一种电动注塑机模具检测方法技术

一种电动注塑机模具检测方法，获取一幅无残留物的矩形标准模具图像作为标准模板图像，去除该标准模板图像的背景区域得到模具区域，将标准模板图像尺寸归一化为L×L大小，将标准模板图像分割为m个大小均为W×W的子模块图像，提取各个子模块图像的特征值；采集开模后的待检测模具图像，提取待检测模具图像的边缘图像，并将其模具区域分割出来；将待检测模具图像尺寸归一化为L×L大小，并且分割为m个大小均为W×W的子图像，提取各个子图像的特征值；将标准模板图像的子模块图像特征值与待检测模具图像的子图像的特征值比较，从而得出待检测模具图像的残留物的情况。本发明专利技术快速、准确的检测到模具中的残留物情况，提高检测效率，提高模具加工行业的自动化程度。

Mold inspection method of electric injection molding machine

An electric injection molding machine mold detection method, to obtain a residue free rectangular mold standard image as the standard template image, background removal of the standard template image mold area, the standard template image size normalization for L * L size, the standard template image image is divided into m sub module size is W * W, feature extraction of each sub module of image acquisition image to be detected; die mold, mold image edge detection to extract the image, and divide the die area; the test image size normalization mold is L * L in size, and is divided into M size is W * W the sub image feature extraction of each sub image; sub module image features standard template image value value image feature detection mold sub image to be detected, so that the die drawing Like the remnants of the case. The invention rapidly and accurately detects the residue in the mold, improves the detection efficiency, and improves the automation degree of the die processing industry.

