基于机器视觉的改进线束导线排序检测系统设计

作     者：张良安 刘同鑫 谢胜龙 陈洋 ZHANG Liang-an;LIU Tong-xin;XIE Sheng-long;CHEN Yang

作者机构：安徽工业大学机械工程学院安徽马鞍山243000 中国计量大学机电工程学院杭州310018 安徽省工业互联网智能应用与安全工程实验室安徽马鞍山243023 

出 版 物：《包装工程》 (Packaging Engineering)

年 卷 期：2023年第44卷第11期

页      面：268-276页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 082903[工学-林产化学加工工程] 081104[工学-模式识别与智能系统] 08[工学] 0829[工学-林业工程] 0804[工学-仪器科学与技术] 082201[工学-制浆造纸工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0822[工学-轻工技术与工程] 

基　　金：湖州市科技计划(2021GN03) 国家自然科学基金(52205037) 浙江省基本科研业务费(2022YW43) 安徽省工业互联网智能应用与安全工程实验室开放基金课题(IASII21-04) 

主　　题：线束检测 机器视觉 图像处理 深度学习 目标检测 

摘      要：目的解决现有工业线束导线排序检测方法中存在的效率低、混色导线检测效果差等问题。方法基于机器视觉技术设计一种线束导线排序检测装置,并结合图像处理技术和深度学习原理提出一种混色导线排序检测方法。首先根据线束图像中选择的感兴趣区域,分割出线束连接器图像和导线图像,并采用模板匹配和颜色定位方法完成连接器正反面的识别和单色导线的识别定位;然后采集并制作PE混色导线数据集,研究Faster R-CNN、SSD、YOLOv3和YOLOv5m等4种不同目标检测算法对PE混色导线的检测效果。结果实验结果表明,YOLOv5m检测模型的检测速度和准确率兼顾性最好;改进系统后,检测时间减少了18.55%,平均识别准确率为98.83%。结论改进后检测系统具有良好的检测效率和可靠性,适用于种类丰富的工业线束导线排序检测。