书籍详情
汽车曲面喷涂智能检测技术及大数据分析
作者：赵时璐 著
出版社：冶金工业出版社
出版时间：2021-05-01
ISBN：9787502488789
定价：¥96.00
购买这本书可以去
内容简介
本书将汽车轮罩PVC涂胶定位工艺与机器视觉技术相结合，并利用基于检测大数据的SPC质量控制系统，有效提高了汽车PVC涂胶的喷涂性能，改善了汽车轮罩的密封性，增强了汽车PVC涂层的耐腐蚀性能。全书共10章，分别介绍了基于机器视觉的汽车轮罩曲面PVC涂胶检测系统框架、检测与定位软件、曲面PVC涂胶检测标准、喷涂机器人调试、基于检测大数据的SPC质量控制系统的原理、特点及展望。本书可供从事汽车涂装质量控制及大数据分析的相关工作人员阅读和参考。
作者简介
暂缺《汽车曲面喷涂智能检测技术及大数据分析》作者简介
目录
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 PVC涂胶研究现状
1.2.2 机器视觉研究现状
1.2.3 大数据研究现状与趋势
1.3 主要研究工作
1.4 章节安排
2 曲面喷涂机器视觉检测系统框架
2.1 检测系统应用环境
2.2 检测系统特征
2.3 检测系统设计
2.3.1 系统通信链路
2.3.2 曲面镜头采样
2.3.3 工业相机分类
2.3.4 工业相机选用
2.3.5 工业相机镜头
2.3.6 工业相机镜头选用
2.3.7 检测光源特点与选用
2.4 本章小结
3 汽车轮罩曲面喷涂检测技术
3.1 应用场景分析
3.2 堵件安装遗漏缺陷检测
3.2.1 图像增强
3.2.2 区域分割
3.2.3 伪缺陷剔除
3.2.4 检测分析
3.3 未喷涂缺陷检测
3.3.1 图像锐化
3.3.2 边缘检测
3.3.3 检测分析
3.4 本章小结
4 PVC涂胶检测与定位软件
4.1 软件开发需求
4.2 软件开发环境
4.2.1 Qt函数库
4.2.2 OpenCV函数库
4.3 软件流程设计
4.4 软件功能模块设计
4.4.1 图像采集模块
4.4.2 图像处理模块
4.4.3 缺陷检测模块
4.4.4 用户界面模块
4.5 本章小结
5 曲面喷涂检测标准
5.1 喷涂检测标准概述
5.2 禁止喷涂区域标准
5.3 涂胶边缘界线标准
5.4 本章小结
6 PVC喷涂机器人
6.1 机器人主体结构
6.1.1 机器人本体单元
6.1.2 机器人本体工艺控制设备
6.1.3 机器人本体喷涂胶枪设备
6.2 机器人主要元器件
6.2.1 电源控制柜
6.2.2 机器人工作站控制柜
6.2.3 机器人控制柜
6.3 机器人调试
6.3.1 电气测试
6.3.2 PVC胶管路保压测试
6.3.3 机器人软件上传与下载
6.4 本章小结
7 基于大数据的SPC质量控制系统
7.1 大数据概述
7.1.1 大数据定义
7.1.2 大数据研究现状
7.1.3 大数据工作原理
7.1.4 大数据意义
7.2 SPC技术概述
7.2.1 SPC技术定义
7.2.2 SPC技术工作原理
7.2.3 SPC技术常用分析方法
7.2.4 SPC技术分析过程
7.2.5 SPC技术发展特点
7.3 基于大数据的SPC质量控制系统
7.3.1 检测系统大数据库
7.3.2 检测系统大数据曲线
7.3.3 曲线的大数据来源
7.3.4 数据曲线程序
7.3.5 数据曲线结果
7.4 基于曲线波动的预警窗口
7.4.1 曲线临界值
7.4.2 曲线波动情况
7.4.3 基于曲线波动预警窗口
7.5 本章小结
8 六西格玛工具
8.1 六西格玛概述
8.2 六西格玛工具
8.2.1 管理工具1——FMEA和FTA分析
8.2.2 管理工具2——Kano模型
8.2.3 管理工具3——POKA-YOKE分析
8.2.4 管理工具4——QFD方法
8.2.5 管理工具5——SOW工作说明
8.2.6 管理工具6——WBS体系
8.2.7 管理工具7——并行工程体系
8.2.8 管理工具8——参数设计方法
8.2.9 管理工具9——发散思维理论
8.2.10 管理工具10——方差分析与回归分析
8.2.1 l管理工具11——顾客满意度评估
8.2.12 管理工具12——精益生产
8.2.13 管理工具13——均匀设计
8.2.14 管理工具14——排列图分析
8.2.15 管理工具15——平衡计分卡分析
8.2.16 管理工具16——容差设计
8.2.17 管理工具17——实验设计
8.2.18 管理工具18——水平比较法
8.2.19 管理工具19——统计过程控制
8.2.20 管理工具20——头脑风暴法
8.3 本章小结
9 IATF16949质量管理体系
9.1 IATF16949概述
9.2 IATF16949五大工具
9.2.1 APQP产品质量先期策划
9.2.2 FMEA潜在的失效模式及后果分析
9.2.3 PPAP生产件批准程序
