CN117911412B - 用于工程机械用链轨节的尺寸检测方法及*** - Google Patents
用于工程机械用链轨节的尺寸检测方法及*** Download PDFInfo
- Publication number
- CN117911412B CN117911412B CN202410314005.5A CN202410314005A CN117911412B CN 117911412 B CN117911412 B CN 117911412B CN 202410314005 A CN202410314005 A CN 202410314005A CN 117911412 B CN117911412 B CN 117911412B
- Authority
- CN
- China
- Prior art keywords
- result
- caterpillar
- positioning
- detection
- characteristic
- 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 124
- 238000005259 measurement Methods 0.000 claims abstract description 60
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000013461 design Methods 0.000 claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 230000005856 abnormality Effects 0.000 claims abstract description 25
- 230000007547 defect Effects 0.000 claims description 56
- 238000005457 optimization Methods 0.000 claims description 33
- 238000012795 verification Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000010923 batch production Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004381 surface treatment Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了用于工程机械用链轨节的尺寸检测方法及***,属于链轨节检测领域,其中方法包括:读取链轨节的设计数据库,建立标定尺寸集合,并配置定位夹紧单元;当待测链轨节运输至预设空间内,完成定位认证;若定位认证通过,执行待测链轨节的图像采集,进行特征异常标识,并建立坐标映射;执行尺寸测定,生成尺寸测定结果,对坐标映射修正,根据修正后的特征异常标识和尺寸测定结果生成检测结果。本申请解决了现有技术中工程机械用链轨节的尺寸检测精度和效率低下,且缺乏特征异常的有效检测,达到了通过精确定位、特征异常标识、图像与尺寸信息的有效融合,实现了对链轨节的特征异常有效检测和高精度、高效率的尺寸检测。
Description
技术领域
本发明涉及链轨节检测领域,具体涉及用于工程机械用链轨节的尺寸检测方法及***。
背景技术
随着工业水平的快速发展,工程机械***中的链轨节作为重要的连接件,其工作性能的稳定可靠直接影响整个工程机械***的安全运行。因此,必须对工程机械***中的链轨节实施尺寸检测。但是,现有链轨节尺寸检测方法中的对链轨节的定位固定不准确,导致无法实现高精度检测;且图像采集与尺寸检测无法有效融合,检测效率较低;此外,现有方法无法对链轨节的特征异常点进行有效检测与定位。综上,现有技术中工程机械用链轨节的尺寸检测精度和效率低下,且缺乏特征异常的有效检测。
发明内容
本申请通过提供了用于工程机械用链轨节的尺寸检测方法及***,旨在解决现有技术中工程机械用链轨节的尺寸检测精度和效率低下,且缺乏特征异常的有效检测。
鉴于上述问题,本申请提供了用于工程机械用链轨节的尺寸检测方法及***。
