基于物联网的压铸件去毛刺后的检测系统及方法技术方案

本发明专利技术公开了基于物联网的压铸件去毛刺后的检测系统及方法，涉及去毛刺设备精度检测技术领域，包括步骤S100：获取每一待处理压铸件在不同切面上的二维图像；对待处理压铸件进行毛刺识别；对待处理压铸件各切面进行图像分割处理；步骤S200：分别对若干切面子图像进行毛刺去除前的毛刺分布特征分析，对各切面子图像进行各项毛刺分布特征值的计算；计算各切面子图像的综合毛刺分布指数；步骤S300：对目标去毛刺设备在对各待处理压铸件各切面进行毛刺去除时的难度指数进行评估；步骤S400：对目标去毛刺设备上每一次毛刺去除记录进行工作精度变化检测；步骤S500：对目标去毛刺设备的毛刺去除精度整体变化趋势进行预测。毛刺去除精度整体变化趋势进行预测。毛刺去除精度整体变化趋势进行预测。

【技术实现步骤摘要】
基于物联网的压铸件去毛刺后的检测系统及方法


[0001]本专利技术涉及去毛刺设备精度检测
，具体为基于物联网的压铸件去毛刺后的检测系统及方法。

技术介绍

[0002]压铸件是一种使用装好铸件模具的压力铸造机械压铸机，将加热为液态的铜、锌、铝或铝合金等金属浇入压铸机的入料口，进行铸造出模具限制的形状和尺寸的铜、锌、铝零件或铝合金的零件；但在因为压力冲击和锁模力不够等要素，对压铸件造成毛刺是不可避免的；利用去毛刺设备对压铸件进行毛刺去除是必不可少的一道工序。
[0003]使用去毛刺设备长期对压铸件进行毛刺去除的过程中，多少会出现一些轻微或者严重的设备故障问题，而若是去毛刺设备出现机械故障，起到的去毛刺效果或者去毛刺精度也会有所下降，带来次数不断增多的返工，降低加工效率。

