CN102529019A - 一种模具检测、保护及零件检测、摘取的方法 - Google Patents

Abstract

本发明涉及一种模具检测、保护及零件检测、摘取的方法，包括任务设定步骤和依次执行检测任务的执行步骤，在任务设定步骤，先选择模具、工件要做表面质量检测的部分，以及要做的形位尺寸检测的部分，设定任务按顺序执行并采集工况图像；在执行检测任务步骤中，采集实时工况图像，进行对比下进行表面质量分析与形位尺寸测量，能完成检测零件尺寸、摘取零件、检测顶杆及镶块尺寸、检测模具尺寸、表面质量检测等功能，在零件尺寸不合格、顶杆及镶块动作未到位、脱模未净、模具尺寸不合格的情况下发出警报，防止残次品连续出现，减少废品，提高产品质量和生产效率。

Description

一种模具检测、保护及零件检测、摘取的方法

技术领域

本发明涉及一种检测方法，特别是一种模具检测、保护及零件检测、摘取的方法。 

背景技术

在注塑机工作时，互为阴阳关系的动模、静模残留部分成形品时，模具会受到损伤。如果模具在长期使用中受到磨损，模具及零件的尺寸超标，将会产生废品。目前已有模具监视***，能够检测是否脱模干净，但不能再注塑机开模时检测零件、模具关键尺寸和表面质量。这种模具脱模监视***位置固定、功能单一，因此需要改进设计，增加功能。发明内容 

本发明所要解决的技术问题在于，提供一种模具检测、保护及零件检测、摘取的方法。

为解决上述技术问题，本发明采用以下技术方案：一种模具检测、保护及零件检测、摘取的方法，其特征是包括任务设定步骤和依次执行检测任务的执行步骤，在任务设定步骤，先选择模具、工件要进行表面质量检测的部分，以及要进行形位尺寸检测的部分，将每个检测内容加入任务列表，然后规划检测任务，设定任务列表中任务的顺序，顺序设定后，机械手预演每项任务，确定检测内容的最佳观测位置和角度，同时存储任务参数，预演时，先计算此项检测任务的最佳观测位置，然后驱动机械手到达目标位置，再旋转相机到达最佳观测角度，相机调焦、成像，存储图像为训练图像，在训练图像中设定表面检测的参数和形位尺寸的位置、种类、允许误差范围、超限处理方法和特征定位方法，任务设定后，将任务列表、任务的各种参数编入程序，下载到机械手和相机的控制器中，控制相机、机械手动作流程并执行任务；在执行检测任务步骤中，对任务列表中的每个任务，机械手先到达任务位置后，按预设旋转角度和预设焦距让相机成像，作为工况图像，在训练图像的对比下进行表面质量分析与形位尺寸测量，并按检测结果对工件分类，然后分拣工件、汇报模具状态。 

所述检测表面质量包括斑点类缺陷和广义线状缺陷，所述斑点类缺陷检测步骤为先训练后检测；在训练阶段，对缺陷样本在RGB 彩色空间用K-均值法进行聚类，进行充分分割以降低或消除分割误差，然后，将这些聚类结果变换到CIE-Luv归一化的彩色空间进行合并，即将小的聚类合并为大的聚类，这样对样本完成了与人类感知相一致的区域分割，每种彩色图像被分为一系列二值图象，对每个区域计算其结构特征；在检测阶段，对测试图像的象素在已经定义的种类空间中用最近邻域规则进行分类，无法归类的象素就被认为有缺陷象素；而已经归类的象素又形成一系列的二值图象，对每个区域计算结构特征，再用Mahalanobis 距离测试检测出斑点类缺陷。 

所述广义线状缺陷检测先对图像进行最大值滤波，清除图像中的暗线，然后再进行最小值滤波，进行补偿，得到第一结果图像A；再对图像进行最小值滤波，清除图像中的亮线，再最大值滤波进行补偿作用，保存第二结果图像B；将第一结果图像A和第二结果图像B差值图像中分析缺陷区域，并采用多分类支持向量机识别缺陷。 

