一种新型螺栓外观尺寸检测方法技术

本发明专利技术公开了一种新型螺栓外观尺寸检测方法，具体涉及螺栓外观尺寸检测技术领域，具体步骤如下：步骤一：用成像系统和图像采集卡将标准新型螺栓工件图像采集到计算机内部；步骤二：运用图像处理技术提取特征量；步骤三：获取各种不同原因产生的不同类型外观尺寸不合格的新型螺栓工件的表面缺陷图像数据，构建表面缺陷样本集；步骤四：识别待检测螺栓工件的特征图像数据和工件尺寸；步骤五：根据识别结果控制机械手进行分拣处理。通过步骤四和步骤五的设置，实现新型螺栓的外观尺寸检测，自动识别，准确率高，最后缺陷识别结果生成分选控制指令，控制机械手动作对合格和不合格的螺栓工件进行分拣处理，自动化程度高，节省了人力投入成本。投入成本。

【技术实现步骤摘要】
一种新型螺栓外观尺寸检测方法


[0001]本专利技术涉及螺栓外观尺寸检测
，具体涉及一种新型螺栓外观尺寸检测方法。

技术介绍

[0002]螺栓是由头部和带有外螺纹的圆柱体两部分组成的一类紧固件，通常需与螺母配合使用，多用于紧固连接两个带有通孔的零件，随着科技的发展，螺栓逐渐需要连接各种特殊形状的零件，普通螺栓难以保证连接的紧固性，故各种特殊形状的新型螺栓逐渐出现在市场上。
[0003]在新型螺栓生产完成后，生产企业大多需要对新型螺栓的外观尺寸进行检测，但现有技术中多采用人工检查方式对金属加工工件外观质量进行检测，针对铁屑、工件装夹不当、物理碰撞等因素导致的金属工件表面缺陷问题，生产企业采用的人工检查方式无法及时发现并加以控制。且人工检查的方式以人的主观判断为标准，因此存在准确性低的问题，当缺陷件未被筛除且与正常件混合在一起后，需耗费大量的人力劳力成本将其重新分离。此外，人工检查的方式不仅存在投入成本高，还存在效率低的问题。
[0004]少量规模较大的新型螺栓生产企业具有自动外观检测装置，但在面对表面形状复杂的金属工件时，其图像中不存在明显灰度差异或较大的灰度值范围重叠，从而难以得到准确的分割结果，分割后得到的图像也不能很好的显示图像的细节，使得金属工件表面缺陷识别的效果不好。因此，生产企业迫切需要一种具有高自动化程度、高准确度、高效率、低成本，能够实现新型螺栓的外观尺寸检测，从而分离缺陷件与正常件的方法。

