基于自动光学检测技术的切丝机智能维护方法和系统技术方案

本发明专利技术公开了一种基于自动光学检测技术的切丝机智能维护方法，包括以下步骤：获取切丝机目标部件的原始图像，对所述原始图像进行预处理；将预处理后的图像进行识别、分割处理，得到目标图像区域数据；对目标图像区域数据进行处理，提取出目标图像区域数据关键特征的特征量，建立为样本特征集和目标集；通过所述样本特征集和目标集建立检测切丝机各个部件的故障检测模型并进行故障检测，得到故障检测结果；通过故障检测结果结合切丝机的原始评估结果，对切丝机进行多层级健康度评估，得到各层级健康度评估结果；通过故障检测结果和健康度评估结果进行整合，得到切丝机的智能维护方案。能提供及时、明确、高效的智能维护策略。

Intelligent maintenance method and system of wire cutting machine based on Automatic Optical Inspection Technology

The invention discloses an intelligent maintenance method of a cutting machine based on automatic optical detection technology, which comprises the following steps: acquiring the original image of the cutting machine's target parts, preprocessing the original image, recognizing and segmenting the preprocessed image, obtaining the target image region data, and processing the target image region data. The domain data are processed to extract the key features of the target image region data and establish them as the sample feature set and the target set. Through the sample feature set and the target set, the fault detection model of each part of the detection cutting machine is established and the fault detection results are obtained. The fault detection results are combined with the fault detection results. The original evaluation results of the cutting machine, multi-level health evaluation of the cutting machine, get the health evaluation results of each level; through the integration of fault detection results and health evaluation results, get the intelligent maintenance scheme of the cutting machine. It can provide timely, clear and efficient intelligent maintenance strategy.

