基于机器视觉的大型机械产品总成件的在线质量控制方法技术

本发明专利技术公开了一种基于机器视觉的大型机械产品总成件的在线质量控制方法，其特征是：首先，通过路径规划确定大型机械产品总成件检测面上各检测点的检测次序并根据检测的顺序获取各检测点的图像；然后根据实时采集的检测环境信息计算环境对图像质量的影响程度值，并利用影响程度值对滤波函数的初始截止频率进行修正，使图像滤波处理的过程能够有效适应检测环境的变化；最后根据检测类型的差异分别利用提取的检测目标角点和几何中心点对目标进行检测，提高检测的速度。本发明专利技术能够减小复杂检测环境对图像质量的干扰，克服大型机械加工产品总成件检测面积较大和检测过程计算量大的困难，实现对大型机械加工产品总成件的在线质量控制。

【技术实现步骤摘要】

本方法属于先进制造
，具体的说是一种基于机器视觉的大型机械产品总成件在线质量控制方法。
技术介绍
近年来，机器视觉技术飞速发展，其应用的领域也越来越广泛，包括交通监控领域、医药领域、军事领域等；机器视觉技术在产品质量检测过程中起着重要的作用；对于小型产品的检测过程，机器视觉检测的位置比较固定，而且可以通过暗箱等手段控制检测环境对检测结果的影响；但是对大型机械产品总成件的检测，由于检测对象体积庞大，检测的目标位置分布广泛，使检测过程怎样有序进行成为阻碍视觉技术在企业应用的重要问题；另一方面由于总成件裸露在复杂的环境中使得检测的结果极大受到环境的影响，当车间环境变化很大时，机器视觉检测的结果与实际情况差距很大，甚至无法对产品质量进行检测，这严重影响了企业生产计划的进行；对于大型机械产品总成件的质量检测过程来说，要想创造一个良好的机器视觉检测环境是很困难的，因此如何设计一个能够有效适应周围环境变化，容错性强的机器视觉系统成为一个亟待解决的问题；另外，视觉检测目标识别过程会涉及到大量计算，计算过程的复杂性会很大程度上影响视觉检测的速度，不断减小检测过程中的计算量是视觉检测的一个重要目标。
技术实现思路
本方法为克服现有技术存在的不足之处，提供一种适用于基于机器视觉的大型机械加工产品总成件的在线质量控制方法，以期能够减小复杂检测环境对采集图像质量的干扰，克服大型机械加工产品总成件检测面积较大和检测过程计算量大的问题，从而实现对大型机械加工产品总成件的在线质量控制。为实现上述目的，本专利技术采用的技术方案如下：本专利技术一种基于机器视觉的大型机械产品总成件的在线质量控制方法，是应用于由大型机械产品总成件、机器人、环境检测仪和计算机系统所组成的在线质量检测环境中，所述计算机系统中存储有所述大型机械加工产品总成件的所有检测面上所有检测点位置以及工件尺寸信息，假设所述大型机械加工产品总成件包含n个检测面，第i个检测面上包含有mi个检测点，且采集的第i个检测面上的第j个检测点图像的尺寸为M×N，1≤i≤n，其特点是按如下步骤进行：步骤1、根据所述第i个检测面上包含的mi个检测点位置以及工件尺寸信息，建立包含mi个检测点以及各点之间距离参数的第i个检测面上的网络模型；步骤2、确定第i个检测面上检测的起始点，并根据所述第i个检测面上的网络模型利用动态规划方法计算所述机器人上的机器手仅且一次运动到每个检测点并返回到所述起始点的检测次序作为第i个检测面上的最优路径并保存；步骤3、所述机器人采集第i个检测面上的第j个检测点图像并发送给所述计算机系统；同时，所述环境检测仪实时获取所述在线质量检测环境中的温湿度、光照度、灰尘浓度并发送给所述计算机系统；步骤4、所述计算机系统根据所述温湿度、光照度、灰尘浓度，利用式(1)获得复杂环境对图像质量的影响程度I：I＝ω1+ω2+ω3+ω4(1)式(1)中，ω1表示所述温度对图像质量的影响程度，并由环境中的温度变化确定；ω2表示所述湿度对图像质量的影响程度，并由环境中湿度变化确定；ω3表示所述灰尘浓度对图像质量的影响程度，并由环境中的灰尘浓度确定；ω4表示光照度对图像质量的影响程度，并由生产现场的光照强度确定；步骤5、利用所述影