摘要：为了解决动力电池在生产过程中人工检测焊缝缺陷容易产生误检、漏检和无法实现自动化检测的问题,设计了一种基于3D机器视觉技术和机器学习的焊缝质量检测方法。采用支持向量机SVM学习焊缝关键特征值,得到最优分类超平面,训练完成后,相机采集图像,通过高斯滤波降噪、图像纠正和缺陷特征提取,然后SVM对缺陷特征值进行分类,判断产品是否存在缺陷。实验证明,该方法实现了100%在线自动化检测焊缝质量,并具有快速、准确的优点,成功地解决了动力电池生产过程中焊缝质量自动化检测难题。

摘要：利用机器视觉对大批量产品零件进行在线检测已成为一种控制产品零件质量的重要方法之一。文中基于L abV IEW软件和PLC控制,针对气动垫片零件,着重论述了机器视觉在线检测方法、工件尺寸检测原理和误差分析,设计了一套可进行产品在线100%检测的装置,实现了产品关键尺寸快速检测和等级分类。