所述形位尺寸检测先对图像进行二值化，然后用Harris算法提取角点特征，再用随机Hough变换法检测直线和圆，然后根据直线和圆的性质选择最小点集，采用最小二乘法进一步拟合得到精确的直线和圆参数，由已知参数的直线和圆，以及训练图像的对比，计算出工况图像工件的尺寸数值。 

本发明一种模具检测、保护及零件检测、摘取的方法由于相机安装在机械手上，因此可以从多个方位观察模具、零件，可以从最佳视角采集图像，并完成检测零件尺寸、摘取零件、检测顶杆及镶块尺寸、检测模具尺寸、表面质量检测等功能；由于存在任务设定步骤和任务执行步骤，将任务设定步骤的图像作为后面检测尺寸的参照标准，而任务设定步骤中的模具、零件的尺寸可以实际测量得到或计算得出，因此可以间接计算任务执行步骤时模具、零件的工况尺寸。 

下面结合附图和具体实施方式对本发明作进一步的描述。 

附图说明

图1是一种模具检测、保护及零件检测、摘取的方法的工作流程； 

图2是一种模具检测、保护及零件检测、摘取的方法在任务设定中的任务预演步骤；

图3是本发明一种模具检测、保护及零件检测、摘取的方法检测任务执行步骤；

图4是一种模具检测、保护及零件检测、摘取的方法的机械结构；

图5是一种模具检测、保护及零件检测、摘取的方法进行表面检测时的流程；

图6 是一种模具检测、保护及零件检测、摘取的方法进行形位尺寸检测时的流程。

具体实施方式

如图1、图2、图3、图4、图、5图6所示，一种模具检测、保护及零件检测、摘取的方法，相对应的装置包括有机械手3、相机2和旋转云台1、控制***，旋转云台1设置在机械手3上，相机2设置在旋转云台1上，控制***控制协调机械手3、相机2和旋转云台1的动作流程。方法包括以下部分：任务设定步骤和依次执行检测任务的执行步骤，在任务设定步骤，先选择模具、工件要做表面质量检测的部分，以及要做的形位尺寸检测的部分，将每个检测内容加入任务列表，然后规划检测任务，设定任务列表中任务的顺序，顺序设定后，机械手3预演每项任务，确定检测内容的最佳观测位置和角度，同时存储任务参数，预演时，先计算此项检测任务的最佳观测位置，然后驱动机械手3到达目标位置，再旋转相机2到达最佳观测角度，相机2调焦、成像，存储图像为训练图像，在训练图像中设定表面检测的参数和形位尺寸的位置、种类、允许误差范围、超限处理方法和特征定位方法，任务设定后，将任务列表、任务的各种参数编入程序，下载到机械手3和相机2的控制器中，控制相机2、机械手3动作流程并执行任务；在执行检测任务步骤中，对任务列表中的每个任务，机械手3先到达任务位置后，按预设旋转角度和预设焦距让相机2成像，作为工况图像，在训练图像的对比下进行表面质量分析与形位尺寸测量，并按检测结果对工件分类，然后分拣工件、汇报模具状态。采用上述技术方案后，本发明能够在线检测模具及零件的大部分尺寸及表面质量，防止残次品连续出现，减少废品，提高产品质量和生产效率，并保护模具。 