技术实现思路

[0004]本专利技术的目的在于提供基于物联网的压铸件去毛刺后的检测系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：基于物联网的压铸件去毛刺后的检测方法，检测方法包括：步骤S100：采用工业相机对每一待处理压铸件进行扫描，得到每一待处理压铸件在不同切面上的二维图像；对待处理压铸件进行毛刺识别，将识别出的毛刺在二维图像上进行标记；基于目标去毛刺设备上毛刺处理工件与待处理压铸件各切面之间，在进行毛刺去除时的面积接触关系，对待处理压铸件各切面进行图像分割处理，得到若干切面子图像；步骤S200：分别对若干切面子图像进行毛刺去除前的毛刺分布特征分析，对各切面子图像进行各项毛刺分布特征值的计算；基于各切面子图像的各项毛刺分布特征值，计算各切面子图像的综合毛刺分布指数；步骤S300：基于各切面子图像的综合毛刺分布指数，对目标去毛刺设备在对各待处理压铸件各切面进行毛刺去除时的难度指数进行评估，一个切面对应一个毛刺去除难度指数；分别将目标去毛刺设备在对各待处理压铸件进行毛刺去除前评估得到的所有数据进行存储；步骤S400：实时对目标去毛刺设备的毛刺去除情况进行数据分析，对目标去毛刺设备上每一次毛刺去除记录进行工作精度变化检测；步骤S500：基于目标去毛刺设备上所有毛刺去除记录对应的工作精度变化检测值，对目标去毛刺设备的毛刺去除精度整体变化趋势进行预测；当目标去毛刺设备的毛刺去除精度整体变化趋势为下降，提示管理人员对目标去毛刺设备进行机器检修。
[0006]进一步的，步骤S100包括：步骤S101：分别捕捉目标去毛刺设备操控去毛刺处理工件沿着待处理压铸件各切
面进行移动毛刺去除时，与待处理压铸件各切面之间的最小单位移动接触面积；分别将各切面与去毛刺处理工件之间的最小单位移动接触面积，设为对各切面二维图像进行图像分割的最小分割面积；步骤S102：分别将各切面二维图像基于对应的最小分割面积进行图像分割，得到各切面二维图像对应的若干切面子图像，分别将各切面二维图像对应的若干切面子图像进行汇集并顺序编号，得到对应各切面二维图像的切面子图像集合；待处理压铸件的一个切面对应一个切面二维图像；一个切面二维图像对应一个最小分割面积；一个切面二维图像基于一个最小分割面积，对应得到一个切面子图像集合；上述基于最小单位移动接触面积作为最小分割面积进行图像分割是因为，去毛刺设备在操控去毛刺组件对压铸件进行毛刺去除的时候，由于去毛刺组件是基于与压铸件切面进行相切，从而达到对压铸件切面上的毛刺去除的效果，而因为压铸件形状大小的不同，各切面的面积也是不同的，去毛刺组件与压铸件各切面进行相切运动的时候，一次旋转移动能清理掉的毛刺面积也是不同的，将各切面二维图像基于最小分割单位面积进行图像分割，可为后续对各切面计算毛刺去除难度指数进行技术铺垫。
[0007]进一步的，步骤S200包括：步骤S201：分别在所有切面子图像中，对各个标记毛刺进行图像提取，得到对应各切面子图像的毛刺图像集合；分别获取在各毛刺图像集合中各毛刺的尺寸数据；尺寸数据包括长度、横截面面积、最大厚度；步骤S202：对各切面子图像计算第一毛刺分布特征值：；其中，表示在第i个切面子图像中毛刺的总个数；表示在第i个切面子图像中第j个毛刺的长度；对各切面子图像计算第二毛刺分布特征值：；其中，表示在第i个切面子图像中第j个毛刺的最大厚度；对各切面子图像计算第三毛刺分布特征值：；其中，表示在第i个切面子图像中第j个毛刺的横截面面积；表示第i个切面子图像对应的切面子图像面积；步骤S203：计算各切面子图像的综合毛刺分布指数；去毛刺设备上的去毛刺组件在沿着压铸件表面进行毛刺清除的时候，每与压铸件各切面产生一次面积相切，意味着去毛刺组件对压铸件完成一部分区域的毛刺去除；而这一部分区域的面积就是各切面子图像的面积；对各切面子图像计算综合毛刺分布指数，可以实现最终对各切面的毛刺去除难度进行评估。
[0008]进一步的，步骤S300包括：步骤S301：设置毛刺分布指数阈值，分别在各切面对应的各切面子图像集合内进行综合毛刺分布指数遍历，设综合毛刺分布指数大于毛刺分布指数阈值的切面子图像为目
标切面子图像；分别在各切面子图像集合内筛选出目标子图像；分别对各目标切面子图像提取在对应切面子图像集合中的切面编号；步骤S302：记待处理压铸件各切面对应的毛刺去除难度系数值k的初始值为0；在一个切面中，每存在两个目标切面子图像之间的切面编号为连续切面编号时，将该切面对应的毛刺去除难度系数值k加一；先筛选出来的目标子图像，是表示在这些图像代表的区域面积内，毛刺分布指数是较大的，也意味着去毛刺设备在这些区域进行毛刺去除的时候，出现对毛刺清除不干净的可能性也是更高的，而若是在一个切面上，同时有多个毛刺分布指数都属于较大的区域面积，在去除顺序排布上连续分布的，那么也意味着去毛刺设备在对该切面进行毛刺去除时，难度更高，更容易出现毛刺残留，且对去毛刺设备的机器精度要求更高；步骤S303：获取目标去毛刺设备对每一待处理压铸件生成的去毛刺路径，将去毛刺路径基于与待处理压铸件上各切面的对应关系进行路段划分，得到目标去毛刺设备对待处理压铸件各切面进行毛刺去除时的路径路段信息，从各切面对应的路径路段信息中提取设备运行时间t；步骤S304：计算各切面的毛刺去除难度指数：；其中，表示在待处理压铸件中第x个切面的毛刺去除难度指数；表示目标去毛刺设备在待处理压铸件第x个切面上进行毛刺去除花费的设备运行时间；表示待处理压铸件中第x个切面对应的毛刺去除难度系数值；表示在待处理压铸件第x个切面中，第f个切面子图像对应的综合毛刺分布指数；表示在待处理压铸件第x个切面中，切面子图像的总数。
