CN113723266B - 一种无刷电机冲片筛选***及方法 - Google Patents
一种无刷电机冲片筛选***及方法 Download PDFInfo
- Publication number
- CN113723266B CN113723266B CN202110983093.4A CN202110983093A CN113723266B CN 113723266 B CN113723266 B CN 113723266B CN 202110983093 A CN202110983093 A CN 202110983093A CN 113723266 B CN113723266 B CN 113723266B
- Authority
- CN
- China
- Prior art keywords
- punching sheet
- image
- upper computer
- fitting
- brushless motor
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种无刷电机冲片筛选***,包括上位机和PLC,所述上位机接入有成像***,成像***对无刷电机冲片筛选工作位进行视觉成像并将冲片的图像数据发送至上位机,上位机对图像数据进行处理后将处理结果发送至PLC辅助控制,上位机和PLC之间通过板卡IO连接。本发明还提供了一种无刷电机冲片筛选方法。本发明应用图像识别技术快速精准且一致性较好的识别各类冲片的瑕疵、正反面、标记槽等关键特征的识别并进行NG判断;应用于采用了电磁磁化技术、通过轴向磁化冲片的无刷电机冲片筛选装置可以有效实现整个***的连续运行及全自动检测。
Description
技术领域
本发明涉及一种无刷电机冲片筛选***及方法。
背景技术
随着工业4.0技术的不断发展,全社会自动化水平的不断提升,自动化环节中最重要的动力源电机的需求量急速增长,对于各类型电机的需求量也在不断增加,从产量到类型都在不断提升。在电机加工环节,松散冲片筛选叠装为铁芯这一环节占据较长的加工时间。
传统的电机冲片筛选叠装过程是用人工去完成冲片完整性的筛选、冲片正反面确定、冲片标记槽一致性确认等工作。随着技术的进步,出现了使用机械手安装气动吸盘拾取冲片,然后检测并叠装的功能。由于每一台电机使用的冲片数量较多,不同类型不同规格电机使用不同冲片,传统的吸嘴吸取与人工拾取速度慢,效率低。
即:现有技术主要采用的是人工识别冲片正反、查找冲片瑕疵以及确定标记槽位置,存在速度慢,效率低下的问题,同时,人工也不能够在高强度的加工效率面前保持较好的一致性;有的设备采用了真空吸嘴加机械手的技术,真空吸嘴用于吸取单片的冲片,机械手用于安装真空吸嘴,并进行冲片的转移和放置,该技术最大的缺陷是无法在更换吸嘴尺寸和形状的情况下适应不同类型不同规格的电机铁芯冲片,导致吸嘴的数量和类型繁多,使用难度大,同时,机械手的速度较低,且为串行工作模式,导致整体工作效率低下。
为解决上述技术问题,本申请的发明人设计了一种采用了电磁磁化技术、通过轴向磁化冲片的无刷电机冲片筛选装置(已另外申请专利),但目前现有技术中没有能够对该无刷电机冲片筛选装置进行有效控制,以达到整个***的连续运行及全自动检测目的的***和方法。
发明内容
为解决上述技术问题,本发明提供了一种无刷电机冲片筛选***及方法,该无刷电机冲片筛选***及方法应用图像识别技术快速精准且一致性较好的识别各类冲片的瑕疵、正反面、标记槽等关键特征的识别并进行NG判断。
本发明通过以下技术方案得以实现。
本发明提供的一种无刷电机冲片筛选***,包括上位机和PLC,所述上位机接入有成像***,成像***对无刷电机冲片筛选工作位进行视觉成像并将冲片的图像数据发送至上位机,上位机对图像数据进行处理后将处理结果发送至PLC辅助控制,上位机和PLC之间通过板卡IO连接。
所述上位机对图像数据进行的处理操作包括图像处理、数据存储和数据处理。
所述图像处理由独立的图像处理***基于图像算法进行。
所述成像***接入有视觉识别***。
所述视觉识别***由工业相机组成。
所述视觉识别***还包含背景面光源。
所述视觉识别***通过集线器连接成像***。
所述处理结果包括冲片正面图像的处理结果和冲片反面图像的处理结果。
本发明还提供一种无刷电机冲片筛选方法,包含如下步骤:
①采集图像:完成上料操作后,通过工业相机采集上料位的冲片图像;
②前处理:对冲片图像进行滤波和去噪处理;
③拟合圆参数:通过霍夫变换拟合圆并利用RanSAC(随机取样一致性)函数,得到冲片图像中电机冲片拟合的圆弧、圆心;
④识别槽口:通过圆边的理论样本查找,识别电机冲片的冲片槽口特征;
⑤拟合槽口:将识别出的电机冲片的冲片槽口特征,拟合至标准冲片的槽口特征,得到槽口重叠的拟合图像;
⑥判断正反:对比拟合图像中的槽口特征,判断冲片图像中冲片的正反,并将正反判断结果发送至附加板卡,随后执行上料操作并返回至步骤①。
所述步骤③包括如下步骤:
a.采用基本的视觉算法阈值分割法及Blob分析,得到电机冲片的中心坐标;
