基于机器视觉的电子元件在线质检分类系统设计

doi:10.16731/j.cnki.1671-3133.2021.02.021

现代制造工程 ›› 2021, Vol. 485 ›› Issue (2): 139-144.doi: 10.16731/j.cnki.1671-3133.2021.02.021

• 仪器仪表/检测/监控 • 上一篇下一篇

基于机器视觉的电子元件在线质检分类系统设计

王丹，杨江照

发布日期:2021-04-23
基金资助:
广东省普通高校青年创新人才项目（2020KQNCX104）；东莞市社会科技发展项目（2020507154647）；广东科技学院校级项目（GKY-2019KYYB-6）

Published:2021-04-23

摘要/Abstract

摘要： 为了解决电子元件蜂鸣器出厂时人工质检效率低、容易伤害分拣人员听觉等问题,设计了基于机器视觉的电子元件在线质检分类系统。该系统主要由自动上料、视觉检测、声音检测、电极控制和下料控制这5个部分组成,由PLC主控制器、OpenMV视觉检测模块、声音识别模块以及步进电机等配合完成蜂鸣器的自动上料、检测和等级分类功能。经过现场调试及应用表明,该控制系统提高了蜂鸣器的质检分类效率,其效率是人工质检的1.9倍,准确率提高了9.4%,每台设备至少替代3名工人,节约了企业的成本。

中图分类号:

王丹，杨江照. 基于机器视觉的电子元件在线质检分类系统设计[J]. 现代制造工程, 2021, 485(2): 139-144.

[1]	魏万珍，田建艳，姜茜，杨胜强，. 基于图像技术的零件表面粗糙度支持向量机检测模型[J]. 现代制造工程, 2022, 500(5): 100-109.
[2]	张杰，唐立新，陈子章，安成，. 基于改进UNet网络的金丝球焊直径测量研究[J]. 现代制造工程, 2022, 500(5): 110-114.
[3]	程亚彬，张宏伟，王新环，郭子路，. 基于YOLO-V5的矿车桁架铆接孔定位技术研究[J]. 现代制造工程, 2022, 500(5): 115-121.
[4]	杨泽青，王春方，卢晨光，陈英姝，刘丽冰. 基于深度卷积神经网络的曲轴智能识别方法研究[J]. 现代制造工程, 2022, 499(4): 102-111.
[5]	马宇超，付华良，吴鹏，陈信华，王鼎，陈帅，曹晨雨. 深度网络自适应优化的Mask R-CNN模型在铸件表面缺陷检测中的应用研究[J]. 现代制造工程, 2022, 499(4): 112-118.
[6]	林晓平，王冠，陈学灵，刘赞丰，张雅文. 46MnVS5连杆裂解槽在机器视觉的几何尺寸检测研究[J]. 现代制造工程, 2022, 499(4): 119-127.
[7]	仇娇慧，贝绍轶，尹明锋，卿宏军. 基于改进YOLOv5s的齿轮表面缺陷检测[J]. 现代制造工程, 2022, 498(3): 104-113.
[8]	于福才，张丹，樊璇，曹雏清，蔡宗琰. 泵体口环装配工艺的机器视觉化研究及应用[J]. 现代制造工程, 2022, 498(3): 133-139.
[9]	王浩,曹松晓,谢代梁,刘铁军,徐志鹏,徐雅. 板式换热器上料机器人3D视觉引导系统[J]. 现代制造工程, 2021, 493(10): 65-73.
[10]	黎明，于音，关大力. 基于Matlab GUI框架下激光选区熔化成形铺粉质量检测系统研究[J]. 现代制造工程, 2021, 490(7): 96-102.
[11]	伍萍辉，陈新，张馨，段丹丹，唐冰霞，张云鹤. 基于聚类-改进灰狼算法的设施番茄分割识别方法[J]. 现代制造工程, 2021, 489(6): 83-89.
[12]	易可夫，胡锦，崔凯阳，胡宏伟. 基于二次特征筛选的覆铜板表面缺陷检测[J]. 现代制造工程, 2021, 489(6): 95-100.
[13]	熊文豪，何毅斌，陈宇晨，戴乔森，涂盼盼. 基于图像识别的齿轮尺寸测量研究[J]. 现代制造工程, 2020, 474(3): 116-120.
[14]	巩晓丹，杨慕升，姜立志. 一种在线提取金属工件形状特征的方法[J]. 现代制造工程, 2020, 474(3): 121-124.
[15]	谢俊,李畅,左飞飞,李玉萍,杨启志. 基于机器视觉的车速传感器焊点检测[J]. 现代制造工程, 2020, 477(6): 52-56.

基于机器视觉的电子元件在线质检分类系统设计

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics