CN104441526A - 基于外形轮廓匹配的模具在线监视保护***及方法 - Google Patents
基于外形轮廓匹配的模具在线监视保护***及方法 Download PDFInfo
- Publication number
- CN104441526A CN104441526A CN201410494784.8A CN201410494784A CN104441526A CN 104441526 A CN104441526 A CN 104441526A CN 201410494784 A CN201410494784 A CN 201410494784A CN 104441526 A CN104441526 A CN 104441526A
- Authority
- CN
- China
- Prior art keywords
- image
- profile
- service monitoring
- protection system
- mould
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/76—Measuring, controlling or regulating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/84—Safety devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/84—Safety devices
- B29C45/842—Detection of insert defects, e.g. inaccurate position, breakage
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76003—Measured parameter
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76003—Measured parameter
- B29C2945/76163—Errors, malfunctioning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76003—Measured parameter
- B29C2945/76167—Presence, absence of objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76177—Location of measurement
- B29C2945/76254—Mould
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76451—Measurement means
- B29C2945/76461—Optical, e.g. laser
- B29C2945/76464—Optical, e.g. laser cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76929—Controlling method
- B29C2945/76939—Using stored or historical data sets
- B29C2945/76949—Using stored or historical data sets using a learning system, i.e. the system accumulates experience from previous occurrences, e.g. adaptive control
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
- Image Processing (AREA)
Abstract
本发明揭示了一种基于外形轮廓匹配的模具在线监视保护***及方法,所述在线监视保护方法包括如下步骤:近红外混合可见光光源在机械治具上产生近红外混合可见光;图像获取装置获取机械治具的图像,并发送至图像处理装置;图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集机械治具的近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令;治具控制***接收图像处理装置的控制命令,以此控制机械治具的动作。本发明可快速准确的获取动定模好坏与否信息,弥补现有模具在线监视保护技术的不足。
Description
技术领域
本发明属于电子信息技术领域,涉及一种模具监视***,尤其涉及一种基于外形轮廓匹配的模具在线监视保护***;同时,本发明还涉及一种基于外形轮廓匹配的模具在线监视保护方法。
背景技术
射出成型机作为加工行业最重要的成型设备,其动定模好坏直接关系到产品质量优劣。此外由于动定模在加工生产成本中占较大比重,其使用寿命直接影响产品成本。因此,提高动定模安全水平,并对其进行监视保护,延长其使用周期,是产品加工业降低成本、提高效率的重要砝码。而在实际生产中,由于模具更换频繁,成型机运行时,每个生产周期内价值高昂的模具都可能因为产品残留或滑块错位等而有损坏的危险,本发明涉及一种外形轮廓匹配的成型机在线监视***和方法均可以有效应对各种潜在问题,从而避免停机修模,降低生产成本,提高产品质量,保障交货工期。
目前现有的技术中对模具进行在线监视保护,大多使用光电对射传感器判断是否有产品在完成后自动掉落,从而认为动定模内壁是否干净,使用低压触控决定是否进行下一次产品的生产循环。由于静电原因,产品顶出时并非不可能完全脱落,脱落过程有可能无法触发光电对射的检测信号,使得成型机认为产品并无脱落,从而误报警停止全自动成型过程,减缓的产品生产效率。又或者有一部分产品脱落但另一部分产品并未脱落,但是光电对射检测到有产品脱落误认为动定模已干净可进行下一次合模动作,出现动定模压模现象出现,导致动定模损坏。
有鉴于此,如今迫切需要设计一种新的模具监视方式,以便克服现有监视方式的上述缺陷。
发明内容
本发明所要解决的技术问题是:提供一种基于外形轮廓匹配的模具在线监视保护***,可快速准确的获取动定模好坏与否信息,弥补现有模具在线监视保护技术的不足。
此外,本发明还提供一种基于外形轮廓匹配的模具在线监视保护方法,可快速准确的获取动定模好坏与否信息,弥补现有模具在线监视保护技术的不足。
为解决上述技术问题,本发明采用如下技术方案:
一种基于外形轮廓匹配的模具在线监视保护***,所述***包括:图像处理一体机、工业相机、近红外混合可见光LED阵列模组、机械治具、单片机控制***;
其中,所述机械治具包括射出成型装置、两个位于定模的磁力座,两磁力座的机架固定在定模板;两磁力座能270°移动,方便全方位进行监视;射出成型装置包括定模、动模;
所述单片机控制***连接治具控制***、机械治具,用来接收图像处理一体机的控制命令,以此控制机械治具的动作;
所述工业相机用来获取图像,工业相机与图像处理一体机连接,将获取的图像发送至图像处理一体机;
所述近红外混合可见光LED阵列模组用来产生近红外混合可见光,并照射至机械治具上;LED阵列模组位于射出成型装置的定模板上方,或设置于射出成型装置的动定模板两测;
所述图像处理一体机采用外形轮廓匹配的图像处理算法,采集同时包含射出件和标准动定模的实时图像,采用外形轮廓提取技术对所述图像进行处理,从实时与标准图像中提取的轮廓参数进行匹配对比,当两幅图像的轮廓数据集交叉对应值大于匹配阈值时,利用匹配结果纠正实时图像的空间漂移和变形,纠正后得图像与标准图像比较后即确定是否存在生产问题;