b.在电机冲片的中心坐标上放置随动坐标系及ROI,提取冲片圆边轮廓,得到电机冲片边缘的样本点;
c.通过霍夫变换拟合圆并利用RanSAC函数得到拟合的圆弧、圆心。
本发明的有益效果在于:应用图像识别技术快速精准且一致性较好的识别各类冲片的瑕疵、正反面、标记槽等关键特征的识别并进行NG判断;应用于采用了电磁磁化技术、通过轴向磁化冲片的无刷电机冲片筛选装置可以有效实现整个***的连续运行及全自动检测。
附图说明
图1是本发明一种实施方式的连接示意图。
具体实施方式
下面进一步描述本发明的技术方案,但要求保护的范围并不局限于所述。
实施例1
如图1所示的一种无刷电机冲片筛选***,包括上位机和PLC,所述上位机接入有成像***,成像***对无刷电机冲片筛选工作位进行视觉成像并将冲片的图像数据发送至上位机,上位机对图像数据进行处理后将处理结果发送至PLC辅助控制,上位机和PLC之间通过板卡IO连接。
实施例2
基于实施例1,上位机对图像数据进行的处理操作包括图像处理、数据存储和数据处理。
实施例3
基于实施例2,图像处理由独立的图像处理***基于图像算法进行。
实施例4
基于实施例1,成像***接入有视觉识别***。
实施例5
基于实施例4,视觉识别***由工业相机组成。
实施例6
基于实施例5,视觉识别***还包含背景面光源。
实施例7
基于实施例6,视觉识别***通过集线器连接成像***。
实施例8
基于实施例1,处理结果包括冲片正面图像的处理结果和冲片反面图像的处理结果。
实施例9
本发明还提供一种无刷电机冲片筛选方法,包含如下步骤:
①采集图像:完成上料操作后,通过工业相机采集上料位的冲片图像;
②前处理:对冲片图像进行滤波和去噪处理;
③拟合圆参数:通过霍夫变换拟合圆并利用RanSAC(随机取样一致性)函数,得到冲片图像中电机冲片拟合的圆弧、圆心;
④识别槽口:通过圆边的理论样本查找,识别电机冲片的冲片槽口特征;
⑤拟合槽口:将识别出的电机冲片的冲片槽口特征,拟合至标准冲片的槽口特征,得到槽口重叠的拟合图像;
⑥判断正反:对比拟合图像中的槽口特征,判断冲片图像中冲片的正反,并将正反判断结果发送至附加板卡,随后执行上料操作并返回至步骤①。
实施例10
基于实施例9,步骤③包括如下步骤:
a.采用基本的视觉算法阈值分割法及Blob分析,得到电机冲片的中心坐标;
b.在电机冲片的中心坐标上放置随动坐标系及ROI,提取冲片圆边轮廓,得到电机冲片边缘的样本点;
c.通过霍夫变换拟合圆并利用RanSAC函数得到拟合的圆弧、圆心。
实施例11
基于上述实施例,具体原理:通过在线检测技术将电机冲片进行堆栈处理,利用电磁分离技术将冲片进行单片分离,提供识别检测的条件,上位机通过GIGE网络接口与CCD***进行连接,视觉相机可对电机冲片成像,上传至上位机进行图像数据处理。
视觉识别***构成包括:工业相机、背景面光源、相机网线HUB集线器,该***主要从客观实物对象中通过图像提取信息并依靠精确的算法对图像信息进行特征识别,基于机器视觉的电机冲片检测技术配合冲片叠装机构实现全过程自动检测过程;相对于机器识别的对象属性,电机冲片外形过大但冲片边缘位置槽口微小,选择500万像素工业相机,满足冲片绝对位置的判断及微小槽口的识别,根据冲片外形的变化配方数据采用动态调整工业相机的图像采样率(例如横向、纵向隔行扫描)的方式,大幅度缩小图幅,不仅提高传输效率,也提高后续图像处理的计算量,效率提升,实时性更高;选择背景面光源,可实现简捷的安装,与转盘式冲片流转机构形成转动配合,检测效率更高,面光源光的照射方式为漫反射,滤除了电机冲片因表面光滑带来的反光效应干扰且不会有明显的投影,提高了相机成像的准确性。
图像处理***构成包括:上位机、图像采集单元、数据处理单元、程序编辑器、板卡I/O及信号通信单元;通过工业相机的成像,图像数据上传至上位机,采用图像处理软件平台进行图像算法拟合,针对图像采集后,视觉前处理部分,采用中值滤波,滤除噪声,提高后续电机冲片中心位置坐标、边缘位置提取等图像识别算法的稳定性。其次,采用基本的视觉算法阈值分割法及Blob分析,得到电机冲片的中心坐标。在该坐标上放置随动坐标系及ROI,提取冲片圆边轮廓,得到电机冲片边缘的样本点。通过霍夫变换拟合圆并利用RanSAC(随机取样一致性)函数得到拟合的圆弧、圆心。创建随动坐标系,RanSAC算法主要用于增强冲片圆轮廓拟合、圆心查找的稳定性、鲁棒性,避免少量的干扰点导致圆弧及圆心识别错误。通过圆边的理论样本查找,二值化后的图像可识别冲片槽口特征,对槽口位置坐标进行定位,拟合标准冲片的槽口位置,将该虚拟坐标作为基准冲片,对实物冲片槽口的位置坐标与其进行比对,可判断冲片的正反,经过数据处理后的结果通过上位机附加的板卡I/O将该信息下发,下位机进行结果判断,实现整个***的连续运行及全自动检测。