响程度I通过式(2)对低通滤波器的初始截断频率D0进行修正，再利用修正后的截断频率确定的低通滤波器的滤波函数，对图像进行滤波处理，得到不含噪声的第j个检测点图像；步骤6、利用双峰法对所述第j个检测点图像进行分割，得到第j个检测点图像的背景和待测目标；步骤7、利用SUSAN角点检测算法找出所述待测目标的角点并在所述第j个检测点图像上进行标记，再根据所述待测目标计算所述待测目标的几何中心点并也在所述第j个检测点图像上进行标记，得到标记后的第j个检测点图像作为机器视觉检测图像匹配的模板；步骤8、在线质量控制过程中，所述机器人采集待测总成件上第i个检测面的第j个检测点图像作为待测图像并发送给所述计算机系统；同时，所述环境检测仪实时获取所述在线质量检测环境中的温湿度、光照度、灰尘浓度并发送给所述计算机系统；步骤9、重复步骤4-步骤6的处理方法，得到所述待测图像的背景和待测目标；步骤10、提取所述待测图像的待测目标的角点和几何中心点，并将所提取的所述待测图像的待测目标的角点与所述模版的角点进行对比，得到所述待测图像的待测目标形状的匹配度；将所述提取的所述待测图像的待测目标的几何中心点位置与所述模版的几何中心点位置进行对比，得到所述待测图像的待测目标位置的匹配度；根据所述提取的所述待测图像的待测目标的几何中心点数量，确定所述待测图像的待测目标的数量；通过测量所述提取的所述待测图像的待测目标的任意两个角点之间的距离，确定所述待测图像的待测目标的尺寸，从而实现对所述待测图像上第i个检测面的第j个检测点的在线质量控制；步骤11、将j+1赋值给j，并返回步骤3-步骤10，直到j＝mi为止，从而实现所述待测图像上第i个检测面的在线质量控制；步骤12、将i+1赋值给i，并返回步骤2-步骤11，直到i＝n为止，从而实现所述待测图像上所有检测面的在线质量控制。本专利技术所述的基于机器视觉的大型机械产品总成件的在线质量控制方法的特点也在于，所述步骤4中的温度对图像质量的影响程度ω1，湿度对图像质量的影响程度ω2，所述灰尘浓度对图像质量的影响程度ω3，光照度对图像质量的影响程度ω4是由式(3)获得：式(2)中，a1表示所述环境检测仪实时获取的温度值，a2表示所述环境检测仪实时获取的湿度值，a3表示所述环境检测仪实时获取的光照度值，a4表示所述环境检测仪实时获取的灰尘浓度值；b1、b2、b3、b4分别表示温度、湿度、光照度和灰尘浓度的转换因子，且b1和b3≥0，b2和b4＞0。与已有技术相比，本专利技术的有益效果体现在：1、本专利技术采用路径规划方法分区域获取大型件检测面待测目标的图像，能够有效解决视觉检测技术在对大型总成件进行检测时视场范围不足的问题，使视觉检测技术的应用不受被测物体积的影响；另外分区域获取检测面上待测目标的图像能够减小相机与检测目标之间的距离，从而降低了大视场范围检测环境下对相机精度的要求；2、针对大型机械加工产品总成件在裸露的工业生产环境下受到各种复杂检测环境干扰的问题，本专利技术将复杂的检测环境因素考虑到图像处理过程，根据计算的检测环境对图像质量的影响程度I对所确定的低通滤波器的滤波函数的初始截止频率进行修正，使不同检测环境下图像滤波处理的程度不同，提高了机器视觉检测对环境的适应性和视觉检测系统的容错性，使裸露在复杂工业环境中的总成件也能利用视觉技术进行在线质量控制；3、本专利技术根据目标检测类型的差异，分别利用提取的待测图像中待测目标的角点和几何中心点对待测目标的数量、尺寸、位置、形状进行检测，将对目标数量和位置的检测简化为对检测目标几何中心点的检测，利用角点的匹配程度和任意两个角点之间的距离对目标形状和尺寸进行检测，降低了检测过程的计算量，提高了检测的速度；附图说明图1为本方法的复杂环境图像预处理算法流程图；图2为本方法的以角点和几何中心点为特征的模板示意图；图3为本方法的基于机器视觉的大型机械加工产品总成件在线质量控制应用场景图；图标标号：1大型机械加工产品总成件；2机器人；3计算机系统本文档来自技高网...