如图4所示，一种改进的实施方式，本发明还包括有带方格的白纸光照模板6、安装基板7、引拨手爪8及多个LED光源，安装基板7为长条形且设置在旋转云台1上，引拨手爪8设置在安装基板7一端，相机2设置在所述安装基板7另一端，多个LED光源均匀设置在相机2后端，白纸光照模板6设置在相机2与引拨手爪8之间。要精确检测图像的表面质量和形位尺寸，必须进行视觉***的校正，去除当前光照与标准光照的相对变化，以及标定视觉***。只有知道当前环境的光照与标准光照的相对变化，才能去除目标图像中的环境光照影响，减少光照耀斑，减少后期特征提取的难度，也避免把光照耀斑当成表面特征，采用带方格的白纸光照模板6作为光照模板，放置在相机2与引拨手爪8之间，与相机2的相比位置固定，校正时才开启。带方格的白纸光照模板6在工况时与任务预演时的图像差别，作为参照，计算当前工作环境相对任务设定时的变化，补偿工况图像，使工况图像能够真实反映实际产品的表面情况。同时带方格的白纸光照模板6也是相机的在线标定模板，计算相机2的内外参数。所述机械手3包括：x轴输送轨道31、y轴输送轨道32、z轴输送轨道33、第一输送方块34、第二输送方块35和第三输送方块36，第一输送方块34设置在x轴输送轨道31上且实现在x轴自由移动，y轴输送轨道32设置第一输送方块34的一侧部，第二输送方块35设置在y轴输送轨道32上且实现在y轴自由移动，所述z轴输送轨道33设置在第二输送方块35上，所述第三输送方块36设置在z轴输送轨道33上且实现在z轴自由移动，所述旋转云台1设置在第三输送方块36上，所述第一输送方块34、第二输送方块35和第三输送方块36由交流伺服电机提供动力并光栅尺进行位置控制。由于表面质量分析、形位尺寸检测都是在工况图像与参照图像相对变化的基础上完成的，因此执行检测任务时相机的位置应当与任务预演中的相机位置完全一致。这就要求视觉、机械手集成装置有较高的定位精度。而且由于测量任务的不确定性，相机能够从最佳位置和最佳角度观测每项检测项目，因此视觉、机械手集成装置需要有六自由度。如图5所示，机械手3采用了三轴横走机构，能够到达观测空间的任意位置；旋转云台1设置在机械手3上，相机2设置在旋转云台1上，能够达到任意角度，并在相机2四周安装了12个LED光源；安装基板7的一端安装了引拨手爪，以拨取零件、分拣目标。 

检测表面质量包括检测缺角、缺边、划痕、裂纹、孔洞、污渍、凸块、凹陷、孔洞、模糊、龟裂、气泡等内容，主要包括斑点类缺陷和广义线状缺陷两种类型，流程如图5所示。斑点类缺陷与背景相比有较高的对比度，但是由于工厂环境较恶劣，往往受烟尘、油污、温度高等因素的影响，缺陷图像信噪比下降，采用简单的阈值法不能满足要求。 

一种改进的实施方式，所述检测表面质量包括斑点类缺陷检测和广义线状缺陷检测，所述斑点类缺陷检测步骤为先训练后检测，在训练阶段，对缺陷样本在RGB 彩色空间用K-均值法进行聚类，进行充分分割以降低或消除分割误差，然后，将这些聚类结果变换到CIE-Luv归一化的彩色空间进行合并，即将小的聚类合并为大的聚类，这样对样本完成了与人类感知相一致的区域分割，每种彩色图像被分为一系列二值图象，对每个区域计算其结构特征，在检测阶段，对测试图像的象素在已经定义的种类空间中用最近邻域规则进行分类，无法归类的象素就被认为有缺陷象素，而已经归类的象素又形成一系列的二值图象，对每个区域计算结构特征，再用Mahalanobis 距离测试检测出斑点类缺陷。 

一种改进的实施方式，大多数划痕、裂纹、孔洞、污渍等缺陷可以归类为广义线状缺陷。所述广义线状缺陷检测先对图像进行最大值滤波，清除图像中的暗线，然后再进行最小值滤波，进行补偿，得到第一结果图像A；再对图像进行最小值滤波，清除图像中的亮线，再最大值滤波进行补偿作用，保存第二结果图像B；从第一结果图像A和第二结果图像B的差值图像中分析缺陷区域，并采用多分类支持向量机识别缺陷。 