当落料动作结束后,射出成型装置给在线监视保护***一个串口信号告知落料已结束,要求在线监视保护***进行标准定模图像抓拍;工业相机进行图像抓拍;
所述图像处理一体机包括预处理模块,用于对抓拍到的图像进行预处理,预处理包括噪声滤除、对比度增强等,然后进行轮廓处理,提取轮廓参数,并存入相应数据文件;
所述图像处理一体机包括学***均值图像,该图像作为基准模板图像;学***均值图像,该图像作为基准模板图像,在此基准模板图像上也提取轮廓并存储;即学习了N次后,可获得N+1个标准轮廓参数集;
所述图像处理一体机包括判断模块,用以判断动定模是否有问题,包括以下步骤:
学习完成后,进入监视保护状态;此时,内存中的轮廓队列有N+1个,其中基准模板的轮廓排在最前面;
当落料动作结束后,抓拍当前动定模的实时图像,首先检查实时图像特定参考区域的灰度值,如果变化较小,在允许范围内,则当作正常图像;否则,可直接当作异常输出报警;
利用轮廓提取方法提取当前图像中的目标轮廓,首先与由一系列学习统计过的基准图像的轮廓参数进行比较,如果正常,则可进行合模动作;如果异常则报警,而现行的采用比对算法之监视***,只是与一幅标准图像进行差分比对,若出现异常则与内存中轮廓队列中的每一个标准轮廓进行比较,检测速度慢,影响生产作业的效率;
根据轮廓参数,计算当前图像和最相似标准图像的空间变形矩阵,纠正实时图像的空间变形,然后比较纠正后的图像与最相似图像的灰度变化较大的部分;
分割出灰度变化大于30灰阶值部分的区域,剔除瑕疵面积小于10像素,长、高小于3像素的干扰,枚举剩下的所有不良区域,即为可能存在异常的位置,输出报警。
一种基于外形轮廓匹配的模具在线监视保护***,所述在线监视保护***包括:图像处理装置、图像获取装置、近红外混合可见光光源、机械治具、治具控制***;
所述近红外混合可见光光源用于在机械治具上产生近红外混合可见光;
所述图像获取装置用以获取机械治具的图像,并发送至所述图像处理装置;
所述治具控制***连接机械治具、图像处理装置,用来接收图像处理装置的控制命令,以此控制机械治具的动作;
所述图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集机械治具的近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令。
作为本发明的一种优选方案,所述机械治具包括射出成型装置及万向磁力座,射出成型装置包括定模、动模;
所述图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集射出成型装置射出成型后的动模、定模近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令。
作为本发明的一种优选方案,所述机械治具包括射出成型装置、两个位于定模的磁力座,两磁力座的机架固定在定模板;两磁力座能270°移动,方便全方位进行监视;
所述单片机控制***连接治具控制***、机械治具,用来接收图像处理一体机的控制命令,以此控制机械治具的动作;
所述工业相机用来获取图像,工业相机与图像处理一体机连接,将获取的图像发送至图像处理一体机;
所述近红外混合可见光LED阵列模组用来产生近红外混合可见光;LED阵列模组位于射出成型装置的定模板上方,或设置于射出成型装置的动定模板两测。
作为本发明的一种优选方案,所述图像处理一体机采用外形轮廓匹配的图像处理算法,采集同时包含射出件和标准动定模的实时图像,并将所述实时图像发送给图像处理监视装置;图像处理监视装置采用外形轮廓提取技术对所述图像进行处理,从实时与标准图像中提取的轮廓参数进行匹配对比,当两幅图像的轮廓数据集交叉对应值大于匹配阈值时,利用匹配结果纠正实时图像的空间漂移和变形,纠正后得图像与标准图像比较后即确定是否存在生产问题。
作为本发明的一种优选方案,当落料动作结束后,射出成型装置给在线监视保护***一个串口信号告知落料已结束,要求在线监视保护***进行标准定模图像抓拍;工业相机进行图像抓拍;
所述图像处理一体机包括预处理模块,用于对抓拍到的图像进行预处理,预处理包括噪声滤除、对比度增强等,然后进行轮廓处理,提取轮廓参数,并存入相应数据文件;
所述图像处理一体机包括学***均值图像,该图像作为基准模板图像;学***均值图像,该图像作为基准模板图像,在此基准模板图像上也提取轮廓并存储;即学习了N次后,可获得N+1个标准轮廓参数集;
所述图像处理一体机包括判断模块,用以判断动定模是否有问题,包括以下步骤:
学习完成后,进入监视保护状态;此时,内存中的轮廓队列有N+1个,其中基准模板的轮廓排在最前面;
当落料动作结束后,抓拍当前动定模的实时图像,首先检查实时图像特定参考区域的灰度值,如果变化较小,在允许范围内,则当作正常图像;否则,可直接当作异常输出报警;
利用轮廓提取方法提取当前图像中的目标轮廓,首先与基准图像的轮廓参数进行比较,如果正常,则直接输出;如果异常,则与内存中轮廓队列中的每一个标准轮廓进行交叉矩比较,按照最小距离优先的原则,找到最相似的标准模板图像;
根据轮廓参数,计算当前图像和最相似标准图像的空间变形矩阵,纠正实时图像的空间变形,然后比较纠正后的图像与最相似图像的灰度变化较大的部分;
分割出灰度变化大于30灰阶值部分的区域,剔除瑕疵面积小于10像素,长或高小于3像素的干扰,枚举剩下的所有区域,即为可能存在异常的位置,输出报警。
一种基于外形轮廓匹配的模具在线监视保护方法,所述在线监视保护方法包括如下步骤:
近红外混合可见光光源在机械治具上产生近红外混合可见光;
图像获取装置获取机械治具的图像,并发送至图像处理装置;
图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集机械治具的近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令;
治具控制***接收图像处理装置的控制命令,以此控制机械治具的动作。
作为本发明的一种优选方案,所述在线监视保护方法具体包括如下步骤:
当落料动作结束后,射出成型装置给在线监视保护***一个串口信号告知落料已结束,要求在线监视保护***进行标准定模图像抓拍;工业相机进行图像抓拍;
预处理步骤,对抓拍到的图像进行预处理,预处理包括噪声滤除、对比度增强等,然后进行轮廓处理,提取轮廓参数,并存入相应数据文件;
学***均值图像,该图像作为基准模板图像;学***均值图像,该图像作为基准模板图像,在此基准模板图像上也提取轮廓并存储;即学习了N次后,可获得N+1个标准轮廓参数集;
判断步骤,判断动定模是否有问题,判断步骤具体包括:
学习完成后,进入监视保护状态;此时,内存中的轮廓队列有N+1个,其中基准模板的轮廓排在最前面;
当落料动作结束后,抓拍当前动定模的实时图像,首先检查实时图像特定参考区域的灰度值,如果变化较小,在允许范围内,则当作正常图像;否则,可直接当作异常输出报警;
利用轮廓提取方法提取当前图像中的目标轮廓,首先与基准图像的轮廓参数进行比较,如果正常,则直接输出;如果异常,则与内存中轮廓队列中的每一个标准轮廓进行交叉矩比较,按照最小距离优先的原则,找到最相似的标准模板图像;
根据轮廓参数,计算当前图像和最相似标准图像的空间变形矩阵,纠正实时图像的空间变形,然后比较纠正后的图像与最相似图像的灰度变化较大的部分;
分割出灰度变化大于30灰阶值部分的区域,剔除瑕疵面积小于10像素、长及高小于3像素的干扰,枚举剩下的所有区域,即为可能存在异常的位置,输出报警。
作为本发明的一种优选方案,所述方法还包括以下步骤:
步骤(A):在成型机开模结束后脱模开始前,成型机给所述模具在线监视保护***一个串口信号表明进行产品质量检验,且全自动动作暂停;
