廣陵區(qū)磁性材料檢測(cè)廠家電話量大從優(yōu) 邁迅威視覺工匠精神

噴碼檢測(cè)

噴碼視覺檢測(cè)不但在日化行業(yè)有廣泛的應(yīng)用，在其他行業(yè)如制藥，化工等各行各業(yè)都有廣泛的應(yīng)用。邁迅威視覺的瓶底讀碼檢測(cè)系統(tǒng)在無需對(duì)原有產(chǎn)線機(jī)構(gòu)進(jìn)行大范圍改造的基礎(chǔ)上，以極低的成本，簡(jiǎn)單的操作和維護(hù)方式，更好的解決了客戶的噴碼難題。輔以相應(yīng)的視覺檢測(cè)工具，該系統(tǒng)能實(shí)現(xiàn)各行業(yè)外觀檢測(cè)應(yīng)用中的多方面高速檢測(cè)要求。

檢測(cè)內(nèi)容：

噴碼缺失，噴碼變形，字符位置偏移，重影，字體模糊，字符錯(cuò)誤

噴碼檢測(cè)系統(tǒng)功能：

1，  缺陷產(chǎn)品圖片保存功能，

2，  產(chǎn)品良品次品實(shí)時(shí)統(tǒng)計(jì)功能。

3，  工作報(bào)表

4，  遠(yuǎn)程監(jiān)控

5，  可安裝自動(dòng)剔除裝置

6，  可接受定制

設(shè)備參數(shù)：

檢測(cè)速度：

1500個(gè)/分鐘

檢出率：100%

功率：220V

氣壓：0.6Mpa

產(chǎn)品應(yīng)用范圍：食品行業(yè)，藥品行業(yè)，化妝品行業(yè)，電子行業(yè)，化工行業(yè)，農(nóng)產(chǎn)品等任何需要噴碼的行業(yè)產(chǎn)品。

藥片缺陷檢測(cè)

西藥是我們每個(gè)人都離不開的產(chǎn)品，在西藥生產(chǎn)過程中，由于種種原因會(huì)導(dǎo)致產(chǎn)品卻塊，裂紋，表面有黑斑等各種缺陷。 一旦這種產(chǎn)品流入市場(chǎng)，進(jìn)入消費(fèi)者手中，就會(huì)引起一系列嚴(yán)重的市場(chǎng)反應(yīng)，嚴(yán)重影響個(gè)藥企的企業(yè)形象。上海邁迅威視覺科技根據(jù)市場(chǎng)需求，專門研發(fā)的藥片缺陷檢測(cè)機(jī)，可用于各種顏色藥片的表面缺陷檢測(cè)，設(shè)備核心部分均采用進(jìn)口零配件，如，日本三菱的電機(jī)，德國(guó)BALSER的相機(jī)等。此外各個(gè)與藥片接觸的部分均采用316藥用級(jí)不銹鋼， 可滿足各個(gè)制藥企業(yè)的檢測(cè)需求。 

根據(jù)模板匹配的畸變字符識(shí)別算法.該算法能夠全自動(dòng)校正因?yàn)槊鎸油渡渌斐傻幕冏址麍D象,明顯提升面層字符識(shí)別的準(zhǔn)確率.隨后對(duì)校正后 的圖象開展字符精準(zhǔn)定位,終根據(jù)模板匹配算法對(duì)字符作出.實(shí)驗(yàn)結(jié)果顯示,畸變字符校正算法合理地提升了算法針對(duì)圓上上字符的鑒別工作能力,在檢測(cè)中獲得了 優(yōu)良的實(shí)際效果.根據(jù)模板匹配的畸變字符識(shí)別算法.該算法能夠全自動(dòng)校正因?yàn)槊鎸油渡渌斐傻幕冏址麍D象,明顯提升面層字符識(shí)別的準(zhǔn)確率.隨后對(duì)校正后 的圖象開展字符精準(zhǔn)定位,終根據(jù)模板匹配算法對(duì)字符作出.實(shí)驗(yàn)結(jié)果顯示,畸變字符校正算法合理地提升了算法針對(duì)圓上上字符的鑒別工作能力,在檢測(cè)中獲得了 優(yōu)良的實(shí)際效果.

根據(jù)電子器件管理平臺(tái),可以對(duì)產(chǎn)品的生產(chǎn)制造、貨運(yùn)物流、市場(chǎng)銷售及其應(yīng)用等階段開展監(jiān)管。噴碼字符做為一種常見產(chǎn)品管控碼,其檢驗(yàn)、鑒別在賦碼管控系統(tǒng)軟件中擁有至關(guān)重要的影響力。對(duì)于字符的鑒別,普遍的方式 主要是根據(jù)軟件系統(tǒng)設(shè)計(jì)方案的,該方式 不利機(jī)器設(shè)備當(dāng)場(chǎng)智能化系統(tǒng)管理方法。因而,文中設(shè)計(jì)方案了一套根據(jù)FPGA和單脈沖藕合神經(jīng)元網(wǎng)絡(luò)(PCNN)的噴碼字符識(shí)別技術(shù)。文中關(guān)鍵研究方向及結(jié)果為:(1)對(duì)于基本方式 在圖像二值分割時(shí),實(shí)際效果不理想化的難題,文中選用PCNN算法融合交叉熵基礎(chǔ)理論來分割圖像。,根據(jù)MATLAB對(duì)PCNN算法的基礎(chǔ)實(shí)體模型剖析,對(duì)于不一樣灰度值像素?cái)?shù)火時(shí)刻不一樣的特點(diǎn),開展圖像的二值分割。隨后,運(yùn)用每一次分割后圖像與原圖像的交叉熵的基礎(chǔ)理論,明確PCNN在分割圖像時(shí),什么時(shí)候?yàn)槎捣指顖D像。該方式 完成了圖像的全自動(dòng)分割,且實(shí)際效果非常好。(2)對(duì)于傳統(tǒng)式投射分割方式 只有分割持續(xù)字符,沒法分割點(diǎn)陣噴碼字符的難題,文中明確提出改善的投射分割算法。該算法運(yùn)用噴碼字符中點(diǎn)陣裂縫與字符間隔的關(guān)聯(lián),根據(jù)操縱分割閥值的尺寸將一串串字符分割成單獨(dú)字符,便于于字符svm算法及鑒別。改善后的算法不但可以分割持續(xù)字符,并且非常好的解決了傳統(tǒng)式投射算法沒法分割點(diǎn)陣字符的難題。(3)對(duì)于噴碼字符的點(diǎn)陣特點(diǎn),文中明確提出改善的網(wǎng)格圖特點(diǎn)算法,并徹底改變字符鑒別標(biāo)準(zhǔn)。