CN110146019B - 一种基于工业相机的工件尺寸在线检测与自动补偿方法 - Google Patents
一种基于工业相机的工件尺寸在线检测与自动补偿方法 Download PDFInfo
- Publication number
- CN110146019B CN110146019B CN201910510123.2A CN201910510123A CN110146019B CN 110146019 B CN110146019 B CN 110146019B CN 201910510123 A CN201910510123 A CN 201910510123A CN 110146019 B CN110146019 B CN 110146019B
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- workpiece
- online
- data
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 28
- 238000005259 measurement Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000007667 floating Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000003754 machining Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 239000007822 coupling agent Substances 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于工业相机的工件尺寸在线检测与自动补偿方法，该方法包括首先采集图像信息进行在线动态检测，对检测结果进行多元数据融合与趋势分析并准确在线调整刀具的补偿值。较好地解决了目前的工件检测中存在的以下问题：首先采集图像信息进行在线动态检测，对检测结果进行多元数据融合与趋势分析并准确在线调整刀具的补偿值，适用于在线检测并易于在现有***中集成。
Description
技术领域
本发明涉及视觉检测领域，具体涉及一种基于工业相机的工件尺寸在线检测与自动补偿方法。
背景技术
随着当今科技的飞速发展，零部件对精度、可靠性和寿命的要求也越来越高，同时高精密传动部件及***的可靠性在相当程度上直接影响着各种关键装备的功能和寿命。因此，能够对零部件进行高精度、自动化检测，并实现实时数据分析与决策成为当下迫切的需求。
在工件检测领域中，工件尺寸检测的测量方案包含接触式和非接触式两种。其中，接触式测量方法主要是利用量具或者量仪的感受元件通过与被测表面进行直接接触从而获取测量信息；非接触式的尺寸测量主要有超声测量、机器视觉、激光三角、电涡流等方法，借助于光电、电磁等技术，在不接触被测物体表面的情况下，得到物体表面参数信息，测量过程中可以有效避免对被测零件产生污染或表面磨损，同时满足在某些特定(如流体、高温、高压以及环境危险等)条件下的尺寸测量，整个测量过程快速、高效、省时省力，适于在线测量，测量的精度可以达到微米以上。
上述两类工件尺寸测量方法，均存在以下一个或多个缺陷与不足：
接触式测量：传统工业生产线上的工件多采用普通量具进行人工测量，检测结果受到专业素养、技术水平等主观因素的制约，检测效率低、检测一致性差。
非接触式测量：对专业知识要求较高，并受到市场技术发展的制约。
超声测量：超声波进入物体遇到缺陷时，一部分声波会产生反射，接收器可对反射波进行分析，就能异常精确地测出缺陷来，并且能显示内部缺陷的位置和大小，测定材料厚度等。对于不易检查、形状复杂的工件，要求被检查表面有一定的光洁度，并需有耦合剂填满探头和被检查表面之间的空隙，以保证充分的声耦合。对于有些粗晶粒的铸件和焊缝，因易产生杂乱反射波而较难应用。此外，超声检测还要求有一定经验的检验人员来进行操作和判断检测结果。
激光测量：中间不能有障碍物，要有接收器。移动物体很难测定，因为光的回馈信号变化太大了。
电涡流：涡流检测时线圈不需与被测物直接接触，可进行高速检测，易于实现自动化，但不适用于形状复杂的零件，而且只能检测导电材料的表面和近表面缺陷，检测结果也易于受到材料本身及其他因素的干扰。
机器视觉：高分辨率像素相机的成本也随之上升。然而，单纯依靠提高硬件配套来提高测量精度无疑在成本上也相应大大增加。传统的图像处理检测算法定位精度低、对噪声敏感，而且受到市场发展的制约，真正用于工程实施的技术少之又少。
综上所述，需要提供一种能够实现在线动态检测、自动化程度高、加工效率高的基于工业相机的工件尺寸在线检测与自动补偿***。
发明内容
本发明所要解决的技术问题是：提供一种能够实现在线动态检测、自动化程度高、加工效率高的基于工业相机的工件尺寸在线检测与自动补偿***。
