Автоматизированный способ контроля качества поверхности стекла и зеркал при помощи алгоритмов машинного зрения для гироскопических устройств и приборов

Авторы

  • И. Р. Кадыров Удмуртский государственный университет
  • А. В. Кривов ИжГТУ имени М. Т. Калашникова
  • Р. В. Мельников ИжГТУ имени М. Т. Калашникова

DOI:

https://doi.org/10.22213/2410-9304-2022-2-68-77

Ключевые слова:

контроль поверхности, дефект, машинное зрение, чувствительный элемент, твердотельный волновой гироскоп

Аннотация

В работе проанализированы существующие приборы для контроля качества поверхности изделий. Рассмотрен вариант применения системы машинного зрения на примере использования при производстве изделий с применением стеклянных поверхностей, имеющих высокие требования к качеству изготовления. Рассмотрены и проанализированы готовые решения, описаны их характеристики, достоинства и недостатки. Разработан макет рабочего места для получения снимков поверхности изделия для последующей обработки программным обеспечением. Реализован пример автоматического получения снимков поверхности для геометрически-сложных изделий. Описан алгоритм и инструмент, позволяющий выявлять дефекты поверхности и классифицировать их путем обработки изображений с применением специально разработанного программного обеспечения. Описанный метод оценки поверхности также способен выявлять дефекты различных поверхностей, требующих высокого качества производства данных изделий, главным ограничением является оптический метод получения картины исследуемой поверхности. Алгоритм способен работать с изображениями среднего и высокого качества, что позволяет использовать данный метод оценки поверхностей с уже существующими системами, не имеющими алгоритма оценки поверхности, что упрощает возможность реализации данной системы. Сочетание с другими методами неразрушающего контроля изделий, в которых возможно получение изображений поверхности, внутренней области и скрытых полостей, позволит комплексно анализировать качество изделий. Использование машинного зрения актуально благодаря его особенностям, таким как скорость проверки качества поверхности, а также точность оценки. Система машинного зрения может выполнять отбраковку деталей гораздо быстрее и надежнее, чем человек, и может быть использована как инструмент для автоматизации производства.

Биографии авторов

И. Р. Кадыров, Удмуртский государственный университет

аспирант кафедры «Вычислительная механика»

А. В. Кривов, ИжГТУ имени М. Т. Калашникова

аспирант кафедры «Мехатронные системы»

Р. В. Мельников, ИжГТУ имени М. Т. Калашникова

аспирант кафедры «Мехатронные системы»

Библиографические ссылки

Gireesh S.N., Arun G., Pandian P.S., Sundararajan T., Sachin S.G. Design of Inertial Class Gyroscope Resonator With Ultrahigh Quality Factor for Interplanetary Space Missions. Jan 17.2020.

Маслов Д. А. Идентификация параметров гироскопа с цилиндрическим резонатором при учете влияния нелинейности на амплитуду возбуждающего воздействия // Машиностроение и инженерное образование. 2017. № 1 (50). С. 24-31.

Delhaye F. HRG by Safran - The game-changing technology / F. Delhaye // In Proceedings of the IEEE International Symposium on Inertial Sensors and Systems (INERTIAL) 2018. Moltrasio, Italy, 26-29 March 2018. С. 1-4. DOI: 10.1109/ISISS.2018.8358163.

Шишаков К. В. Твердотельные волновые гироскопы: волновые процессы, управление, системная интеграция : монография. Ижевск : Изд-во ИжГТУ имени М. Т. Калашникова, 2018. 264 с.

Трутнев Г. А., Перевозчиков К. К., Назаров С. Б. Система съема и способы измерения колебаний резонатора твердотельного волнового гироскопа // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2020. № 1. С. 50-63.

Nashwa El-Bendary, Esraa El Hariri, Aboul Ella Hassanien, Amr Bard Using machine learning techniques for evaluating tomato ripeness // Expert Systems with Applications Volume 42, Issue 4, 2015, P.1892-1905. DOI:10.1016/j.eswa.2014.09.057.

Fergus P., Hussain A., Hignett David, Al- D. Jumeily, Khaled Abdel-Aziz, Hani Hamdan A machine learning system for automated whole-brain seizure detection // Applied Computing and Informatics. Volume 12, Issue 1, 2016, P. 70-89. DOI: 10.1016/j.aci.2015.01.001.

Nagdev Amruthnath, Tarun Gupta A research study on unsupervised machine learning algorithms for early fault detection in predictive maintenance // 2018 5th International Conference on Industrial Engineering and Applications. 2018. P. 355-361. DOI: 10.1109/ IEA.2018.8387124.

Пешехонов В. Г. Современное состояние и перспективы развития гироскопических систем // Гироскопия и навигация, 2011, № 1.

Новое поколение ИНС на основе ВТГ / С. Негри, Э. Лабарр, К. Линьон, Э. Брунштейн, Э. Салаён // Гироскопия и навигация. Т. 24. № 1 (92). 2016. С. 49-59. DOI: 10.17285/0869-7035.2016.24.1.049-059.

Jeanroy A., Bouvet A., Remillieux G. HGR and marine applications, Gyroscopy and navigation. 2014. T. 5, № 2. P. 67-74.

Климов Д. М. Журавлев В. Ф., Жбанов Ю. К. Кварцевый полусферический резонатор (Волновой твердотельный гироскоп). М. : ФГБУН ИПМех им. А. Ю. Ишлинского РАН, 2017. 193 с.

Маслов Д. А. Идентификация и компенсация погрешностей волнового твердотельного гироскопа с электростатическими датчиками управления // Машиностроение и инженерное образование. 2018. № 1. С. 20-26.

Климов Д. М., Журавлев В. Ф., Жбанов Ю. К. Кварцевый полусферический резонатор (Волновой твердотельный гироскоп). М. : Ким Л. А., 2017. 194 с.

Серегин С. В. О возможности возникновения радиальных форм колебаний кольцевых элементов // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2018. Т. 4, № 1. С. 132-143.

Загрузки

Опубликован

25.06.2022

Как цитировать

Кадыров, И. Р., Кривов, А. В., & Мельников, Р. В. (2022). Автоматизированный способ контроля качества поверхности стекла и зеркал при помощи алгоритмов машинного зрения для гироскопических устройств и приборов. Интеллектуальные системы в производстве, 20(2), 68–77. https://doi.org/10.22213/2410-9304-2022-2-68-77

Выпуск

Раздел

Статьи