設(shè)備能用于快速檢測和挑選類似下圖所示的多種規(guī)格圓柱形金屬連接件，一端有細(xì)深孔，孔內(nèi)有線徑0.2mm以下的多根細(xì)金屬絲呈一定規(guī)律排列，孔內(nèi)徑約1.0mm，孔深約5.0mm。能夠快速檢測孔內(nèi)金屬絲多達(dá)10種的缺陷，實現(xiàn)自動上料、分類下料，各種缺陷品的圖像可分類存儲。檢測指標(biāo)達(dá)6δ標(biāo)準(zhǔn)，具有系統(tǒng)自診斷、手動模式、自動模式、分類計數(shù)、訂單完工自動停機、自動報警停機、開門斷電等功能。

細(xì)深孔零件示意圖

線簧孔接插件示意圖

自動挑選設(shè)備實物圖

1、技術(shù)指標(biāo)

上料方式：振動上料；

有效檢測范圍：孔徑≥0.6mm，孔深≤5.5mm；

檢測效率：2.5秒/件；

漏檢率：≤3.4ppm（6δ標(biāo)準(zhǔn)，誤判為合格品的缺陷品占檢測總數(shù)的比率）

過檢率：≤8%（誤判為缺陷品的合格品占檢測總數(shù)的比率）

2、系統(tǒng)構(gòu)成

主要由振動上料機構(gòu)、送料運動機構(gòu)、細(xì)孔圖像采集單元、分類下料機構(gòu)、通信與控制系統(tǒng)、上位機及算法軟件組成，系統(tǒng)框圖如下所示。

系統(tǒng)框圖

軟件主要界面如下圖所示。

軟件界面

3、機器視覺技術(shù)識別

基于視覺圖像的缺陷檢測實質(zhì)上是一種圖像分類。圖像分類是計算機視覺、模式識別與機器學(xué)習(xí)領(lǐng)域中重要的研究方向。在大多數(shù)情況下，圖像分類的任務(wù)是根據(jù)圖像的內(nèi)容，在一組類別集合中找到符合圖像的類別。具體而言，通常是找到圖像一定的特征信息，然后根據(jù)這些特征信息區(qū)分不同的圖像，并將其劃分到對應(yīng)的類別中。近年來，隨著機器學(xué)習(xí)理論研究的不斷深入和計算資源的快速增長，深度學(xué)習(xí)在各種機器學(xué)習(xí)和模式識別任務(wù)中得到了廣泛的應(yīng)用。圖像分類是深度學(xué)習(xí)應(yīng)用的領(lǐng)域之一，現(xiàn)在，深度神經(jīng)網(wǎng)絡(luò)，特別是卷積神經(jīng)網(wǎng)絡(luò)，在各種圖像分類模型成為了難以缺少的一部分。卷積神經(jīng)網(wǎng)絡(luò)是當(dāng)前在圖像分類中應(yīng)用廣泛的一種深度學(xué)習(xí)模型。

本項目的檢測算法采用基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，由分割和分類兩級網(wǎng)絡(luò)組成。通過收集和標(biāo)注大量的合格品及各類缺陷品的圖像樣本來訓(xùn)練算法模型再用于工件的檢測分類。

4、適用范圍

此系統(tǒng)或類似系統(tǒng)適用于各類細(xì)深孔的孔內(nèi)缺陷檢測和分類。