步骤(B):模具在线监视保护***在接收到串口信号后,开始对产品进行拍摄,并进行产品质量情况计算,完成后将计算结果通过串口信号传递给成型机告知成型机的此次注塑产品的质量为良品还是差品;
步骤(C):成型机接收到由模具在线监视保护***发过来的串口信号后,对串口信号进行判断,如果产品为良品,则由落料筛选器或者机械手将产品放置于良品库,如果为差品,则放置于差品库。
步骤(1):当落料动作结束后,成型机给动定模保护***一个串口信号告知落料已结束,要求模具在线监视保护***对是否安全落料进行检测;
步骤(2):模具在线监视保护***收到落料检测串口信号后,则对当前动定模进行拍摄,并与存储在保护***中的空动定模图像进行比对,检测是否已正常落料,如已落料,则通过串口信号通知成型机继续下一个注塑循环,如果检测到未安全落料,则通过串口信号,则通知成型机报警,停止动作。
一种基于外形轮廓匹配的模具在线监视保护方法,所述方法包括如下步骤:
开模完成后,射出成型装置给动定模监视***信号,此时模具在线监视保护***进入准备状态,延迟等待;
等待时间到后,触发模具在线监视保护***,后者对动定模连续取像,监控顶针是否将成型工件顶出并下落;当监控到工件完全下落时,模具在线监视保护***发出确认信号反馈给射出成型装置以开始下一个周期;如果在设定时间内工件未落下或动定模间有杂物,模具在线监视保护***则发出异常信号,停止射出成型装置报警并做出相应控制处理。
本发明涉及基于外形轮廓匹配的模具在线监视保护***及方法,目的是提供近红外融合可见光的监视***能够快速无损的监视射出成型动定模内部品质,从而实现动定模的安全及射出产品质量。技术方案是:基于外形轮廓匹配的图像处理算法,配合近红外融合可见光阵列LED光源,平板一体的图像采集单元和图像处理监视装置,用于采集同时包含射出件和标准动定模的实时图像,并将所述实时图像发送给图像处理监视装置;图像处理监视装置采用外形轮廓提取技术对所述图像进行处理,从实时与标准图像中提取的轮廓参数进行匹配对比,当两幅图像的轮廓数据集交叉对应值大于匹配阈值时,可利用匹配结果纠正实时图像的空间漂移和变形,纠正后得图像与标准图像比较后即可确定各种生产问题。其特征在于***包括成型机械治具、近红外融合可见光源装置、工业相机,图像处理***、单片机控制***。其中成型机械治具包括:两个位于定模的磁力座,两磁力座的机架固定在定模板;两磁力座可以270度移动,方便全方位进行监视;光照装置:包括近红外与可见光混合的LED阵列灯组,LED阵列光源位于定模板上方,或可装置于成型机动定模板两测;图像处理***包括:计算机、软件、触摸显示器、串口输入输出板、单片机控制***,工业相机。所述模具在线监视***及方法,通过工业相机采集动定模图像,并通过一系列外形轮廓匹配的图像处理运算,能够快速准确的获取动定模好坏与否信息,弥补了现有模具在线监视保护技术的不足。
本发明的有益效果在于:本发明提出的基于外形轮廓匹配的模具在线监视保护***及方法,基于外形轮廓匹配算法直接由工业相机采集动定模图像来判断落料及嵌件情况,智能分析出动定模中是否还残有产品没有掉落及嵌件是否放好,相对于现有的机器视觉图像比对算法,落料及嵌件检测结果更智能,更可靠,使动定模更安全。在一模多件的情况下,基于外形轮廓匹配算法模具在线监视保护效果与普通的基于机器视觉图像比对之方法相比,效果更为明显,不会产生现有技术中无法判断嵌件是否放好的情况。对于生产完成的产品,由外形轮廓匹配算法可以进行产品质量分析,如果出现缺边、飞边、残次、不完整等情况,***将通过串口接口告知成型机此次生产产品为次品,成型机可以使用机械手或者落料筛选等动作将残次品分离出正常产品,大大简化了产品检测步骤,提高了生产效率。
附图说明
图1为本发明基于外形轮廓匹配的模具在线监视保护***的组成示意图。
图2为本发明基于外形轮廓匹配的模具在线监视保护***工作原理图。
图3为现有技术中成型机的基本动作流程图。
图4为加入模具在线监视保护***后的成型机动作流程图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例一
请参阅图1,本发明揭示了一种基于外形轮廓匹配的模具在线监视保护***,所述***包括:图像处理一体机11、工业相机12、近红外混合可见光LED阵列模组13、机械治具14、单片机控制***15。
其中,所述机械治具14包括射出成型装置、两个位于定模的磁力座,两磁力座的机架固定在定模板;两磁力座能270°移动,方便全方位进行监视;射出成型装置包括定模、动模。
所述单片机控制***15连接图像处理一体机11、机械治具14,用来接收图像处理一体机11的控制命令,以此控制机械治具的动作。图像处理一体机11通过串口信号接口连接机械治具14的单片机控制***15。
所述工业相机12用来获取图像,工业相机与图像处理一体机连接,将获取的图像发送至图像处理一体机。
所述近红外混合可见光LED阵列模组13用来产生近红外混合可见光,并照射至机械治具上;LED阵列模组位于射出成型装置的定模板上方,或设置于射出成型装置的动定模板两测。
本实施例中,所述工业相机12上带有只接收红外光的滤镜;所述串口信号接口为光电隔离串口信号板;所述磁性固定座为有磁力带转向头的圆柱形夹子的支架;所述图像处理一体机11为嵌入式工业一体机。
所述图像处理一体机11采用外形轮廓匹配的图像处理算法,采集同时包含射出件和标准动定模的实时图像,采用外形轮廓提取技术对所述图像进行处理,从实时与标准图像中提取的轮廓参数进行匹配对比,当两幅图像的轮廓数据集交叉对应值大于匹配阈值时,利用匹配结果纠正实时图像的空间漂移和变形,纠正后得图像与标准图像比较后即确定是否存在生产问题。
当落料动作结束后,射出成型装置给在线监视保护***一个串口信号告知落料已结束,要求在线监视保护***进行标准定模图像抓拍;工业相机进行图像抓拍。
所述图像处理一体机包括预处理模块,用于对抓拍到的图像进行预处理,预处理包括噪声滤除、对比度增强等,然后进行轮廓处理,提取轮廓参数,并存入相应数据文件。
所述图像处理一体机包括学***均值图像,该图像作为基准模板图像;学***均值图像,该图像作为基准模板图像,在此基准模板图像上也提取轮廓并存储;即学习了N次后,可获得N+1个标准轮廓参数集。
所述图像处理一体机包括判断模块,用以判断动定模是否有问题,包括以下步骤:
学习完成后,进入监视保护状态;此时,内存中的轮廓队列有N+1个,其中基准模板的轮廓排在最前面;
当落料动作结束后,抓拍当前动定模的实时图像,首先检查实时图像特定参考区域的灰度值,如果变化较小,在允许范围内,则当作正常图像;否则,可直接当作异常输出报警;
利用轮廓提取方法提取当前图像中的目标轮廓,首先与由一系列学习统计过的基准图像的轮廓参数进行比较,如果正常,则可进行合模动作;如果异常则报警,而现行的采用比对算法之监视***,只是与一幅标准图像进行差分比对,若出现异常则与内存中轮廓队列中的每一个标准轮廓进行比较,检测速度慢,影响生产作业的效率;
根据轮廓参数,计算当前图像和最相似标准图像的空间变形矩阵,纠正实时图像的空间变形,然后比较纠正后的图像与最相似图像的灰度变化较大的部分;
分割出灰度变化大于30灰阶值部分的区域,剔除瑕疵面积小于10像素,长及高小于3像素的干扰,枚举剩下的所有不良区域,即为可能存在异常的位置,输出报警。
本发明还揭示一种基于外形轮廓匹配的模具在线监视保护方法,所述在线监视保护方法包括如下步骤:
【步骤S1】当落料动作结束后,射出成型装置给在线监视保护***一个串口信号告知落料已结束,要求在线监视保护***进行标准定模图像抓拍;工业相机进行图像抓拍;
【步骤S2】预处理步骤,对抓拍到的图像进行预处理,预处理包括噪声滤除、对比度增强等,然后进行轮廓处理,提取轮廓参数,并存入相应数据文件;
