论电子产品自动化测试线团体标准的制定与实践

电子产品自动化测试线技术密集程度高、参数指标多、综合性强,需要产品标准的规范和引领来提升自动化测试线的统一性、兼容性和互通性,推动制造业数据互联互通与有序流通共享。制定电子产品自动化测试线团体标准时,宜细分为“通用要求”“接口规范”和“检测方法”三个标准文件来编写,并确保标准技术内容的可行性、科学性、适用性、先进性,提高标准质量。最后以汽车域控制器自动化测试线团体标准为例,分享在电子产品自动化测试线团体标准制定方面的具体实践经验。

面向视觉检测的深度学习图像分类网络及在零部件质量检测中应用

基于深度学习图像分类是视觉检测应用的基本任务.该文系统总结基于模型深度化图像分类网络、基于模型轻量化图像分类网络及其他优化网络主要思想、网络结构、实现技术、技术指标、应用场景,指出网络模型深度化、轻量化分别有助于提高图像分类准确性、实时性.最后,面向零部件质量检测需求,应根据其类型多少、结构复杂程度、特征异同等特点,结合实时性要求,选择合适的图像分类网络构建零部件质量智能检测系统.

基于多角点结合的机箱标准件图像特征提取方法

机箱装配具有部位多、标准件类型复杂特点,采用机器视觉进行机箱装配质量检测,提取具有较强表示能力图像特征是关键,该文提出基于多角点结合的机箱标准件图像特征提取方法。首先,分析机箱3大类标准件图像特性及角点特征,指出角点特征较好地覆盖机箱标准件特性;然后,分析Harris、Shi-Tomasi、Fast方法角点特征提取机理与判定条件,并结合3种方法提出多角点结合的机箱标准件图像特征提取方法。结果表明:该方法能将背景中错误角点特征识别为伪角点特征,机箱标准件显著特征识别为真角点特征,较好地解决受干扰影响错误提取角点特征问题。

面向机箱标准件装配质量局部特征的智能检测技术

标准件装配质量包含零件类型、位置偏差、姿态偏差等多个指标,还具有部位多、类型复杂的特点,该文提出基于装配局部特征的检测模板结合机器视觉的产品装配质量智能检测方案。首先,分析鉴别产品质量需从类型、位置、角度方面进行检测,还须结合装配公差要求,研究标准件局部特征检测方法;其次,通过标准件局部特征检测对装配部件进行快速准确定位、利用数学模型进行鉴别,结合SURF算法确定主方向及特征点,实现标准件装配质量的快速智能检测;最后,构建机箱标准件装配质量检测装置,对多个不同型号ADLINK嵌入式机箱进行试验。结果表明:与全局检测相比,使用标准件装配质量的局部特征智能检测技术,检测时间可缩短86.31%,实现零漏检,识别正确率达100%。

面向标准件装配质量的PI-SURF检测区域划分技术

标准件装配具有部位多、类型复杂、结构各异等特点,可基于产品特性指导机器视觉进行产品装配质量检测。该文基于部分装配产品的位置不变性(PI),提出面向标准件装配质量的PI-SURF检测区域划分技术。首先,分析产品装配中各标准件间位置关系基本稳定的特点,以平面尺寸链描述两个标准件的位置关系,提出基于PI的装配检测区域划分方法;其次,提出基于PI-SURF的标准件装配质量检测区域划分技术,通过提取基准部位的SURF区域特征与特征主方向,使得检测区域具有对产品整体平移、旋转的抗干扰能力;最后,构建标准件装配质量检测装置,以联想ThinkCentre G3机箱进行试验。结果表明:与全局检测相比,使用PI-SURF检测区域划分技术后,检测时间缩短83.4%,实现零漏检,提高装配质量检测装置结果可靠性。