本发明解决其技术问题所采取的技术方案是：
一种基于工业相机的工件尺寸在线检测与自动补偿方法，其该方法包括首先采集图像信息进行在线动态检测，对检测结果进行多元数据融合与趋势分析并准确在线调整刀具的补偿值。
进一步地，在线检测方法包括首先通过工业相机采集图像信息，并进行图像算法分析处理获取图像处理结果与相应数据信息。
进一步地，所述图像算法包括：
(1)获取数据：利用工业相机将被测目标转换成图像信号，传送给图像处理***进行数据处理，根据像素分布、亮度、颜色等信息，转变成数字化信号。
(2)灰度转换：将获取的图像信号首先对进行颜色空间转换，形成灰度图；
(3)滤波去噪；
(4)亚像素边缘提取：亚像素边缘提取适用于由多个像素点组成且满足一定分布特性的检测目标，其亚像素边缘点存在于图像中逐渐发生过度变化的区域，能够通过多项式拟合等分析、利用、识别，确定目标的准确位置；
(5)霍夫变换：利用图像全局特征将边缘像素连接起来组成区域封闭边界，它将图像空间转换到参数空间，在参数空间对点进行描述，达到检测图像边缘的目的；
(6)边界绘制与可视化展示。
进一步地，在线补偿是在在线检测的基础之上，对零件的工艺信息进行标识。
进一步地，在工件检测合格后，下线之前会为每个检测合格的零件打上二维码或NFC标签。
进一步地，自动补偿方法包括OPC客户端从存放设计尺寸和实际检测尺寸的数据库取得尺寸数据，同时客户端会完成数据的比对，并通过OPC客户端经OPC服务器写入数控***刀补变量所在的PLC地址中。
进一步地，在线检测方法使用的在线检测***包括电源、驱动器、伺服电机、电机控制卡、传感器、待测工件、工控机、打印机和远程终端。
进一步地，其中工控机通过以太网连接远程终端，操作者可以通过远程终端控制工控机具体的工作；工控机通过串口连接打印机，打印机根据工控机的指令打印待测工件对应的标贴，以识别待测工件的ID。
进一步地，其中工控机还通过总线连接电极控制卡的输入端，该电机控制卡的输出端连接驱动器；一个电源的正极连接到伺服电机，电源的负极连接到驱动器，驱动器连接伺服电机的驱动轴；电源、驱动器和伺服电机形成一闭路；驱动器接受电机控制卡以及工控机的指令控制伺服电机的转动。
进一步地，伺服电机的转动能够带动位于待测工件检测位置的传感器进行从待命位置到检测位置的移动；传感器的信号输出端通过局域网连接到工控机，从而将测量数据传输给工控机；工控机进一步能够通过以太网将上述测量数据传送到远程终端。
本发明提供的基于工业相机的工件尺寸在线检测与自动补偿***，采用非接触式测量实现工件的在线动态检测、测量数据趋势分析、刀具补偿实时调整，整个过程自动完成，不用停机，也不用人工参与，能够提高加工的效率。
本发明提出的基于工业相机的工件尺寸在线检测与自动补偿***能够很好的解决这些问题，以下是其相关的有益效果总结：
(1)该方法采用机器视觉测量实现工件的在线、动态检测，准确率高，速度快。
(2)发明所提出的图像处理算法过程为灰度转换、滤波去噪、亚像素边缘提取、霍夫变换、边界绘制与可视化展示，能够在同等硬件条件下提高测量精度，易于在嵌入式设备上的移植和实现。
(3)算法获取到工件尺寸后，对零件工艺信息进行标识，实现多种检测结果的数据融合。
(4)OPC客户端从存放设计尺寸和实际检测尺寸的数据库取得尺寸数据，同时客户端会完成数据的比对，并通过OPC客户端经OPC服务器写入数控***刀补变量所在的PLC地址中，实现实时分析零件尺寸的细微变化趋势，根据零件尺寸变化趋势准确在线调整刀具的补偿值。这种方式的整个过程均是自动完成，不用停机也不用人工参与，能够提高加工的效率。
(5)在经过一定时间的数据积累之后，可以获取到某一特定系列刀具的磨损曲线和补偿策略，提高加工的稳定性以及生产的效率。
综合来看，本发明较好地解决了目前的工件检测中存在的以下问题：首先采集图像信息进行在线动态检测，对检测结果进行多元数据融合与趋势分析并准确在线调整刀具的补偿值，适用于在线检测并易于在现有***中集成。
附图说明
图1为本发明提供的工件在线检测设备结构图。
图2为本发明提供的基于工业相机的工件在线尺寸检测算法框图。
具体实施方式
以下将对本发明的一种基于工业相机的工件尺寸在线检测与自动补偿方法作进一步的详细描述。
下面将参照附图对本发明进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明而仍然实现本发明的有益效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本发明的限制。
为了清楚，不描述实际实施例的全部特征。在下列描述中，不详细描述公知的功能和结构，因为它们会使本发明由于不必要的细节而混乱。应当认为在任何实际实施例的开发中，必须作出大量实施细节以实现开发者的特定目标。