[0009]进一步的，步骤S400包括：步骤S401：获取待处理压铸件的毛刺检测标准参数；基于毛刺检测标准参数对经目标去毛刺设备进行毛刺处理后的各待处理压铸件，以切面为单位，识别检测出不合格毛刺；步骤S402：计算目标去毛刺设备对各待处理压铸件各切面的毛刺去除不合格率：；其中，h表示在各切面上检测出的所有不合格毛刺所属的切面子图像总个数；M表示在各切面对应的切面子图像集合内的切面子图像总数；步骤S403：记目标去毛刺设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物联网的压铸件去毛刺后的检测方法，其特征在于，所述检测方法包括：步骤S100：采用工业相机对每一待处理压铸件进行扫描，得到所述每一待处理压铸件在不同切面上的二维图像；对所述待处理压铸件进行毛刺识别，将识别出的毛刺在所述二维图像上进行标记；基于目标去毛刺设备上毛刺处理工件与待处理压铸件各切面之间，在进行毛刺去除时的面积接触关系，对待处理压铸件各切面进行图像分割处理，得到若干切面子图像；步骤S200：分别对所述若干切面子图像进行毛刺去除前的毛刺分布特征分析，对各切面子图像进行各项毛刺分布特征值的计算；基于各切面子图像的各项毛刺分布特征值，计算各切面子图像的综合毛刺分布指数；步骤S300：基于各切面子图像的综合毛刺分布指数，对目标去毛刺设备在对各待处理压铸件各切面进行毛刺去除时的难度指数进行评估，一个切面对应一个毛刺去除难度指数；分别将目标去毛刺设备在对各待处理压铸件进行毛刺去除前评估得到的所有数据进行存储；步骤S400：实时对目标去毛刺设备的毛刺去除情况进行数据分析，对所述目标去毛刺设备上每一次毛刺去除记录进行工作精度变化检测；步骤S500：基于所述目标去毛刺设备上所有毛刺去除记录对应的工作精度变化检测值，对所述目标去毛刺设备的毛刺去除精度整体变化趋势进行预测；当所述目标去毛刺设备的毛刺去除精度整体变化趋势为下降，提示管理人员对所述目标去毛刺设备进行机器检修。2.根据权利要求1所述的基于物联网的压铸件去毛刺后的检测方法，其特征在于，所述步骤S100包括：步骤S101：分别捕捉目标去毛刺设备操控去毛刺处理工件沿着待处理压铸件各切面进行移动毛刺去除时，与所述待处理压铸件各切面之间的最小单位移动接触面积；分别将各切面与去毛刺处理工件之间的最小单位移动接触面积，设为对各切面二维图像进行图像分割的最小分割面积；步骤S102：分别将各切面二维图像基于对应的所述最小分割面积进行图像分割，得到各切面二维图像对应的若干切面子图像，分别将所述各切面二维图像对应的若干切面子图像进行汇集并顺序编号，得到对应各切面二维图像的切面子图像集合；待处理压铸件的一个切面对应一个切面二维图像；一个切面二维图像对应一个最小分割面积；一个切面二维图像基于一个最小分割面积，对应得到一个切面子图像集合。3.根据权利要求2所述的基于物联网的压铸件去毛刺后的检测方法，其特征在于，所述步骤S200包括：步骤S201：分别在所有切面子图像中，对各个标记毛刺进行图像提取，得到对应各切面子图像的毛刺图像集合；分别获取在各毛刺图像集合中各毛刺的尺寸数据；所述尺寸数据包括长度、横截面面积、最大厚度；步骤S202：对各切面子图像计算第一毛刺分布特征值：；其中，表示在第i
个切面子图像中毛刺的总个数；表示在第i个切面子图像中第j个毛刺的长度；对各切面子图像计算第二毛刺分布特征值：；其中，表示在第i个切面子图像中第j个毛刺的最大厚度；对各切面子图像计算第三毛刺分布特征值：；其中，表示在第i个切面子图像中第j个毛刺的横截面面积；表示第i个切面子图像对应的切面子图像面积；步骤S203：计算各切面子图像的综合毛刺分布指数。4.根据权利要求3所述的基于物联网的压铸件去毛刺后的检测方法，其特征在于，所述步骤S300包括：步骤S301：设置毛刺分布指数阈值，分别在各切面对应的各切面子图像集合内进行综合毛刺分布指数遍历，设综合毛刺分布指数大于所述毛刺分布指数阈值的切面子图像为目标切面子图像；分别在各切面子图像集合内筛选出目标子图像；分别对各目标切面子图像提取在对应所述切面子图像集合中的切面编号；步骤S302：记所述待处理压铸件各切面对应的毛刺去除难度系数值k的初始值为0；在一个切面中，每存在两个目标切面子图像之间的切面编号为连续切面编号时，将该切面对应的毛刺去除难度系数值k加一；步骤S303：获取目标去毛刺设备对所述每一待处理压铸件生成的去毛刺路径，将所述去毛刺路径基于与待处理压铸件上各切面的对应关系进行路段划分，得到目标去毛刺设备对所述待处理压铸件各切面进行毛刺去除时的路径路段信息，从各切面对应的路径路段信息中提取设备运行时间t；步骤S304：计算各切面的毛刺去除难度指数：；其中，表示在待处理压铸件中第x个切面的毛刺去除难度指数；表示目标去毛刺设备在待处理压铸件第x个切面上进行毛刺去除花费的设备运行时间；表示待处理压铸件中第x个切面对应的毛刺去除难度系数值；表示在待处理压铸件第x个切面中，第f个切面子图像对应的综合毛刺分布指数；表示在待处理压铸件第x个切面中，切面子图像的总数。5.根据权利要求1所述的基于物联网的压铸件去毛刺后的检测方法，其特征在...

【专利技术属性】
技术研发人员：章明，夏志杰，徐林森，于海龙，周嘉龙，
申请(专利权)人：江苏中科云控智能工业装备有限公司，
类型：发明
国别省市：