【步骤S3】学***均值图像,该图像作为基准模板图像;学***均值图像,该图像作为基准模板图像,在此基准模板图像上也提取轮廓并存储;即学习了N次后,可获得N+1个标准轮廓参数集;
【步骤S4】判断步骤,判断动定模是否有问题,判断步骤具体包括:
学习完成后,进入监视保护状态;此时,内存中的轮廓队列有N+1个,其中基准模板的轮廓排在最前面;
当落料动作结束后,抓拍当前动定模的实时图像,首先检查实时图像特定参考区域的灰度值,如果变化较小,在允许范围内,则当作正常图像;否则,可直接当作异常输出报警;
利用轮廓提取方法提取当前图像中的目标轮廓,首先与基准图像的轮廓参数进行比较,如果正常,则直接输出;如果异常,则与内存中轮廓队列中的每一个标准轮廓进行交叉矩比较,按照最小距离优先的原则,找到最相似的标准模板图像;
根据轮廓参数,计算当前图像和最相似标准图像的空间变形矩阵,纠正实时图像的空间变形,然后比较纠正后的图像与最相似图像的灰度变化较大的部分;
分割出灰度变化大于30灰阶值的区域,剔除瑕疵面积小于10像素,长或/和高小于3像素的干扰,枚举剩下的所有区域,即为可能存在异常的位置,输出报警。
实施例二
本发明揭示一种基于外形轮廓匹配的模具在线监视保护***,所述在线监视保护***包括:图像处理装置、图像获取装置、近红外混合可见光光源、机械治具、治具控制***。
所述近红外混合可见光光源用于在机械治具上产生近红外混合可见光。
所述图像获取装置用以获取机械治具的图像,并发送至所述图像处理装置。
所述治具控制***连接机械治具、图像处理装置,用来接收图像处理装置的控制命令,以此控制机械治具的动作。
所述图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集机械治具的近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令。
所述机械治具可包括射出成型装置,射出成型装置包括定模、动模。相应地,所述图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集射出成型装置射出成型后的动模、定模近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令。
所述图像处理一体机采用外形轮廓匹配的图像处理算法,采集同时包含射出件和标准动定模的实时图像,并将所述实时图像发送给图像处理监视装置;图像处理监视装置采用外形轮廓提取技术对所述图像进行处理,从实时与标准图像中提取的轮廓参数进行匹配对比,当两幅图像的轮廓数据集交叉对应值大于匹配阈值时,利用匹配结果纠正实时图像的空间漂移和变形,纠正后得图像与标准图像比较后即确定是否存在生产问题。
本发明还揭示一种基于外形轮廓匹配的模具在线监视保护方法,所述方法包括如下步骤:
近红外混合可见光光源在机械治具上产生近红外混合可见光;
图像获取装置获取机械治具的图像,并发送至图像处理装置;
图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集机械治具的近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令;
治具控制***接收图像处理装置的控制命令,以此控制机械治具的动作。
本发明方法中,开模完成后,射出成型装置给动定模监视***信号,此时模具在线监视保护***进入准备状态,延迟等待。等待时间到后,触发模具在线监视保护***,后者对动定模连续取像,监控顶针是否将成型工件顶出并下落;当监控到工件完全下落时,模具在线监视保护***发出确认信号反馈给射出成型装置以开始下一个周期;如果在设定时间内工件未落下或动定模间有杂物,模具在线监视保护***则发出异常信号,停止射出成型装置报警并做出相应控制处理。
请参阅图3、图4,其中图3为现有的成型机工作流程图,图4为加入本发明监视***的成型机工作流程图;所述成型机的工作方法具体包括如下步骤:
步骤(A):在成型机开模结束后脱模开始前,成型机给所述模具在线监视保护***一个串口信号表明进行产品质量检验,且全自动动作暂停;
步骤(B):模具在线监视保护***在接收到串口信号后,开始对产品进行拍摄,并进行产品质量情况计算,完成后将计算结果通过串口信号传递给成型机告知成型机的此次注塑产品的质量为良品还是差品;
步骤(C):成型机接收到由模具在线监视保护***发过来的串口信号后,对串口信号进行判断,如果产品为良品,则由落料筛选器或者机械手将产品放置于良品库,如果为差品,则放置于差品库。
步骤(1):当落料动作结束后,成型机给动定模保护***一个串口信号告知落料已结束,要求模具在线监视保护***对是否安全落料进行检测;
步骤(2):模具在线监视保护***收到落料检测串口信号后,则对当前动定模进行拍摄,并与存储在保护***中的空动定模图像进行比对,检测是否已正常落料,如已落料,则通过串口信号通知成型机继续下一个注塑循环,如果检测到未安全落料,则通过串口信号,则通知成型机报警,停止动作。
实施例三
本发明以与射出成型机配合使用为例,模具在线监视保护***包括:至少一个工业相机、至少一组LED光源、至少一台平板工业电脑;该平板电脑装有专用的图像处理软件,用于采集,存储、处理成型机在线情形,并将结果通过串口输出到单片机,由单片机与成型机进行实时通讯。
请参阅图2,模具在线监视保护方法包括如下步骤:
架设好模具在线监视保护***、LED灯及工业相机。
启动模具在线监视保护***后,首先调节LED灯光,使其LED灯光照射到待检测的动定模上,其次将相机的镜头对准待检测的动定模上,然后锁紧相机固定磁力座各关节之旋纽。
调节相机镜头(镜头由外及里有三个调节圈依次是:焦距、亮度、清晰度),使其在显示器上看到清晰、恰当的图像。
之后开始从一系列OK的动定模图像(其实每个OK动定模图像都会有所不同,所以无论以任一图像做外形轮廓匹配,都会产生误报情形)取平均值,得到三幅平均图像,同时统计变化范围,设置一个上限和下限图像。新采集的检查图像和这三幅图像进行外形轮廓匹配,如果变化值落在上下限之内,则认为OK,否则把变化的位置和幅度提取出来。所以可以有效解决误报情形。
上下限设置方法是:使用绝对灰度值和相对灰度值两个参数来决定图像的上下限,调整允许的绝对灰度值和相对灰度值会改变检查的灵敏度。
对于图像的任一位置若经统计分析后超出上下限则产生瑕疵,此时把所有的大大小小的瑕疵都提取出来,之后,再就所提取出来的瑕疵进行过滤,依据成型生产现场实际的质量要求,对较大的不符合项进行报警输出。这种功能的设计,方便了成型现场的实际使用,有效规避了误报警现象。
注意:上下限取值是绝对灰度值和相对灰度值乘以(某个点上)图像灰度变化两个数值中大的那个!也就是说,绝对灰度值设定影响整个ROI的灵敏度,相对灰度值改变单个像素上的灵敏度。如果误报警,学习并积累经验至OK图像统计中,随运行时间增加,模具在线监视保护***趋于更稳定。模型参数用来设定模型的两个方面的特性,一个是形状模型,一个是模具在线监视保护***的变化模型。
目标对比度和目标最小对比度用于建立形状模型。选取这两个对比度参数的原则是建立主要特征的线条模型,这个模型用来校正动定模和摄像机之间的相对移动。搜寻区域调整参数:X和Y方向的调整像素值,用来控制搜寻该模型的范围,也就是在该ROI区域,向外扩张多少像素,模具在线监视保护***将在这个范围内搜寻该动定模的模型,对图像进行调整,这并不影响检测区域。
瑕疵的最小面积、高度、宽度是设置变化模型时提取瑕疵用的,小于这些值的瑕疵不予考虑。模型的直接灵敏度和相对灵敏度两个参数,用来控制检测的灵敏度,可以这样理解,类似于平均值和偏差的计算,直接灵敏度是和亮度平均值相差多少,和模型时加减关系,例如取值10,15,20等,相对灵敏度类似于误差计算时的△,是和亮度平均值相乘的关系。
