تشخیص پین معیوب به کمک پردازش تصویر در خط تولید

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 727

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_MEASEJT-16-2_008

تاریخ نمایه سازی: 2 تیر 1399

Abstract:

تشخیص قطعات معیوب از سالم، یکی از فرایندهایی است که توسط نیروی انسانی در خطوط تولید و یا پیش از تولید انجام می شود. در این مقاله طرحی به منظور تسریع در کنترل ابعادی قطعات به شکل پین، قبل از مصرف در خط تولید ارائه شده است. بدین منظور، ابعاد پین مورد نظر در آزمایشگاه به کمک کامپیوتر و با استفاده از دستگاه اندازه گیری مختصات در حالت تماسی، مشخص شده است. سپس ابعاد این پین ها در نرم افزار متلب جهت مقایسه با ابعادی که از پین های ورودی به خط تولید از طریق دوربین ثبت می شوند، استفاده می گردد. در مرحله ی بعد اندازه های تلرانسی مورد نظر به برنامه داده می شود و پین هایی که در محدوده ابعاد تعریف شده نمی باشند، مشخص می گردند. لازم بذکر است که اختلاف اندازه های حاصل از خروجی نرم افزار و اندازه گیری توسط دستگاه اندازه گیری مختصات برابر 2/0 میلیمتر است که با افزایش رزولوشن دوربین، این اختلاف کمتر خواهد شد. با توجه به قرارگیری دوربین در بالای صفحه کار، حالت قرارگیری پین ها از نظر زاویه و شکل محدودیتی ندارند. در این مقاله، مدت زمان، کنترل اندازه های قطر و طول پین نسبت به کنترل دستی توسط نیروی انسانی، به طور قابل ملاحظه ای کاهش یافته است. ضمنا امکان بررسی ابعاد چند قطعه به طور همزمان نیز فراهم شده است.

Keywords:

Authors

مصطفی سیاح بادخور

گروه مهندسی مکانیک، دانشگاه جامع امام حسین (ع)

علیرضا نداف اسکوئی

دانشگاه جامع امام حسین (ع)

مسعود نصیری لاکه

گروه مهنسی مکانیک، دانشگاه ایوان کی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Sharifzadeh, M., Alirezaee, S., Amirfattahi, R. and Sadri, S. Detection ...
  • Golestan, A. Easy editing and image processing ; Arad Book, ...
  • Pearosn, T. Hardware-based image processing for high-speed inspection of grains ...
  • Audem, K., Orhan, U., Hekim, M. Image processing based quality ...
  • Gheorghia, C. Industrial Image Processing Using Fuzzy-Logic , Procedia Eng. ...
  • Zhang, X., Ding, Y., Shi, A., Liang, R. A vision ...
  • Cord, A., Bach, F., Jeulin, D. Texture classification by statistical ...
  • Zheng, H., Kong, L., Nahavandi, S. Automatic inspection of metallic ...
  • Pernkopf, F., Oleary, P. Visual Inspection of Machined MetallicHigh- Precision ...
  • Smith, M., Stamp, R. Automated inspection of textured ceramic tiles ...
  • Ghezavati, J., Abasgholipour, M., Lotfi, A. Detecting metallic surface defects ...
  • Khodaei, S., Allahverdizadeh, A., Dadashzadeh, B. Design and fabrication of ...
  • Taheri, A., Omid, M., Ahmadi, H., Mohtasebi, S. Giovanni. Maria ...
  • Gonzalez, R., Woods, C. Digital Image Processing ; Prentice-Hall Inc, ...
  • Sadeghi, M., Shafiee, M., Memarzadeh, Zavareh, Z., Memarzadeh Zavareh, F. ...
  • Danesh, M., Danesh, S., Khalili, Kh. Multi-Sensory Data Fusion System ...
  • نمایش کامل مراجع