【技术实现步骤摘要】
一种电动注塑机模具检测方法
本专利技术涉及一种电动注塑机模具检测方法，具体地说是一种对电动注塑模具表面残留物进行检测的方法。
技术介绍
近年来，随着科技的快速进步，国内经济呈现良好发展，其中塑料行业的发展也有很大进步。注塑机作为主要的塑料制品生产机械，其性能和自动化水平在不断提高。机械手用于配合注塑机进行生产，在注塑机生产加工过程中，在注塑机产品成型后，模具开模，机械手找抓取产品后时常会有塑料残留、脱模不完整等异常脱模现象，如不及时处理在注塑机巨大的冲击力作用下残留物会对模具造成极大破坏，严重影响生产效率，增加生产成本。目前主要的模具保护方法有全电式和油压式，全电式在注塑机中电流输出滞后时间过久时不能快速检测到残留物的存在；而油压式则在动模位置定位过程中存在较大偏差，导致实际位置与测量位置差距大，检测不准确。另外，人工检测方法是目前应用最广的检测手段，但工作时间过长导致的视觉疲劳容易引发误检和漏判，造成不必要的停工，甚至破坏模具。目前国内图像处理与识别技术发展迅猛，逐渐向数字化、智能化方向发展，在交通、勘探、医学、工业等多个领域都有应用，但应用在注塑机模具保护中的应用还比较少，故此。本专利技术结合图像处理计算速度快、检测精度高、智能化等优点，提出一种电动注塑机模具检测方法。
技术实现思路
本专利技术要解决的技术问题是提供一种电动注塑机模具检测方法，能够快速、准确的检测到模具中的残留物情况。为了解决上述技术问题，本专利技术采取以下技术方案：一种电动注塑机模具检测方法，包括以下步骤：S1,获取一幅无残留物的矩形标准模具图像作为标准模板图像，提取该标准模版图像的边缘图像，去除该标准模板图像的背景区域得到模具区域，将标准化模板图像尺寸归一化为L×L大小，将标准模板图像分割为m个大小均为W×W的子模块图像，提取各个子模块图像的特征值，设标准模板图像中的残留物阈值为T；S2,采集开模后的待检测模具图像，对该待检测模具图像进行亮度补偿，使待检测模具图像与标准模板图像具有相同的亮度和对比度；S3,提取待检测模具图像的边缘图像，将待检测模具图像中的模具区域分割出来；S4,将待检测模具图像尺寸归一化为L×L大小，将待检测模具图像分割为m个大小均为W×W的子图像，提取各个子图像的特征值；S5,将待检测模具图像中的第i个子图像的特征值与标准模板图像中的第i个子模块图像的特征值进行模板匹配，记录相似度Si，并且计算待检测模具图像中的前i个子图像与标准模板图像中的前i个子模块图像的相似度的和即总相似度S，其中i的取值范围为[1,m]，S6,比较总相似度S与残留物阈值T的大小关系，若S>T，则当前待检测模具图像含有残留物，结束检测过程；若S<T，判断i与m的大小关系，若i＝m，则当前待检测模具图像没有残留物，结束检测过程；若i<m，则i+1并返回步骤S5，直到i＝m，结束检测过程。所述步骤S2中，对亮度的补偿具体包括：S2.1，设待检测模具图像的原图像灰度级为i∈[0,a]，经过灰度级映射后的灰度级为j∈[0,b]；S2.2,归一化：灰度级i的概率密度函数为其中H(i)为待检测模具图像的灰度直方图中灰度级为i的像素点数量，N为待检测模具图像总的像素点数；S2.3,灰度直方图的概率分布函数为S2.4,采取四舍五入的方法计算灰度级映射后的灰度值j＝255INT[pi]；S2.5,通过以上过程实现了从原图像灰度级i→j映射后灰度级的映射关系，原始图像的灰度值从f(m,n)＝i→g(m,n)＝j变换。所述步骤S3中提到边缘图像时具体包括以下步骤：S3.1，采用Canny算子对待检测模具图像进行检测得到边缘图像，然后对所获取的边缘图像中的连通域做面积统计，将小于设定面积阈值A的连通域去除；S3.2,在对矩形标准模具进行边缘提取时记录该矩形标准模具的四个边缘长度L1、L2、L3和L4，其中L1＝L3,L2＝L4，且L2>L1；S3.3,在对待检测模具外边框进行动态检测时，取l1＝L1/4为Hough变换的直线低阈值，取l2＝L1/2为Hough变换的直线高阈值，Hough变换过程中记录长度l>l1的直线，并将长度l≥l2的直线画出来。所述步骤S3中将待检测模具图像中的模具区域分割出来具体包括以下步骤：S3.4,遍历待检测模具图像中的直线，标记直线中点距离待检测模具图像四个边缘最近的4条直线分别为Lup、Ldown、Lleft、Lright，其中Lup与Ldown为上下对称，Lleft和Lright为左右对称；S3.5，满足Lup＝Ldown、Lleft＝Lright；S3.6，所述步骤S3中将待检测模具图像中的模具区域分割出来具体包括以下步骤：S3.4,遍历待检测模具图像中的直线，标记直线中点距离待检测模具图像四个边缘最近的4条直线分别为Lup、Ldown、Lleft、Lright，其中Lup与Ldown为上下对称，Lleft和Lright为左右对称；S3.5，满足Lup＝Ldown、Lleft＝Lright；S3.6，Lup和Ldown上的所有点的纵坐标之差的绝对值小于设定值Ph，Lleft和Lright上所有点的横坐标之差的绝对值小于设定值Pw；S3.7，该四条直线斜率满足kup＝kdown、kleft＝kright，从而Lup为距离待检测图像上边缘最近的待检测模具的上边框，Ldown为距离待检测图像下边缘最近的待检测模具的下边框，Lleft为距离待检测图像左边缘最近的待检测模具的左边框，Lright为距离待检测图像右边缘最近的待检测模具的右边框，该四条直线构成的区域为待检测模具图像中的模具区域；S3.7，该四条直线斜率满足kup＝kdown、kleft＝kright，从而Lup为距离待检测图像上边缘最近的待检测模具的上边框，Ldown为距离待检测图像下边缘最近的待检测模具的下边框，Lleft为距离待检测图像左边缘最近的待检测模具的左边框，Lright为距离待检测图像右边缘最近的待检测模具的右边框，该四条直线构成的区域为待检测模具图像中的模具区域。所述将待检测模具图像中的模具区域分割出来时，还具体包括步骤：S3.8，计算每条直线段的中点坐标，组成中点坐标集合，n为直线段总数n＝{(xm1,ym1),(xm2,ym2)...(xmn,ymn)}；S3.9,将中点坐标集合的x、y分别按从小到大排列，组成两个集合S3.10，选取yi所在的直线为Lup，yn所在的直线为Ldown，xj所在的直线为Lleft，xn所在的直线为Lright，i和j的取值范围为[1,n]且从1开始取值，若存在中点坐标相同的点则排序标记；S3.11，计算步骤S3.10中直线Lup、直线Ldown、直线Lleft和直线为Lright该四条直线的斜率kup、kdown、kleft、kright，若满足判断式一kup＝kdown、kleft＝kright，则转至步骤S3.13；若不满足判断式一kup＝kdown、kleft＝kright，则通过判断式二：Lup和Ldown上的所有点的纵坐标之差的绝对值小于设定值Ph，Lleft和Lright上所有点的横坐标之差的绝对值小于设定值Pw，获取不满足该判断式二的直线段；S3.12，对于不满足步骤S3.11中的本文档来自技高网...

