多机型手机外观清洁与检测设备的研究开发

来源 :浙江大学 | 被引量 : 0次 | 上传用户:baihe0415
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着手机市场竞争的加剧,各品牌越来越重视手机质量,赢得消费者口碑,占据更大的市场份额。手机外观清洁与检测作为手机封装前的工序,对最终流向市场的手机有着非常重要的筛选作用,防止外观脏污或者有缺陷不良的手机流入市场,影响用户体验。现有手机清洁方式主要依靠人工手动擦拭,耗费时间长,清洁效果不一;其它清洁装置多为单一产品的擦拭,去污能力有限;使用无尘布的方式易造成布屑二次污染,且材料无法循环使用,成本较高。现有检测方式有人工目检,作业强度大,易受到主观因素影响,无法做到标准统一。其它自动化检测装置多为单一产品的检测,成本投入比较大。本课题基于客户的实际需求,对市场上回收的二手手机进行外观的清洁与检测。通过前期市场调研分析,结合手机外观存在的脏污和缺陷类型,研究开发了一款在线式的、满足多机型的手机外观清洁与检测设备。该设备满足不同品牌、不同颜色、不同尺寸手机的清洁与检测,扩大了设备的应用范围,降低了工厂成本投入。系统前端为清洁设备,主要完成手机表面脏污的清理,排除脏污因素干扰;后端为检测设备,主要完成手机外观缺陷的检测,对缺陷自动分类,自动评级,客户根据对应缺陷类别及缺陷位置进行相应处理,保证产品外观质量。针对清洁设备的研究开发,为达到更好的清洁效果,本课题提出了一种新的清洁工艺来完成手机中框、背面及正面的清洁。首先在清洁位置均匀的喷洒一定量的清洗液,然后通过高速旋转的纳米毛刷刷洗手机表面,再使用PVA海绵旋转擦拭表面残余的清洗液及脏污,最后通过硅胶滚轮对表面高速反复滚动,借助滚轮高粘性将极少的残余脏污和水渍清除,完成整个手机外观的清洁。带有脏污的PVA海绵和硅胶滚轮通过超声波系统去除表面脏污,为下一个清洁过程做准备,保证清洁过程的连续性。检测设备检测过程分为手机正面检测、手机背面检测、手机中框检测三个工序组成。运用高精度的直线电机传送产品,正反面线阵相机及中框线阵相机采集图像,对图像进行预处理,获得特征明显,去噪效果好的输入图像。经模板匹配后,通过边缘提取和Blob分析得到产品中的缺陷特征,完成划伤、碎裂、异色、缺失、变形、黑点等外观缺陷的检测。通过上述工艺手段和技术方法,多机型手机外观清洁与检测设备顺利研发成功,针对后期调试阶段发现的影响清洁效果的问题,如毛刷刷洗效果、PVA海绵排水效果、硅胶滚轮表面脏污去除效果、表面风干等问题进行了优化改善,使其更加有效、稳定的完成手机外观的清洁。对检测设备光源相机安装一致性及算法进行了优化,更快速、稳定、精准的完成手机外观缺陷的检测。该款设备的研发,满足工厂实际需求,符合未来发展方向。
其他文献
面部信息是人类情感表达的主要方式,在过去30年中,计算机视觉领域的学者对人脸信息处理相关的课题开展了大量研究,并取得了丰硕的成果。面部表情合成即通过图像处理算法使得输入人脸具有特定的面部表情,是目前人脸分析研究中的热点,并受到了广泛的关注,其在人机交互、电影特效、虚拟现实、动画人物制作等领域具有广阔的应用场景和重要价值。尽管已经取得了很大进展,目前的真实感面部表情图像合成方法仍然存在一定的局限,尤
随着移动互联网广告市场规模迅速扩大,精准营销成为广告投放服务的研究重点,现有的广告投放系统,不能很好地适应网约车场景,针对这一现象,本文研究符合网约车特点的终端广告投放系统。本系统使用基于逻辑回归的CTR预测模型,对在线用户进行展示广告推荐,使用用户历史行为数据周期迭代地训练,降序输出广告集。为了完整地实现展示广告从配置到终端展示的全流程,本系统使用分层架构,基于LNMP(Linux+Nginx+
