АВТОМАТИЗАЦИЯ ФУНКЦИОНАЛЬНОГО КОНТРОЛЯ МОДУЛЕЙ ИНДИКАЦИИ ДАТЧИКОВ ДАВЛЕНИЯ С ПРИМЕНЕНИЕМ СИСТЕМЫ МАШИННОГО ЗРЕНИЯ
https://doi.org/10.26583/vestnik.2024.5.8
EDN: VPCWIG
Аннотация
В статье рассматривается применение различных алгоритмов машинного зрения для автоматизации функционального контроля ЖК-дисплеев датчиков давления. Анализируются нейронные сети и классические алгоритмы, а также разработанный автором алгоритм. Цель исследования – найти алгоритм, который может быть использован при разработке системы автоматического контроля дисплеев. Алгоритм должен обладать высокой точностью и минимизировать количество ложноотрицательных результатов, чтобы избежать пропуск бракованных изделий. Также он должен быть способен выявлять дефекты подсветки, отсутствие свечения сегментов, неожиданное свечение сегментов, пятна и механические повреждения на дисплее. В статье описаны этапы разработки алгоритма, включая предобработку изображений, бинаризацию, анализ и поиск дефектов. Представленные результаты тестирования алгоритма на тестовой выборке подтверждают его высокую точность и полноту. В ходе работы установлено, что ни один стандартный алгоритм не подходит для функционального контроля модулей индикации, в то время как разработанный автором алгоритм полностью удовлетворяет всем требованиям. Разработанный алгоритм использован для создания системы автоматического контроля ЖК-дисплеев, в настоящий момент применяемой в производстве датчиков давления.
Ключевые слова
Список литературы
1. David E.E., Selfridge O.G. 1962. Eyes and Ears for Computers // Proceedings of the IRE, 1962, V. 50, Iss. 5. P. 1093–1101. https://doi.org/10.1109/JRPROC. 1962.288011.
2. Theodore L. Warren, Kenneth R. Whelan, Arnold G. Reinhold. Vision system (Patent No. US4577344A). United States, 1983. Assignee: Acuity Imaging.
3. Емельянов С.Г. Методы и средства обработки изображений // Приборостроение. 2009. Т. 52. № 2. С. 11–12.
4. Vinokurov I.V. Using a convolutional neural network to recognize text elements in poor quality scanned images // Program systems: theory and applications, 2022. V. 13. № 3 (54). P. 45–59.
5. Rokunuzzaman, Jayasuriya, H.P. Development of a low cost machine vision system for sorting of tomatoes // Agricultural Engineering International: The CIGR Journal, 2013. V. 15. P. 173–180.
6. Царева Е. Машинное зрение для контроля качества упаковки выпускаемой продукции // Тара и упаковка, 2019. № 2. С. 10–12. URL: https://www.mallenom.ru/Docs/Machine_vision_article_may2019.pdf (дата обращения: 19.04.2024).
7. Раков Н.С., Пальмов С.В. Машинное зрение // Форум молодых ученых. 2018. № 4 (20). URL: https://cyberleninka.ru/article/n/mashinnoe-zrenie (дата обращения: 19.04.2024).
8. Гудфеллоу Я., Бенджио И. Глубокое обучение. М.: ДМК Пресс, 2018. 652 с.
9. Мюллер А., Гвидо С. Введение в машинное обучение с помощью Python. М.: Гевисста, 2017.
10. Ferguson Max K, Ronay A., Lee Y-T.T, Law K.H. Detection and Segmentation of Manufacturing Defects with Convolutional Neural Networks and Transfer Learning // Smart Sustain. Manuf. Syst., 2018, V. 2(1), P. 137–164. http://doi.org/10.1520/SSMS20180033.
Рецензия
Для цитирования:
Днепровский И.В. АВТОМАТИЗАЦИЯ ФУНКЦИОНАЛЬНОГО КОНТРОЛЯ МОДУЛЕЙ ИНДИКАЦИИ ДАТЧИКОВ ДАВЛЕНИЯ С ПРИМЕНЕНИЕМ СИСТЕМЫ МАШИННОГО ЗРЕНИЯ. Вестник НИЯУ МИФИ. 2024;13(5):358-370. https://doi.org/10.26583/vestnik.2024.5.8. EDN: VPCWIG
For citation:
Dneprovskii I.V. AUTOMATION OF FUNCTIONAL CONTROL OF PRESSURE SENSOR DISPLAY MODULES USING MACHINE VISION SYSTEMS. Vestnik natsional'nogo issledovatel'skogo yadernogo universiteta "MIFI". 2024;13(5):358-370. (In Russ.) https://doi.org/10.26583/vestnik.2024.5.8. EDN: VPCWIG
Просмотров:
113
Послать статью по эл. почте 