本申请公开的第一个方面,提供了用于工程机械用链轨节的尺寸检测方法,该方法包括:读取获得链轨节的设计数据库,以设计数据库建立标定尺寸集合,其中,标定尺寸集合为链轨节需要满足的尺寸约束集合,并以设计数据库配置与链轨节上定位圆孔配合的定位夹紧单元,定位夹紧单元在夹紧接触面均匀设置有N个压力传感器;当待测链轨节通过传送带运输至预设空间内,以定位夹紧单元通过预设夹紧力执行待测链轨节定位配合,并读取N个压力传感器的反馈压力,以反馈压力进行一致性校验,根据校验结果完成定位认证;若定位认证通过,控制图像采集单元执行待测链轨节的图像采集,以图像采集结果建立特征坐标系,并通过特征坐标系确定标准点坐标,并对图像采集结果进行特征异常标识,建立特征异常标识的坐标映射;以标准点坐标控制检测单元执行尺寸测定,生成尺寸测定结果,通过尺寸测定结果对坐标映射修正,根据修正后的特征异常标识和尺寸测定结果生成检测结果。
本申请公开的另一个方面,提供了用于工程机械用链轨节的尺寸检测***,该***包括:定位夹紧单元配置模块,用于读取获得链轨节的设计数据库,以设计数据库建立标定尺寸集合,其中,标定尺寸集合为链轨节需要满足的尺寸约束集合,并以设计数据库配置与链轨节上定位圆孔配合的定位夹紧单元,定位夹紧单元在夹紧接触面均匀设置有N个压力传感器;链轨节定位认证模块,用于当待测链轨节通过传送带运输至预设空间内,以定位夹紧单元通过预设夹紧力执行待测链轨节定位配合,并读取N个压力传感器的反馈压力,以反馈压力进行一致性校验,根据校验结果完成定位认证;特征异常标识模块,用于若定位认证通过,控制图像采集单元执行待测链轨节的图像采集,以图像采集结果建立特征坐标系,并通过特征坐标系确定标准点坐标,并对图像采集结果进行特征异常标识,建立特征异常标识的坐标映射;检测结果生成模块,用于以标准点坐标控制检测单元执行尺寸测定,生成尺寸测定结果,通过尺寸测定结果对坐标映射修正,根据修正后的特征异常标识和尺寸测定结果生成检测结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了读取链轨节的设计数据库,以建立标定尺寸集合,获取链轨节标准尺寸参数的基础数据;配置与链轨节配合的定位夹紧单元,单元上设置有压力传感器,以实现对链轨节的精确定位固定;待测链轨节进入检测位置后,利用定位夹紧单元夹紧待测链轨节,并通过压力传感器反馈认证定位精度,实现链轨节的快速精确定位;定位后,控制图像采集单元对链轨节进行图像获取,并在图片中建立特征坐标系和标准点坐标,获取链轨节图像信息和空间标定;在图像上标识异常特征,并建立特征异常与坐标的映射关系,实现对特征异常的检测与定位;根据标准点坐标进行尺寸测定并生成测定结果,完成了对链轨节的实际尺寸测定;修正坐标映射,并根据修正后的特征异常标识和尺寸测定结果生成检测报告的技术方案,解决了现有技术中工程机械用链轨节的尺寸检测精度和效率低下,且缺乏特征异常的有效检测,达到了通过精确定位、特征异常标识、图像与尺寸信息的有效融合,实现了对链轨节的特征异常有效检测和高精度、高效率的尺寸检测。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了用于工程机械用链轨节的尺寸检测方法的一种流程示意图;
图2为本申请实施例提供了用于工程机械用链轨节的尺寸检测方法中建立特征坐标系的一种流程示意图;
图3为本申请实施例提供了用于工程机械用链轨节的尺寸检测***的一种结构示意图。
附图标记说明:定位夹紧单元配置模块11,链轨节定位认证模块12,特征异常标识模块13,检测结果生成模块14。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了用于工程机械用链轨节的尺寸检测方法及***,通过事先建立链轨节标定尺寸集合,采用定位夹紧单元实现链轨节的精确快速定位,在定位基础上进行图像采集并建立特征坐标系,然后对链轨节进行全方位尺寸测量,随后,通过修正后的特征异常标识和尺寸测定结果生成检测结果,生成对链轨节的检测报告。
综上,本申请通过定位认证方案,有效提高了链轨节在测试过程中的定位速度与精度,使得后续的检测都有了可靠基础;同时通过对图像采集结果进行特征异常标识,实现了对链轨节的特征异常有效检测;并通过修正后的特征异常标识和尺寸测定结果的综合分析判断,生成检测结果,从而实现对链轨节进行高精度、高效率的尺寸检测。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了用于工程机械用链轨节的尺寸检测方法,该方法包括:
读取获得链轨节的设计数据库,以所述设计数据库建立标定尺寸集合,其中,所述标定尺寸集合为链轨节需要满足的尺寸约束集合,并以所述设计数据库配置与链轨节上定位圆孔配合的定位夹紧单元,所述定位夹紧单元在夹紧接触面均匀设置有N个压力传感器;
在本申请实施例中,首先,读取链轨节的设计数据库,该设计数据库中包含了链轨节的全部设计参数,包括其几何形状、结构尺寸、材料性能、加工工艺等信息。该设计数据库可以采用常见的三维CAD模型文件或相应的数据库文件格式存储。其次,解析设计数据库,提取出链轨节要求满足的各项尺寸参数,并组织形成标定尺寸集合。该标定尺寸集合中既包括链轨节的轮廓尺寸(如长宽高等)、孔径尺寸、线角尺寸、表面处理参数等,也包括链轨节与其连接和配合的其他部件之间的限定尺寸条件,构成了链轨节需满足的尺寸约束集合。