例如取1.5,2.0,2.5。模具在线监视保护***选取这两个参数较小的作为最后计算根据,用来调整***对亮度变化引起的灵敏度,例如由于灯光变化或噪音引起的误差。如果被检测瑕疵和合格品有明显亮度的区别,这两个参数的值可以设置的较大,从而减小由于光线或其它因素造成的误判。显示图像处理复选项决定是否显示特征模型的处理图像。
测试结果:满足模型参数的瑕疵数量总是提取的,用户可以选择最大瑕疵参数是否提取,默认是。最大瑕疵面积是指瑕疵所包含的像素数,最大尺寸是边缘的最远距离,也就是能够包容瑕疵的最小圆的直径。
设置好参数后,点击测试模型,软件根据所设参数测试检测区域和形状模型,但是并不实际产生模型。如果对所选参数满意,点击建立模型,模具在线监视保护***会产生并记录该区域的形状和变化模型。点击开始检测,模具在线监视保护***会所生成的模型与实时图像进行外形轮廓匹配,并把结果通知成型机,成型机根据结查来判决是否进入下一循环。
实施例四
本发明提供一种基于外形轮廓匹配的模具在线监视保护***,包括采用图像处理一体机、工业相机、近红外混合可见光光源和磁性固定座,所述图像处理一体机通过串口信号接口与射出机相连,通过相机接口与所述相机相连;所述相机和光源安装在磁性固定座上;所述磁性固定座设置在所述成型机周围,使得相机能够在光源下采集到成型机开模后的动定模内的图像;所述主控板用于接收射出机的指令,向射出机发送指令,并对相机采集的图像进行分析和判断落料情况。
本实施例中,所述相机上带有只接收红外光的滤镜;所述串口信号接口为光电隔离串口信号板;所述磁性固定座为有磁力带转向头的圆柱形夹子的支架;所述图像处理主机的为嵌入式工业一体机。
综上所述,本发明提出的基于外形轮廓匹配的模具在线监视保护***及方法,基于外形轮廓匹配算法直接由工业相机采集动定模图像来判断落料及嵌件情况,智能分析出动定模中是否还残有产品没有掉落及嵌件是否放好,相对于现有的机器视觉图像比对算法,落料及嵌件检测结果更智能,更可靠,使动定模更安全。在一模多件的情况下,基于外形轮廓匹配算法模具在线监视保护效果与普通的基于机器视觉图像比对之方法相比,效果更为明显,不会产生现有技术中无法判断嵌件是否放好的情况。对于生产完成的产品,由外形轮廓匹配算法可以进行产品质量分析,如果出现缺边、飞边、残次、不完整等情况,***将通过串口接口告知成型机此次生产产品为次品,成型机可以使用机械手或者落料筛选等动作将残次品分离出正常产品,大大简化了产品检测步骤,提高了生产效率。
这里本发明的描述和应用是说明性的,并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的,对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是,在不脱离本发明的精神或本质特征的情况下,本发明可以以其它形式、结构、布置、比例,以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下,可以对这里所披露的实施例进行其它变形和改变。
Claims (10)
1.一种基于外形轮廓匹配的模具在线监视保护***,其特征在于,所述***包括:图像处理一体机、工业相机、近红外混合可见光LED阵列模组、机械治具、单片机控制***;
其中,所述机械治具包括射出成型装置、两个位于定模的磁力座,两磁力座的机架固定在定模板;两磁力座能270°移动,方便全方位进行监视;射出成型装置包括定模、动模;
所述单片机控制***连接治具控制***、机械治具,用来接收图像处理一体机的控制命令,以此控制机械治具的动作;
所述工业相机用来获取图像,工业相机与图像处理一体机连接,将获取的图像发送至图像处理一体机;
所述近红外混合可见光LED阵列模组用来产生近红外混合可见光,并照射至机械治具上;LED阵列模组位于射出成型装置的定模板上方,或设置于射出成型装置的动定模板两测;
所述图像处理一体机采用外形轮廓匹配的图像处理算法,采集同时包含射出件和标准动定模的实时图像,采用外形轮廓提取技术对所述图像进行处理,从实时与标准图像中提取的轮廓参数进行匹配对比,当两幅图像的轮廓数据集交叉对应值大于匹配阈值时,利用匹配结果纠正实时图像的空间漂移和变形,纠正后得图像与标准图像比较后即确定是否存在生产问题;
当落料动作结束后,射出成型装置给在线监视保护***一个串口信号告知落料已结束,要求在线监视保护***进行标准定模图像抓拍;工业相机进行图像抓拍;
所述图像处理一体机包括预处理模块,用于对抓拍到的图像进行预处理,预处理包括噪声滤除、对比度增强等,然后进行轮廓处理,提取轮廓参数,并存入相应数据文件;
所述图像处理一体机包括学***均值图像,该图像作为基准模板图像,学***均值图像,该图像作为基准模板图像,在此基准模板图像上也提取轮廓并存储;即学习了N次后,可获得N+1个标准轮廓参数集;
所述图像处理一体机包括判断模块,用以判断动定模是否有问题,包括以下步骤:
学习完成后,进入监视保护状态;此时,内存中的轮廓队列有N+1个,其中基准模板的轮廓排在最前面;
当落料动作结束后,抓拍当前动定模的实时图像,首先检查实时图像特定参考区域的灰度值,如果变化较小,在允许范围内,则当作正常图像;否则,可直接当作异常输出报警;
利用轮廓提取方法提取当前图像中的目标轮廓,首先与由一系列学习统计过的基准图像的轮廓参数进行比较,如果正常,则可进行合模动作;如果异常则报警;
根据轮廓参数,计算当前图像和最相似标准图像的空间变形矩阵,纠正实时图像的空间变形,然后比较纠正后的图像与最相似图像的灰度变化较大的部分;
分割出灰度变化大于30灰阶值部分的区域,剔除瑕疵面积小于10像素、长及高小于3像素的干扰,枚举剩下的所有不良区域,即为可能存在异常的位置,输出报警。
2.一种基于外形轮廓匹配的模具在线监视保护***,其特征在于,所述在线监视保护***包括:图像处理装置、图像获取装置、近红外混合可见光光源、机械治具、治具控制***;
所述近红外混合可见光光源用于在机械治具上产生近红外混合可见光;
所述图像获取装置用以获取机械治具的图像,并发送至所述图像处理装置;
所述治具控制***连接机械治具、图像处理装置,用来接收图像处理装置的控制命令,以此控制机械治具的动作;
所述图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集机械治具的近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令。
3.根据权利要求2所述的基于外形轮廓匹配的模具在线监视保护***,其特征在于:
所述机械治具包括射出成型装置及万向磁力座,射出成型装置包括定模、动模;
所述图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集射出成型装置射出成型后的动模、定模近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令。
4.根据权利要求2所述的基于外形轮廓匹配的模具在线监视保护***,其特征在于:
所述机械治具包括射出成型装置、两个位于定模的磁力座,两磁力座的机架固定在定模板;两磁力座能270°移动,方便全方位进行监视;
所述单片机控制***连接治具控制***、机械治具,用来接收图像处理一体机的控制命令,以此控制机械治具的动作;
所述工业相机用来获取图像,工业相机与图像处理一体机连接,将获取的图像发送至图像处理一体机;
所述近红外混合可见光LED阵列模组用来产生近红外混合可见光;LED阵列模组位于射出成型装置的定模板上方,或设置于射出成型装置的动定模板两测。
5.根据权利要求2所述的基于外形轮廓匹配的模具在线监视保护***,其特征在于:
