一, industriële vraag naar M8 Connector Plug - in statusdetectie
M8 -connectoren worden veel gebruikt in velden zoals fabrieksautomatiseringsmachines, automotive -elektronica en railtransit, en hun plug - in status beïnvloedt direct de systeemstabiliteit. Bij het aansluiten van robotgewrichtsensoren kan een slechte insertie van een enkele connector bijvoorbeeld resulteren in een positiefeedbackfout van meer dan 0,1 mm, wat leidt tot ongecontroleerde beweging van de robotarm. Traditionele handmatige visuele inspectie heeft de nadelen van lage efficiëntie en een hoge valse detectiesnelheid, terwijl visuele systemen verschillende connectoren per seconde kunnen detecteren met een valse detectiesnelheid van minder dan 0,01%, wat de productiekwaliteit aanzienlijk verbetert.
2, hardware -architectuur en selectie van visueel inspectiesysteem
1. Industriële camera- en lensconfiguratie
Resolutieselectie: om 0,1 mm pin -offset te detecteren, is een camera met een resolutie van 5 miljoen pixels of meer vereist. De camera's van de Basler ACE -serie kunnen bijvoorbeeld een detectienauwkeurigheid bereiken van 0,05 mm/pixel met een resolutie van 1080p.
Lensparameters: het aannemen van een telecentrische lens om perspectiefvervorming te elimineren, de werkafstand wordt geregeld binnen het bereik van 50-100 mm, zodat het gezichtsveld het gehele connectorinvoegoppervlak bedekt.
Lichtbronontwerp: cirkelvormige LED -achtergrondverlichting gecombineerd met coaxiaal licht, dat de metalen randen van pennen en stopcontacten duidelijk kan onderscheiden. Het experiment laat zien dat 45 graden schuin licht het contrast van de schaduw aan de wortel van de pin kan verbeteren en de defectherkenningssnelheid kan verbeteren.
2.. Beeldverwerkingseenheid
Embedded Vision System: zoals zieke IVP RANGERC50 Intelligente camera, met gebouwd - in FPGA -voorbewerkingsmodule, kan randdetectie, sjabloonafstemming en andere algoritmen in realtime voltooien, met een verwerkingssnelheid van maximaal 120 fps.
PC Base System: Geschikt voor multi -camera samenwerkingsdetectiescenario's, met behulp van Basler Pylon SDK om multi - threaded beeldverwerving en Halcon -bibliotheek te bereiken voor 3D -puntwolkreconstructie.
3, kerndetectie -algoritme en implementatiepad
1. Jack -positionering en rand -extractie
Gecumuleerde kwantisatiegradiëntrichting Feature: genereer een sjabloonbibliotheek voor connectorcontouren door het histogram van de gradiëntrichting van elke pixel in de afbeelding te berekenen. Het experiment toont aan dat de herkenningsnauwkeurigheid van deze methode voor M8 -connectoren 99,7%bereikt en het kan nog steeds stabiel werken, zelfs in complexe achtergronden.
Scanning -lijn histogramanalyse: scan het connectorbeeld langs de horizontale/verticale richting en tel de posities van grijswaardenovergangspunten. Als een bepaald model van M8 -connector als voorbeeld wordt genomen, overschrijdt de grijze mutatieamplitude van de ontsnappingsrand op de scangelijn groter dan 50, die het midden van de socket nauwkeurig kan vinden.
2. Classificatiemodel voor plug - in status
Traditionele beeldverwerking:
Geometrische parametermeting: bereken parameters zoals centrale afstandafwijking en kantelhoek tussen pennen en stopcontacten. Wanneer bijvoorbeeld de offset van het PIN -centrum groter is dan 0,2 mm of de kantelhoek groter is dan 2 graden, wordt deze als een slechte insertie beoordeeld.
Grijswaarden -drempelsegmentatie: het OTSU -algoritme bepaalt automatisch de segmentatiedrempel tussen pinnen en stopcontacten, waarbij defecten zoals ontbrekende of gebogen pinnen worden gedetecteerd.