9.2.4 SPC统计过程控制
9.2.5 MSA测量系统分析
9.3 本章小结
10 结论与工作展望
10.1 结论
10.2 工作展望
附录
附录A 视觉系统HMI人机界面说明
附录B 系统工控机介绍
附录C PLC程序下载和上载操作
附录D 2020年机器视觉行业深度报告
附录E 中国制造2025
附录F 基于大数据的SPC质量控制系统代码
参考文献
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 PVC涂胶研究现状
1.2.2 机器视觉研究现状
1.2.3 大数据研究现状与趋势
1.3 主要研究工作
1.4 章节安排
2 曲面喷涂机器视觉检测系统框架
2.1 检测系统应用环境
2.2 检测系统特征
2.3 检测系统设计
2.3.1 系统通信链路
2.3.2 曲面镜头采样
2.3.3 工业相机分类
2.3.4 工业相机选用
2.3.5 工业相机镜头
2.3.6 工业相机镜头选用
2.3.7 检测光源特点与选用
2.4 本章小结
3 汽车轮罩曲面喷涂检测技术
3.1 应用场景分析
3.2 堵件安装遗漏缺陷检测
3.2.1 图像增强
3.2.2 区域分割
3.2.3 伪缺陷剔除
3.2.4 检测分析
3.3 未喷涂缺陷检测
3.3.1 图像锐化
3.3.2 边缘检测
3.3.3 检测分析
3.4 本章小结
4 PVC涂胶检测与定位软件
4.1 软件开发需求
4.2 软件开发环境
4.2.1 Qt函数库
4.2.2 OpenCV函数库
4.3 软件流程设计
4.4 软件功能模块设计
4.4.1 图像采集模块
4.4.2 图像处理模块
4.4.3 缺陷检测模块
4.4.4 用户界面模块
4.5 本章小结
5 曲面喷涂检测标准
5.1 喷涂检测标准概述
5.2 禁止喷涂区域标准
5.3 涂胶边缘界线标准
5.4 本章小结
6 PVC喷涂机器人
6.1 机器人主体结构
6.1.1 机器人本体单元
6.1.2 机器人本体工艺控制设备
6.1.3 机器人本体喷涂胶枪设备
6.2 机器人主要元器件
6.2.1 电源控制柜
6.2.2 机器人工作站控制柜
6.2.3 机器人控制柜
6.3 机器人调试
6.3.1 电气测试
6.3.2 PVC胶管路保压测试
6.3.3 机器人软件上传与下载
6.4 本章小结
7 基于大数据的SPC质量控制系统
7.1 大数据概述
7.1.1 大数据定义
7.1.2 大数据研究现状
7.1.3 大数据工作原理
7.1.4 大数据意义
7.2 SPC技术概述
7.2.1 SPC技术定义
7.2.2 SPC技术工作原理
7.2.3 SPC技术常用分析方法
7.2.4 SPC技术分析过程
7.2.5 SPC技术发展特点
7.3 基于大数据的SPC质量控制系统
7.3.1 检测系统大数据库
7.3.2 检测系统大数据曲线
7.3.3 曲线的大数据来源
7.3.4 数据曲线程序
7.3.5 数据曲线结果
7.4 基于曲线波动的预警窗口
7.4.1 曲线临界值
7.4.2 曲线波动情况
7.4.3 基于曲线波动预警窗口
7.5 本章小结
8 六西格玛工具
8.1 六西格玛概述
8.2 六西格玛工具
8.2.1 管理工具1——FMEA和FTA分析
8.2.2 管理工具2——Kano模型
8.2.3 管理工具3——POKA-YOKE分析
8.2.4 管理工具4——QFD方法
8.2.5 管理工具5——SOW工作说明
8.2.6 管理工具6——WBS体系
8.2.7 管理工具7——并行工程体系
8.2.8 管理工具8——参数设计方法
8.2.9 管理工具9——发散思维理论
8.2.10 管理工具10——方差分析与回归分析
8.2.1 l管理工具11——顾客满意度评估
8.2.12 管理工具12——精益生产
8.2.13 管理工具13——均匀设计
8.2.14 管理工具14——排列图分析
8.2.15 管理工具15——平衡计分卡分析
8.2.16 管理工具16——容差设计
8.2.17 管理工具17——实验设计
8.2.18 管理工具18——水平比较法
8.2.19 管理工具19——统计过程控制
8.2.20 管理工具20——头脑风暴法
8.3 本章小结
9 IATF16949质量管理体系
9.1 IATF16949概述
9.2 IATF16949五大工具
9.2.1 APQP产品质量先期策划
9.2.2 FMEA潜在的失效模式及后果分析
9.2.3 PPAP生产件批准程序
9.2.4 SPC统计过程控制
9.2.5 MSA测量系统分析
9.3 本章小结
10 结论与工作展望
10.1 结论
10.2 工作展望
附录
附录A 视觉系统HMI人机界面说明
附录B 系统工控机介绍
附录C PLC程序下载和上载操作
附录D 2020年机器视觉行业深度报告
附录E 中国制造2025
附录F 基于大数据的SPC质量控制系统代码
参考文献
猜您喜欢