技术实现思路

[0005]为此，本专利技术提供一种新型螺栓外观尺寸检测方法，通过步骤一和步骤二的设置，可为螺栓工件多缺陷识别模型的创建提供标准新型螺栓工件图像的对比外观特征和尺寸数据，方便螺栓工件多缺陷识别模型根据特征数据的不同快速识别外观尺寸不合格的工件，识别准确度和效率高，通过步骤三的设置，创建螺栓工件多缺陷识别模型，可对多种螺栓工件的外观尺寸缺陷进行识别，适用性强，数据库实时更新，生命力强，通过步骤四和步骤五的设置，实现新型螺栓的外观尺寸检测，自动识别，准确率高，最后缺陷识别结果生成分选控制指令，控制机械手动作对合格和不合格的螺栓工件进行分拣处理，自动化程度高，节省了人力投入成本，实用性强，以解决现有技术中由于人工检测新型螺栓外观尺寸劳动强度大、受人工经验和主观因素影响和检测准确度低的问题。
[0006]为了实现上述目的，本专利技术提供如下技术方案：一种新型螺栓外观尺寸检测方法，具体步骤如下：
[0007]步骤一：将标准新型螺栓工件送到CCD摄像头视场内，由成像系统和图像采集卡将图像采集到计算机内部；
[0008]步骤二：运用图像处理技术对采集到的原始图像提取背景图像及图像灰度转换处
理，从中提取特征量，具体操作流程为：首先通过图像灰度转换处理、图像去噪处理和图像边缘检测处理，将螺栓工件的表面图像转换成具有边缘特征的灰度图像，再通过全局二值化增强算法对预处理后的灰度图像进行增强处理，增强具有边缘特征的灰度图像的图像特征，最后通过基于边缘检测的图像分割算法对增强处理后的灰度图像进行分割处理，提取增强处理后的具有边缘特征的灰度图像的外观特征和尺寸数据；
[0009]步骤三：获取各种不同原因产生的不同类型外观尺寸不合格的新型螺栓工件的表面缺陷图像数据，根据表面缺陷图像数据构建螺栓工件的表面缺陷样本集，具体操作流程为：通过扩展处理，扩展螺栓工件的表面缺陷样本集；通过图像预处理，将扩展后的表面缺陷样本集更新为新的样本集；构建基于深度卷积神经网络的螺栓工件多缺陷识别模型，并获取螺栓工件多缺陷识别模型的模型参数和新的样本集；通过交叉验证法，训练螺栓工件多缺陷识别模型直到螺栓工件缺陷多识别模型的性能指标达到预期设定；最后运用模式识别技术对提取的特征量进行分类整理，根据不同缺陷的图像特征，识别出缺陷，构建具有不同缺陷特征系统数据库的识别模型；
[0010]步骤四：获取待检测螺栓工件的特征图像数据和工件尺寸，将特征图像数据输入经过预先训练的螺栓工件缺陷多识别模型中，输出螺栓工件的缺陷识别结果；
[0011]步骤五：根据缺陷识别结果生成分选控制指令，控制机械手动作对合格和不合格的螺栓工件进行分拣处理。
[0012]进一步地，在步骤二中的图像去噪处理，是获取预存的加权的均值滤波器模板，用于将灰度图像中的噪声点替换为均值滤波器模板窗口内的像素的平均灰度值以进行图像去噪。
[0013]进一步地，在步骤二中的图像边缘检测处理，是通过边缘检测算法，检测灰度图像的边缘并连接边缘构成边界，根据各个边界生成大小端面区域和环形槽区域。
[0014]进一步地，在步骤二中的图像灰度转换处理，是通过加权平均法，将采集的螺栓工件表面图像数据转换成灰度图像。
[0015]进一步地，在步骤四中利用激光跟踪仪和激光扫描仪扫描待检测的螺栓工件，获取螺栓工件表面的特征图像数据和螺栓外观尺寸。
[0016]进一步地，在步骤四中的激光跟踪仪的型号为LeicaAT930，激光扫描仪型号为lasermed，激光跟踪仪与激光扫描仪的放置间隔为8.3
‑
10.5m。
[0017]进一步地，在步骤五中的机械手通过中央处理模块控制，中央处理模块包括螺栓工件缺陷多识别模型，中央处理模块可获取螺栓工件的表面图像并进行缺陷识别，通过缺陷识别结果生成控制指令，根据控制指令控制机械手夹取放置金属工件。
[0018]本专利技术具有如下优点：
[0019]1、本专利技术通过步骤一和步骤二的设置，与现有技术相比，可利用成像系统和图像采集卡将标准新型螺栓工件的图像采集到计算机内部，再通过图像预处理技术将表面图像转换成灰度图像，使用图像增强和分割单元可增强并提取标准新型螺栓工件图像的外观特征和尺寸数据，可为螺栓工件多缺陷识别模型的创建提供标准新型螺栓工件图像的对比外观特征和尺寸数据，方便螺栓工件多缺陷识别模型根据特征数据的不同快速识别外观尺寸不合格的工件，识别准确度和效率高；
[0020]2、本专利技术通过步骤三的设置，与现有技术相比，可通过缺陷识别单元对各种不同
原因产生的不同类型外观尺寸不合格的新型螺栓工件的表面缺陷进行缺陷识别，构建样本集数据库，最后基于深度卷积神经网络，运用模式识别技术对提取的特征量分类整理，根据不同缺陷的图像特征，识别出缺陷，构建具有不同缺陷特征系统数据库的识别模型，并对其性能指标进行检测，创建螺栓工件多缺陷识别模型，可对多种螺栓工件的外观尺寸缺陷进行识别，适用性强，数据库实时更新，生命力强；
[0021]3、本专利技术通过步骤四和步骤五的设置，与现有技术相比，可使用螺栓工件多缺陷识别模型对待检测螺栓工件的特征图像数据和工件尺寸进行检测识别，准确地分割识别待检测螺栓工件的外观特征和尺寸数据，实现新型螺栓的外观尺寸检测，自动识别，准确率高，最后缺陷识别结果生成分选控制指令，控制机械手动作对合格和不合格的螺栓工件进行分拣处理，自动化程度高，节省了人力投入成本，实用性强。
具体实施方式
[0022]以下由特定的具体实施例说明本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新型螺栓外观尺寸检测方法，其特征在于：具体步骤如下：步骤一：将标准新型螺栓工件送到CCD摄像头视场内，由成像系统和图像采集卡将图像采集到计算机内部；步骤二：运用图像处理技术对采集到的原始图像提取背景图像及图像灰度转换处理，从中提取特征量，具体操作流程为：首先通过图像灰度转换处理、图像去噪处理和图像边缘检测处理，将螺栓工件的表面图像转换成具有边缘特征的灰度图像，再通过全局二值化增强算法对预处理后的灰度图像进行增强处理，增强具有边缘特征的灰度图像的图像特征，最后通过基于边缘检测的图像分割算法对增强处理后的灰度图像进行分割处理，提取增强处理后的具有边缘特征的灰度图像的外观特征和尺寸数据；步骤三：获取各种不同原因产生的不同类型外观尺寸不合格的新型螺栓工件的表面缺陷图像数据，根据表面缺陷图像数据构建螺栓工件的表面缺陷样本集，具体操作流程为：通过扩展处理，扩展螺栓工件的表面缺陷样本集；通过图像预处理，将扩展后的表面缺陷样本集更新为新的样本集；构建基于深度卷积神经网络的螺栓工件缺陷多识别模型，并获取螺栓工件缺陷多识别模型的模型参数和新的样本集；通过交叉验证法，训练螺栓工件缺陷多识别模型直到螺栓工件缺陷多识别模型的性能指标达到预期设定；最后运用模式识别技术对提取的特征量进行分类整理，根据不同缺陷的图像特征，识别出缺陷，构建具有不同缺陷特征系统数据库的识别模型；步骤四：获取待检测螺栓工件的特征图像数据和工件尺寸，将特征图像数据输入经过预先训练的螺栓工件缺陷多识别模型中，输出螺栓工件的缺陷识别结果；步骤五：根据缺陷识...

【专利技术属性】
技术研发人员：刘一磊，
申请(专利权)人：江苏恒裕泰智能装备有限公司，
类型：发明
国别省市：