同时,根据设计数据库中与定位相关的参数,配置出一个与链轨节精确配合的定位夹紧单元。该定位夹紧单元上有与链轨节上对应圆孔配合的定位销或插销,定位夹紧单元通过***链轨节上的定位孔内实现与链轨节的精确定位,为后续的检测做准备。在定位夹紧单元与链轨节实现定位配合时,需要对链轨节施加预设夹紧力,为了监测和检测该预设夹紧力,在定位夹紧单元的夹紧接触面上均匀布置有N个压力传感器。这些压力传感器的信号将用于完成对定位夹紧力一致性的校验,从而完成定位认证,实现稳定的定位夹持。
当待测链轨节通过传送带运输至预设空间内,以所述定位夹紧单元通过预设夹紧力执行待测链轨节定位配合,并读取N个压力传感器的反馈压力,以所述反馈压力进行一致性校验,根据校验结果完成定位认证;
在本申请实施例中,首先,利用传送带将待测链轨节运送到预先确定好的检测空间内,为后续的自动化定位、检测提供空间条件。待待测链轨节到达预设空间后,控制定位夹紧单元对待测链轨节按照预设夹紧力施加夹紧力,使定位销与待测链轨节的定位孔实现严密的配合,完成链轨节的定位。在完成待测链轨节定位夹持的同时,读取定位夹紧单元上均匀布置的N个压力传感器的实时反馈信号,这些压力反馈信号即为定位夹紧过程中的夹紧接触面上的压力分布情况。
在收集到N个压力传感器的反馈压力后,获取反馈压力方差,判断反馈压力方差是否在允许范围内。如果反馈压力方差在允许范围内,则确定定位夹持达到了一致性要求,完成定位认证。如果存在反馈压力方差超出允许范围,则表示定位夹持的一致性不满足要求,定位认证不通过,需要重新调整定位过程,直至定位认证通过。
若定位认证通过,控制图像采集单元执行待测链轨节的图像采集,以图像采集结果建立特征坐标系,并通过所述特征坐标系确定标准点坐标,并对所述图像采集结果进行特征异常标识,建立特征异常标识的坐标映射;
在本申请实施例中,在完成了定位认证通过后,说明待测链轨节定位完成。此时,控制图像采集单元,对定位好的待测链轨节执行多角度链轨节图像采集,作为图像采集结果。收集到待测链轨节的多角度链轨节图像后,将采集到的多角度链轨节图像进行去噪、增强、矫正等预处理。然后,通过如边缘检测、轮廓提取、角点检测等图像处理方法,从预处理后的多角度链轨节图像中提取得到待测链轨节的各类视觉特征,主要为轮廓曲线、角点、面向量等,反映待测链轨节的结构特点,得到待测链轨节特征。接着,根据提取的待测链轨节特征,选择链轨节结构上的主要定位面和定位孔洞作为坐标系基准,建立起一个与待测链轨节特征相耦合的定制坐标系,得到特征坐标系。
随后,在构建的特征坐标系的基础上,根据链轨节设计需求,在采集的链轨节图像中选择若干个关键测量点作为标准点,如定位孔圆心、轮廓角点、线光轴线交点。然后,基于图像处理和坐标转换方法,确定这些标准点在当前特征坐标系下的坐标位置,生成标准点坐标,为后续尺寸测定提供基准。同时,根据链轨节的设计结构和可能的缺陷模式,构建卷积神经网络等的异常识别模型,训练样本集包含非异常区域和各种异常类型区域,如划痕、氧化、毛刺、焊接不良等。将得到的图像采集结果送入训练好的异常识别模型,获取图像采集结果的图像中所有区域的异常判别结果和异常类型,实现特征异常的检测识别。之后,将检测到的特征异常在特征坐标系上进行对应标识,实现对特征异常标识的坐标映射。
以所述标准点坐标控制检测单元执行尺寸测定,生成尺寸测定结果,通过所述尺寸测定结果对所述坐标映射修正,根据修正后的特征异常标识和尺寸测定结果生成检测结果。
在本申请实施例中,检测单元采用三坐标测量机或轮廓扫描仪等能够实现高精度三维测量的设备。在获取标准点坐标后,控制检测单元移动到每个标准点坐标位置上,依次进行点位测量,实现对该标准点位三维坐标值的精确测定。依次测量全部标准点坐标后,依据得到的点位测量结果生成的各项关键尺寸数据,反映了待测链轨节的几何结构参数,形成待测链轨节的尺寸测定结果。然后,根据测得的尺寸测定结果相应缩放、平移特征异常标识的坐标映射,使其更准确地反映待测链轨节的特征异常位置,得到修正后的特征异常标识。在获取到修正后的特征异常标识和尺寸测定结果后,将二者进行汇总,形成待测链轨节的检测报告。该检测结果既给出了待测链轨节各项关键尺寸的测定值,也明确指出了待测链轨节表面或结构上的特征缺陷位置,实现对链轨节的特征异常有效检测和高精度、高效率的尺寸检测。
进一步的,本申请实施例还包括:
将所述反馈压力输入至压力一致性校验模型,并通过压力一致性校验模型内的预处理单元提取压力标定值,提取如下:
S1:通过所述预处理单元进行所述反馈压力的压力数据聚类,定位最大聚类簇;
S2:对所述最大聚类簇进行均值计算,将均值计算结果作为压力标定值;
将提取的压力标定值和反馈压力发送至一致性处理单元,执行压力离散分析,根据分析结果生成校验结果。
在一种可行的实施方式中,在获取N个压力传感器的反馈压力后,将其输入压力一致性校验模型,该压力一致性校验模型中存在一个预处理单元,用于对反馈压力进行处理,从而得到压力标定值。具体的,首先,将N个压力传感器采集到的压力反馈信号进行去噪、平滑等预处理,去除可能的异常点。其次,在预处理后的反馈压力中,采用聚类分析方法找出主要压力分布聚类,并计算该聚类集合的均值,作为压力标定值。然后,将获取的压力标定值和反馈压力一起输入一致性处理单元中,该一致性处理单元将各传感器的反馈压力与得到的压力标定值进行比较,判断反馈压力与标定值之间的偏差是否在允许范围内。如果所有传感器的反馈压力与标定值偏差均在允许范围内,则确定定位夹持达到了一致性要求,则输出反馈压力一致作为校验结果。如果存在超出允许范围的偏差,则表示定位夹持的一致性不满足要求,则输出反馈压力不一致作为校验结果,并重新调整定位过程,直至反馈压力一致。
进一步的,如图2所示,本申请实施例还包括:
基于所述设计数据库构建链轨节的匹配参数,以所述匹配参数进行链轨节结构特征采集,建立特征图像识别网络;
对所述图像采集结果进行轮廓识别,并以特征图像识别网络进行基于相对位置的轮廓内特征匹配,获得特征匹配结果;
根据特征匹配结果中图像的采集坐标建立特征坐标系。
在一种可行的实施方式中,读取链轨节的设计数据库后,基于该设计数据库,解析提取出链轨节的关键结构参数,如轮廓尺寸、定位孔大小、表面处理要求等,构成链轨节的匹配参数。然后,当样本链轨节进入预设空间后,控制图像采集单元对样本链轨节进行多角度拍照,获得样本链轨节的多角度图像后,以得到的匹配参数为依据,从多角度图像中提取获得样本链轨节的三维结构特征,主要包括边界轮廓、定位孔、角点等。在获取到足够包含样本链轨节的多角度图像和三维结构特征后,使用卷积神经网络等深度学习模型,训练出链轨节的特征图像识别网络,该网络可以实现对待测链轨节图像的自动解析和结构特征的智能识别。
随后,在获取待测链轨节的图像采集结果后,利用Canny边缘检测等图像处理方法提取图像采集结果中多角度链轨节图像的链轨节主体轮廓。接着,将链轨节主体轮廓输入特征图像识别网络中,特征图像识别网络基于特征元素间的相对位置关系,在轮廓范围内进行孔、角、线等特征的匹配识别,输出多角度链轨节图像中提取出的结构特征和定位结果,标注出了边界、每个孔洞、角点、线段的图像坐标,以及特征的类型和属性信息,构成特征匹配结果。之后,根据特征匹配结果,选取待测链轨节结构上具有代表性的三个非共线特征,如两个定位孔中心和一个轮廓角点,确定它们在采集坐标系下的坐标位置。然后,以这三点为基准建立起一个笛卡尔坐标系,并将特征匹配结果中的所有特征点坐标转换到该笛卡尔坐标系下,形成特征坐标系。
进一步的,本申请实施例还包括:
将所述特征匹配结果通过中间层解耦后同步至异常识别模型,对所述异常识别模型进行检测关注初始化;
以所述异常识别模型基于特征坐标系进行图像采集结果的特征缺陷识别,生成缺陷识别结果,并根据缺陷识别结果生成特征异常标识,以缺陷识别结果的缺陷位置建立特征异常标识的坐标映射。
在一种可行的实施方式中,为降低特征图像识别网络与异常识别模块之间的耦合,加入中间层进行解耦,作为数据交换的桥梁,提高***维护性。通过中间层,将提取得到的特征匹配结果同步给异常识别模型模块。在将特征匹配结果同步至异常识别模型后,对异常识别模型进行初始化,使其注意力集中于待测链轨节关键区域的表面和结构状态检测判断上,提高识别效率。
随后,异常识别模型在特征坐标系下对图像采集结果进行解析,识别待测链轨节表面或结构上的各类特征缺陷,比如裂纹、划痕、毛刺、孔隙等,并标注出各缺陷的类别、位置范围、确信度等信息,构成缺陷识别结果。接着,根据缺陷识别结果,对检出的缺陷区域进行提取,生成特征异常标识。同时,以缺陷识别结果的缺陷位置设置特征异常标识在特征坐标系下的坐标范围,形成特征异常标识的坐标映射。
进一步的,本申请实施例还包括:
以所述特征异常标识进行缺陷的返工判别,生成待测链轨节的第一返工约束;
基于所述尺寸测定结果进行待测链轨节的返工判别,生成待测链轨节的第二返工约束;
对所述第一返工约束和所述第二返工约束进行归一化计算,通过归一化计算结果执行所述待测链轨节的传送带分流管理。