为使本发明的目的、特征更明显易懂，下面结合附图对本发明的具体实施方式作进一步的说明。需要说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用一方便、清晰地辅助说明本发明实施例的目的。
如附图1所示，本发明提供的工件尺寸在线检测***。该***包括电源、驱动器、伺服电机、电机控制卡、传感器、待测工件、工控机、打印机和远程终端。
其中，工控机通过以太网连接远程终端，操作者可以通过远程终端控制工控机具体的工作。工控机通过串口连接打印机，打印机根据工控机的指令打印待测工件对应的标贴，以识别待测工件的ID。工控机还通过总线连接电极控制卡的输入端，该电机控制卡的输出端连接驱动器。一个电源的正极连接到伺服电机，电源的负极连接到驱动器，驱动器连接伺服电机的驱动轴。电源、驱动器和伺服电机形成一闭路。驱动器接受电机控制卡以及工控机的指令控制伺服电机的转动。伺服电机的转动能够带动位于待测工件检测位置(一般位于上方)的传感器进行从待命位置到检测位置的移动。传感器的信号输出端通过局域网连接到工控机，从而将测量数据传输给工控机。工控机进一步能够通过以太网将上述测量数据传送到远程终端。通过附图1所示的工件尺寸在线检测***，能够实现工件尺寸的在线监测。
本发明提供的基于工业相机的工件尺寸在线检测与自动补偿方法，包括：首先采集图像信息进行在线动态检测，对检测结果进行多元数据融合与趋势分析并准确在线调整刀具的补偿值，适用于在线检测并易于在现有***中集成。
该***分为两个模块：在线检测与自动补偿。下面结合实际处理例程对本方法的具体实施方式和算法过程进行详细阐述。
基于工业相机的工件尺寸在线检测
如附图2所示，基于工业相机的工件尺寸在线检测方法，首先需要通过工业相机采集图像信息，并进行图像算法分析处理获取图像处理结果与相应数据信息。其中基于工业相机的工件在线尺寸检测算法框图如附图2所示。
本发明采用的图像处理技术方案的算法分析的步骤包括：
(1)获取数据：利用工业相机将被测目标转换成图像信号，传送给图像处理***进行数据处理，根据像素分布、亮度、颜色等信息，转变成数字化信号。
(2)灰度转换：将获取的图像信号首先进行颜色空间转换，形成灰度图，使其画质进行改善、显示效果更加清晰。像素点的颜色用RGB(R，G，B)表示，其灰度计算Gray公式如下：
Gray＝R*0.299+G*0.587+B*0.114
(3)滤波去噪：数字图像形成、传输过程中会受到噪声的污染，形成或亮或暗的干扰点，从而扰乱观测信息，影响到后续图像的处理和分析。因此需要对图像进行滤波以抑制目标图像的噪声并尽可能的保留图像原有的细节特征。常用的滤波方式有中值滤波、均值滤波、维纳滤波等等，不同的滤波方式对不同噪声类型过滤体现出不同的优势。这里根据图像与噪声类型选取中值滤波进行平滑预处理。用像素点邻域灰度值的中值来代替该像素点的灰度值，让周围的像素值接近真实的值从而消除孤立的噪声点。中值滤波公式为：g(x,y)＝med{f(x-k,y-l),(k,l∈W)}。其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。
(4)亚像素边缘提取：
亚像素边缘提取适用于由多个像素点组成且满足一定分布特性的检测目标，其亚像素边缘点存在于图像中逐渐发生过度变化的区域，能够通过多项式拟合等分析、利用、识别，确定目标的准确位置。分析定位过程中，应用浮点运算技术，得到的精度高于整像素级，进而提高边缘检测的精度。
结合测量工件的特征，本实例采用Zernike积分算子进行亚像素边缘提取，Zernike在处理图像旋转和低噪声敏感度上具有独特的优越性。
用k表示灰度差、l表示原点到边缘的垂直距离、φ表示l和x轴的夹角，用Z'n.m表示图像绕原点顺时针旋转φ角度后的Zernike矩，旋转后的图像f'(x,y)关于x轴对称，即质心落在x轴上，因此其一阶几何矩m0,1满足
因为Z'1,1的Zernike多项式为x+jy，由Zernike矩的定义式知，Z'1,1的虚部也为0，用Re和Im分别表示实部和虚部，有：
Z'1,1＝Z1,1exp(-jφ)＝[Re(Z1,1)+jIm(Z1,1)][cos(φ)-jsin(φ)]＝Re(Z'1,1)+jIm(Z'1,1)
已知Im(Z'1,1)＝0，故有Im(Z1,1)cos(φ)-Re(Z1,1)sin(φ)＝0
故而：
旋转后的Zernike矩：
则另外两个边缘参数：
相应的，原点坐标为(x,y)，垂点坐标为(x′,y′)，满足：
根据k和设定的阈值间的大小关系，确定垂点(x′,y′)是否作为最终的边缘点，l的取值范围的[-1,1]，边缘定位的精度是亚像素级的。
对于数字图像，Zernike矩的计算可以通过模板与图像的卷积实现，设模板大小为N×N，则在定位边缘点时应将l放大N/2倍：
常选取的模板大小为7×7，用7×7的均匀网格分割单位圆，记第i行第j列正方形区域为Si,j，C为单位圆区域，则正方形对应的模板系数Mn,m(i,j)为：
