【摘要】：當(dāng)前,手機(jī)類3C產(chǎn)品市場競爭日益加劇,產(chǎn)品零件復(fù)雜化和精度不斷提高,促使3C廠商面臨更快的產(chǎn)品更迭周期、更高效能的生產(chǎn)制造能力、更高品質(zhì)的產(chǎn)品質(zhì)量控制。本文針對A企業(yè)的實際生產(chǎn)模式,研究面向機(jī)群式制造成品的柔性視覺檢測系統(tǒng),采取深度學(xué)習(xí)、圖像處理等技術(shù)開發(fā)一套性價比高,適合A企業(yè)高端產(chǎn)線運(yùn)作的質(zhì)量在線柔性視覺檢測系統(tǒng),實現(xiàn)多品種多系列手機(jī)金屬零部件制造成品在線實時圖像采集、目標(biāo)檢測與尺寸精度測量。特別是目標(biāo)檢測負(fù)責(zé)不同成品分類并構(gòu)建與各自鉆攻中心編機(jī)號互聯(lián),使相關(guān)測量結(jié)果形成映射機(jī)制和質(zhì)量反饋機(jī)制,適時修改機(jī)加工參數(shù)或更換刀具等,避免生產(chǎn)誤差因素,確保穩(wěn)定的產(chǎn)能與制造質(zhì)量,達(dá)到控制企業(yè)生產(chǎn)總成本的目的。主要完成的研究工作如下:(1)確定機(jī)器視覺系統(tǒng)光學(xué)硬件的選型及搭建方案,設(shè)計手機(jī)金屬零部件從機(jī)加工完成后到圖像采集平臺的輸送單元的運(yùn)控控制方案,開發(fā)柔性視覺檢測系統(tǒng)上位機(jī),包括運(yùn)動控制系統(tǒng)、圖像采集系統(tǒng)、目標(biāo)檢測系統(tǒng)、形位尺寸測量系統(tǒng);(2)采用Memobus-RTU協(xié)議,組建總線網(wǎng)絡(luò),對其配置,實現(xiàn)系統(tǒng)的四軸運(yùn)動平臺的精確聯(lián)動和通信控制,以及質(zhì)量反饋機(jī)制的互聯(lián),并進(jìn)行生產(chǎn)現(xiàn)場調(diào)試;(3)針對一定規(guī)模的機(jī)群式數(shù)控加工中心多品種生產(chǎn)模式,對比傳統(tǒng)目標(biāo)檢測靈活性差、開發(fā)周期長等的弊端,通過標(biāo)注圖像,數(shù)據(jù)增廣,制作數(shù)據(jù)集,調(diào)整網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù),基于開源框架caffe訓(xùn)練模型,多樣品實驗驗證分析等,實現(xiàn)基于深度學(xué)習(xí)的輕量級深度卷積神經(jīng)網(wǎng)絡(luò)MobileNets-SSD網(wǎng)絡(luò)的不同品種目標(biāo)識別,以及制成品映射加工中心的編號識別,并對比其他基網(wǎng)絡(luò)模型實驗驗證該方法的實時性效果;(4)針對手機(jī)金屬零部件的形位尺寸測量需求搭建實驗平臺,基于VS2015C++/QT和OPENCV3.4開發(fā)測量軟件和標(biāo)定系統(tǒng)精度,并針對被測位置的直線度、圓度等形位公差要求,通過不同樣品進(jìn)行多組實驗工作。采用梯度方向高斯曲線擬合亞像素定位法細(xì)分邊緣和最小二乘法擬合直線以及圓,通過直線間距離公式以及面積計算等反推直線及圓的相關(guān)尺寸,并與人工測量結(jié)果比較進(jìn)行數(shù)據(jù)統(tǒng)計分析。
【圖文】：

其中由金屬沖壓、鍛壓或注射成型制成的毛坯均需要經(jīng)過銑、鉆、攻絲等機(jī)加工，加工工作量大，加工精度要求高，隨著新產(chǎn)品新材料不斷涌現(xiàn)，機(jī)加工甚至成為新款機(jī)型能否成功上市的瓶頸。機(jī)加工采用高速鉆攻中心實施，由數(shù)十臺甚至上百臺高速鉆攻中心組成的加工車間承接了全部機(jī)械加工工作。目前手機(jī) 3C 加工企業(yè)都是按訂單式生產(chǎn)，加工中心按機(jī)群式產(chǎn)線布局，見圖 1-1。機(jī)群式布局的機(jī)械加工車間也稱工藝原則布局，是指按照產(chǎn)品生產(chǎn)的工藝流程，將生產(chǎn)功能相近的加工設(shè)備設(shè)置在同一生產(chǎn)工作單元的布局方式。其優(yōu)點(diǎn)是設(shè)備利用率高，設(shè)備和人員柔性程度高，，操作人員作業(yè)多樣化，有利于適應(yīng)產(chǎn)品品種多，批量各異，需求波動大，插單多，變更頻繁的生產(chǎn)。但面對量化生產(chǎn)，存在轉(zhuǎn)運(yùn)路線不確定，生產(chǎn)計劃與控制復(fù)雜，對員工素質(zhì)要求高等問題，因此對生產(chǎn)出來的成品質(zhì)量控制帶來極大的難度。現(xiàn)有技術(shù)狀況是仍普遍采用人工作業(yè)的方式隨機(jī)抽樣來完成手機(jī)金屬零件檢測，工作效率低且成本高，由此可見傳統(tǒng)的人工抽樣檢測遠(yuǎn)遠(yuǎn)達(dá)不到要求，激烈的市場競爭要求企業(yè)必須盡快推出應(yīng)對問題的解決方案。

3圖 1-2 本課題研究方向 國內(nèi)外在目標(biāo)檢測和尺寸測量方面的研究現(xiàn)狀.1 目標(biāo)檢測研究現(xiàn)狀目標(biāo)檢測，簡單地說即為了找到圖像或者視頻里的所有目標(biāo)物體并確定其位類別。傳統(tǒng)的目標(biāo)檢測方法一般分為三個階段。如圖 1-3 傳統(tǒng)目標(biāo)檢測過程[2]圖 1-3 傳統(tǒng)目標(biāo)檢測過程首先，對原圖像進(jìn)行感興趣區(qū)域提取，接著，在得到的候選區(qū)域進(jìn)行特征提，使用分類器進(jìn)行與目標(biāo)有關(guān)的特征信息上進(jìn)行學(xué)習(xí)。如文獻(xiàn)[3]提出經(jīng)典的原始圖像 區(qū)域選擇 特征處理 模式分類 結(jié)果輸出
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TH165;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 林輝燦;劉揚(yáng);高鷹;劉t

本文編號：2602616