现如今人工智能伴随着机器学习和深度学习等相关技术的快速发展,已经在日常生活、工作中处处发挥着便利我们的作用,但是智能机器进一步认知人类世界离不开对知识的理解。知识图谱以结构化的形式存储着数据知识,用于描述客观世界中的抽象概念、命名实体以及相互关联关系。知识图谱构建质量依赖于实体关系抽取的性能。目前基于深度学习的实体关系抽取模型依赖于大量的标注数据,而真实应用落地场景中少样本类别所占比例较大,数据长
极细粒度实体分类任务旨在为文本中的命名实体做类别划分,是信息抽取中的关键任务,更细的类别划分能为信息抽取提供更丰富的语义内涵,该技术也是信息检索、问答系统、知识图谱、文本挖掘等下游任务的重要支撑。作为关键任务,极细粒度实体分类需要消除语义上的歧义,根据实体(专有名词)的上下文自动、快速地发掘合理且准确实体细粒度类别含义。极细粒度实体分类由于类别多(超过一千类),标注极为困难因而鲜有标注数据,只能通
工业数据是工业企业的重要资产,有效利用工厂的生产、管理和运营数据可以帮助企业更好地实现精细化管理,但目前流程工业企业信息系统种类繁多、数据类型多种多样,多元数据管理不规范、数据分析门槛高,无法真正实现对数据价值的挖掘。本文以对象化建模技术、数据融合加工技术、大数据分析与挖掘技术为关键技术,结合流程工业企业数据特点以及行业知识,采用对象化建模技术对流程工业不同类型数据进行对象化编排,通过数据融合加工
在自然语言处理中,命名实体识别是许多任务的上游,它为诸如信息检索、智能对话和阅读理解等任务打下了根基。虽然近年来深度学习模型在实体识别这个任务上的进展表明,该任务似乎已经不是一个难点,但是由于深度学习模型对大规模标注数据的依赖导致了命名实体识别任务也通常需要海量数据才能有好的效果。这种缺陷在许多场景下会成为一个致命的缺点,比如在医疗领域,由于隐私保护的原因,我们很难获取到大规模的标注数据。本文针对
大数据的兴起促进了数据规模的突飞猛进。数据库中往往存储了大量高价值的数据,以往用户想要查询数据库内容时,需要编写结构化查询语言SQL,再与数据库交互,这给非专业领域的普通用户带来了不便。而且对于一些复杂的查询条件,手工编写SQL时容易出错。如何通过自然语言自由地查询数据库成为新的研究热点。据此,本文提出了基于显式关系编码和抽象语法树解码的Text2SQL系统,可以端到端的将自然语言转换为SQL序列
智能音箱以人工智能为基础,以语音代替点击作为主要的人机交互方式,是新一代的互联网硬件产品。随着智能音箱用户量的急剧增加,企业获取了大量的用户与音箱的交互数据。本文基于海量用户与音箱的交互数据来构建智能音箱用户画像,并介绍用户画像的系统架构及应用。智能音箱用户画像的构建首先是对用户相关属性进行分析,根据业务需求将智能音箱用户画像属性分为用户自然属性、生命周期属性、行为指标属性和用户技能属性。对属性进
目前,以太坊作为区块链技术2.0的实现,具有去中心化、不可篡改等特点,其应用开始遍布各行各业。智能合约可以运行在以太坊上并在一定条件下自动触发,但是已有的智能合约研究都集中在安全问题上,对于编程友好性的研究很少。现有的智能合约编写环境良莠不齐,大概分为两种,一种是直接操作命令行,这样的方式操作复杂且容易出错,另一种是通过图形界面开发,但是已有的平台无法达到高效易用的要求。这些问题无形中拔高了区块链
随着制造业与数字化不断融合,汽车制造行业对数字化、信息化的需求越来越旺盛,但是一些汽车制造行业现有的制造执行系统(MES)仍然存在着不少的弊端。为了解决企业中现有MES系统存在的问题,本文设计并实现了动力总成关键指标目视化系统,并运用微服务架构解决了传统单体架构中存在的耦合度高、灵活性低、维护困难等问题。本文通过微服务的思想将系统拆分为大屏展示、看板展示、数据填报、系统管理、主数据维护5个功能模块