(5)霍夫变换：利用图像全局特征将边缘像素连接起来组成区域封闭边界，它将图像空间转换到参数空间，在参数空间对点进行描述，达到检测图像边缘的目的。它是一种对被检测对象进行特征提取的技术，将所有可能落在边缘上的点进行统计计算，根据对数据的统计结果确定属于边缘的程度。
(6)边界绘制与可视化展示：对图像的数据处理算法结果进行可视化展示，将检测边界在原图上进行绘制。
测量数据的在线补偿
测量数据的在线补偿主要是在在线检测的基础之上，对零件的工艺信息进行标识；在工件检测合格后，下线之前会为每个检测合格的零件打上二维码(或NFC标签)，扫码(或感应识别)后便可得知其尺寸公差、加工工艺和生产日期等信息，如此不但可以更加方便快捷地对产品进行品控，也便于对生产进行智能化管理。
基于工业相机的工件尺寸在线检测与自动补偿方法，能够实现多种检测结果的数据融合；项目将在加工过程中在线检测零件尺寸，一方面可以及时筛除不合格品，另一方面可以实时分析零件尺寸的细微变化趋势，根据测得数据在线调整刀具的补偿量。
自动补偿方法采用的技术方案是：OPC客户端从存放设计尺寸和实际检测尺寸的数据库取得尺寸数据，同时客户端会完成数据的比对，并通过OPC客户端经OPC服务器写入数控***刀补变量所在的PLC地址中，这种方式的整个过程均是自动完成，不用停机也不用人工参与，能够提高加工的效率。同时在经过一定时间的数据积累之后，可以获取到某一特定系列刀具的磨损曲线和补偿策略，从而提高加工的稳定性以及生产的效率。
本发明应用于由多个像素点组成且满足一定分布特性的工件尺寸提取，以亚像素边缘检测算法实现工件的边缘检测与尺寸计算；
本发明中所涉及的算法可以在上位机软件中实现，也可以很方便地在嵌入式或其他下位机***中植入；
本发明提出一种基于工业相机的工件尺寸在线检测与自动补偿***，通过其改进的计算方法，可以实现在工业相机等硬件精度固定的前提下提高测量精度，实现工件的在线、动态检测，准确率高，速度快，对零件工艺信息进行标识，实现多种检测结果的数据融合，对检测结果进行多元数据融合与趋势分析并准确在线调整刀具的补偿值；
本发明的应用对象为由多个像素点组成且满足一定分布特性的检测目标。一般情况下，工件需要先在相应加工设备上进行加工，然后再取下零件利用相应的测量工具进行检测，测量结果显示不合格，则返回加工设备继续加工，直至合格。在这些过程中不可避免的存在下面的一些问题：采用普通量具进行的工件尺寸测量，检测结果受到检测人员专业素养、技术水平等主观因素的制约，检测效率低、检测一致性差；往返过程费时费力，效率低；非接触式测量依赖于市场技术发展水平，高精度测量方式成本高；检测结果单一，数据结论闲置，数据挖掘程度低，信息不能充分利用。
本发明提供的基于工业相机的工件尺寸在线检测与自动补偿***。该方法采用非接触式测量实现工件的在线动态检测、测量数据趋势分析、刀具补偿实时调整，整个过程自动完成，不用停机，也不用人工参与，能够提高加工的效率。
综合来看，本发明较好地解决了目前的工件检测中存在的以下问题：首先采集图像信息进行在线动态检测，对检测结果进行多元数据融合与趋势分析并准确在线调整刀具的补偿值，适用于在线检测并易于在现有***中集成。
以上显示和描述了本发明的基本原理、主要特征和优点，因此以上所述仅为本发明的实施例。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下，本发明还包括各种等效变化和改进，这些变化和改进都将落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其效物界定。
Claims (1)
1.一种基于工业相机的工件尺寸在线检测与自动补偿方法，其特征在于：
该方法基于一种工件尺寸在线检测***，该***包括电源、驱动器、伺服电机、电机控制卡、传感器、待测工件、工控机、打印机和远程终端；
其中，工控机通过以太网连接远程终端，操作者通过远程终端控制工控机具体的工作；工控机通过串口连接打印机，打印机根据工控机的指令打印待测工件对应的标贴，以识别待测工件的ID；工控机还通过总线连接电机控制卡的输入端，该电机控制卡的输出端连接驱动器；一个电源的正极连接到伺服电机，电源的负极连接到驱动器，驱动器连接伺服电机的驱动轴；电源、驱动器和伺服电机形成一闭路；驱动器接受电机控制卡以及工控机的指令控制伺服电机的转动；伺服电机的转动能够带动位于待测工件检测位置的传感器进行从待命位置到检测位置的移动；传感器的信号输出端通过局域网连接到工控机，从而将测量数据传输给工控机；工控机能够通过以太网将上述测量数据传送到远程终端；工件尺寸在线检测***，能够实现工件尺寸的在线检测；
所述基于工业相机的工件尺寸在线检测与自动补偿方法，包括：
首先采集图像信息进行在线动态检测，对检测结果进行多元数据融合与趋势分析并准确在线调整刀具的补偿值；具体包括：