所述图像处理一体机采用外形轮廓匹配的图像处理算法,采集同时包含射出件和标准动定模的实时图像,并将所述实时图像发送给图像处理监视装置;图像处理监视装置采用外形轮廓提取技术对所述图像进行处理,从实时与标准图像中提取的轮廓参数进行匹配对比,当两幅图像的轮廓数据集交叉对应值大于匹配阈值时,利用匹配结果纠正实时图像的空间漂移和变形,纠正后得图像与标准图像比较后即确定是否存在生产问题。
6.根据权利要求2所述的基于外形轮廓匹配的模具在线监视保护***,其特征在于:
当落料动作结束后,射出成型装置给在线监视保护***一个串口信号告知落料已结束,要求在线监视保护***进行标准定模图像抓拍;工业相机进行图像抓拍;
所述图像处理一体机包括预处理模块,用于对抓拍到的图像进行预处理,预处理包括噪声滤除、对比度增强等,然后进行轮廓处理,提取轮廓参数,并存入相应数据文件;
所述图像处理一体机包括学***均值图像,该图像作为基准模板图像,学***均值图像,该图像作为基准模板图像,在此基准模板图像上也提取轮廓并存储;即学习了N次后,可获得N+1个标准轮廓参数集;
所述图像处理一体机包括判断模块,用以判断动定模是否有问题,包括以下步骤:
学习完成后,进入监视保护状态;此时,内存中的轮廓队列有N+1个,其中基准模板的轮廓排在最前面;
当落料动作结束后,抓拍当前动定模的实时图像,首先检查实时图像特定参考区域的灰度值,如果变化较小,在允许范围内,则当作正常图像;否则,可直接当作异常输出报警;
利用轮廓提取方法提取当前图像中的目标轮廓,首先与基准图像的轮廓参数进行比较,如果正常,则直接输出;如果异常,则与内存中轮廓队列中的每一个标准轮廓进行交叉矩比较,按照最小距离优先的原则,找到最相似的标准模板图像;
根据轮廓参数,计算当前图像和最相似标准图像的空间变形矩阵,纠正实时图像的空间变形,然后比较纠正后的图像与最相似图像的灰度变化较大的部分;
分割出灰度变化大于30灰阶值部分的区域,剔除瑕疵面积小于10像素、长及高小于3像素的干扰,枚举剩下的所有区域,即为可能存在异常的位置,输出报警。
7.一种基于外形轮廓匹配的模具在线监视保护方法,其特征在于,所述在线监视保护方法包括如下步骤:
近红外混合可见光光源在机械治具上产生近红外混合可见光;
图像获取装置获取机械治具的图像,并发送至图像处理装置;
图像处理装置接收图像获取装置的图像信息,采用外形轮廓匹配的图像处理算法,通过采集机械治具的近红外融合可见光图像,与标准图像的外形轮廓进行匹配;并根据匹配结果生成控制命令;
治具控制***接收图像处理装置的控制命令,以此控制机械治具的动作。
8.根据权利要求7所述的基于外形轮廓匹配的模具在线监视保护方法,其特征在于:
所述在线监视保护方法具体包括如下步骤:
当落料动作结束后,射出成型装置给在线监视保护***一个串口信号告知落料已结束,要求在线监视保护***进行标准定模图像抓拍;工业相机进行图像抓拍;
预处理步骤,对抓拍到的图像进行预处理,预处理包括噪声滤除、对比度增强等,然后进行轮廓处理,提取轮廓参数,并存入相应数据文件;
学***均值图像,该图像作为基准模板图像,学***均值图像,该图像作为基准模板图像,在此基准模板图像上也提取轮廓并存储;即学习了N次后,可获得N+1个标准轮廓参数集;
判断步骤,判断动定模是否有问题,判断步骤具体包括:
学习完成后,进入监视保护状态;此时,内存中的轮廓队列有N+1个,其中基准模板的轮廓排在最前面;
当落料动作结束后,抓拍当前动定模的实时图像,首先检查实时图像特定参考区域的灰度值,如果变化较小,在允许范围内,则当作正常图像;否则,可直接当作异常输出报警;
利用轮廓提取方法提取当前图像中的目标轮廓,首先与基准图像的轮廓参数进行比较,如果正常,则直接输出;如果异常,则与内存中轮廓队列中的每一个标准轮廓进行交叉矩比较,按照最小距离优先的原则,找到最相似的标准模板图像;
根据轮廓参数,计算当前图像和最相似标准图像的空间变形矩阵,纠正实时图像的空间变形,然后比较纠正后的图像与最相似图像的灰度变化较大的部分;
分割出灰度变化大于30灰阶值部分的区域,剔除瑕疵面积小于10像素、长及高小于3像素的干扰,枚举剩下的所有区域,即为可能存在异常的位置,输出报警。
9.根据权利要求7所述的基于外形轮廓匹配的模具在线监视保护方法,其特征在于:
所述方法还包括以下步骤:
步骤(A):在成型机开模结束后脱模开始前,成型机给所述模具在线监视保护***一个串口信号表明进行产品质量检验,且全自动动作暂停;
步骤(B):模具在线监视保护***在接收到串口信号后,开始对产品进行拍摄,并进行产品质量情况计算,完成后将计算结果通过串口信号传递给成型机告知成型机的此次注塑产品的质量为良品还是差品;
步骤(C):成型机接收到由模具在线监视保护***发过来的串口信号后,对串口信号进行判断,如果产品为良品,则由落料筛选器或者机械手将产品放置于良品库,如果为差品,则放置于差品库;
步骤(1):当落料动作结束后,成型机给动定模保护***一个串口信号告知落料已结束,要求模具在线监视保护***对是否安全落料进行检测;
步骤(2):模具在线监视保护***收到落料检测串口信号后,则对当前动定模进行拍摄,并与存储在保护***中的空动定模图像进行比对,检测是否已正常落料,如已落料,则通过串口信号通知成型机继续下一个注塑循环,如果检测到未安全落料,则通过串口信号,则通知成型机报警,停止动作。
10.一种基于外形轮廓匹配的模具在线监视保护方法,其特征在于,所述方法包括如下步骤:
开模完成后,射出成型装置给动定模监视***信号,此时模具在线监视保护***进入准备状态,延迟等待;
等待时间到后,触发模具在线监视保护***,后者对动定模连续取像,监控顶针是否将成型工件顶出并下落;当监控到工件完全下落时,模具在线监视保护***发出确认信号反馈给射出成型装置以开始下一个周期;如果在设定时间内工件未落下或动定模间有杂物,模具在线监视保护***则发出异常信号,停止射出成型装置报警并做出相应控制处理。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410494784.8A CN104441526B (zh) | 2014-09-24 | 2014-09-24 | 基于外形轮廓匹配的模具在线监视保护***及方法 |
CN201610375464.XA CN105799133B (zh) | 2014-09-24 | 2014-09-24 | 基于外形轮廓匹配的模具在线监视保护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410494784.8A CN104441526B (zh) | 2014-09-24 | 2014-09-24 | 基于外形轮廓匹配的模具在线监视保护***及方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610375464.XA Division CN105799133B (zh) | 2014-09-24 | 2014-09-24 | 基于外形轮廓匹配的模具在线监视保护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104441526A true CN104441526A (zh) | 2015-03-25 |
CN104441526B CN104441526B (zh) | 2016-10-19 |
Family
ID=52888649
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610375464.XA Active CN105799133B (zh) | 2014-09-24 | 2014-09-24 | 基于外形轮廓匹配的模具在线监视保护方法 |