【技术实现步骤摘要】
基于自动光学检测技术的切丝机智能维护方法和系统
本专利技术涉及切丝机维护
，尤其涉及了一种基于自动光学检测技术的切丝机智能维护方法和系统。
技术介绍
切丝机是卷烟行业中的制丝设备中技术含量极高、机械结构极为复杂的一种专用设备，切丝机关键部件的状态和性能将直接决定切丝的工艺质量指标，进而影响到下游卷接包整个流程的质量控制。目前，切丝机的关键部件存在诸多问题，最为突出的有两点：其一，切刀容易出现多种缺陷问题，如刀片的裂纹、崩口等硬性损伤以及磨损和污损等，进而可能造成跑片等工艺质量问题；其二，由于铜排链结构本身的缺陷，在实际运行过程中，常会因大负载导致下输送排链链板错位或铰链拉伸；也会因下排链内环面积尘致使铰链处动作不灵活或卡死，出现链板拱起；还会因排链与墙板间隙小、积尘、链板错位等问题进一步导致链端磨损问题。相对于切丝机各关键部件的重要程度及其影响程度，其维护程度却一直较低，如对于切刀，在切丝机运行过程中，只能主要依靠设备本身的自动进刀系统和磨刀系统对刀片的磨损进行持续性补偿和对堆积物等污损进行清洁，维保效果有限；而对于裂纹、崩口等硬性损伤，只能依靠人工在机器停机状态下检修，检视难度极高，且往往只能在因之导致的切丝质量出现显著波动时才能引起关注。对于铜排链，主要通过日常的清洁保养等维护措施来减缓相应的错位、拉伸、拱起、磨损等故障问题，效果比较有限。这些现状一方面会造成这些关键部件的过度损耗和备件问题，产生大量的成本损失；另一方面，切刀、铜排链等从缺陷和故障出现到发现，再到检出并进而解决的整个过程，时间久、滞后性大，期间可能造成对切丝工艺的影响，产生大量的不合格烟丝，直接导致卷烟产品的质量损失。同时，这些关键部件的缺陷及故障问题及不合格烟丝问题还会造成连锁的设备故障停机，产生不同程度的效率损失。自动光学检测技术(AutomaticOpticalInspection，AOI)，是指采用高速高精度的光学影像检测系统取代传统的人力结合光学仪器进行检测的方案。AOI中一般使用相机等光学检测器获取待测物体图像，通过对采集的待测图像迅速地进行图像处理和模式识别，从而获得对象的规格、大小、结构特点和缺陷等方面的特征信息，进而实现自动化在线检测的目的，它是一种将电子学、光学检测、图像处理和计算机技术融合一体的先进的非接触式检测方法，在半导体、冶金、印刷、汽车等多个工业应用领域都具有广泛的应用。但是在烟草机械领域，AOI技术起步本身较晚，在实际生产中的应用成熟度也相对较差，在切丝机智能维护相关的检测领域的应用更是少之又少。现行的切丝机关键部件多是经过人工来检测确认是否存在问题的，这种检测方法量化程度低、精度有限、主观性强、只能在事后检测已经发生的故障，并且不能对关键部件的健康度进行量化评估和预测。由于自动光学检测技术能准确采集图像并进行实时、高效处理，因此，想借助自动光学检测技术来克服切丝机关键部件检测领域中现有人工检测技术的不足问题，期望能够在切丝机运行过程中对其关键部件在状态实时监测的基础上实现对其各类缺陷及故障的准确、快速和及时检测，并结合检测结果给出针对相应部件及切丝机整机的综合、客观、量化的健康评估，进而提供及时有效的智能化维护策略，最终实现提高切丝机维护效率、降低切丝机维护成本以及稳定切丝质量的目标。
技术实现思路
本专利技术针对现有技术中人工检测切丝机的关键部件的缺点，提供了一种基于自动光学检测技术的切丝机智能维护方法和系统。针对上述技术问题，本专利技术通过下述技术方案得以解决：一种基于自动光学检测技术的切丝机智能维护方法，包括以下步骤：获取切丝机目标部件的原始图像，对所述原始图像进行预处理，得到预处理后的图像；将预处理后的图像进行图像分割处理，得到目标图像区域数据；对目标图像区域数据进行抽象降维处理，提取出目标图像区域数据的关键特征的特征量，将所述关键特征的特征量建立为样本特征集和目标集；通过所述样本特征集和目标集建立检测切丝机各个部件的故障检测模型，通过故障检测模型对待测样本进行故障检测，得到故障检测结果；通过故障检测结果结合切丝机的原始评估结果，对切丝机进行多层级健康度评估，得到各层级健康度评估结果；通过故障检测结果和健康度评估结果进行整合，得到切丝机的智能维护方案。作为一种可实施方式，所述获取切丝机目标部件的原始图像通过成像设备获取，所述成像设备为工业相机、工业摄像机、红外相机、红外热成像仪和扫描仪中的任意一种。作为一种可实施方式，所述获取切丝机目标部件的原始图像的具体步骤包括：选取适合目标部件的采光元件，通过采光元件从切丝机所处环境中采集对应的光线；基于采集到的光线类型，选用相对应的成像设备的图像传感器对光线进行采集，并将采集到的光线转化成图像模拟信号；将所述图像模拟信号转换为数字图像信息，所述数字图像信息即为所述原始图像。作为一种可实施方式，所述对所述原始图像进行预处理的方法为：对原始图像进行图像增强和去噪处理，得到预处理后的图像，图像处理采用空间域增强法和频域增强法中的任意一种；图像去噪处理采用加权均值滤波、中值滤波、高斯滤波、和维纳滤波中的任意一种。作为一种可实施方式，所述将预处理后的图像进行图像分割处理，采用阈值分割算法、基于几何特征的分割算法、模板匹配算法或基于压缩感知的分割算法中的任意一种。作为一种可实施方式，所述对目标图像区域数据进行抽象降维处理，提取出目标图像区域数据的关键特征的特征量，将所述关键特征建立为样本特征集和目标集具体步骤为：对目标图像区域数据进行抽象降维处理，去除冗余信息，得到一个或者多个关键特征的特征量，其中，抽象降维处理采用区域特征提取算法、灰度特征提取算法、轮廓特征提取算法、基于相位一致性的特征提取算法中的任意一种；将所述关键特征的特征量和相应的图像状态标签进行关联，得到一个或多个目标量；将关键特征的特征量建立成样本特征集，将目标量建立成目标集。作为一种可实施方式，通过所述样本特征集和目标集建立检测切丝机各个部件的故障检测模型，通过故障检测模型对待测样本进行故障检测，得到故障检测结果具体为：将所述样本特征集和所述目标集进行机器学习，通过样本特征集和目标集中表征故障存在与否的目标变量建立故障识别模型；通过样本特征集和目标集中表征故障多类模式的目标变量建立故障分类模型；通过样本特征集和目标集中表征故障严重性程度的等级型或数值型的目标变量建立故障评估模型；通过故障识别模型检测待测样本是否存在故障；通过故障分类模型检测出待测样本存在的几种故障模式，并对故障模式进行分类，得到表征故障模式的分类结果；通过故障评估模型对分类结果进行量化评估，得到表征故障严重性的预测结果。作为一种可实施方式，所述通过故障检测结果结合切丝机的原始评估结果，对切丝机整机的健康度进行评估，得到切丝机整机健康度评估结果具体为：所述切丝机的原始评估结果由设备专家给出，专家给出的原始评估结果为影响度评估结果、维修性评估结果和重要性评估结果，通过影响度评估结果、维修性评估结果和重要性评估结果得到故障影响度权值向量、部件维修性权值向量和部件重要性权值向量；根据所述故障严重性的预测结果并结合故障影响度权值向量进行计算，得到待测部件各故障模式的综合评估指数；根据所述综合评估指数构建相应部件的故障模式雷达图，并计算故本文档来自技高网...

【技术保护点】
1.一种基于自动光学检测技术的切丝机智能维护方法，其特征在于包括以下步骤：获取切丝机目标部件的原始图像，对所述原始图像进行预处理，得到预处理后的图像；将预处理后的图像进行图像分割处理，得到目标图像区域数据；对目标图像区域数据进行抽象降维处理，提取出目标图像区域数据的关键特征的特征量，将所述关键特征的特征量建立为样本特征集和目标集；通过所述样本特征集和目标集建立检测切丝机各个部件的故障检测模型，通过故障检测模型对待测样本进行故障检测，得到故障检测结果；通过故障检测结果结合切丝机的原始评估结果，对切丝机进行多层级健康度评估，得到各层级健康度评估结果；通过故障检测结果和健康度评估结果进行整合，得到切丝机的智能维护方案。

【技术特征摘要】
1.一种基于自动光学检测技术的切丝机智能维护方法，其特征在于包括以下步骤：获取切丝机目标部件的原始图像，对所述原始图像进行预处理，得到预处理后的图像；将预处理后的图像进行图像分割处理，得到目标图像区域数据；对目标图像区域数据进行抽象降维处理，提取出目标图像区域数据的关键特征的特征量，将所述关键特征的特征量建立为样本特征集和目标集；通过所述样本特征集和目标集建立检测切丝机各个部件的故障检测模型，通过故障检测模型对待测样本进行故障检测，得到故障检测结果；通过故障检测结果结合切丝机的原始评估结果，对切丝机进行多层级健康度评估，得到各层级健康度评估结果；通过故障检测结果和健康度评估结果进行整合，得到切丝机的智能维护方案。2.根据权利要求1所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述获取切丝机目标部件的原始图像通过成像设备获取，所述成像设备为工业相机、工业摄像机、红外相机、红外热成像仪和扫描仪中的任意一种。3.根据权利要求2所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述获取切丝机目标部件的原始图像的具体步骤包括：选取适合目标部件的采光元件，通过采光元件从切丝机所处环境中采集对应的光线；基于采集到的光线类型，选用相对应的成像设备的图像传感器对光线进行采集，并将采集到的光线转化成图像模拟信号；将所述图像模拟信号转换为数字图像信息，所述数字图像信息即为所述原始图像。4.根据权利要求1所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述对所述原始图像进行预处理的方法为：对原始图像进行图像增强和去噪处理，得到预处理后的图像，图像处理采用空间域增强法和频域增强法中的任意一种；图像去噪处理采用加权均值滤波、中值滤波、高斯滤波、和维纳滤波中的任意一种。5.根据权利要求4所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述将预处理后的图像进行图像分割处理，采用阈值分割算法、基于几何特征的分割算法、模板匹配算法或基于压缩感知的分割算法中的任意一种。6.根据权利要求5所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述对目标图像区域数据进行抽象降维处理，提取出目标图像区域数据的关键特征的特征量，将所述关键特征建立为样本特征集和目标集具体步骤为：对目标图像区域数据进行抽象降维处理，去除冗余信息，得到一个或者多个关键特征的特征量，其中，抽象降维处理采用区域特征提取算法、灰度特征提取算法、轮廓特征提取算法、基于相位一致性的特征提取算法中的任意一种；将所述关键特征的特征量和相应的图像状态标签进行关联，得到一个或多个目标量；将关键特征的特征量建立成样本特征集，将目标量建立成目标集。7.根据权利要求6所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，通过所述样本特征集和目标集建立检测切丝机各个部件的故障检测模型，通过故障检测模型对待测样本进行故障检测，得到故障检测结果具体为：将所述样本特征集和所述目标集进行机器学习，通过样本特征集和目标集中表征故障存在与否的目标变量建立故障识别模型；通过样本特征集和目标集中表征故障多类模式的目标变量建立故障分类模型；通过样本特征集和目...

【专利技术属性】
技术研发人员：张开桓，楼阳冰，吴芳基，倪军，
申请(专利权)人：杭州安脉盛智能技术有限公司，
类型：发明
国别省市：浙江,33