基于机器视觉的桉树板材在线检测及分级自动化装备

成果编号：39114

价格：面议

完成单位：南京食品包装机械研究所

单位类别：其他高校

完成时间：2023年

成熟程度：试生产阶段

服务产业领域：装备制造、现代农业

我要对接关注发送消息

发布人：居荣华离线

发送消息

该项目基于先进的机器视觉技术，能实现自动化、高精度的实时检测，开发一种在线桉树旋切薄板缺陷检测与分类系统，从而提升生产效率和质量。桉树是一种重要的经济林木，其木材具有优良的加工性能和使用价值。然而，在生产中，旋切薄板往往会存在各种缺陷，如节疤、裂缝、褶皱等，这些缺陷直接影响了薄板的质量和应用价值。传统的人工检测方法劳动强度大，且准确率和稳定性均无法保证，为此，我们建立了一个自动化的机器视觉检测系统。本系统将利用3D深度相机进行旋切薄板的缺陷和厚度的测量，从而检测出如裂缝、凹陷等几何缺陷；同时，利用彩色相机获取薄板的颜色和纹理信息，以检测出如色差、杂质等表面缺陷。这两种相机的数据将同时输入到我们的深度学习模型中，进行缺陷的识别和分类。为了实现流水线作业，我们还将设计一个合理的硬件架构和软件控制系统，实现对旋切薄板的快速拍摄、数据分析和决策。

24 次浏览分享到

成果介绍

科技计划：

成果形式：新装备

合作方式：技术开发

参与活动：第二届江苏产学研合作对接大会 2023年高校院所服务苏北五市产学研合作对接活动

专利情况：正在申请 ,其中:发明专利 2 项
已授权专利,其中:发明专利 0 项

成果简介

成果概况

创新要点

本项目的创新主要体现在以下三个方面：首先，采用多特征融合策略，即3D深度相机和彩色相机的结合。这种结合方式不仅可以同时获取薄板的几何和颜色信息，而且可以利用两种相机数据的互补性，提高缺陷检测的准确性和稳定性。其次，我们将开发一种基于深度学习的多特征机器视觉模型，该模型将利用大量的旋切薄板图像进行训练，从而可以自动识别和分类各种类型的缺陷。这种方法与传统的基于规则的检测方法相比，具有更高的灵活性和适应性。最后，实现在高速流水线上稳定工作的上料装置、图像采集装置；既需要对传统机械结构作出优化，同时也需对软件算法作出创新，开发一套在线的图像处理和机器学习算法。

主要技术指标

本项目的主要技术指标如下：系统应具有高的检测准确率和稳定性。我们期望能达到95%以上的缺陷检测准确率，且在连续工作中保持稳定。系统应具有高的检测速度，以满足生产线的要求。我们计划在每分钟内对60块薄板进行检测。系统应具有良好的通用性和可扩展性。我们希望通过训练和调整机器学习模型，使得系统能够适应各种类型和规格的薄板，以及各种新出现的缺陷。系统应具有易用性和可维护性。我们将开发一套简洁直观的用户界面，以方便操作者使用和管理系统；同时，系统的各个部分都应设计为模块化，以便于维修和更新。为了实现这些技术指标，我们将采用高性能硬件设备，以及先进的软件技术，如深度学习、并行计算等；最后，我们还将密切关注项目进度和质量，以确保项目的成功完成。

其他说明

完成人信息

姓名：对接成功后可查看

所在部门：对接成功后可查看

职务：对接成功后可查看

职称：对接成功后可查看

手机：对接成功后可查看

E-mail：对接成功后可查看

电话：对接成功后可查看

传真：对接成功后可查看

邮编：对接成功后可查看

通讯地址：对接成功后可查看

联系人信息