第一步，基于工业相机的工件尺寸在线检测，包括：
需要通过工业相机采集图像信息，并进行图像算法分析处理获取图像处理结果与相应数据信息；
所述图像处理技术方案的算法分析的步骤包括：
(1)获取数据：利用工业相机将被测目标转换成图像信号，传送给图像处理***进行数据处理，根据像素分布、亮度、颜色信息，转变成数字化信号；
(2)灰度转换：将获取的图像信号首先进行颜色空间转换，形成灰度图，使其画质进行改善、显示效果更加清晰；像素点的颜色用RGB(R，G，B)表示，其灰度计算Gray公式如下：
Gray＝R*0.299+G*0.587+B*0.114
(3)滤波去噪：对图像进行滤波以抑制目标图像的噪声并尽可能的保留图像原有的细节特征；根据图像与噪声类型选取中值滤波进行平滑预处理；用像素点邻域灰度值的中值来代替该像素点的灰度值，让周围的像素值接近真实的值从而消除孤立的噪声点；中值滤波公式为：g(x,y)＝med{f(x-k,y-l),(k,l∈W)}；其中，f(x,y)，g(x,y)分别为原始图像和处理后图像；W为二维模板，为3*3或5*5区域，
(4)亚像素边缘提取：
亚像素边缘提取适用于由多个像素点组成且满足一定分布特性的检测目标，通过多项式拟合分析、利用、识别，确定目标的准确位置；分析定位过程中，应用浮点运算技术，得到的精度高于整像素级；
结合测量工件的特点采用Zernike积分算子进行亚像素边缘提取；
用k表示灰度差、l表示原点到边缘的垂直距离、φ表示l和x轴的夹角，用Z'n,m表示图像绕原点顺时针旋转φ角度后的Zernike矩，旋转后的图像f'(x,y)关于x轴对称，即质心落在x轴上，因此其一阶几何矩m0,1满足
因为Z'1,1的Zernike多项式为x+jy，由Zernike矩的定义式知，Z'1,1的虚部也为0，用Re和Im分别表示实部和虚部，有：
Z'1,1＝Z1,1exp(-jφ)＝[Re(Z1,1)+jIm(Z1,1)][cos(φ)-jsin(φ)]＝Re(Z'1,1)+jIm(Z'1,1)
已知Im(Z'1,1)＝0，故有Im(Z1,1)cos(φ)-Re(Z1,1)sin(φ)＝0
故而：
旋转后的Zernike矩：
则另外两个边缘参数：
相应的，原点坐标为(x,y)，垂点坐标为(x′,y′)，满足：
根据k和设定的阈值间的大小关系，确定垂点(x′,y′)是否作为最终的边缘点，l的取值范围的[-1,1]，边缘定位的精度是亚像素级的；
对于数字图像，Zernike矩的计算可以通过模板与图像的卷积实现，设模板大小为N×N，则在定位边缘点时应将l放大N/2倍：
取的模板大小为7×7，用7×7的均匀网格分割单位圆，记第i行第j列正方形区域为Si,j，C为单位圆区域，则正方形对应的模板系数Mn,m(i,j)为：
(5)霍夫变换：利用图像全局特征将边缘像素连接起来组成区域封闭边界，它将图像空间转换到参数空间，在参数空间对点进行描述，达到检测图像边缘的目的；它是一种对被检测对象进行特征提取的技术，将所有可能落在边缘上的点进行统计计算，根据对数据的统计结果确定属于边缘的程度；
(6)边界绘制与可视化展示：对图像的数据处理算法结果进行可视化展示，将检测边界在原图上进行绘制；
第二步，测量数据的在线补偿
测量数据的在线补偿主要是在在线检测的基础之上，对零件的工艺信息进行标识；在工件检测合格后，下线之前会为每个检测合格的零件打上二维码或NFC标签，扫码或感应识别后便可得知其尺寸公差、加工工艺和生产日期信息；
在线补偿包括：OPC客户端从存放设计尺寸和实际检测尺寸的数据库取得尺寸数据，同时客户端会完成数据的比对，并通过OPC客户端经OPC服务器写入数控***刀补变量所在的PLC地址中，在经过一定时间的数据积累之后，获取到某一特定系列刀具的磨损曲线和补偿策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910510123.2A CN110146019B (zh) | 2019-06-13 | 2019-06-13 | 一种基于工业相机的工件尺寸在线检测与自动补偿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910510123.2A CN110146019B (zh) | 2019-06-13 | 2019-06-13 | 一种基于工业相机的工件尺寸在线检测与自动补偿方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110146019A CN110146019A (zh) | 2019-08-20 |
| CN110146019B true CN110146019B (zh) | 2020-10-23 |
Family
