汽车零件分装报警系统项目描述 针对汽车机油滤芯零件生产过程中标签错贴、漏贴导致的质量问题开发一套基于机器视觉的标签识别与报警系统实现零件标签的实时检测与异常报警。主要职责使用海康威视工业相机30fps和USB摄像头通过OpenCV与海康SDK完成多路视频采集与图像预处理基于PaddleOCR构建标签编号识别模块结合正则表达式和字符纠错算法如O/0、S/5、I/1替换将识别准确率提升至90%以上利用PyQt5开发上位机界面实现三路视频实时显示、识别结果展示、报警状态提示等功能通过pyserial串口通信控制外接声光报警器实现异常时触发报警及手动复位功能采用QTimer多线程机制优化采集频率保证系统长时间稳定运行。项目成果系统上线后标签错贴导致的产品返工率降低约30%识别响应延时控制在200ms以内支持7×24小时连续运行界面交互友好操作便捷提升了生产线自动化水平。二、面试稿版本详细口语化1. 项目内容我做的这个项目叫汽车零件分装报警系统主要是为了解决生产线上机油滤芯零件标签错贴、漏贴的问题。具体来说我负责了三个核心模块第一个是图像采集与预处理模块。 我们用了两路海康威视工业相机帧率设置在30帧/秒还有一路USB摄像头作为补充。我通过海康的SDK封装了一个相机类可以动态调整曝光时间、增益、帧率这些参数适应不同光照环境。采集到的图像我会先用OpenCV做缩放和格式转换再交给OCR识别。第二个是标签识别模块。 识别这块我用的是PaddleOCR因为它的中英文和数字混合识别效果比较好。 但实际测试中发现OCR有时候会把“0”识别成“O”把“5”识别成“S”或者把“1”识别成“I”。所以我加了一个字符纠错的处理把这些易错的字符替换回来再结合正则表达式去匹配我们产品编号的格式比如4到7位纯数字或者字母数字混合的格式。这样一来识别准确率就从刚开始的80%左右提升到了90%以上。第三个是报警与界面模块。 我用PyQt5做了上位机界面可以同时显示三路摄像头的实时画面。当识别到的编号和我们预设的型号不匹配或者识别不出来的时候系统就会通过串口向报警器发送指令触发声光报警。界面上也有“复位”按钮可以手动清除报警状态还有“报警记录”按钮可以直接打开存放报警日志的文件夹。2. 技术栈我主要用了这些技术技术用途Python主开发语言PyQt5开发上位机界面包括视频显示、按钮交互、定时器控制等OpenCV视频帧读取、图像缩放、颜色空间转换PaddleOCR标签编号识别支持中英文混合海康威视 SDK驱动工业相机封装了参数设置和图像获取接口pyserial串口通信控制外接报警器正则表达式OCR结果过滤与格式校验QTimer / 多线程控制采集帧率避免界面卡顿摄像头这块工业相机我设置的采集帧率是30帧/秒这样既能保证识别的实时性又不会给系统带来太大负载。USB摄像头也是用30帧实际识别是每隔3到5帧做一次OCR避免CPU占用过高。3. 项目成果这个系统上线之后效果还是比较明显的质量提升标签错贴导致的返工率降低了大约30%生产线的质量稳定性有了明显改善。性能表现识别响应延时控制在200毫秒以内支持7×24小时连续运行没有出现过卡顿或崩溃的情况。用户体验界面操作简单工人只需要点击“开启”、“复位”几个按钮就能完成日常操作报警记录也方便追溯。三、补充说明关于帧率 工业相机我们用的是30fps采集但实际OCR识别不是每一帧都做而是每隔3到5帧识别一次。这样既保证了识别的实时性约150ms以内响应又避免了CPU占用过高导致界面卡顿。汽车零件分装报警系统项目描述 针对汽车机油滤芯零件生产过程中标签错贴、漏贴导致的质量问题开发一套基于机器视觉的标签识别与报警系统实现零件标签的实时检测与异常报警。主要职责使用海康威视工业相机30fps和USB摄像头通过OpenCV与海康SDK完成多路视频采集与图像预处理基于PaddleOCR构建标签编号识别模块结合正则表达式和字符纠错算法如O/0、S/5、I/1替换将识别准确率提升至90%以上利用PyQt5开发上位机界面实现三路视频实时显示、识别结果展示、报警状态提示等功能通过pyserial串口通信控制外接声光报警器实现异常时触发报警及手动复位功能采用QTimer多线程机制优化采集频率保证系统长时间稳定运行。项目成果系统上线后标签错贴导致的产品返工率降低约30%识别响应延时控制在200ms以内支持7×24小时连续运行界面交互友好操作便捷提升了生产线自动化水平。二、面试稿版本详细口语化1. 项目内容我做的这个项目叫汽车零件分装报警系统主要是为了解决生产线上机油滤芯零件标签错贴、漏贴的问题。具体来说我负责了三个核心模块第一个是图像采集与预处理模块。 我们用了两路海康威视工业相机帧率设置在30帧/秒还有一路USB摄像头作为补充。我通过海康的SDK封装了一个相机类可以动态调整曝光时间、增益、帧率这些参数适应不同光照环境。采集到的图像我会先用OpenCV做缩放和格式转换再交给OCR识别。第二个是标签识别模块。 识别这块我用的是PaddleOCR因为它的中英文和数字混合识别效果比较好。 但实际测试中发现OCR有时候会把“0”识别成“O”把“5”识别成“S”或者把“1”识别成“I”。所以我加了一个字符纠错的处理把这些易错的字符替换回来再结合正则表达式去匹配我们产品编号的格式比如4到7位纯数字或者字母数字混合的格式。这样一来识别准确率就从刚开始的80%左右提升到了90%以上。第三个是报警与界面模块。 我用PyQt5做了上位机界面可以同时显示三路摄像头的实时画面。当识别到的编号和我们预设的型号不匹配或者识别不出来的时候系统就会通过串口向报警器发送指令触发声光报警。界面上也有“复位”按钮可以手动清除报警状态还有“报警记录”按钮可以直接打开存放报警日志的文件夹。2. 技术栈我主要用了这些技术技术用途Python主开发语言PyQt5开发上位机界面包括视频显示、按钮交互、定时器控制等OpenCV视频帧读取、图像缩放、颜色空间转换PaddleOCR标签编号识别支持中英文混合海康威视 SDK驱动工业相机封装了参数设置和图像获取接口pyserial串口通信控制外接报警器正则表达式OCR结果过滤与格式校验QTimer / 多线程控制采集帧率避免界面卡顿摄像头这块工业相机我设置的采集帧率是30帧/秒这样既能保证识别的实时性又不会给系统带来太大负载。USB摄像头也是用30帧实际识别是每隔3到5帧做一次OCR避免CPU占用过高。3. 项目成果这个系统上线之后效果还是比较明显的质量提升标签错贴导致的返工率降低了大约30%生产线的质量稳定性有了明显改善。性能表现识别响应延时控制在200毫秒以内支持7×24小时连续运行没有出现过卡顿或崩溃的情况。用户体验界面操作简单工人只需要点击“开启”、“复位”几个按钮就能完成日常操作报警记录也方便追溯。三、补充说明关于帧率 工业相机我们用的是30fps采集但实际OCR识别不是每一帧都做而是每隔3到5帧识别一次。这样既保证了识别的实时性约150ms以内响应又避免了CPU占用过高导致界面卡顿。