基于机器视觉汽车扶手箱卡簧装配质量检测系统的研究

给出了一种基于机器视觉的全自动汽车扶手箱卡簧装配质量检测系统。利用由工业摄像机和光源组成的视觉系统采集汽车扶手箱装配部位的结构图像并对其进行分析处理。通过对图像进行去除噪声、模板匹配定位、目标区域图像分割等过程得到待检测部件的相对位置信息。运用软件来测量各个区域特征间的位置关系和面积大小并与标准值进行比较来判断装配质量的好坏,从而实现汽车扶手箱卡簧装配质量检测过程的完全自动化操作。

基于Mask R-CNN的枪弹底火装配质量检测系统设计

提出了一种基于Mask R-CNN的枪弹底火装配质量检测方案。构建了底火装配质量在线检测系统,该系统利用机器视觉技术设计了基于Mask R-CNN网络模型的检测算法,主要借助目标检测算法Faster R-CNN进行目标定位,用全卷积神经网络(FCN)进行分割,实现枪弹底火装配缺陷位置显示和标记。通过实验将本文检测方法与人工检测方式进行了对比,结果表明,该方案能够快速、准确、有效地判别出合格品,其平均检测时间约为400 ms,检测准确率达99.4%,系统的检测速度和检测精度均能满足工业生产的需求。

改进VMD和LSTM的联合收割机装配质量检测方法

针对联合收割机装配精度不高和装配质量难以检测的问题,提出一种基于麻雀搜索算法(SSA)优化变分模态分解(VMD)和长短时记忆神经网络(LSTM)的联合收割机装配质量检测方法。该方法首先利用SSA算法自适应寻优得到最优VMD分解模态参数K和惩罚因子α,然后利用最佳参数组合[K,α]将联合收割机振动信号分解成不同中心频率的本征模态分量IMF,并对各个IMF分别进行联合特征提取组成特征向量,最后将联合特征向量作为LSTM的输入,实现不同故障特征的分类。分析结果表明,SSA-VMD-联合特征提取方法分类准确率为98.1%,分别比集合经验模态分解(EEMD)和固定参数VMD高7.1%和6.1%,验证所提方法对联合收割机装配质量检测的优越性。

基于IWOA-LSSVM的联合收割机装配质量检测研究

目前联合收割机的装配质量检测缺乏有效手段,且现有方法的检测精度也比较低,针对这些问题,提出了一种基于改进的鲸鱼算法优化最小二乘支持向量机(IWOA-LSSVM)的联合收割机装配质量检测方法。首先,针对鲸鱼优化算法(WOA)搜索能力弱、易早熟等特点,引入余弦控制因子和正弦时变自适应权重对其进行了改进,使用基准测试函数验证了算法的一般适应性;然后,通过互补集合经验模态分解(CEEMD)对信号进行了降噪分解,提取了各分量信息熵和时频域特征,构建了其融合特征集;最后,建立了基于IWOA-LSSVM-CEEMD的联合收割机装配质量检测模型,并将其在东方红4LZ-9A2联合收割机上进行了试验,以验证检测模型的有效性;将该方法与其他方法进行了对比分析。研究结果表明:所提方法平均预测准确率达到91.3%,与未改进的方法相比提升7%,平均预测准确率的标准差降低0.68%;该结果验证了所提方法在联合收割机装配质量检测方面的优越性。

基于改进阈值分割与形态学的螺钉目标检测算法

为了在外部环境干扰严重的条件下提高螺钉智能装配质量,文章提出了基于改进阈值分割与形态学的螺钉装配质量检查算法。首先,设计了融合最大方差与自适应阈值的分割算法,完成目标分割,防止欠分割与过度分割。其次,考虑去棱角与突出目标中心,改进了形态学结构分子,联合高帽运算,去除噪声干扰,进一步精确分割目标。然后提取目标纹理特征,通过标准特征值,完成螺钉目标检测。最后编程实现整个系统,并且在实际工程环境中使用。实验结果表明:与当前螺钉检测技术相比,文中算法拥有更高的检查正确率与稳定性。

工业CT技术在飞机修理中的应用

工业CT等无损检测技术在飞机维修中发挥着越来越重要的作用。根据工业CT在不分解和不破坏产品状态下可直接测量复杂产品的三维内部缺陷、构造和几何尺寸特征的技术特点,对其在飞机修理中的逆向测绘、装配质量检测、工件内部尺寸测量、工件内部缺陷检测这4种典型应用进行了可行性分析。同时,结合飞机机电产品实例阐述了应用流程和实际结果,并指出了应用中的工艺参数选择和检测精度与误差控制等注意事项。