ID=67591102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910510123.2A Active CN110146019B (zh) | 2019-06-13 | 2019-06-13 | 一种基于工业相机的工件尺寸在线检测与自动补偿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110146019B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110570412B (zh) * | 2019-09-06 | 2022-03-22 | 西安交通大学 | 一种零件误差视觉判断*** |
| CN110647851B (zh) * | 2019-09-27 | 2022-12-09 | 普联技术有限公司 | 生产线产能监控方法、装置及*** |
| CN111047578B (zh) * | 2019-12-12 | 2023-07-18 | 深圳精匠云创科技有限公司 | 刀具检测装置及其检测方法 |
| CN113843660A (zh) * | 2020-11-12 | 2021-12-28 | 西华大学 | 基于多线激光扫描的数控机床工件检测方法 |
| CN112705997B (zh) * | 2020-12-15 | 2022-08-30 | 广州数控设备有限公司 | 数控机床刀具自动补偿***及方法 |
| CN112705998B (zh) * | 2020-12-15 | 2022-08-30 | 广州数控设备有限公司 | 数控机床刀具自动补偿方法、装置、产线控制器及存储介质 |
| CN112767384B (zh) * | 2021-01-29 | 2023-08-29 | 华侨大学 | 一种弹力布克重在线检测***的补偿方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104423319A (zh) * | 2013-08-26 | 2015-03-18 | 鸿富锦精密工业（深圳）有限公司 | 加工程序补偿***及方法 |
| CN106125670A (zh) * | 2016-07-29 | 2016-11-16 | 深圳市艾宇森自动化技术有限公司 | 一种cnc机台管理*** |
| CN106705836A (zh) * | 2015-07-16 | 2017-05-24 | 南京理工大学 | 一种t型导轨尺寸参数自动检测*** |
| CN107272616A (zh) * | 2017-06-16 | 2017-10-20 | 长春富维安道拓汽车饰件***有限公司 | 汽车仪表板制造信息集成***和集成方法 |
| CN107544446A (zh) * | 2017-08-29 | 2018-01-05 | 金邦达有限公司 | 智能卡生产控制方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06139316A (ja) * | 1992-10-30 | 1994-05-20 | Hitachi Ltd | 製品生産方法及びその装置並びに３次元物体の計測方法及びその装置 |
| CN108288288B (zh) * | 2018-01-16 | 2021-09-10 | 华东交通大学 | 基于视觉识别的精密轴尺寸测量方法、装置和*** |
-
2019
- 2019-06-13 CN CN201910510123.2A patent/CN110146019B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104423319A (zh) * | 2013-08-26 | 2015-03-18 | 鸿富锦精密工业（深圳）有限公司 | 加工程序补偿***及方法 |
| CN106705836A (zh) * | 2015-07-16 | 2017-05-24 | 南京理工大学 | 一种t型导轨尺寸参数自动检测*** |
| CN106125670A (zh) * | 2016-07-29 | 2016-11-16 | 深圳市艾宇森自动化技术有限公司 | 一种cnc机台管理*** |
| CN107272616A (zh) * | 2017-06-16 | 2017-10-20 | 长春富维安道拓汽车饰件***有限公司 | 汽车仪表板制造信息集成***和集成方法 |
| CN107544446A (zh) * | 2017-08-29 | 2018-01-05 | 金邦达有限公司 | 智能卡生产控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110146019A (zh) | 2019-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110146019B (zh) | 一种基于工业相机的工件尺寸在线检测与自动补偿方法 | |
