机械电连接线生产中自动化检测技术研究

摘要：随着机电一体化设备逐渐成为现代制造业的主要加工设备，作为电子电器通路的机械电连接线开始受到业界的广泛关注，其中机械电多芯连接线的检测属于重点内容。因此，分析自动化检测技术的应用优势，深入探讨该技术在机械电连接线生产中的具体应用，以期给相关从业人员提供借鉴。

关键词：机械电连接线；自动化检测；颜色识别

自动化检测技术能够自动完成连接线的所有端点检测，且能够实现颜色识别和铆接区域检测，为判断机械电连接线生产的合格性和问题源头分析提供有力支持。

1自动化检测技术在机械电连接线生产中的应用分析

1.1自动化检测技术概述。自动化检测技术属于现代电子、控制、机械和通信等多学科交叉产物，检测技术随现代传感技术的升级而增强，且检测精度大幅提高。在功能不断完善的现代微处理器支持下，自动化检测技术的检测能力随之增长，同时检测设备逐渐向简单化和小型化方向发展，能够开展越来越多内容的检测。在智能控制和非线性控制等现代控制理论支持下，自动化检测技术能够更好地服务于机械电连接线生产。结合机械电连接线生产中积累的大量历史数据，利用大数据和神经网络等技术进行分析，即可获得机械电连接线生产的优化依据，并为相应的故障诊断和处理提供支持[1]。1.2自动化检测技术的应用优势。对于产品数量巨大、线芯之间交叉复杂和无序堆放的机械电多芯连接线来说，自动化检测技术在其中的应用主要具备3方面优势。第一，提高生产效率。以3芯的机械电连接线为例，如基于万用表开展人工检测需要在两两检测中进行6次检测，而基于自动化检测技术的检测设备仅需要进行1次检测。它的1次检测耗费时间与人工1次检测耗费时间相同，可见自动化检测技术的应用可节约5/6的人工检测时间。随着多芯线的芯数增加，节约比例会呈几何级数增加，由此节省的大量生产时间能有效提高机械电连接线的生产效率，且这种提升在自动化的颜色识别和铆接区域检测中也有直观体现。第二，提升检测准确率。人工开展的机械电连接线生产检测容易误检、漏检，但依托自动化检查技术的现代检测设备仅需要将工装与待测工件连接，即可自动完成质量检测。一一对应所有数据的方式可规避错检问题，而对人工检测容易出现的漏检问题，数据处理后的检测设备能够自动提示。第三，强化生产过程的可追溯性和可控性。基于自动化检测技术的现代检测设备还需要结合大数据、云计算和物联网等技术，并严格记录生产过程，及时掌握每道生产工序的情况，从而实现生产过程中对工人进度的督促、生产资料的优化调整分配、生产合格率控制和产品质量提升。

2自动化检测技术在机械电连接线生产中的具体应用

2.1机械电连接线的自动化生产与检测系统。本文基于机械电三芯连接线设计了一套自动化生产与检测系统。该系统由上料转盘、传送带、回收箱、工控机、相机和光源组成。上料转盘上缠绕三芯连接线，每次上料时剪断抽取出固定长度的三芯连接线。气缸夹片固定放到传送带上，从左向右移动传送带并设置6个拍照工位。遮光暗箱布置在每个拍照工位上，CCD工业相机和圆顶光源设置在暗箱中。一台工控机负责处理相邻两台相机传输的图像数据，1～4号位的相机分别负责识别旋转中的母头导线颜色、判断分线后的母头极性位置、识别旋转中的公头导线颜色和判断分线后的公头极性位置。5、6号位的相机分别负责检测母头/公头的铆接区域裸露铜线。由于图像处理效率直接受图像质量影响，为提升机器视觉检测系统采集的图像质量，需关注不稳定光照条件下产生的阴影，因为这种阴影会对图像的颜色识别、阈值分割等造成干扰。现存在硬件和软件两种解决阴影干扰的方法。对比两种方法，本文采用较为简单的硬件解决方法，即将圆顶无影光源设置在应用场景中，有效削弱圆柱形导线的阴影干扰，并保障阈值分割效果。具体设计如图1所示。2.2工作流程设计。在机械电连接线的自动化生产与检测系统的颜色识别过程中，机械电连接线的颜色识别流程为“颜色分类器加载→连接相机→连接产线控制系统→采集图像（第一拍照位）→识别颜色→判断导线到达上方→颜色信息发送→采集图像（第二拍照位）→识别颜色→判断三根导线位置→发送OK/NG信号→结束”。基于该流程可应用前4个相机完成机械电三芯连接线的公头、母头生产检测。机械电连接线基于边缘检测的铆接区域，检测流程可概括为“加载模板→加载ROI区域→连接相机→连接产线控制系统→识别铜线数量（一号拍照位）→铜线裸露数量0→发送OK/NG信号给产线控制系统→第一次识别铜线数量n1（二号拍照位）→第二次识别铜线数量n2（二号拍照位）→n1与n2的和为0→发送OK/NG信号给产线控制系统”。在具体生产中，到达5号拍照位并经过铆接工位的机械电连接线，可围绕母头铆接区域采用边缘检测算法进行缺陷检测。考虑到存在较大高度差的3个铆接片，公头铆接区域在6号拍照位的检测会受到较大景深影响，使得3个铆接区域无法通过1次拍照完成检测，因此需进行2次拍照。具体的，第1次对两个铆接区域进行拍照检测，结束后机械电连接线需通过机械爪将其夹住并转动90°；第3个铆接区域则可通过第2次拍照完成检测。2.3检测结果分析。选取两批机械电三芯连接线中的400根三芯连接线，以便分析机械电连接线的自动化生产与检测系统颜色识别效果，如表1所示。由表1结果可知，三芯连接线的平均准确率为98.7%。表1颜色识别结果实际颜色识别正确个数识别总数准确率双色39240098.0%棕色39440098.5%蓝色39840099.5%若棕色或蓝色识别错误，双色识别也将出现错误结果，其中棕色和蓝色识别错误个数即为双色线识别错误个数。结合实际调研可以发现，白色粉尘在3根导线表面的大量附着会影响颜色识别准确率。分析机械电三芯连接线的裸露铜线检测结果可知，试验样本共有导线384根，母头导线铆接区域和公头导线铆接区域均为384个，由此开展实验可得到如表2所示的铆接区域检测结果。由表2可知，良品检测准确率较高，不良品检测准确率相对较低。分析错误案例可以发现，完成铆接后，铆接区域外存在较短的铜线裸露，且这根导线在ROI区域提取时不包含在内。

3结语

机械电连接线生产中自动化检测技术具有较高实用价值。对于自动化检测技术的应用优势、机械电连接线的自动化生产与检测系统、工作流程设计以及检测结果分析等内容，提供了具有较高可行性的自动化检测技术应用路径。为更好地服务机械电连接线生产检测，新型算法的科学应用、高复用性机器视觉检测系统的开发以及智能化技术的深入研究都需要引起高度重视。

参考文献

[1]邬博，李林升.基于机器视觉的图像处理技术识别锂电池极片的缺陷[J].机械研究与应用，2020（5）：194-196.

作者:庄黎明 陆建 谢海宁 尹建坤 单位:1.国网上海电力公司电力科学研究院 2.科大智能电气技术有限公司