توسعه یک سیستم نیمه هوشمند برای اندازه گیری خودکار پروفیل دوبعدی قطعات مبتنی بر بینایی ماشین و الگوریتم تشخیص لبه
محل انتشار: مهندسی مکانیک مدرس، دوره: 25، شماره: 10
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 91
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MME-25-10_003
تاریخ نمایه سازی: 2 آذر 1404
چکیده مقاله:
مسئله اندازه گیری ابعادی خودکار قطعات به دلیل نیاز به دستگاه های دقیق و پرهزینه، چالشی مهم در صنعت محسوب می شود. همچنین تخصص بالای اپراتور برای کار با این دستگاه ها ضروری است. در این پژوهش، یک روش خودکار نیمه هوشمند مبتنی بر بینایی ماشین با هدف کاهش زمان اندازه گیری و خطای انسانی برای اندازه گیری پروفیل قطعات توسعه یافته است. بدین منظور، دستگاه اندازه گیری تصویری دستی به یک دستگاه خودکار تبدیل شده است. الگوریتم ارائه شده شامل دو مرحله است. در ابتدا به کمک دوربین جانبی، قطعات روی میز بدون دخالت دست شناسایی و موقعیت یابی شده اند. سپس، مسیر حرکتی و تصویربرداری جزئی ایجاد شده تا اندازه گیری تصویری قطعات انجام شده و ابرنقاط دوبعدی به دست آید. داده های به دست آمده از این مرحله برای انجام تحلیل های ابعادی استفاده شده است. علاوه بر این، به منظور بهبود کاربرپسندی و رفع محدودیت های نرم افزار اصلی دستگاه، یک رابط گرافیکی مبتنی بر ویندوز نیز توسعه یافته است. در پایان، برای صحت سنجی روش ارائه شده، اندازه گیری پروفیل دو بعدی گیج های استاندارد طولی، زاویه ای و رزوه، و همچنین یک نمونه چرخ زنجیر استاندارد ANSI ۴۰A۲۶ در شرایط کاری واقعی انجام شد. سیستم توسعه یافته دقت اندازه گیری متوسط در محدوده ۱۰ میکرومتر را به دست آورد و میانگین اختلاف ۱۵ میکرومتر نسبت به اندازه گیری CMM داشت. با این حال، سیستم فعلی محدود به اندازه گیری پروفیل های دوبعدی قطعات است. نتایج حاصل دقت روش ارائه شده را تایید نمود و کارایی آن را به عنوان یک راهکار مقرون به صرفه برای بازرسی ابعادی خودکار نشان می دهد
کلیدواژه ها:
نویسندگان
آرین حسینی
دانشگاه صنعتی شریف، تهران
سعید خدایگان
دانشگاه صنعتی شریف، تهران
حسین سروش
دانشگاه صنعتی شریف، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :