本发明专利技术涉及基于视觉的喷码定位方法和装置，一方面，能够采集喷码现场的实时图像，实时反应传动装置上的当前实时信息，在传送装置上输送过来了待喷码工件时，通过神经网络算法，截取该实时图像中的目标框图，定位其具体位置；另一方面，能根据目标框图，确定目标信息；进而根据目标位置和目标信息，确定实际喷码信息，完成喷码工序。总的来说，该喷码定位方法，是一种基于视觉的随动喷码方法，能够根据喷码现场的实际情况，定位实际喷码位置，不受限于待喷码工件的放置位置、摆放姿态、工件类型等，解决了人工和传统自动方法喷码低效率低、喷码类型单一、喷码尺寸固定等问题，提高了喷码效率和自动化程度，其普适性和泛化性更高。其普适性和泛化性更高。其普适性和泛化性更高。
【技术实现步骤摘要】
基于视觉的喷码定位方法和装置
[0001]本专利技术涉及自动控制领域，特别是涉及一种基于视觉的喷码定位技术。
技术介绍
[0002]在当前工业自动化和智能化的趋势下，对工业零件进行喷码，是工件标识、分类、跟踪必不可少的一个环节，常见的喷码方式可分为人工喷码和自动喷码，人工喷码能够应对不同种类、形状工件，但是工作效率较低，工人工作强度大，且长期置身于这种环境对工人存在较大的安全风险。相较于人工喷涂方式，自动喷涂一方面能够大幅度提高生产效率，降低产品的生产周期，进而利于企业和行业的发展，其次，自动喷码能够极大的减少喷码作业的人员以及作业人员与喷涂环境接触的机会，能够避免喷码作业对于人员健康的危害。但是目前主流的自动喷码方法主要应用于种类单一、外形特定、喷码区域固定、喷码类型单一的情况下，无法处理工业生产中，工件种类多、外形差异大等情况，其普适性和泛化性不强。
[0003]因此，如何提供一种不受限于工件摆放位置、类型数量、外形差异等的喷码技术，是目前喷码中亟待解决的技术问题。
技术实现思路
[0004]为解决上述技术问题，本专利技术提供一种基于视觉的喷码定位方法，包括：
[0005]S1：采集喷码现场实时图像；
[0006]S2：根据实时图像，采用神经网络算法，截取实时图像中的目标框图，以定位目标位置；
[0007]S3：根据目标框图，确定目标信息；
[0008]S4：根据目标位置和目标信息，确定实际喷码信息。
[0009]进一步地，步骤S2，包括：
[0010]S21：获取训练样本集；
[0011]S22：构建神经网络模型，并将训练样本集输入神经网络模型，得到训练后的神经网路模型；
[0012]S23：将实时图像，输入训练后的神经网络模型，截取实时图像中的目标框图，以定位目标位置。
[0013]进一步地，步骤S21，包括：
[0014]S211：获取喷码现场背景图像；
[0015]S212：获取待喷码工件模板图像；
[0016]S213：将模板图像根据不同摆放信息叠加到背景图像上，得到训练样本集。
[0017]进一步地，步骤S22中，神经网络模型，包括：输入模块、特征提取模块、特征融合模块和预测模块。
[0018]进一步地，步骤S3中，目标信息，包括目标种类；步骤S3，包括：
[0019]S31：根据目标框图，提取待喷码工件的边缘特征；
[0020]S32：根据待喷码工件的边缘特征，对待喷码工件的边缘点的梯度方向与模板工件的边缘点的梯度方向的余弦值进行相似性度量；
[0021]S33：将待喷码工件匹配为相似性度量最大的边缘点所对应的模板工件，确定目标种类。
[0022]进一步地，步骤S3中，目标信息，还包括目标特征；步骤S3，还包括：
[0023]S34：获取模板工件的匹配信息；
[0024]S35：根据匹配信息和目标框图，确定目标特征。
[0025]进一步地，步骤S4，包括：
[0026]S41：根据目标信息，选取待喷码工件上的最大喷码区域为待喷码工件的自身喷码信息；
[0027]S42：根据目标位置，变换待喷码工件的自身喷码信息，得到实际喷码信息。
[0028]进一步地，步骤S41，包括：
[0029]S411：根据目标信息，获取待喷码工件的二值图；
[0030]S412：定义二值图中，实心区域为目标像素，空心区域为背景像素；
[0031]S413：计算每个目标像素距最近背景像素的距离；
[0032]S414：选取最大距离所对应的目标像素与其背景像素之间的区域，为最大喷码区域。
[0033]进一步地，方法还包括：
[0034]S5：验证实际喷码信息是否符合预设要求，若符合则按照实际喷码信息完成喷码工序；若不符合，则调整实际喷码信息完成喷码工序。
[0035]另一方面，本专利技术还提供一种基于视觉的喷码定位装置，用于执行上述任意的方法，包括：
[0036]图像采集模块，用于采集喷码现场实时图像；
[0037]目标位置定位模块，与图像采集装置连接，用于根据实时图像，采用神经网络算法，截取实时图像中的目标框图，以定位目标位置；
[0038]目标信息确定模块，与目标位置定位装置连接，用于根据目标框图，确定目标信息；
[0039]实际喷码信息确定模块，与目标位置定位模块和目标信息确定模块连接，用于根据目标位置和目标信息，确定实际喷码信息。
[0040]本专利技术提供的基于视觉的喷码定位方法和装置，一方面，能够采集喷码现场的实时图像，实时反应传动装置上的当前实时信息，在传送装置上输送过来了待喷码工件时，通过神经网络算法，截取该实时图像中的目标框图，定位其具体位置；另一方面，能根据目标框图，确定目标信息；进而根据目标位置和目标信息，确定实际喷码信息，完成喷码工序。总的来说，该喷码定位方法，是一种基于视觉的随动喷码方法，能够根据喷码现场的实际情况，定位实际喷码位置，不受限于待喷码工件的放置位置、摆放姿态、工件类型等，解决了人工和传统自动方法喷码低效率低、喷码类型单一、喷码尺寸固定等问题，提高了喷码效率和自动化程度，其普适性和泛化性更高。
附图说明
[0041]图1为本专利技术基于视觉的喷码定位方法的一个实施例的流程图；
[0042]图2为本专利技术喷码系统的示意图；
[0043]图3为本专利技术基于视觉的喷码定位方法的步骤S1的一个实施例的流程图；
[0044]图4为本专利技术基于视觉的喷码定位方法的步骤S2的一个实施例的流程图；
[0045]图5为本专利技术基于视觉的喷码定位方法的步骤S21的一个实施例的流程图；
[0046]图6为本专利技术基于视觉的喷码定位方法的神经网络模型的一个实施例的框图；
[0047]图7为本专利技术基于视觉的喷码定位方法的步骤S3的一个实施例的流程图；
[0048]图8为本专利技术基于视觉的喷码定位方法的步骤S3的另一个实施例的流程图；
[0049]图9为本专利技术基于视觉的喷码定位方法的步骤S4的一个实施例的流程图；
[0050]图10为本专利技术基于视觉的喷码定位方法的步骤S41的一个实施例的流程图；
[0051]图11为本专利技术基于视觉的喷码定位方法的步骤S5的一个实施例的流程图；
[0052]图12为本专利技术基于视觉的喷码定位方法的步骤S5的另一个实施例的流程图；
[0053]图13为本专利技术基于视觉的喷码定位装置的一个实施例的结构框图；
具体实施方式
[0054]如图1所示，本专利技术提供了一种基于视觉的喷码定位方法，包括：
[0055]S1：采集喷码现场实时图像；如图2所示，示例了一台喷码系统，包括：传送装置、桁架、喷码装置、图像采集装置和控制装置。具体的，传送装置可选但不仅限于包括驱动组件、传动组件和输送带，通过电机等驱动组件带动皮带轮等传动组件本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于视觉的喷码定位方法，其特征在于，包括：S1：采集喷码现场实时图像；S2：根据实时图像，采用神经网络算法，截取实时图像中的目标框图，以定位目标位置；S3：根据目标框图，确定目标信息；S4：根据目标位置和目标信息，确定实际喷码信息。2.根据权利要求1所述的喷码定位方法，其特征在于，步骤S2，包括：S21：获取训练样本集；S22：构建神经网络模型，并将训练样本集输入神经网络模型，得到训练后的神经网路模型；S23：将实时图像，输入训练后的神经网络模型，截取实时图像中的目标框图，以定位目标位置。3.根据权利要求2所述的喷码定位方法，其特征在于，步骤S21，包括：S211：获取喷码现场背景图像；S212：获取待喷码工件模板图像；S213：将模板图像根据不同摆放信息叠加到背景图像上，得到训练样本集。4.根据权利要求2所述的喷码定位方法，其特征在于，步骤S22中，神经网络模型，包括：输入模块、特征提取模块、特征融合模块和预测模块。5.根据权利要求1所述的喷码定位方法，其特征在于，步骤S3中，目标信息，包括目标种类；步骤S3，包括：S31：根据目标框图，提取待喷码工件的边缘特征；S32：根据待喷码工件的边缘特征，对待喷码工件的边缘点的梯度方向与模板工件的边缘点的梯度方向的余弦值进行相似性度量；S33：将待喷码工件匹配为相似性度量最大的边缘点所对应的模板工件，确定目标种类。6.根据权利要求5所述的喷码定位方法，其特征在于，步骤S3中，目标信息，还包括目标特征；步骤S3，还包括：S34：...
【专利技术属性】
技术研发人员：梁鸿，冀春锟，刘欢，
申请(专利权)人：湖南视比特机器人有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。