零件文章進(jìn)入零件技術(shù)社區(qū)

圖像處理技術(shù)在零件表面破損檢測(cè)中的設(shè)計(jì)及應(yīng)用

表面破損檢測(cè)問(wèn)題的提出

準(zhǔn)確、快速地探測(cè)零件表面缺陷，直接關(guān)系產(chǎn)品質(zhì)量，若不及時(shí)剔除不合格產(chǎn)品，將會(huì)帶來(lái)質(zhì)量隱患。但在以批量生產(chǎn)方式為特徵的汽車、摩托車、內(nèi)燃機(jī)等行業(yè)，識(shí)別和檢測(cè)重要零件關(guān)鍵部位的表
關(guān)鍵字：檢測(cè) 設(shè)計(jì) 應(yīng)用破損表面技術(shù) 零件圖像處理

Author(s):
Michael Muldoon - AVR Vision Robotics
Catherine Boulet - AVR Vision RoboticsIndustry:
Aerospace/Avionics, Manufacturing, Machine Vision/ImagingProducts:
LabVIEW,
關(guān)鍵字： LabVIEW 智能相機(jī) 零件加工

高精度的微小零件邊緣檢測(cè)中，傳統(tǒng)邊緣檢測(cè)算法存在實(shí)際應(yīng)用可操作性較差，檢測(cè)結(jié)果難以達(dá)到精度要求等問(wèn)題。為了提高邊緣檢測(cè)精度，提出了基于Soble算子的改進(jìn)算法，該算法擴(kuò)展了Sobel算子邊緣檢測(cè)的模板，并對(duì)擴(kuò)展的梯度方向圖進(jìn)行了細(xì)化處理，而后在梯度圖像上實(shí)現(xiàn)多項(xiàng)式插值亞像素細(xì)分，從而完成對(duì)目標(biāo)邊緣的精確定位。
實(shí)驗(yàn)結(jié)果表明，該方法的定位精度為0．20 pixel，滿足微小零件在實(shí)際檢測(cè)的精度要求。
關(guān)鍵字：視覺(jué)圖像零件邊緣檢測(cè) 算法研究

是堅(jiān)持還是變通？面對(duì)市場(chǎng)競(jìng)爭(zhēng)日趨激烈、利潤(rùn)不斷攤薄和業(yè)績(jī)下滑的尷尬，戴爾(DELL)最終選擇了后者。昨日獲悉，戴爾的策略正在進(jìn)一步發(fā)生改變，其未來(lái)將不再一手掌握所有個(gè)人計(jì)算機(jī)零件的采購(gòu)權(quán)，而是將部分下放給代工廠。未來(lái)戴爾自己的工廠有可能以組裝臺(tái)式PC為主，筆記本電腦產(chǎn)品生產(chǎn)將陸續(xù)交給廣達(dá)、仁寶、緯創(chuàng)及華碩等主力代工廠組裝。來(lái)自臺(tái)灣方面的消息稱，戴爾將大幅下放鍵盤、機(jī)殼、PCB(印刷電路板)等周邊零組件采購(gòu)權(quán)給代工廠，戴爾采購(gòu)部門未來(lái)僅掌握面板、處理器、硬盤、內(nèi)存、電池等八項(xiàng)關(guān)鍵零組件的采購(gòu)權(quán)。首款整機(jī)
關(guān)鍵字：戴爾零件消費(fèi)電子消費(fèi)電子