可以理解的,作为本发明具体实现的一种底层控制部分实施方式,***利用EtherCAT网络总线协议实现整个运动伺服机构的控制,将传统伺服电机通过脉冲发生器进行控制的方式替代,此方式在运动控制模式中实现简洁接线,只需一根网线实现伺服电机的位置控制以及速度控制,设备上构建5台伺服电机用于整体***的运行,需设置EtherCAT网络总线结构,以串联网络的形式实现伺服电机控制器的连接并进行ID分配;依靠PLC实现工艺轴组的控制,该方式应用总线控制技术更方便更智能的实现5轴的联动,且在单轴控制中减少了信号干扰,依靠PLC编程软件将数据包整体发送在控制器中,不需要PLC控制器发送高速脉冲,在联动轴的控制中也减少了强电干扰,该伺服总线控制技术实现的轴联动,将大幅提升无刷电机叠片的效率,改变了依靠机械结构设计提升效率的传统方式。
Claims (2)
1.一种无刷电机冲片筛选***的筛选方法,其特征在于:该***包括上位机和PLC,所述上位机接入有成像***,成像***对无刷电机冲片筛选工作位进行视觉成像并将冲片的图像数据发送至上位机,上位机对图像数据进行处理后将处理结果发送至PLC辅助控制,上位机和PLC之间通过板卡IO连接;
该方法为:
①采集图像:完成上料操作后,通过工业相机采集上料位的冲片图像;
②前处理:对冲片图像进行滤波和去噪处理;
③拟合圆参数:通过霍夫变换拟合圆并利用RanSAC(随机取样一致性)函数,得到冲片图像中电机冲片拟合的圆弧、圆心;
④识别槽口:通过圆边的理论样本查找,识别电机冲片的冲片槽口特征;
⑤拟合槽口:将识别出的电机冲片的冲片槽口特征,拟合至标准冲片的槽口特征,得到槽口重叠的拟合图像;
⑥判断正反:对比拟合图像中的槽口特征,判断冲片图像中冲片的正反,并将正反判断结果发送至附加板卡,随后执行上料操作并返回至步骤①;
所述上位机对图像数据进行的处理操作包括图像处理、数据存储和数据处理;所述图像处理由独立的图像处理***基于图像算法进行;
所述成像***接入有视觉识别***;所述视觉识别***由工业相机组成;所述视觉识别***还包含背景面光源;所述视觉识别***通过集线器连接成像***;
所述步骤③包括如下步骤:
a.采用基本的视觉算法阈值分割法及Blob分析,得到电机冲片的中心坐标;
b.在电机冲片的中心坐标上放置随动坐标系及ROI,提取冲片圆边轮廓,得到电机冲片边缘的样本点;
c.通过霍夫变换拟合圆并利用RanSAC函数得到拟合的圆弧、圆心。
2.如权利要求1所述的无刷电机冲片筛选***的筛选方法,其特征在于:所述处理结果包括冲片正面图像的处理结果和冲片反面图像的处理结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110983093.4A CN113723266B (zh) | 2021-08-25 | 2021-08-25 | 一种无刷电机冲片筛选***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110983093.4A CN113723266B (zh) | 2021-08-25 | 2021-08-25 | 一种无刷电机冲片筛选***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113723266A CN113723266A (zh) | 2021-11-30 |
CN113723266B true CN113723266B (zh) | 2022-11-22 |
Family
ID=78678014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110983093.4A Active CN113723266B (zh) | 2021-08-25 | 2021-08-25 | 一种无刷电机冲片筛选***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723266B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861314B (zh) * | 2023-02-24 | 2023-05-05 | 克瑞科技(东莞)有限公司 | 一种无刷电机冲片筛选方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204338662U (zh) * | 2014-12-25 | 2015-05-20 | 武汉欣捷数控机械有限公司 | 一种汽车皮带轮冲片自动加工及智能检测复合生产线 |
CN106408555A (zh) * | 2015-12-27 | 2017-02-15 | 华南理工大学 | 一种基于图像视觉的轴承表面瑕疵检测方法 |
CN106409711A (zh) * | 2016-09-12 | 2017-02-15 | 佛山市南海区广工大数控装备协同创新研究院 | 一种太阳能硅晶片缺陷检测***及方法 |
CN106849533A (zh) * | 2015-12-07 | 2017-06-13 | 东方电气集团东方电机有限公司 | 一种电机定子铁芯自动外叠装方法及其装置 |