【技术保护点】
一种电动注塑机模具检测方法，包括以下步骤：S1,获取一幅无残留物的矩形标准模具图像作为标准模板图像，提取该标准模版图像的边缘图像，去除该标准模板图像的背景区域得到模具区域，将标准化模板图像尺寸归一化为L×L大小，将标准模板图像分割为m个大小均为W×W的子模块图像，提取各个子模块图像的特征值，设标准模板图像中的残留物阈值为T；S2,采集开模后的待检测模具图像，对该待检测模具图像进行亮度补偿，使待检测模具图像与标准模板图像具有相同的亮度和对比度；S3,提取待检测模具图像的边缘图像，将待检测模具图像中的模具区域分割出来；S4,将待检测模具图像尺寸归一化为L×L大小，将待检测模具图像分割为m个大小均为W×W的子图像，提取各个子图像的特征值；S5,将待检测模具图像中的第i个子图像的特征值与标准模板图像中的第i个子模块图像的特征值进行模板匹配，记录相似度S

【技术特征摘要】
1.一种电动注塑机模具检测方法，包括以下步骤：S1,获取一幅无残留物的矩形标准模具图像作为标准模板图像，提取该标准模版图像的边缘图像，去除该标准模板图像的背景区域得到模具区域，将标准化模板图像尺寸归一化为L×L大小，将标准模板图像分割为m个大小均为W×W的子模块图像，提取各个子模块图像的特征值，设标准模板图像中的残留物阈值为T；S2,采集开模后的待检测模具图像，对该待检测模具图像进行亮度补偿，使待检测模具图像与标准模板图像具有相同的亮度和对比度；S3,提取待检测模具图像的边缘图像，将待检测模具图像中的模具区域分割出来；S4,将待检测模具图像尺寸归一化为L×L大小，将待检测模具图像分割为m个大小均为W×W的子图像，提取各个子图像的特征值；S5,将待检测模具图像中的第i个子图像的特征值与标准模板图像中的第i个子模块图像的特征值进行模板匹配，记录相似度Si，并且计算待检测模具图像中的前i个子图像与标准模板图像中的前i个子模块图像的相似度的和即总相似度S，其中i的取值范围为[1,m]，S6,比较总相似度S与残留物阈值T的大小关系，若S>T，则当前待检测模具图像含有残留物，结束检测过程；若S<T，判断i与m的大小关系，若i＝m，则当前待检测模具图像没有残留物，结束检测过程；若i<m，则i+1并返回步骤S5，直到i＝m，结束检测过程。2.根据权利要求1所述的电动注塑机模具检测方法，其特征在于，所述步骤S2中，对亮度的补偿具体包括：S2.1，设待检测模具图像的原图像灰度级为i∈[0,a]，经过灰度级映射后的灰度级为j∈[0,b]；S2.2,归一化：灰度级i的概率密度函数为其中H(i)为待检测模具图像的灰度直方图中灰度级为i的像素点数量，N为待检测模具图像总的像素点数；S2.3,灰度直方图的概率分布函数为S2.4,采取四舍五入的方法计算灰度级映射后的灰度值j＝255INT[pi]；S2.5,通过以上过程实现了从原图像灰度级i→j映射后灰度级的映射关系，原始图像的灰度值从f(m,n)＝i→g(m,n)＝j变换。3.根据权利要求2所述的电动注塑机模具检测方法，其特征在于，所述步骤S3中提到边缘图像时具体包括以下步骤：S3.1，采用Canny算子对待检测模具图像进行检测得到边缘图像，然后对所获取的边缘图像中的连通域做面积统计，将小于设定面积阈值A的连通域去除；S3.2,在对矩形标准模具进行边缘提取时记录该矩形标准模具的四个边缘长度L1、L2、L3和L4，其中L1＝L3,L2＝L4，且L2>L1；S3.3,在对待检测模具外边框进行动态检测时，取l1＝L1/4为Hough变换的直线低阈值，取l2＝L1/2为Hough变换的直线高阈值，Hough变换过程中记录长度l>l1的直线，并将长度l≥l2的直线画出来。4.根据权利要求3所述的电动注塑机的模具检测方法，其特征在于，所述步骤S3中将待检测模具图像中的模具区域分割出来具体包括以下步骤：S3.4,遍历待检测模具图像中的直线，标记直线中点距离待检测模具图像四个边缘最近的4条直线分别为Lup、Ldown、Lleft、Lright，其中Lup与Ldown为上下对称，Lleft和Lright为左右对称；S3.5，满足Lup＝Ldown、Lleft＝Lright；S3.6，Lup和Ldown...

【专利技术属性】
技术研发人员：钟震宇，周广兵，马敬奇，
申请(专利权)人：广东省智能制造研究所，
类型：发明
国别省市：广东,44