CN201410494784.8A Active CN104441526B (zh) | 2014-09-24 | 2014-09-24 | 基于外形轮廓匹配的模具在线监视保护***及方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610375464.XA Active CN105799133B (zh) | 2014-09-24 | 2014-09-24 | 基于外形轮廓匹配的模具在线监视保护方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN105799133B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104772880A (zh) * | 2015-04-10 | 2015-07-15 | 浙江工业大学 | 一种基于lmdo的注塑机械手模具异常检测方法 |
CN105136819A (zh) * | 2015-09-30 | 2015-12-09 | 广州超音速自动化科技股份有限公司 | 空调外观轮廓检测方法 |
CN105291391A (zh) * | 2015-09-30 | 2016-02-03 | 重庆世纪精信实业(集团)有限公司 | 基于图像识别处理的注塑机粘模检测方法以及装置 |
CN105303565A (zh) * | 2015-09-30 | 2016-02-03 | 广州超音速自动化科技股份有限公司 | 产品外观的logo检测方法 |
CN107656485A (zh) * | 2016-07-26 | 2018-02-02 | 双叶电子工业株式会社 | 测量设备、测量方法及程序 |
CN108364287A (zh) * | 2018-02-11 | 2018-08-03 | 北京简易科技有限公司 | 一种异物监测方法、装置及冲压*** |
CN108688105A (zh) * | 2017-03-29 | 2018-10-23 | 发那科株式会社 | 状态判定装置 |
CN109116797A (zh) * | 2018-07-18 | 2019-01-01 | 天津市天锻压力机有限公司 | 精整液压机用的智能视觉检测与旋转定位***及方法 |
CN110032977A (zh) * | 2019-04-18 | 2019-07-19 | 北京华正明天信息技术股份有限公司 | 一种基于深度学习图像火灾识别的安全预警管理*** |
CN110233967A (zh) * | 2019-06-20 | 2019-09-13 | 漳州智觉智能科技有限公司 | 模具模板图像生成***及方法 |
CN110400325A (zh) * | 2019-03-26 | 2019-11-01 | 桑尼环保(江苏)有限公司 | 智能化河道管控平台 |
CN112666167A (zh) * | 2020-12-22 | 2021-04-16 | 成都圭目机器人有限公司 | 一种评估水泥混凝土道面裂缝产生fod风险的方法和装置 |
CN112743789A (zh) * | 2021-01-25 | 2021-05-04 | 温州市信维五金卫浴有限公司 | 一种卫浴挂件自学习生产*** |
CN113544606A (zh) * | 2019-03-06 | 2021-10-22 | 克朗斯股份公司 | 用于拉伸吹塑和/或灌装***中的产品引导的方法和用于瓶子的拉伸吹塑和/或灌装*** |
CN113814986A (zh) * | 2021-11-23 | 2021-12-21 | 广东隆崎机器人有限公司 | 一种基于机器视觉控制scara机器人的方法及*** |
CN116437164A (zh) * | 2023-06-13 | 2023-07-14 | 中国南方电网有限责任公司超高压输电公司广州局 | 热像仪、热像仪监控方法、装置、计算机设备和存储介质 |
CN117593297A (zh) * | 2024-01-18 | 2024-02-23 | 福州市展凌智能科技有限公司 | 一种基于图像处理的治具识别计数***及方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT520587B1 (de) * | 2017-11-14 | 2021-03-15 | Engel Austria Gmbh | Verfahren zum Anordnen von Halbzeugen |
CN110264458B (zh) * | 2019-06-20 | 2023-01-06 | 漳州智觉智能科技有限公司 | 模具监视***及方法 |
CN110929082B (zh) * | 2019-12-06 | 2022-09-16 | 广东溢达纺织有限公司 | 制衣模具的确定方法、装置、计算机设备和存储介质 |
CN111098465A (zh) * | 2020-01-08 | 2020-05-05 | 珠海正川塑胶制品有限公司 | 一种具有视觉监测功能的注塑***及其监视方法 |
CN114801100B (zh) * | 2022-04-26 | 2023-04-07 | 健大电业制品(昆山)有限公司 | 一种注塑制品分选装置 |
CN115456652B (zh) * | 2022-09-29 | 2023-06-20 | 广东格林精密部件股份有限公司 | 一种基于人工智能的精密注塑件不良品的溯源方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN200969651Y (zh) * | 2006-11-06 | 2007-10-31 | 张国栋 | 模具监视器 |
CN101337424A (zh) * | 2007-07-02 | 2009-01-07 | 优志旺电机株式会社 | 模具监视装置 |
CN102152457A (zh) * | 2011-01-31 | 2011-08-17 | 宁波伊士通技术股份有限公司 | 一种基于直方图匹配的嵌入式塑料模具保护装置 |
CN202029367U (zh) * | 2011-01-31 | 2011-11-09 | 宁波伊士通技术股份有限公司 | 一种基于直方图匹配的嵌入式塑料模具保护装置 |
CN102303397A (zh) * | 2011-08-29 | 2012-01-04 | 厦门伟迪康科技有限公司 | 用于模具成型机的模具图像监视方法及装置 |
CN102363354A (zh) * | 2011-11-02 | 2012-02-29 | 宁波安信数控技术有限公司 | 一种基于机械视觉的注塑机模具保护***和方法 |
CN203680767U (zh) * | 2013-12-11 | 2014-07-02 | 东华大学 | 一种模具监视器 |
-
2014
- 2014-09-24 CN CN201610375464.XA patent/CN105799133B/zh active Active
- 2014-09-24 CN CN201410494784.8A patent/CN104441526B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN200969651Y (zh) * | 2006-11-06 | 2007-10-31 | 张国栋 | 模具监视器 |
CN101337424A (zh) * | 2007-07-02 | 2009-01-07 | 优志旺电机株式会社 | 模具监视装置 |
CN102152457A (zh) * | 2011-01-31 | 2011-08-17 | 宁波伊士通技术股份有限公司 | 一种基于直方图匹配的嵌入式塑料模具保护装置 |