在一种可行的实施方式中,首先,根据链轨节的产品设计要求和工艺流程标准,明确各类表面或内部结构缺陷的质量判定规范,即定义不同类型缺陷的尺寸、位置、面积等影响质量合格的质量指标阈值。然后,计算特征异常标识中识别出的各类缺陷的定量缺陷指标值,如轮廓损坏缺陷的长度、面积、深度、位置等。随后,将得到的定量缺陷指标值,与构建的质量指标阈值依次进行匹配比较,判断缺陷的严重程度是否超过质量指标阈值,以达到特征异常标识是否需要进行返工处理,从而确定出要进行返工重新加工的所有表面或内部结构缺陷,作为该待测链轨节的第一返工约束。
同时,将测量获得的尺寸测定结果与标定尺寸集合依次进行匹配对比,判断尺寸测定结果是否处在标定尺寸集合允许的偏差范围内。如果尺寸测定结果存在尺寸不符合偏差要求,则根据偏差值,计算出该尺寸需要重新加工调整的量,并明确调整方法,形成该待测链轨节的第二返工约束。然后,根据第一返工约束和第二返工约束的量纲和量化范围,确定将它们映射到0-1区间的归一化函数表达式。
随后,将每个返工约束中的各项指标值分别代入归一化函数进行计算,得到所有指标的归一化数值。之后,根据各项指标对最终判定的重要性划分权值,与归一化值相乘后求和,得到第一返工约束和第二返工约束的综合归一化值。预先根据链轨节的加工流程线设置多个分流传送带通道,对应不同的返工站,并确定各分流传送带通道的分流归一化指标阈值。然后,将测得的待测链轨节的综合归一化值与分流归一化指标阈值比较,确定将需要返工的待测链轨节分配到哪条分流传送带通道,实现对不同缺陷链轨节的自动分流返工管理。
进一步的,本申请实施例还包括:
对所述检测结果进行同批次的尺寸偏移评价,根据偏移评价结果生成第一检测优化参数;
对所述检测结果进行同批次的缺陷评价,根据缺陷集中结果生成第二检测优化参数;
通过所述第一检测优化参数、所述第二检测优化参数进行同批次待测链轨节的检测控制优化。
在一种可行的实施方式中,首先,获取同一批次的所有链轨节的检测结果,解析所有检测结果,提取同批次内所有链轨节的尺寸测定值,如定位孔径、轮廓宽度等同类别尺寸。然后,对提取的同类尺寸测定值进行统计分析,确定同批次内尺寸的均值和标准差,判定同批次内同类尺寸是否存在偏差,得到偏移评价结果。如果偏移评价结果中存在偏差超标的尺寸类型,基于此确定具体的尺寸偏差补偿值或测量规范调整值,形成第一检测优化参数。
同时,在同一批次的所有链轨节的检测结果中,提取出各链轨节的表面或内部结构缺陷类别、位置和严重性描述,进行统计分析,判断特定缺陷在同批次内的集中分布情况,得到缺陷集中结果。如果缺陷集中结果中发现某一特征缺陷在同批次内存在集中趋势,则根据该特征缺陷与对应工序的关联关系,分析确定其根本产生原因,如工装偏差、过程参数偏差等,得到根因分析结果。接着,根据根因分析结果,生成如工序参数修正量或检测规范调整值等数据格式的第二优化参数。
在获取同批次的第一检测优化参数和第二检测优化参数后,解析第一检测优化参数和第二检测优化参数中的工艺流程优化点或检测流程优化点,以及需要调整的变量、调整量数值。如果存在第一检测优化参数,则重新设置检测单元的测量参数变量值、判断规则等检测处理流程,实现检测规范的闭环优化。如果存在第二检测优化参数,则重新为对应的加工设备设置过程控制变量值,实现工艺的自动调整,消除特征缺陷趋势。随后,针对同批次的其他链轨节,执行经优化设置的检测方案对其进行监测,完成对同批次待测链轨节的检测控制优化。
进一步的,本申请实施例还包括:
通过偏移评价结果和缺陷集中结果生成控制反馈信息,其中,所述控制反馈信息与批次生产信息具有映射关系;
通过所述控制反馈信息和所述批次生产信息进行工艺参数的参数优化。
在一种可行的实施方式中,首先,收集分析同批次的链轨节的偏移评价结果和缺陷集中结果,如果偏移评价结果和缺陷集中结果显示同批次内存在严重质量偏差情况,则据此判断需要调整的生产工序参数,形成如角度补偿量、孔径尺寸修正值、加工速率调整系数等数据格式的反馈控制输出信息。然后,查询数据库,提取与该批次产品对应的原材料信息、加工设备、工装及设备参数设置等批次生产信息。随后,以批次生产信息为关键字,建立控制反馈信息与批次生产信息之间的索引对应关系,完成映射,形成生产质量追溯机制。随后,提取控制反馈信息中的质量偏差代码、检测标准调整量、过程变量修正值等内容,对控制反馈信息对应的批次生产信息进行重新设置,实现对工艺参数的参数优化,以在后续使用经优化的工艺参数,消除链轨节的质量偏差,提高链轨节的生产质量。
综上所述,本申请实施例所提供的用于工程机械用链轨节的尺寸检测方法具有如下技术效果:
