超精密小微零件加工电话多重优惠「在线咨询」

精密零件在众多工业领域都有非常重要的应用，如消费电子、、航天航空、汽车船舶等等。这些精密零件的外观质量直接影响着终产品的功能及可靠性。随着我国智能制造战略的推进，对精密零件生产的质量要求也越来越高。在很多应用领域都要求对精密零件外观进行100％全检，因此，对大批量生产精密零件的外观检测效率及检测效果均提出了更高的要求。　　




通过控制机器人做三次平移运动和两次旋转运动即可线性求解出所有参数。通过实验验证，该方法在图像噪声等级为σ=5像素时，摄像机内参数的相对误差小于0.06％，手眼参数的相对误差小于2％;在机器人运动误差等级为0.1时，摄像机内参数的相对误差小于0.14％，手眼参数相对误差小于3％。所提出的基于两特征点的自标定方法在减少标定累积误差的同时，简化了机器人视觉系统的标定过程，从而提高了视觉系统的标定效率和灵活性，减少了对标定板等标志物的依赖。　




该方法将训练数据集中的精密零件图像进行自适应多尺度及随轮廓局部提取后，创建重构图像集合，再进行卷积***网络的训练。所提出的基于图像重构的卷积***网络能够同时实现多种不同类型瑕疵的有效检测。该方法在精密零件的垫伤、划痕和麻点瑕疵的检测中，均达到了97％以上的检测效果。同时，为了解决缺少带标注的精密零件样本库的问题，本文采集了一万幅精密零件的外观样本图像并对其瑕疵类型进行标注，创建了精密零件表面瑕疵样本数据库。



为后续精密零件表面瑕疵检测技术的研究提供了重要依据。　　(4)针对小样本精密零件的检测问题，提出了基于合成样本学习的精密零件检测方法，设计了基于合成样本的精密零件视觉外观检测系统。基于合成样本学习的精密零件检测方法利用少量真实样本作为种子样本创建出大量合成样本，对卷积***网络进行精细训练。有效的解决了实际应用中仅有小样本数据进行检测网络训练的问题。