一种基于Tegra K1的模具智能检测方法技术

一种基于Tegra K1的模具智能检测方法，包括如下步骤：A、在注塑成型后对模腔进行异常检测，过程如下：A1:确认注塑机安全门是否关闭，等待注塑机开模到位信号；A2:使用红外相机对产品成型后的模腔拍摄图像，与基准图像对比判断是否存在图像偏移，若存在则进行位置补偿；A3:将拍摄到的图像与当前场景下的背景模型进行比较，判断是否存在异常情况；若正常，则使能允许顶针的I/O信号，并更新背景模型；若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域；B、在动模落料后对模腔进行异常检测。本发明专利技术提供了一种提升运算效率、提高准确性的基于Tegra K1的模具智能检测方法。

【技术实现步骤摘要】

本专利技术属于注塑机模具保护领域，涉及一种模具智能检测方法。
技术介绍
塑料注射成型机作为塑料制品的加工设备已有半个多世纪的历史，近年来随着塑料制品应用领域的不断扩大，世界上对注塑机械的需求呈现了持续大幅攀升的趋势。特别是我国，进入20世纪90年代以来，注塑机的销售额以10％左右的年均增长率快速增长，总产量已居世界第一位。在注塑加工生产中，注塑模具作为注塑制品加工最重要的成型设备，其质量优劣直接关系到制品质量优劣。而且由于模具在注塑加工企业生产成本中占据较大的比例，其使用寿命直接左右注塑制品成本。目前在注塑成型车间中，为了降低修模成本，提升模具的使用率，大部分的厂家采用人工倒班的作业方式，由作业人员通过目视、探头、手摸的方式进行模具夹模的预防作业，效率极其低下劳动强度高，需要投入大量的人力物力，而且容易在人员作业疲劳是发生目视漏看而照成模具损坏，甚至因为探头而产生不安全的人身事故。因此，提高注塑模具质量，并通过机器视觉技术维护和保养好，延长其使用周期，是注塑制品加工企业降本增效的重要课题。近年来，随着图像处理技术飞速发展，特别计算机处理速度的显著提高，大规模存储器的出现，模具的自动识别报警系统被大量引入注塑行业中，通过CCD视频图像的动态采集，借助计算机数字图像处理技术，对生产过程中模具存在的残留、滑块错位、脱模不良等异常情况进行实时监控以实现对模具的自动保护。这种基于图像的实时监控系统极大提高了注塑模具的安全性，降低了修模成本，提升了工作效率，降低了工作人员的劳动强度。因此，基于机器视觉的模具保护器成为目前众多注塑机必备的配套设备。目前引入的模具保护器功能都比较单一，内部的图像处理算法相对比较简单，这就必然导致需要复杂的设置和人机交互来保证其结果的正确性。例如，运行前的样本学习，多模板的选择，检测区域及一些参数的人工选择问题等。这些都极大地依赖于现场的环境和操作人员的经验。当环境发生改变，往往需要根据实际情况重新学习和选择模板样本，甚至调整一些参数，如黑白灵敏度、报警阈值、相机增益等。但当操作人员经验不足时，就会造成漏检或者误报警的情况，严重的会造成模具的损坏。当前市场上有售的模具保护器一般都是国内厂商生产的，其主要的特点是控制器都采用了工控机，整套系统的售价也都要在3W人民币以上。这相对于一般中小企业来说，成本还是比较高的。因此如何在性能达标的情况下降低模具保护器的成本，使其被广泛接受，也是至关重要的问题。注塑机机械手视频监视系统关键的技术问题主要有两个：1).光照及阴影影响如何消除灯光变化，阴影影响，日夜间的光照变化等对检查结果的影响，是提高系统稳定性的关键。现有的方法通过加一个恒定的红外光源，摄像机也采用红外相机。这种方法虽然一定程度上解决了光照变化的问题，但是其整体系统的成本也会相应的上升，同时还要保证注塑机不受自然光的影响。2).工业现场的震动造成的图像之间的偏移注塑机在开模合模等动作时势必产生机械震动，容易造成摄像头在捕捉现场图片时和模板图之间产生偏移而使检测结果不准确。现有技术对同一场景设置多个模板，在检测结果异常时人工确认是否为震动偏移产生的影响，然后对这种情况下的场景添加到模板序列中，检测时通过对比多幅模板图来达到消除震动影响的目的。问题：对比多个模板会增加算法的运算时间，影响系统的效率。
技术实现思路
为了克服已有模具检测方式的运算效率较低、准确性较差的不足,本专利技术提供了一种提升运算效率、提高准确性的基于TegraK1的模具智能检测方法。本专利技术解决其技术问题所采用的技术方案是：一种基于TegraK1的模具智能检测方法，所述检测方法包括如下步骤：A、在注塑成型后对模腔进行异常检测，过程如下：A1:确认注塑机安全门是否关闭，等待注塑机开模到位信号；A2:使用红外相机对产品成型后的模腔拍摄图像，与基准图像对比判断是否存在图像偏移，若存在则进行位置补偿；A3:将拍摄到的图像与当前场景下的背景模型进行比较，判断是否存在异常情况；若正常，则使能允许顶针的I/O信号，并更新背景模型；若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域；B、在动模落料后对模腔进行异常检测，过程如下：B1:确认注塑机安全门是否关闭，等待注塑机顶针完成信号；B2:使用红外相机对产品落料的模腔拍摄图像，与基准图像对比判断是否存在图像偏移，若存在则进行位置补偿；B3:将拍摄到的图像与当前场景下的背景模型进行比较，判断是否存在异常情况；若正常，则使能允许合模I/O信号，并更新背景模型；若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域。进一步，所述步骤A3和B3中，判断是否存在异常情况的过程如下：首先，对背景图像进行采集，然后对背景图像进行处理，包括滤波和均衡化，然后将处理好的背景图像保存为Buffer1；第二步，对当前图像进行采集也进行滤波和均衡化，保存为Buffer2；第三步，将背景图像与当前图像进行差分，接着由差分结果判断磨具表面是否正常，即是否有异物存在；如果正常则经过背景维护算法之后返回第二步继续执行；否则进入第四步；第四步，低通滤波；第五步，采用基于Otsu的二值化算法对得到的差分图像进行二值化；然后由二值化得到的图像判断磨具表面是否正常，若正常则经背景维护算法之后返回第二步继续执行；若不正常则进入第六步；第六步，对得到的二值化图像进行腐蚀和膨胀操作来排除一些干扰点；最后，对经上述步骤处理的图像进行空穴检测，以此为据判断磨具表面能是否正常，若正常则经过背景维护算法之后返回第二步继续执行，若不正常则将异常区域根据LBP特征异常检测算法再次进行检验若正常则经过背景维护算法之后返回第二步继续执行，若不正常则认定磨具表面存在异物。所述步骤A3中，异常情况是指存在缺陷产品及是否存在定模粘膜。所述步骤B3中，异常情况是指落料未完成。本专利技术中，采用的方法都通过算法来消除两种情况的影响，针对第一个问题结合直方图均衡化方法有效的消除了线性变化的光照影响。针对第二个问题通过检测区域的图像配准来补偿图像间的偏移。本专利技术的有益效果主要表现在：由于采用了嵌入式处理器作为控制核心，使单个模具保护器具有更好的便携型和易扩展性；英伟达的核心芯片，保证了系统处理图像数据的实时性；由于采用基于机器视觉的异常检测算法，本专利技术能实时智能检测出缺陷产品和脱模不良等情况，保证产品质量，保护模具安全；综上，本专利技术能提高注塑行业的产品质量，保护模具安全，降低工作强度，保证员工身体健康，有效提升注塑行业自动化水平。附图说明图1是本专利技术的系统原理框图。图2是异物检测流程图。图3是软件总体流程框图。图4是加入模具保护器后注塑机的工作流程图。具体实施方式下面结合附图对本专利技术作进一步描述。参照图1～图4，一种基于TegraK1的模具智能检测方法，所述检测方法包括如下步骤：本文档来自技高网...