CN106908444A (zh) * | 2017-03-20 | 2017-06-30 | 辽宁科技大学 | 一种基于图像处理的圆锥滚子轴承端面识别***及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015143037A1 (en) * | 2014-03-21 | 2015-09-24 | Omron Corporation | Method and apparatus for detecting and mitigating optical impairments in an optical system |
-
2021
- 2021-08-25 CN CN202110983093.4A patent/CN113723266B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204338662U (zh) * | 2014-12-25 | 2015-05-20 | 武汉欣捷数控机械有限公司 | 一种汽车皮带轮冲片自动加工及智能检测复合生产线 |
CN106849533A (zh) * | 2015-12-07 | 2017-06-13 | 东方电气集团东方电机有限公司 | 一种电机定子铁芯自动外叠装方法及其装置 |
CN106408555A (zh) * | 2015-12-27 | 2017-02-15 | 华南理工大学 | 一种基于图像视觉的轴承表面瑕疵检测方法 |
CN106409711A (zh) * | 2016-09-12 | 2017-02-15 | 佛山市南海区广工大数控装备协同创新研究院 | 一种太阳能硅晶片缺陷检测***及方法 |
CN106908444A (zh) * | 2017-03-20 | 2017-06-30 | 辽宁科技大学 | 一种基于图像处理的圆锥滚子轴承端面识别***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113723266A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111069976B (zh) | 一种车间或产线用刀具损伤智能化移动监测***及方法 | |
CN105588845B (zh) | 一种焊接缺陷特征参数提取方法 | |
CN104923593B (zh) | 一种基于视觉的顶层折弯板材定位方法 | |
CN109974582B (zh) | 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法 | |
CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及*** | |
CN113643280B (zh) | 一种基于计算机视觉的板材分拣***及方法 | |
CN109839384B (zh) | 用于微型振动马达缺陷检测的视觉检测仪及检测方法 | |
CN106839985A (zh) | 无人天车钢卷抓取的自动识别定位方法 | |
CN113723266B (zh) | 一种无刷电机冲片筛选***及方法 | |
CN112295949A (zh) | 一种基于深度神经网络的视觉智能分拣方法及*** | |
CN113689509A (zh) | 基于双目视觉的无序抓取方法、***及存储介质 | |
CN114279357A (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及*** | |
CN114235837A (zh) | 基于机器视觉的led封装表面缺陷检测方法、装置、介质及设备 | |
CN113255869B (zh) | 一种基于机器视觉的板材计数方法 | |
CN108109154A (zh) | 一种工件的新型定位及数据获取方法 | |
CN205158461U (zh) | 机器人出入口控制*** | |
CN114004814A (zh) | 一种基于深度学习和灰度三阶矩分析的煤矸石识别方法及*** | |
CN112102253A (zh) | 基于机器视觉的无纺布表面缺陷自动化检测方法及*** | |
CN101510295A (zh) | 基于PCIe和Vision Assistan的机器视觉***的设计方法 | |
CN116580005A (zh) | 基于图像处理与深度学习的管片模具开模***的引导方法 | |
CN113705487B (zh) | 精密工件识别及工艺参数关联***以及识别方法 | |
CN206764823U (zh) | 机器人抓取定位装置及具有其的机器人抓取*** | |
CN116091996A (zh) | 刀闸分合状态的识别方法、装置、设备及存储介质 | |
CN112330633B (zh) | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 | |
CN109461150B (zh) | 一种基于机器视觉的纱线管颜色分拣方法 |
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 |