| Peng et al. | Study of tool wear monitoring using machine vision | |
| CN108355981B (zh) | 一种基于机器视觉的电池连接器质量检测方法 | |
| CN103913468B (zh) | 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法 | |
| CN104964886A (zh) | 一种焊接构件疲劳应力及应变实时非接触式监测方法 | |
| Zhang et al. | Research on tool wear detection based on machine vision in end milling process | |
| CN110091217B (zh) | 一种基于机器视觉的车削颤振加速度采集***及方法 | |
| Khalifa et al. | Image processing for chatter identification in machining processes | |
| CN112907556A (zh) | 一种基于机器视觉的旋转刀具磨损量自动测量方法 | |
| CN108000239A (zh) | 数控加工在线检测*** | |
| CN113222955A (zh) | 一种基于机器视觉的齿轮尺寸参数自动测量方法 | |
| CN105184792B (zh) | 一种圆锯片磨损量在线测量方法 | |
| CN115656182A (zh) | 基于张量投票主成分分析的板材点云缺陷检测方法 | |
| WO2021179400A1 (zh) | 一种基于计算机视觉的装配过程几何参数自适应测量***及方法 | |
| CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
| Liang et al. | A novel image-based method for wear measurement of circumferential cutting edges of end mills | |
| CN115752300A (zh) | 一种在线激光视觉检测平面工件平整度的方法及*** | |
| Yu et al. | A Machine vision method for non-contact Tool Wear Inspection | |
| Li et al. | Vehicle seat detection based on improved RANSAC-SURF algorithm | |
| CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
| CN113870328A (zh) | 一种液体异物视觉检测方法及*** | |
| Bharat et al. | Surface finish evaluation using curvelet transforms based machine vision system | |
| Zhifeng | Measuring diameter of non-threaded hex bolts based on hough transform | |
| CN108401142B (zh) | 一种流水线上的工件计数装置及方法 | |
| CN112763495A (zh) | 一种手机电池尺寸和外观缺陷检测***及检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220712 Address after: Room 308, building 3, intelligent science park, No. 3963 Susong Road, Hefei Economic and Technological Development Zone, Anhui Province, 230000 Patentee after: Anhui Hagong Zhanlu Technology Equipment Co.,Ltd. Address before: 230601 intelligent equipment science and Technology Park, 3963 Susong Road, Hefei Economic and Technological Development Zone, Anhui Province Patentee before: HRG INTERNATIONAL INSTITUTE FOR RESEARCH & INNOVATION |