發(fā)布時間：2018-06-03 17:13

  本文選題：機器視覺 + 自動計重切割　； 參考：《激光與光電子學進展》2017年07期

【摘要】：基于人工經(jīng)驗對光學玻璃進行的計重切割存在誤差較大、效率較低、安全性較差的問題。針對上述問題,利用機器視覺構(gòu)建了一套針對條形光學玻璃的自動計重切割設備,并結(jié)合結(jié)構(gòu)光為該設備設計了一套在線自動計重算法。在計重算法中,高速工業(yè)相機采集到光學玻璃的圖像后,首先識別玻璃橫截面的位置特征,并對輪廓進行擬合,得出當前橫截面的面積;然后結(jié)合伺服電機對玻璃推進的進給量,對面積進行積分,計算出累計的體積與質(zhì)量。當累計質(zhì)量滿足切割條件時,對玻璃進行切割。經(jīng)實驗及工廠實際應用證明,該系統(tǒng)具有高精度、高效率以及高安全性等特性,實際切割誤差小于0.3g。該裝置及算法能夠高效、精確地進行條形光學玻璃的自動計重切割。
[Abstract]:On the basis of artificial experience, there are some problems such as large error, low efficiency and poor safety in the cutting of optical glass. Aiming at the above problems, a set of automatic weight measuring and cutting equipment for strip optical glass is constructed by using machine vision, and a set of on-line automatic weight counting algorithm is designed for the device combined with structural light. In the weighing algorithm, the image of optical glass is collected by high speed industrial camera. Firstly, the position characteristics of the cross section of the glass are identified, and the contour is fitted to get the area of the current cross section. Then the area is integrated with the feed of servo motor to the glass, and the accumulative volume and mass are calculated. When the cumulative quality meets the cutting condition, cut the glass. The experiment and practical application in the factory show that the system has the characteristics of high precision, high efficiency and high safety, and the actual cutting error is less than 0.3 g. The device and algorithm can efficiently and accurately cut the strip optical glass automatically.
【作者單位】： 河北工業(yè)大學電子信息工程學院;北京市安視中電科技有限公司;
【基金】：中國博士后基金(2014M561053) 河北省自然科學基金(F2013202254) 教育部人文社會科學研究規(guī)劃基金(15YJA630108)
【分類號】：TP391.41;TQ171.734

【相似文獻】

相關期刊論文 前3條

1 楊飛飛;張春雷;李曉超;劉思思;;機器視覺在點膠控制上的應用研究[J];中國西部科技;2014年07期

2 劉曉亮;韓德剛;王健;;采用機器視覺的玻璃在線自動鋪紙機的設計與應用[J];建材世界;2012年02期

3 王飛;崔鳳奎;劉建亭;張豐收;;基于機器視覺的玻璃表面缺陷檢測系統(tǒng)的研究[J];玻璃與搪瓷;2009年05期

相關碩士學位論文 前5條

1 陳觀應;基于機器視覺的干電池缺陷并行檢測方法研究[D];廣東工業(yè)大學;2016年

2 江玉清;自動水泥灌裝系統(tǒng)中基于機器視覺的定位方法研究[D];合肥工業(yè)大學;2016年

3 謝世斌;基于機器視覺的玻璃表面質(zhì)量檢測若干技術(shù)問題的研究[D];浙江大學;2016年

4 朱曉明;基于機器視覺的玻璃球損傷檢測識別系統(tǒng)[D];聊城大學;2017年

5 胡飛飛;基于嵌入式機器視覺的干電池缺陷檢測系統(tǒng)的研究[D];廣東工業(yè)大學;2013年

，

本文編號：1973559