Deep Learning Solutions:
YOLOV5 -objectdetectie: train het model om de invoegstatus te herkennen (normaal/half ingevoegd/niet ingevoegd), waarbij een kaartwaarde van 98,2% op 1000 geannoteerde afbeeldingen wordt bereikt.
RESNET50 Classification Network: voert 224 × 224 pixelgebiedsegmentatie uit op de plug - in het oppervlak en voert de plug - in kwaliteitsniveau uit (uitstekend/goed/slecht) na invoer in het netwerk, met een nauwkeurigheid van 97,5%.
4, Optimalisatie van het detectieproces in industriële scenario's
1. Dynamische detectie en real - tijdfeedback
Toepassing van hoge {- Snelheid Lineaire arraycamera: op een continue productielijn wordt een lineaire arraycamera gebruikt om de connector te scannen op een lijnfrequentie van 10 kHz en trigger motion compensatie met een encoder. Een bepaalde productielijn voor automotive elektronica heeft bijvoorbeeld de detectiesnelheid verhoogd tot 300 connectoren per minuut via deze oplossing.
PLC Collaborative Control: het visuele systeem verzendt de detectieresultaten (OK/NG -signalen) in realtime naar het PLC via TCP/IP -protocol, waardoor het sorteermechanisme wordt geactiveerd om defecte producten te verwijderen. Experimentele gegevens tonen aan dat dit schema het gemiste detectiepercentage van defecte producten verlaagt van 3% tot 0,2%.
2. Verbeterde aanpassingsvermogen van het milieu
Anti -trillingsontwerp: onder trillingsomstandigheden wordt frequentiedomeinfilteringsalgoritme gebruikt om beeldschagingen veroorzaakt door mechanische trillingen te onderdrukken. Het behouden van het 50-200Hz frequentiebandsignaal door een bandpassfilter kan bijvoorbeeld de connectorrandfuncties effectief extraheren.
Multispectrale beeldvormingstechnologie: voor vervuilingsscènes zoals olievlekken en stof, gecombineerd met zichtbaar licht en infraroodbeeldvorming, worden anti - interferentiefuncties geëxtraheerd via hoofdcomponentanalyse (PCA). Tests hebben aangetoond dat deze methode nog steeds een detectienauwkeurigheid van meer dan 95% kan handhaven in zwaar vervuilde omgevingen.
5, typische toepassingsgevallen en prestatieverificatie
1. Robotgewrichtsensor detectie
In een bepaald Six Axis Industrial Robot -project detecteert het visuele systeem de invoegstatus van de M8 -connector:
Hardwareconfiguratie: 2 5- Megapixel CMOS -camera's, gekoppeld aan een telefoto -lens en cirkelvormige LED -lichtbron.
Testindicatoren: Midden -tot centrale afwijking van pennen die kleiner zijn dan of gelijk aan 0,15 mm, kantelhoek kleiner dan of gelijk aan 1,5 graden, insertiediepte fout kleiner dan of gelijk aan 0,3 mm.
Implementatie -effect: Nadat het systeem was gelanceerd, verbeterde de nauwkeurigheid van de robotpositionering tot ± 0,03 mm, wat drie keer hoger is dan handmatige detectie, en het faalpercentage van de apparatuur daalde met 80%.
2. Testen van het nieuwe batterijbeheersysteem voor energievoertuig
In een bepaalde BMS -productielijn met elektrische voertuigen detecteert het visuele systeem M8 -connectoren:
Testinhoud: Defecten zoals socketoxidatie, pinbuiging en isolatielaagschade.
Algorithm -optimalisatie: u - Net semantisch segmentatienetwerk wordt gebruikt om pixelniveau -classificatie uit te voeren op de plug - in oppervlak, met een detectiesnelheid van maximaal 20 fps.
Prestatiegegevens: het systeem bereikt 100% online detectie, met een gemiste detectiepercentage en een valse detectiepercentage van minder dan 0,5%, wat de betrouwbare werking van het BMS -systeem gedurende 5 jaar zorgt.