读取获得链轨节的设计数据库,以设计数据库建立标定尺寸集合,其中,标定尺寸集合为链轨节需要满足的尺寸约束集合,为后续检测提供基准数据。以设计数据库配置与链轨节上定位圆孔配合的定位夹紧单元,定位夹紧单元在夹紧接触面均匀设置有N个压力传感器,为完成待测链轨节的精准定位提供基础。当待测链轨节通过传送带运输至预设空间内,以定位夹紧单元通过预设夹紧力执行待测链轨节定位配合,并读取N个压力传感器的反馈压力,以反馈压力进行一致性校验,根据校验结果完成定位认证,完成链轨节的精确快速定位。若定位认证通过,控制图像采集单元执行待测链轨节的图像采集,以图像采集结果建立特征坐标系,并通过特征坐标系确定标准点坐标,为执行尺寸测定提供基础。对图像采集结果进行特征异常标识,建立特征异常标识的坐标映射,实现对链轨节特征缺陷的检测与定位。以标准点坐标控制检测单元执行尺寸测定,生成尺寸测定结果,完成实际尺寸检测。通过尺寸测定结果对坐标映射修正,根据修正后的特征异常标识和尺寸测定结果生成检测结果,形成包含精确尺寸参数和特征异常详情的全面检测报告,实现了对链轨节的特征异常有效检测和高精度、高效率的尺寸检测。
实施例二
基于与前述实施例中用于工程机械用链轨节的尺寸检测方法相同的发明构思,如图3所示,本申请实施例提供了用于工程机械用链轨节的尺寸检测***,该***包括:
定位夹紧单元配置模块11,用于读取获得链轨节的设计数据库,以所述设计数据库建立标定尺寸集合,其中,所述标定尺寸集合为链轨节需要满足的尺寸约束集合,并以所述设计数据库配置与链轨节上定位圆孔配合的定位夹紧单元,所述定位夹紧单元在夹紧接触面均匀设置有N个压力传感器;
链轨节定位认证模块12,用于当待测链轨节通过传送带运输至预设空间内,以所述定位夹紧单元通过预设夹紧力执行待测链轨节定位配合,并读取N个压力传感器的反馈压力,以所述反馈压力进行一致性校验,根据校验结果完成定位认证;
特征异常标识模块13,用于若定位认证通过,控制图像采集单元执行待测链轨节的图像采集,以图像采集结果建立特征坐标系,并通过所述特征坐标系确定标准点坐标,并对所述图像采集结果进行特征异常标识,建立特征异常标识的坐标映射;
检测结果生成模块14,用于以所述标准点坐标控制检测单元执行尺寸测定,生成尺寸测定结果,通过所述尺寸测定结果对所述坐标映射修正,根据修正后的特征异常标识和尺寸测定结果生成检测结果。
进一步的,链轨节定位认证模块12包括以下执行步骤:
将所述反馈压力输入至压力一致性校验模型,并通过压力一致性校验模型内的预处理单元提取压力标定值,提取如下:
S1:通过所述预处理单元进行所述反馈压力的压力数据聚类,定位最大聚类簇;
S2:对所述最大聚类簇进行均值计算,将均值计算结果作为压力标定值;
将提取的压力标定值和反馈压力发送至一致性处理单元,执行压力离散分析,根据分析结果生成校验结果。
进一步的,特征异常标识模块13包括以下执行步骤:
基于所述设计数据库构建链轨节的匹配参数,以所述匹配参数进行链轨节结构特征采集,建立特征图像识别网络;
对所述图像采集结果进行轮廓识别,并以特征图像识别网络进行基于相对位置的轮廓内特征匹配,获得特征匹配结果;
根据特征匹配结果中图像的采集坐标建立特征坐标系。
进一步的,特征异常标识模块13还包括以下执行步骤:
将所述特征匹配结果通过中间层解耦后同步至异常识别模型,对所述异常识别模型进行检测关注初始化;
以所述异常识别模型基于特征坐标系进行图像采集结果的特征缺陷识别,生成缺陷识别结果,并根据缺陷识别结果生成特征异常标识,以缺陷识别结果的缺陷位置建立特征异常标识的坐标映射。
进一步的,本申请实施例还包括传送带分流管理模块,该模块包括以下执行步骤:
以所述特征异常标识进行缺陷的返工判别,生成待测链轨节的第一返工约束;
基于所述尺寸测定结果进行待测链轨节的返工判别,生成待测链轨节的第二返工约束;
对所述第一返工约束和所述第二返工约束进行归一化计算,通过归一化计算结果执行所述待测链轨节的传送带分流管理。
进一步的,本申请实施例还包括检测控制优化模块,该模块包括以下执行步骤:
对所述检测结果进行同批次的尺寸偏移评价,根据偏移评价结果生成第一检测优化参数;
对所述检测结果进行同批次的缺陷评价,根据缺陷集中结果生成第二检测优化参数;
通过所述第一检测优化参数、所述第二检测优化参数进行同批次待测链轨节的检测控制优化。
进一步的,本申请实施例还包括工艺参数优化模块,该模块包括以下执行步骤:
通过偏移评价结果和缺陷集中结果生成控制反馈信息,其中,所述控制反馈信息与批次生产信息具有映射关系;
通过所述控制反馈信息和所述批次生产信息进行工艺参数的参数优化。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (7)
1.用于工程机械用链轨节的尺寸检测方法,其特征在于,所述方法包括:
读取获得链轨节的设计数据库,以所述设计数据库建立标定尺寸集合,其中,所述标定尺寸集合为链轨节需要满足的尺寸约束集合,并以所述设计数据库配置与链轨节上定位圆孔配合的定位夹紧单元,所述定位夹紧单元在夹紧接触面均匀设置有N个压力传感器;
