基于机器视觉的漆面瑕疵检查系统技术方案

本发明专利技术提供一种基于机器视觉的漆面瑕疵检查系统，包括PLC模块、图像采集模块、图像处理模块及图像分析模块；PLC模块，用于当检测车辆到达检测区域，启动瑕疵检测程序，并根据检测到的车身前进距离，对车身上的瑕疵进行精准定位；图像采集模块，包括光源模块、相机阵列模块及图像采集程序模块；图像处理模块，用于对待测车辆的图像进行处理，识别车身上的瑕疵，并对识别到的瑕疵进行分析，判定瑕疵类别及大小；图像分析模块，用于结合车身三维数据、所述PLC模块传输的车身前近距离数据确定瑕疵在车上的具体位置，并在图像上进行标记。本发明专利技术在不暂停汽车生产线的前提下，达到检测速度更快、检测效率更高、检测精度更高、检测稳定性更强的特点。强的特点。强的特点。

【技术实现步骤摘要】
基于机器视觉的漆面瑕疵检查系统


[0001]本专利技术具体涉及一种基于机器视觉的漆面瑕疵检查系统。

技术介绍

[0002]在汽车生产过程中，车辆涂装是一个重要环节。其主要作用为车辆提供外观装饰及长期的防腐蚀性。车辆涂装会存在瑕疵问题，喷涂结束后需要进行瑕疵检测及修补。如今，常规的漆膜缺陷寻找、判定以及标记等都是由人工完成，在喷涂线之后设置面漆检查线。根据检查区域设置高度不同的工位，需要配置不同角度的光源和检查人员等，因此常规的人工检查线不仅空间占据过大而且需要过多的人员配置，存在耗时过长、效率低下及受人为因素影响等缺点。漆面瑕疵检查是制约涂装车身质量的关键因素。
[0003]机器视觉是将图像处理、模式识别、计算机技术、人工智能等众多学科高度集成和有机结合而形成的一门综合性技术。一般地说，机器视觉是研究计算机或其他处理器模拟生物宏观视觉功能的科学和技术，也就是用机器代替人眼来做测量和判断。基于计算机视觉的表面缺陷检测技术已经广泛地应用在视觉检测各个领域中，它是确保自动化生产中产品质量的一个非常重要的环节。近几年，表面缺陷自动检测技术开始在汽车车身漆面瑕疵的检测领域发展，这种漆面瑕疵自动检测技术有速度快、效率高、精度高、检测范围广以及稳定性强等优点。