【技术保护点】
一种基于机器视觉的大型机械产品总成件的在线质量控制方法，是应用于由大型机械产品总成件(1)、机器人(2)、环境检测仪和计算机系统(3)所组成的在线质量检测环境中，所述计算机系统(3)中存储有所述大型机械加工产品总成件(1)的所有检测面上所有检测点位置以及工件尺寸信息，假设所述大型机械加工产品总成件(1)包含n个检测面，第i个检测面上包含有mi个检测点，且采集的第i个检测面上的第j个检测点图像的尺寸为M×N，1≤i≤n，其特征是按如下步骤进行：步骤1、根据所述第i个检测面上包含的mi个检测点位置以及工件尺寸信息，建立包含mi个检测点以及各点之间距离参数的第i个检测面上的网络模型；步骤2、确定第i个检测面上检测的起始点，并根据所述第i个检测面上的网络模型利用动态规划方法计算所述机器人(2)上的机器手仅且一次运动到每个检测点并返回到所述起始点的检测次序作为第i个检测面上的最优路径并保存；步骤3、所述机器人(2)采集第i个检测面上的第j个检测点图像并发送给所述计算机系统(3)；同时，所述环境检测仪实时获取所述在线质量检测环境中的温湿度、光照度、灰尘浓度并发送给所述计算机系统(3)；步骤4、所述计算机系统(3)根据所述温湿度、光照度、灰尘浓度，利用式(1)获得复杂环境对图像质量的影响程度I：I＝ω1+ω2+ω3+ω4    (1)式(1)中，ω1表示所述温度对图像质量的影响程度，并由环境中的温度变化确定；ω2表示所述湿度对图像质量的影响程度，并由环境中湿度变化确定；ω3表示所述灰尘浓度对图像质量的影响程度，并由环境中的灰尘浓度确定；ω4表示光照度对图像质量的影响程度，并由生产现场的光照强度确定；步骤5、利用所述影响程度I通过式(2)对低通滤波器的初始截断频率D0进行修正，再利用修正后的截断频率确定的低通滤波器的滤波函数，对图像进行滤波处理，得到不含噪声的第j个检测点图像；D01=D0-D0×I---(2)]]>步骤6、利用双峰法对所述第j个检测点图像进行分割，得到第j个检测点图像的背景和待测目标；步骤7、利用SUSAN角点检测算法找出所述待测目标的角点并在所述第j个检测点图像上进行标记，再根据所述待测目标计算所述待测目标的几何中心点并也在所述第j个检测点图像上进行标记，得到标记后的第j个检测点图像作为机器视觉检测图像匹配的模板；步骤8、在线质量控制过程中，所述机器人(2)采集待测总成件上第i个检测面的第j个检测点图像作为待测图像并发送给所述计算机系统(3)；同时，所述环境检测仪实时获取所述在线质量检测环境中的温湿度、光照度、灰尘浓度并发送给所述计算机系统(3)；步骤9、重复步骤4‑步骤6的处理方法，得到所述待测图像的背景和待测目标；步骤10、提取所述待测图像的待测目标的角点和几何中心点，并将所提取的所述待测图像的待测目标的角点与所述模版的角点进行对比，得到所述待测图像的待测目标形状的匹配度；将所述提取的所述待测图像的待测目标的几何中心点位置与所述模版的几何中心点位置进行对比，得到所述待测图像的待测目标位置的匹配度；