当待测链轨节通过传送带运输至预设空间内,以所述定位夹紧单元通过预设夹紧力执行待测链轨节定位配合,并读取N个压力传感器的反馈压力,以所述反馈压力进行一致性校验,根据校验结果完成定位认证;
若定位认证通过,控制图像采集单元执行待测链轨节的图像采集,以图像采集结果建立特征坐标系,并通过所述特征坐标系确定标准点坐标,并对所述图像采集结果进行特征异常标识,建立特征异常标识的坐标映射;
以所述标准点坐标控制检测单元执行尺寸测定,生成尺寸测定结果,通过所述尺寸测定结果对所述坐标映射修正,根据修正后的特征异常标识和尺寸测定结果生成检测结果;
将所述反馈压力输入至压力一致性校验模型,并通过压力一致性校验模型内的预处理单元提取压力标定值,提取如下:
S1:通过所述预处理单元进行所述反馈压力的压力数据聚类,定位最大聚类簇;
S2:对所述最大聚类簇进行均值计算,将均值计算结果作为压力标定值;
将提取的压力标定值和反馈压力发送至一致性处理单元,执行压力离散分析,根据分析结果生成校验结果。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
基于所述设计数据库构建链轨节的匹配参数,以所述匹配参数进行链轨节结构特征采集,建立特征图像识别网络;
对所述图像采集结果进行轮廓识别,并以特征图像识别网络进行基于相对位置的轮廓内特征匹配,获得特征匹配结果;
根据特征匹配结果中图像的采集坐标建立特征坐标系。
3.如权利要求2所述的方法,其特征在于,所述方法包括:
将所述特征匹配结果通过中间层解耦后同步至异常识别模型,对所述异常识别模型进行检测关注初始化;
以所述异常识别模型基于特征坐标系进行图像采集结果的特征缺陷识别,生成缺陷识别结果,并根据缺陷识别结果生成特征异常标识,以缺陷识别结果的缺陷位置建立特征异常标识的坐标映射。
4.如权利要求1所述的方法,其特征在于,所述方法包括:
以所述特征异常标识进行缺陷的返工判别,生成待测链轨节的第一返工约束;
基于所述尺寸测定结果进行待测链轨节的返工判别,生成待测链轨节的第二返工约束;
对所述第一返工约束和所述第二返工约束进行归一化计算,通过归一化计算结果执行所述待测链轨节的传送带分流管理。
5.如权利要求1所述的方法,其特征在于,所述方法包括:
对所述检测结果进行同批次的尺寸偏移评价,根据偏移评价结果生成第一检测优化参数;
对所述检测结果进行同批次的缺陷评价,根据缺陷集中结果生成第二检测优化参数;
通过所述第一检测优化参数、所述第二检测优化参数进行同批次待测链轨节的检测控制优化。
6.如权利要求5所述的方法,其特征在于,所述方法包括:
通过偏移评价结果和缺陷集中结果生成控制反馈信息,其中,所述控制反馈信息与批次生产信息具有映射关系;
通过所述控制反馈信息和所述批次生产信息进行工艺参数的参数优化。
7.用于工程机械用链轨节的尺寸检测***,其特征在于,用于实施权利要求1-6任意一项所述的用于工程机械用链轨节的尺寸检测方法,所述方法包括:
定位夹紧单元配置模块,所述定位夹紧单元配置模块用于读取获得链轨节的设计数据库,以所述设计数据库建立标定尺寸集合,其中,所述标定尺寸集合为链轨节需要满足的尺寸约束集合,并以所述设计数据库配置与链轨节上定位圆孔配合的定位夹紧单元,所述定位夹紧单元在夹紧接触面均匀设置有N个压力传感器;
链轨节定位认证模块,所述链轨节定位认证模块用于当待测链轨节通过传送带运输至预设空间内,以所述定位夹紧单元通过预设夹紧力执行待测链轨节定位配合,并读取N个压力传感器的反馈压力,以所述反馈压力进行一致性校验,根据校验结果完成定位认证;
特征异常标识模块,所述特征异常标识模块用于若定位认证通过,控制图像采集单元执行待测链轨节的图像采集,以图像采集结果建立特征坐标系,并通过所述特征坐标系确定标准点坐标,并对所述图像采集结果进行特征异常标识,建立特征异常标识的坐标映射;
检测结果生成模块,所述检测结果生成模块用于以所述标准点坐标控制检测单元执行尺寸测定,生成尺寸测定结果,通过所述尺寸测定结果对所述坐标映射修正,根据修正后的特征异常标识和尺寸测定结果生成检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410314005.5A CN117911412B (zh) | 2024-03-19 | 2024-03-19 | 用于工程机械用链轨节的尺寸检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410314005.5A CN117911412B (zh) | 2024-03-19 | 2024-03-19 | 用于工程机械用链轨节的尺寸检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117911412A CN117911412A (zh) | 2024-04-19 |
CN117911412B true CN117911412B (zh) | 2024-07-02 |
Family
ID=90687559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410314005.5A Active CN117911412B (zh) | 2024-03-19 | 2024-03-19 | 用于工程机械用链轨节的尺寸检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911412B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116428972A (zh) * | 2023-01-29 | 2023-07-14 | 平湖市凯鑫塑业股份有限公司 | 一种箱包配件质量在线检测方法及*** |
-
2024
- 2024-03-19 CN CN202410314005.5A patent/CN117911412B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116428972A (zh) * | 2023-01-29 | 2023-07-14 | 平湖市凯鑫塑业股份有限公司 | 一种箱包配件质量在线检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117911412A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102589435B (zh) | 噪声环境下激光束中心高效精确检测方法 | |
CN102135417B (zh) | 一种全自动三维特征提取方法 | |
CN208887632U (zh) | 基于三维激光扫描的建筑施工检测***及监控计算机设备 | |
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 | |
CN116092214B (zh) | 一种轻量化白车身总成生产的同步监测方法及*** | |
de Araujo et al. | Computer vision system for workpiece referencing in three-axis machining centers | |
CN112729112B (zh) | 基于机器人视觉的发动机缸体孔径与孔位检测方法 | |
CN111551113A (zh) | 一种大批量航空零件质检方法 | |
CN115993366B (zh) | 基于传感设备的加工件表面检测方法及*** | |
CN111460567A (zh) | 基于bim楼梯面层净高检查***、应用***的方法及工艺 | |
CN117649404A (zh) | 一种基于图像数据分析的药品包装盒质量检测方法及*** | |
CN117911412B (zh) | 用于工程机械用链轨节的尺寸检测方法及*** | |
CN116630809A (zh) | 基于智能图像分析的地质雷达数据自动识别方法及*** | |
CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
CN112857216B (zh) | 紧固件尺寸合规性检验方法、检测设备、检测***及介质 | |
CN113989513A (zh) | 一种方形指针式仪表读数识别的方法 | |
CN116611850B (zh) | 发动机装配质量曲线的检测和追溯*** | |
CN117910118B (zh) | 一种基于bim模型的建筑结构安全性评价方法及*** | |
CN117876583B (zh) | 一种三维自动扫描数据在线测试方法和装置 | |
CN117091521B (zh) | 一种制动器焊接设备自动输送上料厚度检测方法及*** | |
CN118329777A (zh) | 裸晶圆表面缺陷的检测方法、装置、终端设备及存储介质 | |
CN116181334A (zh) | 一种基于点云数据的地铁限界检测及调线调坡方法及*** | |
CN116020756A (zh) | 一种指纹芯片检测和良品辨识方法 | |
CN117415397A (zh) | 电火花参数自动校验方法、装置、计算机设备和存储介质 | |
CN118190959A (zh) | 一种基于视觉检测的发动机零件错漏装检测方法 |
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 |