کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5006381 1461476 2017 30 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Quality inspection of machined metal parts using an image fusion technique
ترجمه فارسی عنوان
بازرسی کیفیت قطعات فلزی ماشینکاری با استفاده از تکنیک تلفیق تصویر
کلمات کلیدی
بینایی ماشین، بازرسی سطح فلز، ترکیب تصویر، سیستم بازرسی اتوماتیک،
ترجمه چکیده
تهیه کنندگان قطعات فلزی با سطوح با دقت بالا نسبت به رسیدن به نقص در برابر صفر نقص مواجه هستند. به دلیل عدم استاندارد سازی و مشکل بودن کار، بازرسی معمولا به صورت دستی انجام می شود. هدف این کار شناسایی نقص در قطعات فلزی ماشینکاری است، حتی اگر جهت و شکل آنها بسیار شبیه به اتمام سطح است. یک سیستم بینایی ماشین، انجام تشخیص نقص در سطوح بافت، به طور کامل شرح داده شده است. یکی از دستگاه های اصلی آن، سیستم نورپردازی، به دقت طراحی شده است تا عکسبرداری از نقص ها را تضمین کند. از این رو، تصاویر چندگانه تحت شرایط روشنایی مختلف به دست می آیند، پردازش می شوند جداگانه، و ادغام به یک. ویژگی های استخراج شده از این تصویر متحرک و مراحل پردازش اولیه فضای ویژگی برای یک طبقه بندی یادگیری تحت نظارت بر اساس شبکه های عصبی مصنوعی ایجاد می کند. نتایج بازرسی خودکار نشان می دهد که این سیستم به طور موثر با مقدار کم بازده نادرست عمل می کند، که این کار را برای کاربردهای صنعتی مناسب می سازد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
Suppliers of metallic components with high-precision surfaces are facing a trend towards zero-defect tolerance regarding their finishing. Because of the lack of standardization and the difficulty of the task, this inspection is generally done manually. This work aims to detect defects on machined metal parts even if their orientation and shape are very similar to the surface finishing. A machine vision system, performing the detection of flaws on textured surfaces is fully described. One of its main devices, the lighting system, has been carefully designed to ensure the imaging of defects. Hence, multiple images are acquired under different lighting conditions, processed separately, and merged into one. Features extracted from this fused image and the former processing steps establish the feature space for a supervised learning classifier based on artificial neural networks. Results of the automated inspection show that the system works effectively with a low value of false rejections, which makes it suitable for industrial applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Measurement - Volume 111, December 2017, Pages 374-383
نویسندگان
, , , ,