根据所述提取的所述待测图像的待测目标的几何中心点数量，确定所述待测图像的待测目标的数量；通过测量所述提取的所述待测图像的待测目标的任意两个角点之间的距离，确定所述待测图像的待测目标的尺寸，从而实现对所述待测图像上第i个检测面的第j个检测点的在线质量控制；步骤11、将j+1赋值给j，并返回步骤3‑步骤10，直到j＝mi为止，从而实现所述待测图像上第i个检测面的在线质量控制；步骤12、将i+1赋值给i，并返回步骤2‑步骤11，直到i＝n为止，从而实现所述待测图像上所有检测面的在线质量控制。...

【技术特征摘要】
1.一种基于机器视觉的大型机械产品总成件的在线质量控制方法，是应用于由大型机械产品总成件(1)、机器人(2)、环境检测仪和计算机系统(3)所组成的在线质量检测环境中，所述计算机系统(3)中存储有所述大型机械加工产品总成件(1)的所有检测面上所有检测点位置以及工件尺寸信息，假设所述大型机械加工产品总成件(1)包含n个检测面，第i个检测面上包含有mi个检测点，且采集的第i个检测面上的第j个检测点图像的尺寸为M×N，1≤i≤n，其特征是按如下步骤进行：步骤1、根据所述第i个检测面上包含的mi个检测点位置以及工件尺寸信息，建立包含mi个检测点以及各点之间距离参数的第i个检测面上的网络模型；步骤2、确定第i个检测面上检测的起始点，并根据所述第i个检测面上的网络模型利用动态规划方法计算所述机器人(2)上的机器手仅且一次运动到每个检测点并返回到所述起始点的检测次序作为第i个检测面上的最优路径并保存；步骤3、所述机器人(2)采集第i个检测面上的第j个检测点图像并发送给所述计算机系统(3)；同时，所述环境检测仪实时获取所述在线质量检测环境中的温湿度、光照度、灰尘浓度并发送给所述计算机系统(3)；步骤4、所述计算机系统(3)根据所述温湿度、光照度、灰尘浓度，利用式(1)获得复杂环境对图像质量的影响程度I：I＝ω1+ω2+ω3+ω4(1)式(1)中，ω1表示所述温度对图像质量的影响程度，并由环境中的温度变化确定；ω2表示所述湿度对图像质量的影响程度，并由环境中湿度变化确定；ω3表示所述灰尘浓度对图像质量的影响程度，并由环境中的灰尘浓度确定；ω4表示光照度对图像质量的影响程度，并由生产现场的光照强度确定；步骤5、利用所述影响程度I通过式(2)对低通滤波器的初始截断频率D0进行修正，再利用修正后的截断频率确定的低通滤波器的滤波函数，对图像进行滤波处理，得到不含噪声的第j个检测点图像；D01=D0-D0×I---(2)]]>步骤6、利用双峰法对所述第j个检测点图像进行分割，得到第j个检测点图像的背景和待测目标；步骤7、利用SUSAN角点检测算法找出所述待测目标的角点并在所述第j个检测点图像上进行标记，再根据所述待测目标计算所述待测目标的...

【专利技术属性】
技术研发人员：葛茂根，刘明周，扈静，王小巧，张铭鑫，陈莉，张彦如，凌琳，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34