简介:摘要 某钢厂生产的小规格(Ф13-Ф14mm)60Si2Mn弹簧钢表面存在翘皮、划伤等缺陷,合格率仅85%,严重制约交货时间,增加生产成本。经过分析,弹簧钢表面缺陷的产生原因主要是钢坯角部扒皮质量不好和活套、裙板辊、裙板罩板等工装件使用维护不到位。通过提升钢坯扒皮质量和工装件使用、维护标准,可以减少钢材表面缺陷的产生,提高合格率到90%以上。
简介:摘要:在非接触式的检测方式中,为了提高检测的效率、精确度以及检测智能化的需求,以数字图像处理作为检测基础的视觉检测技术已经应用于工业生产的多个领域。基于此,本文针对磁环尺寸以及表面缺陷的检测方法展开了分析研究,并且推出了以数字图像处理技术为基础的检测系统,用于检测磁环尺寸以及表面缺陷。依据检测需求以及生产环境,研究设计出能够对磁环缺陷进行在线检测的系统。传统的磁环检测方式是利用人力,主要依靠对工作人员进行培训,通过人眼对产品进行观察以及筛选,这种方式虽然能够对磁环表面的各种细节作出灵活的辨别,但是人工检测的效率非常低,而且极易受到工作人员自身的工作状态、工作熟练程度等多种因素的影响。利用数字图像处理技术的检测系统,不但能够提高产品检测的效率以及准确率,缓解生产线工作人员的一定压力,同时还能减少企业投入的劳动成本,为企业获得最大化的产品利润。
简介:摘要:包装检测是生产过程中一项不可或缺的生产流程。传统的人工缺陷检测方法存在效率低下,检测主观性较强等问题。同时,长期工作产生的视觉疲劳现象,会降低质检员对包装缺陷判断的准确性。另一方面,传统质检投入极高的人工成本,检测效率也并不稳定。因此研究基于机器视觉的计算机自动检测算法显得尤为重要。随着图像处理技术的发展,推出了基于深度学习的缺陷包装检测方法。薯片生产线光照条件稳定,单一流水线产品类型固定,比较适合采用基于深度学习的方式检测产品缺陷,本文研究则着重于使用深度学习的方法对流水线上包装进行缺陷检测。基于此,本篇文章对金属包装物表面缺陷的视觉检测与识别系统进行研究,以供参考。
简介:摘要:某核电6号机组役前检查期间,按RSE-M规范对主泵泵壳法兰螺栓螺纹区域进行了目视检查,发现大量缺陷,其缺陷产生原因与后续影响存疑。通过对主泵泵壳法兰螺栓工艺流程进行分析,确定这些缺陷是螺纹滚压后切削参数不当造成的。针对缺陷产生原因和缺陷的特征,提出并论证了合理可行的改进建议,即改进切削工序,尽可能多地保留螺纹硬化层,增加切削后螺栓拉伸测试步骤,将问题在出厂前消除。