【技术保护点】
一种基于Tegra K1的模具智能检测方法，其特征在于：所述检测方法包括如下步骤：A、在注塑成型后对模腔进行异常检测，过程如下：A1:确认注塑机安全门是否关闭，等待注塑机开模到位信号；A2:使用红外相机对产品成型后的模腔拍摄图像，与基准图像对比判断是否存在图像偏移，若存在则进行位置补偿；A3:将拍摄到的图像与当前场景下的背景模型进行比较，判断是否存在异常情况；若正常，则使能允许顶针的I/O信号，并更新背景模型；若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域；B、在动模落料后对模腔进行异常检测，过程如下：B1:确认注塑机安全门是否关闭，等待注塑机顶针完成信号；B2:使用红外相机对产品落料的模腔拍摄图像，与基准图像对比判断是否存在图像偏移，若存在则进行位置补偿；B3:将拍摄到的图像与当前场景下的背景模型进行比较，判断是否存在异常情况；若正常，则使能允许合模I/O信号，并更新背景模型；若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域。

【技术特征摘要】
1.一种基于TegraK1的模具智能检测方法，其特征在于：所述检测
方法包括如下步骤：
A、在注塑成型后对模腔进行异常检测，过程如下：
A1:确认注塑机安全门是否关闭，等待注塑机开模到位信号；
A2:使用红外相机对产品成型后的模腔拍摄图像，与基准图像对比
判断是否存在图像偏移，若存在则进行位置补偿；
A3:将拍摄到的图像与当前场景下的背景模型进行比较，判断是否
存在异常情况；若正常，则使能允许顶针的I/O信号，并更新背景模
型；若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域；
B、在动模落料后对模腔进行异常检测，过程如下：
B1:确认注塑机安全门是否关闭，等待注塑机顶针完成信号；
B2:使用红外相机对产品落料的模腔拍摄图像，与基准图像对比判
断是否存在图像偏移，若存在则进行位置补偿；
B3:将拍摄到的图像与当前场景下的背景模型进行比较，判断是否
存在异常情况；若正常，则使能允许合模I/O信号，并更新背景模型；
若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域。
2.如权利要求1所述的基于TegraK1的模具智能检测方法，其特征
在于：所述步骤A3和B3中，判断是否存在异常情况的过程如下：
首先，对背景图像进行采集，然后对背景图像进行处理，包括滤
波和均衡化，...

【专利技术属性】
技术研发人员：邢科新，张文安，竺海光，林叶贵，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33