taxa de detecció falsa inferior al 0,5%, garantint el funcionament fiable del sistema BMS durant 5 anys.