一种改进的实施方式，零件的形位尺寸，包括直线度、平行度、圆度和同心度等项目，这些项目都可以在检测出的直线和圆之后进行。形位尺寸检测先对图像进行二值化，然后用Harris算法提取角点特征，再用随机Hough变换法检测直线和圆，然后根据直线和圆的性质选择最小点集，采用最小二乘法进一步拟合得到精确的直线和圆参数；由已知参数的直线和圆，以及训练图像的参照，计算出工况图像工件的尺寸数值。 

  

Claims (5)

1.一种模具检测、保护及零件检测、摘取的方法，其特征是包括任务设定步骤和依次执行检测任务的执行步骤，在任务设定步骤，先选择模具、工件要进行表面检测的部分，以及要进行检测的关键形位尺寸，将每个检测内容加入任务列表，然后规划检测任务，设定任务列表中任务的顺序，顺序设定后，机械手（1）预演每项任务，确定检测内容的最佳观测位置和角度，同时存储任务参数，预演时，先计算此项检测任务的最佳观测位置，然后驱动机械手（1）到达目标位置，再旋转相机（2）到达最佳观测角度，相机（2）调焦、成像，存储图像为训练图像，在训练图像中设定表面检测的参数和形位尺寸的位置、种类、允许误差范围、超限处理方法和特征定位方法，任务设定后，将任务列表、任务的各种参数编入程序，下载到机械手（1）和相机（2）的控制器中，控制相机（2）、机械手（1）动作流程并执行任务；在执行检测任务步骤中，对任务列表中的每个任务，机械手（1）先到达任务位置后，按预设旋转角度和预设焦距让相机（2）成像，作为工况图像，在训练图像的对比下进行表面质量分析与形位尺寸测量，并按检测结果对工件分类，然后分拣工件、汇报模具状态。

2.根据权利要求1所述的模具检测、保护及零件检测、摘取的方法，其特征是所述检测表面质量包括斑点类缺陷和广义线状缺陷，所述斑点类缺陷检测步骤为先训练后检测；在训练阶段，对缺陷样本在RGB 彩色空间用K-均值法进行聚类，进行充分分割以降低或消除分割误差，然后，将这些聚类结果变换到CIE-Luv归一化的彩色空间进行合并，即将小的聚类合并为大的聚类，这样对样本完成了与人类感知相一致的区域分割，每种彩色图像被分为一系列二值图象，对每个区域计算其结构特征；在检测阶段，对测试图像的象素在已经定义的种类空间中用最近邻域规则进行分类，无法归类的象素就被认为有缺陷象素；而已经归类的象素又形成一系列的二值图象，对每个区域计算结构特征，再用Mahalanobis 距离测试检测出斑点类缺陷。

3.根据权利要求1或2所述的模具检测、保护及零件检测、摘取的方法，其特征是所述广义线状缺陷检测先对图像进行最大值滤波，清除图像中的暗线，然后再进行最小值滤波，进行补偿，得到第一结果图像A；再对图像进行最小值滤波，清除图像中的亮线，再最大值滤波进行补偿作用，保存第二结果图像B；将第一结果图像A和第二结果图像B差值图像中分析缺陷区域，并采用多分类支持向量机识别缺陷。

4.根据权利要求1或2所述的模具检测、保护及零件检测、摘取的方法，其特征是所述形位尺寸检测先对图像进行二值化，然后用Harris算法提取角点特征，再用随机Hough变换法检测直线和圆，然后根据直线和圆的性质选择最小点集，采用最小二乘法进一步拟合得到精确的直线和圆参数，由训练图像中已知参数的直线和圆，计算出工况图像工件的尺寸数值。

5.根据权利要求3所述的模具检测、保护及零件检测、摘取的方法，其特征是所述形位尺寸检测先对图像进行二值化，然后用Harris算法提取角点特征，再用随机Hough变换法检测直线和圆，然后根据直线和圆的性质选择最小点集，采用最小二乘法进一步拟合得到精确的直线和圆参数，由训练图像中已知参数的直线和圆，计算出工况图像工件的尺寸数值。

Images