CN202029367U (zh) * | 2011-01-31 | 2011-11-09 | 宁波伊士通技术股份有限公司 | 一种基于直方图匹配的嵌入式塑料模具保护装置 |
CN102303397A (zh) * | 2011-08-29 | 2012-01-04 | 厦门伟迪康科技有限公司 | 用于模具成型机的模具图像监视方法及装置 |
CN102363354A (zh) * | 2011-11-02 | 2012-02-29 | 宁波安信数控技术有限公司 | 一种基于机械视觉的注塑机模具保护***和方法 |
CN203680767U (zh) * | 2013-12-11 | 2014-07-02 | 东华大学 | 一种模具监视器 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104772880A (zh) * | 2015-04-10 | 2015-07-15 | 浙江工业大学 | 一种基于lmdo的注塑机械手模具异常检测方法 |
CN105136819A (zh) * | 2015-09-30 | 2015-12-09 | 广州超音速自动化科技股份有限公司 | 空调外观轮廓检测方法 |
CN105291391A (zh) * | 2015-09-30 | 2016-02-03 | 重庆世纪精信实业(集团)有限公司 | 基于图像识别处理的注塑机粘模检测方法以及装置 |
CN105303565A (zh) * | 2015-09-30 | 2016-02-03 | 广州超音速自动化科技股份有限公司 | 产品外观的logo检测方法 |
CN107656485A (zh) * | 2016-07-26 | 2018-02-02 | 双叶电子工业株式会社 | 测量设备、测量方法及程序 |
CN108688105B (zh) * | 2017-03-29 | 2020-08-11 | 发那科株式会社 | 状态判定装置 |
CN108688105A (zh) * | 2017-03-29 | 2018-10-23 | 发那科株式会社 | 状态判定装置 |
CN108364287A (zh) * | 2018-02-11 | 2018-08-03 | 北京简易科技有限公司 | 一种异物监测方法、装置及冲压*** |
CN109116797A (zh) * | 2018-07-18 | 2019-01-01 | 天津市天锻压力机有限公司 | 精整液压机用的智能视觉检测与旋转定位***及方法 |
CN113544606A (zh) * | 2019-03-06 | 2021-10-22 | 克朗斯股份公司 | 用于拉伸吹塑和/或灌装***中的产品引导的方法和用于瓶子的拉伸吹塑和/或灌装*** |
CN110400325A (zh) * | 2019-03-26 | 2019-11-01 | 桑尼环保(江苏)有限公司 | 智能化河道管控平台 |
CN110032977A (zh) * | 2019-04-18 | 2019-07-19 | 北京华正明天信息技术股份有限公司 | 一种基于深度学习图像火灾识别的安全预警管理*** |
CN110233967A (zh) * | 2019-06-20 | 2019-09-13 | 漳州智觉智能科技有限公司 | 模具模板图像生成***及方法 |
CN112666167A (zh) * | 2020-12-22 | 2021-04-16 | 成都圭目机器人有限公司 | 一种评估水泥混凝土道面裂缝产生fod风险的方法和装置 |
CN112743789A (zh) * | 2021-01-25 | 2021-05-04 | 温州市信维五金卫浴有限公司 | 一种卫浴挂件自学习生产*** |
CN113814986A (zh) * | 2021-11-23 | 2021-12-21 | 广东隆崎机器人有限公司 | 一种基于机器视觉控制scara机器人的方法及*** |
CN116437164A (zh) * | 2023-06-13 | 2023-07-14 | 中国南方电网有限责任公司超高压输电公司广州局 | 热像仪、热像仪监控方法、装置、计算机设备和存储介质 |
CN117593297A (zh) * | 2024-01-18 | 2024-02-23 | 福州市展凌智能科技有限公司 | 一种基于图像处理的治具识别计数***及方法 |
CN117593297B (zh) * | 2024-01-18 | 2024-04-19 | 福州市展凌智能科技有限公司 | 一种基于图像处理的治具识别计数***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105799133B (zh) | 2017-11-03 |
CN104441526B (zh) | 2016-10-19 |
CN105799133A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104441526B (zh) | 基于外形轮廓匹配的模具在线监视保护***及方法 | |
CN108176608B (zh) | 基于机器视觉的螺母缺陷检测方法及装置 | |
CN108312456B (zh) | 一种注塑机产品工艺品质监控***以及监控方法 | |
CN109499908A (zh) | 一种用于机械零件的视觉检测*** | |
EP3482192A1 (en) | System and method for combined automatic and manual inspection | |
CN103051872B (zh) | 基于图像边缘提取的输送带跑偏检测方法 | |
CN111229648A (zh) | 基于机器视觉的太阳能电池板瑕疵检测***及检测方法 | |
CN101509766B (zh) | 机器视觉***对弹簧端面角度的在线检测方法 | |
CN201890600U (zh) | 机器视觉皮带撕裂检测装置 | |
CN101762589A (zh) | 一种机器视觉在文具组合套装瑕疵的在线监测方法及其设备 | |
CN102363354A (zh) | 一种基于机械视觉的注塑机模具保护***和方法 | |
CN101726265A (zh) | 机器视觉***对弹簧平行度的在线检测方法 | |
CN102494773A (zh) | 机器视觉***对按扣色差的自动检测方法 | |
CN104475350A (zh) | 轴承保持器假焊的视觉检测方法 | |
CN101696877A (zh) | 机器视觉***对弹簧垂直度的在线检测方法 | |
CN104931505A (zh) | 机器视觉表面检测*** | |
CN202066794U (zh) | 全自动按键检测装置 | |
CN108776966A (zh) | 一种磁体外观缺陷检测的方法及*** | |
CN105619741B (zh) | 一种基于Tegra K1的模具智能检测方法 | |
CN203992877U (zh) | 薄钢板焊缝小特征点视觉跟踪与实时质量检测装置 | |
CN204269565U (zh) | 木材缺陷检测及选色识别分选设备 | |
CN206258390U (zh) | 活塞杆表面缺陷自动化检测设备 | |
CN102305597A (zh) | 机器视觉***对注射器部件异形的自动检测方法 | |
CN116840240A (zh) | 电源分配器视觉检测*** | |
CN206146851U (zh) | 一种智能检测工业零件表面质量的装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |