CN114549519B - 一种汽车喷涂生产线视觉检测方法、***和可读存储介质 - Google Patents
一种汽车喷涂生产线视觉检测方法、***和可读存储介质 Download PDFInfo
- Publication number
- CN114549519B CN114549519B CN202210364967.2A CN202210364967A CN114549519B CN 114549519 B CN114549519 B CN 114549519B CN 202210364967 A CN202210364967 A CN 202210364967A CN 114549519 B CN114549519 B CN 114549519B
- Authority
- CN
- China
- Prior art keywords
- information
- production line
- carrier
- spraying
- preset
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 102
- 238000005507 spraying Methods 0.000 title claims abstract description 89
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000000007 visual effect Effects 0.000 title claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 61
- 238000010422 painting Methods 0.000 claims description 24
- 238000011179 visual inspection Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 20
- 239000000969 carrier Substances 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 239000007921 spray Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 2
- 239000011248 coating agent Substances 0.000 description 14
- 238000000576 coating method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000000605 extraction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30156—Vehicle coating
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
本发明公开的一种汽车喷涂生产线视觉检测方法、***和可读存储介质，采集生产线图像，对生产线图像进行预处理；建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域；采集目标产品的载具位置信息，将载具位置信息与预设位置信息进行比较，得到偏差率；判断所述偏差率是否大于预设偏差率阈值，若大于，则生成补偿信息，根据补偿信息将载具位置调整至预定位置内；根据输送区域建立对应的检测方式，并得到检测结果，将检测结果按照预定方式进行显示，本***能够准确拍摄车身定位信息、实现了保险杠的在线检测，并根据保险杠的类别进行选择对应的喷涂程序，通过喷涂机器人进行智能喷涂。
Description
技术领域
本发明涉及智能诊断检测领域，更具体的，涉及一种汽车喷涂生产线视觉检测方法、***和可读存储介质。
背景技术
机器视觉是人工智能正在快速发展的一个分支。机器视觉是生产过程中关键技术，以汽车涂装生产线为例，在机器或者生产线上，机器视觉可以实现车身定位、车型识别，以便于将与计划不相符的识别出来，保证生产线的正常运转，与整个生产密切相关。
现有技术中，在整个涂装生产线中，保险杠要经过上件、前处理、机器人喷漆、烘干、下件、点修补等多道工艺流程，任何环节发生保险杠脱离挂具、偏移或者掉落等情况，都会影响生产线的运行，甚至产品的报废。因此，如何提高涂装生产线的稳定性，是本领域长期存在却始终没有解决的技术难题。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种汽车喷涂生产线视觉检测方法、***和可读存储介质。
本发明第一方面提供了一种汽车喷涂生产线视觉检测方法，包括：
采集生产线图像，对生产线图像进行预处理，得到处理后的图像，
根据处理后的图像获取生产线参数信息，建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域；
采集目标产品的载具位置信息，将载具位置信息与预设位置信息进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值，
若偏差率大于预设偏差率阈值，则生成补偿信息，根据补偿信息将载具位置调整至预定位置；
根据输送区域建立对应的检测方式，并得到检测结果，
将检测结果按照预定方式进行显示。
进一步的，目标产品包括不同车型的汽车零部件、如汽车门板、汽车保险杠或汽车发动机顶盖中的一种，检测方式可以是通过工业相机对目标产品进行拍照，得到图像信息。
进一步的，偏差率通过载具位置信息与预设位置信息进行计算得到，计算方法如下，载具位置信息减去预设位置信息得到的结果除以目标产品的长度，之后乘以100%，得到一个百分数，即为偏差率，预设偏差率阈值为20%，当偏差率大于20%时，则通过补偿信息将载具位置进行调整到正确的预定位置进行纠正，保证载具位置始终处于一个正确的位置。
本发明一个较佳实施例中，采集生产线图像，对生产线图像进行预处理；具体包括：
提取生产线图像特征，通过小波变换对图像特征进行滤波降噪，
去噪后的图像信号进行信号重建，得到处理后的图像，
对处理后的图像进行颜色纹理增强，得到增强图像。
本发明一个较佳实施例中，还包括：采集载具参数信息，根据载具参数信息建立定位点，并得到定位点坐标信息；
根据定位点对目标产品进行定位，得到定位状态信息；
将定位状态信息与预设状态信息进行比较，得到定位状态偏差率；
若定位状态偏差率大于第一阈值小于第二阈值时，则生成第一报警信息，根据第一报警信息，生成调整信息，根据调整信息对喷涂状态参数进行调整；
若定位状态偏差率大于第二阈值时，则生成第二报警信息，根据第二报警信息对该目标产品进行标记，并生成对应处理方式；
所述第一阈值小于所述第二阈值。
本发明一个较佳实施例中，采集工件图像信息，对工件类别进行识别，在工件不同位置获取N个识别点，并形成N个识别点的坐标，
将N个识别点的坐标与预设坐标进行比较，
若N个识别点中的M个坐标偏离预设阈值，则判定工件位置发生偏移，
其中M大于N/3。
本发明一个较佳实施例中，采集目标产品图像信息，对目标产品种类进行识别，匹配目标产品车型信息，
根据目标产品车型信息选择对应的喷涂程序，
根据喷涂程序设定目标产品输送时间，
通过射频芯片识别目标产品到达预定位置时，喷涂机器人根据喷涂程序对目标产品进行喷涂。
本发明一个较佳实施例中，建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域，具体为：获取喷涂参数信息，根据喷涂参数信息建立载具移动参数信息；
根据载具移动参数信息对输送平台进行分段，建立不同输送区域内的载具移动速度模型；
通过载具移动速度模型自动生成对应时间节点下的载具预设移动速度；
获取载具实时移动速度；
将载具实时移动速度与载具预设移动速度进行比较，得到速度偏差率；
判断速度偏差率是否大于预设速度偏差率，
若大于，则生成修正信息，通过修正信息对当前移动速度进行修正。
本发明一个较佳实施例中，生产线参数包括生产线长度或生产线不同工件类型识别或生产线喷涂设备组成及喷涂设备位置，输送区域沿生产线长度进行设置，输送区域设置为3-10个，优选的输送区域设置为5个，每一个输送区域内均设置有喷涂机器人，不同的输送区域内的喷涂机器人能够执行不同的喷涂工作，包括喷涂的方式或喷涂的速度或喷涂的颜色等，相邻输送区域长度相同或不同，载具在不同输送区域内的移动速度不同，载具的移动速度呈梯度递增，当移动速度递增至预设速度时，保持预设速度匀速移动。
本发明一个较佳实施例中，根据输送区域建立对应的检测方式，并得到检测结果，具体为：
获取汽车车型，根据汽车车型生成保险杠参数信息；
根据保险杠参数信息生成对应的喷涂方式，
不同输送区域对保险杠不同部位进行喷涂，
采集保险杠喷涂状态信息，根据喷涂状态进行喷涂误差判断，
若喷涂误差大于预设误差，则对保险杠进行二次喷涂。
进一步的，保险杠参数信息包括保险杠的形状或尺寸，不同车型的保险杠采用不同的喷涂方法。
本发明第二方面还提供了一种汽车喷涂生产线视觉检测***，该***包括：存储器、处理器，所述存储器中包括汽车喷涂生产线视觉检测方法程序，所述汽车喷涂生产线视觉检测方法程序被所述处理器执行时实现如下步骤：
采集生产线图像，对生产线图像进行预处理，得到处理后的图像，
根据处理后的图像获取生产线参数信息，建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域；
采集目标产品的载具位置信息，将载具位置信息与预设位置信息进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值，
若偏差率大于预设偏差率阈值，则生成补偿信息，根据补偿信息将载具位置调整至预定位置；
根据输送区域建立对应的检测方式，并得到检测结果，
将检测结果按照预定方式进行显示。
进一步的，偏差率根据载具位置信息与预设位置信息偏差率通过载具位置信息与预设位置信息进行计算得到，计算方法如下，载具位置信息减去预设位置信息得到的结果除以目标产品的长度，之后乘以100%，得到一个百分数，即为偏差率，预设偏差率阈值为20%，当偏差率大于20%时，则通过补偿信息将载具位置进行调整到正确的预定位置进行纠正，保证载具位置始终处于一个正确的位置。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括汽车喷涂生产线视觉检测方法程序，所述汽车喷涂生产线视觉检测方法程序被处理器执行时，实现如上述任一项所述的汽车喷涂生产线视觉检测方法的步骤。
与现有技术相比，本发明所获得的有益技术效果：
（1）本发明研发了一种汽车喷涂生产线视觉检测方法、***和可读存储介质，能够准确拍摄车身定位信息、挂具信息、车型信息等，实现了保险杠与挂具准确点的在线检测，完全避免了现有技术中的保险杠脱离挂具、偏移或者掉落等情况，提高了涂装生产线的稳定性，解决了本领域长期存在却始终没有解决的技术难题。
（2）本发明能够对定位异常情况及时报警，提高了涂装生产的安全性，保障了涂装生产线的生产效率，有效节约生产成本，提高了汽车生产行业的生产力。
附图说明
图1示出了本发明一种汽车喷涂生产线视觉检测方法的流程图；
图2示出了本发明图像预处理方法流程图；
图3示出了本发明定位偏差报警流程图；
图4示出了本发明工件位置偏移方法流程图；
图5示出了本发明喷涂方法流程图；
图6示出了本发明输送平台分段处理方法示意图；
图7示出了本发明一种汽车喷涂生产线视觉检测***框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种汽车喷涂生产线视觉检测方法的流程图。
如图1所示，本发明第一方面提供了一种汽车喷涂生产线视觉检测方法，包括：
S102，采集生产线图像，对生产线图像进行预处理；
S104，建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域；
S106，采集目标产品的载具位置信息，将载具位置信息与预设位置信息进行比较，得到偏差率；
S108，判断偏差率是否大于预设偏差率阈值，
S110，若大于，则生成补偿信息，根据补偿信息将载具位置调整至预定位置内；
S112，根据输送区域建立对应的检测方式，并得到检测结果，
S114，将检测结果按照预定方式进行显示。
需要说明的是，显示部分可以通过显示屏进行显示，检测部分以以太网工业相机为主，通过工业相机进行图像采集，通过中控***利用网络交换机将相机与***中的控制柜连接起来，使控制柜能够通过保险杠载具上安装的追踪***快速、准确接收保险杠载具相关信息。在汽车涂装生产线上，一旦操作箱发现滑撬载具占位，直接发出信号，视觉检测***接收信号，开始工作，拍摄图像、处理信息、计算车身的定位状况、发出信号，信号由DI/O模块信号传输至控制柜PLC，中控***接收到信号后，与计划信息进行数据对比，如有不一致通过中控***进行报警，定位视觉检测***的构成，提高了汽车涂装生产的自动化，实现了远程监控。
进一步的，追踪***包括红外传感器，红外传感器实时采集保险杠载具的位置信息，并将位置信息进行实时传输至中控***，中控***进行分析处理，并根据保险杠载具的位置进行判断工件的位置，并进行相对应的喷漆处理。
进一步的，追踪***也可以设置编码器，通过编码器进行检测保险杠载具位置信息，编码器是将信号或数据进行编制、转换为可用以通讯、传输和存储的信号形式的设备，编码器把角位移或直线位移转换成电信号，编码器可以分为接触式和非接触式两种，编码器包括增量式和绝对式两类，增量式编码器是将位移转换成周期性的电信号，再把这个电信号转变成计数脉冲，用脉冲的个数表示位移的大小，绝对式编码器的每一个位置对应一个确定的数字码，根据数字码确定位置。
进一步的，目标产品到达预定位置后，通过设置在生产线两侧的喷涂机器人对目标产品进行喷涂。
如图2所示，本发明公开了图像预处理方法流程图。
根据本发明实施例，采集生产线图像，对生产线图像进行预处理；具体包括：
S202，提取生产线图像特征，通过小波变换对图像特征进行滤波降噪，
S204，去噪后的图像信号进行信号重建，得到处理后的图像，
S206，对处理后的图像进行颜色纹理增强，得到增强图像。
需要说明的是，图像增强是数字图像处理过程中常用的一种方法，根据处理空间不同，分为在图像所在像素空间处理的空域法和在傅里叶变换后的频域上间接处理的频域法两大类，基于小波变换的图像去噪是非线性方法去噪的，小波变换在数学领域中是一个函数逼近问题，根据实际的需求，寻找小波函数伸缩、平移后的函数空间中与原始图像信息的最佳接近。同时基于小波变换的图像去噪也是一个信号滤波问题，小波去噪是在低通滤波的同时保留图像的边缘等特征细节信息，特征提取是图像识别过程中保证后期分类判别质量的重要阶段，提取的图像特征需要能够表述识别物体的典型特征，具备独特性、完整性、几何不变性以及抽象性，特征提取的元素有颜色、纹理、边缘、形状等特征。颜色是图像信息的基本组成要素，每个被识别物体都具有颜色这一特征，纹理特征是通过图像灰度分布函数对图像局部性质的统计，是对图像中各像素灰度空间分布的一种描述，局部看来可能没有规则，但在图像整体的特征上会呈现一定的规则。
如图3所示，本发明公开了定位偏差报警流程图。
根据本发明实施例，还包括：S302，采集载具参数信息，根据载具参数信息建立定位点，并得到定位点坐标信息；
S304，根据定位点对目标产品进行定位，得到定位状态信息；
S306，将定位状态信息与预设状态信息进行比较，得到定位状态偏差率；
S308，若定位状态偏差率大于第一阈值小于第二阈值时，则生成第一报警信息，根据第一报警信息，生成调整信息，根据调整信息对喷涂状态参数进行调整；
S310，若定位状态偏差率大于第二阈值时，则生成第二报警信息，根据第二报警信息对该目标产品进行标记，并生成对应处理方式；
第一阈值小于第二阈值。
需要说明的是，载具上还有跟踪识别***，可通过跟踪识别***进行精准定位，与定位视觉检测***进行数据匹配，此外通过视觉检测***识别挂具上的保险杠定位是否与设定值一致，车型仿真是否一致，并可以将此数据信息传输到喷涂机器人中，减少机器人仿真识别的过程，并预防因保险杠车型信息不一致或者因位置问题导致机器人碰撞的风险，有效降低了生产故障，减小了涂装生产返工几率，提高了车辆生产的进度与质量，当定位状态偏差率大于第二阈值时，说明目标产品偏离预定的位置较远，此时，可以通过停机操作进行目标产品位置调整，目标产品可以是不同车型保险杠或其他汽车零部件。
如图4所示，本发明公开了工件位置偏移方法流程图。
根据本发明实施例，还包括：S402，采集工件图像信息，对工件类别进行识别，在工件不同位置获取N个识别点，并形成N个识别点的坐标，
S404，将N个识别点的坐标与预设坐标进行比较，
S406，若N个识别点中的M个坐标偏离预设阈值，则判定工件位置发生偏移，
其中M大于N/3。
需要说明的是，根据工件种类进行判断该工件属于的车型，并根据车型信息自动选择该车型信息的喷涂程序，同一车型的不同工件的喷涂程序存在在同一数据包内，不同车型的喷涂程序存储在不同的数据包，进行分类，喷涂程序的存储不限于这一种方式，由于不同车型的同一类工件差异化较小，也可以将不同车型的同一类工件的喷涂程序存储在同一数据包。
在本发明一个实施方式中，工件包括保险杠，在保险杠不同位置处获取N个识别点，N可以根据保险杠的尺寸选取10个识别点或20个、40个、50个、60个、80个、100个、500个或1000个，当保险杠尺寸较大时，也可以选取5000个、10000个识别点，识别点的个数可以根据保险杠的尺寸进行调整，当识别点中有1/3个识别点偏离或大于1/3个识别点时，说明工件位置偏移较远，此时需要对工件进行位置调整。
如图5所示，本发明公开了喷涂方法流程图。
根据本发明实施例，还包括：S502，采集目标产品图像信息，对目标产品种类进行识别，匹配目标产品车型信息，
S504，根据目标产品车型信息选择对应的喷涂程序，
S506，根据喷涂程序设定目标产品输送时间，
S508，通过射频芯片识别目标产品到达预定位置时，喷涂机器人根据喷涂程序对目标产品进行喷涂。
如图6所示，本发明公开了输送平台分段处理方法示意图。
根据本发明实施例，建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域，具体为：
S602,获取喷涂参数信息，根据喷涂参数信息建立载具移动参数信息；
S604,根据载具移动参数信息对输送平台进行分段，建立不同输送区域内的载具移动速度模型；
S606,通过载具移动速度模型自动生成对应时间节点下的载具预设移动速度；
S608,获取载具实时移动速度；
S610,将载具实时移动速度与载具预设移动速度进行比较，得到速度偏差率；
S612,判断速度偏差率是否大于预设速度偏差率，
S614,若大于，则生成修正信息，通过修正信息对当前移动速度进行修正。
根据本发明实施例，相邻输送区域长度相同或不同，载具在不同输送区域内的移动速度不同，载具的移动速度呈梯度递增，当移动速度递增至预设速度时，保持预设速度匀速移动。
需要说明的是，载具在滑道上滑动过程中，初始时，载具移动速度缓慢升高，升高至预定速度时，保持匀速行驶，此外载具移动方式不限于这一种，可以根据实际操作过程中进行调整，如载具在不同输送区域内均能够实现速度缓慢升高，载具在当前输送区域即将进入下一输送区域过程中，速度缓慢降低，待载具完全进行下一输送区域后，再次缓慢提高移动速度，保证载具移动过程中的稳定性。
根据本发明实施例，根据输送区域建立对应的检测方式，并得到检测结果，具体为：
获取汽车车型，根据汽车车型生成保险杠参数信息；
根据保险杠参数信息生成对应的喷涂方式，
不同输送区域对保险杠不同部位进行喷涂，
采集保险杠喷涂状态信息，根据喷涂状态进行喷涂误差判断，
若喷涂误差大于预设误差，则对保险杠进行二次喷涂。
需要说明的是，不同汽车车型的保险杠形状以及尺寸均存在差异，因此需要根据汽车车型确定保险杠参数，然后根据不同保险杠参数选择不同的喷涂方式与喷涂时间，喷涂完成后对保险杠上的喷涂层进行均匀度检测，均匀度出现偏差较大，或喷涂误差较大时，针对保险杠上不均匀位置进行二次喷涂或者多次喷涂，如果依然达不到要求指标可以将该保险杠外侧进行刮除，重新喷涂。
如图7所示，本发明公开了一种汽车喷涂生产线视觉检测***框图。
本发明第二方面还提供了一种汽车喷涂生产线视觉检测***，该***包括：存储器、处理器，存储器中包括汽车喷涂生产线视觉检测方法程序，汽车喷涂生产线视觉检测方法程序被处理器执行时实现如下步骤：
采集生产线图像，对生产线图像进行预处理；
建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域；
采集目标产品的载具位置信息，将载具位置信息与预设位置信息进行比较，得到偏差率；
判断偏差率是否大于预设偏差率阈值，
若大于，则生成补偿信息，根据补偿信息将载具位置调整至预定位置内；
根据输送区域建立对应的检测方式，并得到检测结果，
将检测结果按照预定方式进行显示。
需要说明的是，检测部分以以太网工业相机为主，通过工业相机进行图像采集，通过中控***利用网络交换机将相机与***中的控制柜连接起来，使控制柜能够通过保险杠载具上安装的追踪***快速、准确接收保险杠载具相关信息。在汽车涂装生产线上，一旦操作箱发现滑撬载具占位，直接发出信号，视觉检测***接收信号，开始工作，拍摄图像、处理信息、计算车身的定位状况、发出信号，信号由DI/O模块信号传输至控制柜PLC，中控***接收到信号后，与计划信息进行数据对比，如有不一致通过中控***进行报警，定位视觉检测***的构成，提高了汽车涂装生产的自动化，实现了远程监控。
根据本发明实施例，还包括：采集载具参数信息，根据载具参数信息建立定位点，并得到定位点坐标信息；
根据定位点对目标产品进行定位，得到定位状态信息；
将定位状态信息与预设状态信息进行比较，得到定位状态偏差率；
若定位状态偏差率大于第一阈值小于第二阈值时，则生成第一报警信息，根据第一报警信息，生成调整信息，根据调整信息对喷涂状态参数进行调整；
若定位状态偏差率大于第二阈值时，则生成第二报警信息，根据第二报警信息对该目标产品进行标记，并生成对应处理方式；
第一阈值小于第二阈值。
需要说明的是，载具上还有跟踪识别***，可通过跟踪识别***进行精准定位，与定位视觉检测***进行数据匹配，此外通过视觉***识别挂具上的保险杠定位是否与设定值一致，车型仿真是否一致，并可以将此数据信息传输到喷涂机器人中，减少机器人仿真识别的过程，并预防因保险杠车型信息不一致或者因位置问题导致机器人碰撞的风险，有效降低了生产故障，减小了涂装生产返工几率，提高了车辆生产的进度与质量。
此外，目标产品包括保险杠，定位状态信息还包括保险杠固定在载具上的方向、高度以及在移动喷涂过程中保险杠是否滑动偏离原位置，保险杠是否脱离挂具，偏移或者掉落等。根据第二报警信息的反馈对目标产品进行标记，目标产品或偏离原定位置较大时，说明在喷涂过程中对目标产品喷涂效果急剧降低，甚至有可能没有喷涂上，严重时，还会影响生产线的运行，根据第二报警信息判断是否需要停机，以及判断制定最短停机时间，将损失降到最低。
根据本发明实施例，建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域，具体为：获取喷涂参数信息，根据喷涂参数信息建立载具移动参数信息；
根据载具移动参数信息对输送平台进行分段，建立不同输送区域内的载具移动速度模型；
通过载具移动速度模型自动生成对应时间节点下的载具预设移动速度；
获取载具实时移动速度；
将载具实时移动速度与载具预设移动速度进行比较，得到速度偏差率；
判断速度偏差率是否大于预设速度偏差率，
若大于，则生成修正信息，通过修正信息对当前移动速度进行修正。
根据本发明实施例，相邻输送区域长度相同或不同，载具在不同输送区域内的移动速度不同，载具的移动速度呈梯度递增，当移动速度递增至预设速度时，保持预设速度匀速移动。
需要说明的是，载具在滑道上滑动过程中，初始时，载具移动速度缓慢升高，升高至预定速度时，保持匀速行驶，此外载具移动方式不限于这一种，可以根据实际操作过程中进行调整，如载具在不同输送区域内均能够实现速度缓慢升高，载具在当前输送区域即将进入下一输送区域过程中，速度缓慢降低，待载具完全进行下一输送区域后，再次缓慢提高移动速度，保证载具移动过程中的稳定性。
根据本发明实施例，根据输送区域建立对应的检测方式，并得到检测结果，具体为：
获取汽车车型，根据汽车车型生成保险杠参数信息；
根据保险杠参数信息生成对应的喷涂方式，
不同输送区域对保险杠不同部位进行喷涂，
采集保险杠喷涂状态信息，根据喷涂状态进行喷涂误差判断，
若喷涂误差大于预设误差，则对保险杠进行二次喷涂。
需要说明的是，不同汽车车型的保险杠形状以及尺寸均存在差异，因此需要根据汽车车型确定保险杠参数，然后根据不同保险杠参数选择不同的喷涂方式与喷涂时间，喷涂完成后对保险杠上的喷涂层进行均匀度检测，均匀度出现偏差较大，或喷涂误差较大时，针对保险杠上不均匀位置进行二次喷涂或者多次喷涂，如果依然达不到要求指标可以将该保险杠外侧进行刮除，重新喷涂。
根据本发明实施例，采集生产线图像，对生产线图像进行预处理；具体包括：
提取生产线图像特征，通过小波变换对图像特征进行滤波降噪，
去噪后的图像信号进行信号重建，得到处理后的图像，
对处理后的图像进行颜色纹理增强，得到增强图像。
需要说明的是，图像增强是数字图像处理过程中常用的一种方法，根据处理空间不同，分为在图像所在像素空间处理的空域法和在傅里叶变换后的频域上间接处理的频域法两大类，基于小波变换的图像去噪是非线性方法去噪的，小波变换在数学领域中是一个函数逼近问题，根据实际的需求，寻找小波函数伸缩、平移后的函数空间中与原始图像信息的最佳接近。同时基于小波变换的图像去噪也是一个信号滤波问题，小波去噪是在低通滤波的同时保留图像的边缘等特征细节信息，特征提取是图像识别过程中保证后期分类判别质量的重要阶段，提取的图像特征需要能够表述识别物体的典型特征，具备独特性、完整性、几何不变性以及抽象性，特征提取的元素有颜色、纹理、边缘、形状等特征。颜色是图像信息的基本组成要素，每个被识别物体都具有颜色这一特征，纹理特征是通过图像灰度分布函数对图像局部性质的统计，是对图像中各像素灰度空间分布的一种描述，局部看来可能没有规则，但在图像整体的特征上会呈现一定的规则。
本发明第三方面还提供一种计算机可读存储介质，计算机可读存储介质中包括汽车喷涂生产线视觉检测方法程序，汽车喷涂生产线视觉检测方法程序被处理器执行时，实现如上述任一项的汽车喷涂生产线视觉检测方法的步骤。
本发明公开的一种汽车喷涂生产线视觉检测方法、***和可读存储介质，能够准确拍摄车身定位信息、车型信息等，实现了保险杠在线检测。并且，其应用能够对定位异常情况及时报警，提高了涂装生产的安全性，保障了涂装生产线的生产效率，有效节约生产成本，提高了汽车生产行业的生产力。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种汽车喷涂生产线视觉检测方法，其特征在于，包括：
采集生产线图像，对生产线图像进行预处理，得到处理后的图像，
根据处理后的图像获取生产线参数信息，建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域；
采集目标产品的载具位置信息，将载具位置信息与预设位置信息进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值，若偏差率大于预设偏差率阈值，则生成补偿信息，根据补偿信息将载具位置调整至预定位置；
根据输送区域建立对应的检测方式，并得到检测结果，将检测结果按照预定方式进行显示；
建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域，具体为：获取喷涂参数信息，根据喷涂参数信息建立载具移动参数信息；
根据载具移动参数信息对输送平台进行分段，建立不同输送区域内的载具移动速度模型；
通过载具移动速度模型自动生成对应时间节点下的载具预设移动速度；
获取载具实时移动速度；
将载具实时移动速度与载具预设移动速度进行比较，得到速度偏差率；
判断速度偏差率是否大于预设速度偏差率，
若大于，则生成修正信息，通过修正信息对当前移动速度进行修正。
2.根据权利要求1所述的一种汽车喷涂生产线视觉检测方法，其特征在于，采集生产线图像，对生产线图像进行预处理；具体包括：
提取生产线图像特征，通过小波变换对图像特征进行滤波降噪，
去噪后的图像信号进行信号重建，得到处理后的图像，
对处理后的图像进行颜色纹理增强，得到增强图像。
3.根据权利要求1所述的一种汽车喷涂生产线视觉检测方法，其特征在于，还包括：
采集载具参数信息，根据载具参数信息建立定位点，并得到定位点坐标信息；
根据定位点对目标产品进行定位，得到定位状态信息；
将定位状态信息与预设状态信息进行比较，得到定位状态偏差率；
若定位状态偏差率大于第一阈值小于第二阈值时，则生成第一报警信息，根据第一报警信息，生成调整信息，根据调整信息对喷涂状态参数进行调整；
若定位状态偏差率大于第二阈值时，则生成第二报警信息，根据第二报警信息对该目标产品进行标记，并生成对应处理方式；
所述第一阈值小于所述第二阈值。
4.根据权利要求1所述的一种汽车喷涂生产线视觉检测方法，其特征在于，采集工件图像信息，对工件类别进行识别，在工件不同位置获取N个识别点，并形成N个识别点的坐标，
将N个识别点的坐标与预设坐标进行比较，
若N个识别点中的M个坐标偏离预设阈值，则判定工件位置发生偏移，
其中M大于N/3。
5.根据权利要求1所述的一种汽车喷涂生产线视觉检测方法，其特征在于，
采集目标产品图像信息，对目标产品种类进行识别，匹配目标产品车型信息，
根据目标产品车型信息选择对应的喷涂程序，
根据喷涂程序设定目标产品输送时间，
通过射频芯片识别目标产品到达预定位置时，喷涂机器人根据喷涂程序对目标产品进行喷涂。
6.根据权利要求1所述的一种汽车喷涂生产线视觉检测方法，其特征在于，生产线参数包括生产线长度或生产线不同工件类型识别或生产线喷涂设备组成及喷涂设备位置，输送区域沿生产线长度进行设置，输送区域设置为3-10个，相邻输送区域长度相同或不同，载具在不同输送区域内的移动速度不同，载具的移动速度呈梯度递增，当移动速度递增至预设速度时，保持预设速度匀速移动。
7.根据权利要求1所述的一种汽车喷涂生产线视觉检测方法，其特征在于，根据输送区域建立对应的检测方式，并得到检测结果，具体为：
获取汽车车型，根据汽车车型生成保险杠参数信息；
根据保险杠参数信息生成对应的喷涂方式，
不同输送区域对保险杠不同部位进行喷涂，
采集保险杠喷涂状态信息，根据喷涂状态进行喷涂误差判断，
若喷涂误差大于预设误差，则对保险杠进行二次喷涂。
8.一种汽车喷涂生产线视觉检测***，其特征在于，该***包括：存储器、处理器，所述存储器中包括汽车喷涂生产线视觉检测方法程序，所述汽车喷涂生产线视觉检测方法程序被所述处理器执行时实现如下步骤：
采集生产线图像，对生产线图像进行预处理，得到处理后的图像，
根据处理后的图像获取生产线参数信息，建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域；
采集目标产品的载具位置信息，将载具位置信息与预设位置信息进行比较，得到偏差率；
判断所述偏差率是否大于预设偏差率阈值，若偏差率大于预设偏差率阈值，则生成补偿信息，根据补偿信息将载具位置调整至预定位置；
根据输送区域建立对应的检测方式，并得到检测结果，将检测结果按照预定方式进行显示；
建立输送平台坐标系，并将输送平台进行分段处理，形成多个输送区域，具体为：获取喷涂参数信息，根据喷涂参数信息建立载具移动参数信息；
根据载具移动参数信息对输送平台进行分段，建立不同输送区域内的载具移动速度模型；
通过载具移动速度模型自动生成对应时间节点下的载具预设移动速度；
获取载具实时移动速度；
将载具实时移动速度与载具预设移动速度进行比较，得到速度偏差率；
判断速度偏差率是否大于预设速度偏差率，
若大于，则生成修正信息，通过修正信息对当前移动速度进行修正。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括汽车喷涂生产线视觉检测方法程序，所述汽车喷涂生产线视觉检测方法程序被处理器执行时，实现如权利要求1至7中任一项所述的汽车喷涂生产线视觉检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210364967.2A CN114549519B (zh) | 2022-04-08 | 2022-04-08 | 一种汽车喷涂生产线视觉检测方法、***和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210364967.2A CN114549519B (zh) | 2022-04-08 | 2022-04-08 | 一种汽车喷涂生产线视觉检测方法、***和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114549519A CN114549519A (zh) | 2022-05-27 |
| CN114549519B true CN114549519B (zh) | 2022-07-22 |
Family
ID=81665925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210364967.2A Active CN114549519B (zh) | 2022-04-08 | 2022-04-08 | 一种汽车喷涂生产线视觉检测方法、***和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114549519B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115343289A (zh) * | 2022-07-18 | 2022-11-15 | 中国第一汽车股份有限公司 | 一种汽车总装整车坑包划伤自动检测***及方法 |
| CN114998328A (zh) * | 2022-07-27 | 2022-09-02 | 苏州天成涂装***股份有限公司 | 一种基于机器视觉的工件喷涂缺陷检测方法、***及可读存储介质 |
| CN115561249B (zh) * | 2022-11-09 | 2023-04-25 | 松乐智能装备(广东)有限公司 | 一种喷涂设备的智能化监测方法及*** |
| CN115646788A (zh) * | 2022-12-26 | 2023-01-31 | 中铭谷智能机器人(广东)有限公司 | 一种对汽车钣金进行自动喷涂的方法及*** |
| CN116182953B (zh) * | 2023-03-06 | 2024-01-05 | 中稀材(广东)技术有限公司 | 一种用于平板喷涂工艺在线检测智能***及其使用方法 |
| CN116923988B (zh) * | 2023-09-19 | 2023-12-15 | 杭州集英智慧农业装备有限公司 | 一种智能遥控单轨运输机、控制方法及介质 |
| CN117148803B (zh) * | 2023-10-27 | 2024-01-26 | 深圳市磐锋精密技术有限公司 | 一种用于自动居中调宽流水线的调节控制方法 |
| CN117270481B (zh) * | 2023-11-22 | 2024-02-23 | 北京东大金智科技股份有限公司 | 一种用于工控机的数据处理方法及*** |
| CN117452222A (zh) * | 2023-12-21 | 2024-01-26 | 深圳市安仕新能源科技有限公司 | 一种bms生产线质量控制方法、***及介质 |
| CN117706966B (zh) * | 2024-02-05 | 2024-05-14 | 钛玛科（北京）工业科技有限公司 | 一种智能化自动对中控制*** |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113409617B (zh) * | 2021-06-15 | 2023-02-17 | 中国水产科学研究院南海水产研究所 | 一种渔业船舶偏航预警***及方法 |
| CN113856938B (zh) * | 2021-11-29 | 2022-03-04 | 单县多米石墨烯科技有限公司 | 一种石墨烯防腐涂料的喷涂均匀性检测方法及*** |
-
2022
- 2022-04-08 CN CN202210364967.2A patent/CN114549519B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114549519A (zh) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114549519B (zh) | 一种汽车喷涂生产线视觉检测方法、***和可读存储介质 | |
| CN104992449B (zh) | 基于机器视觉的信息识别及表面缺陷在线检测方法 | |
| CN111127402A (zh) | 一种机器人焊接质量的视觉检测方法 | |
| CN109840900B (zh) | 一种应用于智能制造车间的故障在线检测***及检测方法 | |
| CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
| CN111123853A (zh) | 一种对汽车内表面喷涂检测与补救的机器人的控制方法 | |
| CN112419298B (zh) | 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质 | |
| CN104299246B (zh) | 基于视频的生产线物品部件运动检测与跟踪方法 | |
| CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
| CN112381783B (zh) | 一种基于红色线激光的焊缝轨迹提取方法 | |
| 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 | |
| CN115358965A (zh) | 焊接变形量自适应的直线焊缝打磨轨迹生成方法及装置 | |
| CN114913346A (zh) | 一种基于产品颜色及形状识别的智能分拣***及方法 | |
| CN111062910B (zh) | 局部阈值分割方法及缺陷检测方法 | |
| CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
| CN113936291A (zh) | 一种基于机器视觉的铝模板质检、回收方法 | |
| CN111805533B (zh) | 用于工件下料的装置、基于视觉定位的工件下料的方法 | |
| CN112109374A (zh) | 一种基于计算机视觉***定位及控制折弯模具装卸的方法 | |
| US20230025165A1 (en) | Method to locate defects in e-coat | |
| US20220044382A1 (en) | Electronic device and method for marking defects of products | |
| Qian et al. | The autonomous detection of sheet metal parts using imageprocessing | |
| CN114581447A (zh) | 一种基于机器视觉的运输皮带跑偏识别方法和装置 | |
| Shishira et al. | Proximity contours: Vision based detection and tracking of objects in manufacturing plants using industrial control systems | |
| CN115272984B (zh) | 占道经营检测方法、***、计算机及可读存储介质 | |
| CN116148259B (zh) | 车辆缺陷定位***、方法、装置及存储介质 |
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 |