技术实现思路

[0004]本专利技术的目的在于针对现有技术的不足，提供一种基于机器视觉的漆面瑕疵检查系统，该基于机器视觉的漆面瑕疵检查系统可以很好地解决上述问题。
[0005]为达到上述要求，本专利技术采取的技术方案是：提供一种基于机器视觉的漆面瑕疵检查系统，该基于机器视觉的漆面瑕疵检查系统包括PLC模块、图像采集模块、图像处理模块及图像分析模块；PLC模块，用于当检测车辆到达检测区域，启动瑕疵检测程序，并根据检测到的车身前进距离，对车身上的瑕疵进行精准定位；图像采集模块，包括光源模块、相机阵列模块及图像采集程序模块；图像处理模块，用于对待测车辆的图像进行处理，识别车身上的瑕疵，并对识别到的瑕疵进行分析，判定瑕疵类别及大小；图像分析模块，用于结合车身三维数据、所述PLC模块传输的车身前近距离数据确定瑕疵在车上的具体位置，并在图像上进行标记。
[0006]该基于机器视觉的漆面瑕疵检查系统具有的优点如下：
[0007]本专利技术在不暂停汽车生产线的前提下，达到检测速度更快、检测效率更高、检测精度更高、检测稳定性更强的特点。
附图说明
[0008]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明
用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0009]图1示意性地示出了根据本申请一个实施例的基于机器视觉的漆面瑕疵检查系统的系统模块示意图。
[0010]图2示意性地示出了根据本申请一个实施例的基于机器视觉的漆面瑕疵检查系统的流程示意图。
具体实施方式
[0011]为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。
[0012]在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。
[0013]为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。
[0014]根据本申请的一个实施例，提供一种基于机器视觉的漆面瑕疵检查系统，如图1
‑
2所示，包括如下模块：
[0015]PLC模块，用于当检测车辆到达检测区域，启动瑕疵检测程序；还用于根据检测到的车身前进距离，对车身上的瑕疵进行精准定位。
[0016]接口模块，用于PLC、主机、数据库的数据传输；
[0017]图像采集模块，分为光源、相机阵列、图像采集程序三个部分。光源，用于使瑕疵呈现出清晰的图像特征，便于后续的算法检出；相机阵列的排布，使相机的拍摄范围能完整覆盖于整个车身，并且相机拍摄精度达到毫米级；图像采集程序，用于当PLC模块传输车辆到来信号，持续获取摄像单元摄取待测车辆的影像。
[0018]图像处理模块，用于对待测车辆的图像进行处理，识别车身上的瑕疵；对识别到的瑕疵进行分析，判定瑕疵类别及大小。
[0019]图像分析模块，用于结合车身三维数据、PLC传输车身前近距离，确定瑕疵在车上的具体位置，并在图像上进行标记。
[0020]结果输出模块，用于将检测结果及车辆基本信息上传至数据库。
[0021]数据库模块，用于存储检测结果，再输出至电子装置的显示设备上。
[0022]异常监测模块，用于在电子装置的显示设备上显示设备状态，存在异常情况启动报警装置。
[0023]根据本申请的一个实施例，该基于机器视觉的漆面瑕疵检查系统使用时的具体操作如下：
[0024]打开主机设备；
[0025]启动瑕疵检测UI；
[0026]参数读取：读取相机设置参数(曝光时间、采集帧数、Gamma参数、Gain参数、延迟)
[0027]判定设备是否运转正常：系统自检
[0028]瑕疵检测程序启动并等待触发：等待传感器提供车辆到达检测区域信号；
[0029]车辆进入检测区域：通过传感器(PLC、光电传感器、编码器)；
[0030]图像采集：利用漆面镜面反射，采集漆面反射的条纹光。人工检查是由环境光的反射，检查出车身上的瑕疵。借助人工检查的经验，设计出该图像采集方式。图像采集是图像处理的基础；
[0031]图像处理：人工智能和深度学习对瑕疵进行识别、分类；
[0032]针对采集所得的图像进行预处理，通过图像变换、图像增强、图像分割、图像滤波等一系列图像处理方法，有效地提高所采集的图像信息的利用率，降低由噪声和杂波干扰导致信噪比过低等问题；通过分类处理后图像表现出的图像特征，建立瑕疵数据库。瑕疵数据库，是以分类处理后的图片所表现出的缺陷特征做出判断，对常见故障进行分类汇总，结合人工智能和深度学习技术，建立出一套瑕疵判别模型，通过大量的数据样本训练而得到故障判别的模型参数的数据库。
[0033]瑕疵定位：通过传感器(PLC、光电传感器、编码器)精准定位瑕疵所在车身位置；建立车身三维数据模型，对车身进行网格化处理，以达到准确判定瑕疵在车身上的坐标位置。将图像处理及瑕疵分类的结果和可见光下拍摄角度及故障在图像中显示的位置关系相结合，以获取瑕疵的精确位置。
[0034]上传车辆瑕疵数据：瑕疵检测数据上传至数据库及服务器；
[0035]大屏同步显示：UI控制，将瑕疵数据用LED大屏显示。
[0036]以上所述实施例仅表示本专利技术的几种实施方式，其描述较为具体和详细，但并不能理解为对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的漆面瑕疵检查系统，其特征在于：包括PLC模块、图像采集模块、图像处理模块及图像分析模块；所述PLC模块，用于当检测车辆到达检测区域，启动瑕疵检测程序，并根据检测到的车身前进距离，对车身上的瑕疵进行精准定位；所述图像采集模块，包括光源模块、相机阵列模块及图像采集程序模块；所述图像处理模块，用于对待测车辆的图像进行处理，识别车身上的瑕疵，并对识别到的瑕疵进行分析，判定瑕疵类别及大小；所述图像分析模块，用于结合车身三维数据、所述PLC模块传输的车身前近距离数据确定瑕疵在车上的具体位置，并在图像上进行标记。2.根据权利要求1所述的基于机器视觉的漆面瑕疵检查系统，其特征在于：还包括接口模块，用于实现用于PLC、主机、数据库之间的数据传输。3.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：曹海川，
申请(专利权)人：成都小淞科技有限公司，
类型：发明
国别省市：