基于机器视觉的铝巴表面缺陷检测系统设计

表面缺陷检测是产品出厂前必不可少的一个环节,新能源汽车电池底座的铝巴缺陷检测以往是依靠人工目检,但该方式效率低下、误检率高,且易受人的主观因素影响。为了促进产线升级,通过Halcon与C#实现混合编程,设计一种基于机器视觉的铝巴表面缺陷检测系统。通过工业相机采集铝巴图像进行相应的阈值分割;采用Halcon算法的图像处理方式,依据正常与缺失铝巴间的差异选择特征向量进行特征提取,进而判断铝巴是否缺失。该系统弥补了以往人工目检方式存在的不足,实现了由传统人工生产向半自动化生产的转变。企业实际应用结果表明:所设计检测系统的误检率为0%,相比于人工目检省时26min,达到了预期效果,能够满足实际需求。

全自动目检仪在生产中的应用

按照2010版中国药典三部附录中对"可见异物"的检查要求,介绍了对注射剂中不溶性物质的人工目检和全自动目检2种方法,详细叙述了全自动目检仪的使用和验证。通过2种检查法的比较,采用全自动目检仪对注射剂中的"可见异物"进行检查,可以有效地避免人为因素干扰,保证了产品的目检质量,做到检测自动化、科学化,结果判断数据化。

基于视觉的工件状态检测系统

EV14工件是广泛应用于电磁阀的零部件。在实际生产中,它先经过钢材加工,装盘,然后再进行镀铬处理。而EV14工件上下两个端面的直径是不同的,所以在装盘时,可能会出现大小头倒置的情况出现,盘中若存在一个错误的零件将会导致该盘在镀铬时失败。传统的故障排除方法是通过人工目检排除倒置的工件,这种方法不仅耗费人力成本,而且没法完全排除故障,并且人工目检的方法不能很好地分辨EV14工件在生产时端面造成的磨损故障。针对这两个问题,基于视觉机构设计出一套EV14的工件自动检测系统。该检测设备不仅可以很好地分辨出工件倒置、工件的磨损故障,而且还可以检测某盘各料是否都已经镀铬。该自动检测系统已经在实际工业中得到应用,取得了良好的实际效果。