工件胶槽涂胶检测方法和系统技术方案

本发明专利技术公开了一种工件胶槽涂胶检测方法，该工件壳体的边缘具有胶槽，该胶槽在涂胶工艺后用于工件壳体的胶合，所述检测方法包括以下步骤：将激光线扫传感装置设置在机器人机械臂末端；驱动所述机器人机械臂沿着所述胶槽，通过激光线扫传感装置上的传感器对所述胶槽内的胶体进行扫描；根据获得的胶槽内胶体的形态数据判断涂胶是否合格。在获得胶体的形态数据后，利用轮廓检测算法获得形态轮廓数据，根据形态轮廓数据计算获得涂胶胶体的长度、宽度和截面积，根据这些数据判断胶体是否有缺陷。根据这些数据判断胶体是否有缺陷。

【技术实现步骤摘要】
工件胶槽涂胶检测方法和系统


[0001]本专利技术属于汽车零部件
，特别涉及一种车灯工件胶槽涂胶检测方法和系统。

技术介绍

[0002]汽车车灯后壳胶槽的胶体通常对工件起到密封作用，在涂胶过程中容易出少胶、缺胶、溢胶等问题，由于胶体在后壳胶槽凹槽内，凹槽的形状是曲线且凹槽开口方向不一致，给检测增加了难度。
[0003]现有的方案中，包括采用2D视觉进行检测方法。通过精细的打光，呈现出胶体缺陷，将涂胶正常和涂胶有缺陷的2维图像区分开，通过二维处理算法分析出缺陷位置。但是，采用2D视觉进行检测时，由于产品和胶体表面反光等影响，对光源打光的要求极高，易受环境影响造成误判。另外2D视觉无法获得高度信息，对于少量缺胶溢胶不易识别。
[0004]现有方案中，还包括采用双目视觉进行检测方法。通过分段拍摄，呈现涂胶部位的分段三维图像，在三维图像上进行胶体高度宽度的测量，判断胶体缺陷。但是，采用双目视觉分段测量胶体高度的方法，相机光源占用空间较大，对于狭窄拐角处存在空间干涉，无法进行测量；另外胶槽窄长，分段过大，检测精度不够，分段过小，效率太低。

技术实现思路

[0005]本专利技术实施例之一，一种车灯胶槽涂胶检测的方法，该工件壳体的边缘具有胶槽，该胶槽在涂胶工艺后用于工件壳体的胶合，所述检测方法包括以下步骤：
[0006]将激光线扫传感装置设置在机器人机械臂末端；
[0007]驱动所述机器人机械臂沿着所述胶槽，通过激光线扫传感装置上的传感器对所述胶槽内的胶体进行扫描；
[0008]根据获得的胶槽内胶体的形态数据判断涂胶是否合格。
[0009]优选的，在获得胶体的形态数据后，利用轮廓检测算法获得形态轮廓数据，根据形态轮廓数据计算获得涂胶胶体的长度、宽度和截面积，根据这些数据判断胶体是否有缺陷。
[0010]优选的，根据获得的形态轮廓数据生成胶体形态的深度图和亮度图，输入经过训练的基于深度学习的胶体缺陷判断模型，判断胶体的缺陷类型。
[0011]优选的，所述深度图是根据由形态轮廓数据生成的胶体形态的3D点云图生成的。
附图说明
[0012]通过参考附图阅读下文的详细描述，本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本专利技术的若干实施方式，其中：
[0013]图1根据本专利技术实施例之一的车灯后壳胶槽涂胶检测系统示意图。
[0014]图2根据本专利技术实施例之一的胶体合格状态示意图。
[0015]图3根据本专利技术实施例之一的胶体缺陷状态示意图。
[0016]图4根据本专利技术实施例之一的胶体缺陷状态示意图。
[0017]图5根据本专利技术实施例之一的胶体缺陷状态示意图。
[0018]图6根据本专利技术实施例之一的胶体形态计算示意图。
[0019]图7根据本专利技术实施例之一的胶体缺陷检测流程示意图。
[0020]1——胶槽，
[0021]2——机器人
[0022]3——激光线扫传感器
[0023]4——激光
具体实施方式
[0024]根据一个或者多个实施例，一种车灯胶槽涂胶检测的方法。如图1所示，将激光线扫传感器装置安装在一台机器人的机械臂第六轴末端，涂胶后的汽车后壳工件放置在固定夹具上，通过仿真和示教的方式得到机器人带动激光线扫装置扫描整个凹槽的路径和姿态。机器人机械臂沿着后壳胶槽边缘凹槽的路径进行运动，带动激光线扫传感器进行扫描，扫描姿态根据凹槽开口方向确定。
[0025]在扫描过程中，会实时生成凹槽以及胶体的形貌轮廓数据(含高度以及亮度值)。利用轮廓检测算法，对轮廓线进行处理，测量涂胶区域截面积，长度宽度等，判断涂胶缺陷。当扫描完成以后，轮廓数据组合成3D的点云图和2D的亮度图，利用深度学习算法网络对深度图像和亮度图进行推理，检测涂胶缺陷。经过多重算法的结合保证涂胶缺陷都能被识别出。
[0026]如图2至图6，是胶槽内胶体各种情况的轮廓示意图，在扫描过程中，传感器会不断采集到近似的轮廓线数据，并用算法实时进行胶体截面积，高度，宽度等数据的计算，初步判断是否有涂胶缺陷。图2表示了正常涂胶的高度，图3表示了溢胶的高度。图4表示了少胶的状态。图5表示了另一种少胶的状态。图6表示了另一种少胶的状态，说明了胶体截面积与胶体高度、胶体宽度的关系。
[0027]机器人对胶槽扫描结束以后，所有的轮廓数据积累形成3D点云图和亮度图，运用深度学习算法再次进行涂胶检测的判断，最后综合得到实际缺陷判定和位置。综合判定主要作用是通过比较深度学习检测到的缺陷位置和轮廓检测中检测到缺陷的位置差异，避免了轮廓检测中个别轮廓点丢失造成的误判，同时对于一些凹槽边缘变化较大，轮廓检测中无法捕捉凹槽边缘从而进行胶体测量的区域，运用深度学习完善这部分区域的检测。这个过程如图7所示。
[0028]本公开实施例中，采用内置图像算法模块和AI检测模块的激光线扫描传感装置，能够实现胶槽内涂胶形貌的扫描，生成亮度图、3D点云，并根据点云生成深度图。
[0029]采用视野大小仅覆盖胶槽区域的线扫装置，按胶槽路径逐行扫描胶槽，提高了检测精度，避免了胶槽路径形状对检测效率和精度的影响
[0030]采用轮廓分析方法，对实时采集的胶槽内涂胶表面形貌进行分析，计算采集轮廓的截面积，并与标准值对比。
[0031]激光线扫传感装置内置基于亮度图和深度图的缺陷检测深度学习模型。完成一次
全程采集后，对生成的灰度图和深度图进行数据推理，判断缺陷及位置。
[0032]由于单独基于灰度图的AI检测可能存在误检，对环境打光等要求较严格。而深度图具有目标物的高度信息，检测结果更准确。因此将二者结合，可有效简化现场打光调试，提高检测准确率。
[0033]相对于，现有的采用2D相机采集2D图像对比的方法，以及采用3D双目相机分段测量胶体高度的方法。本专利技术利用线激光3D传感器测量胶体宽度高度并结合深度学习识别缺陷的方法更加稳定可靠，精度更高。本专利技术的有益效果包括：
[0034]对车灯后壳进行凹槽类的涂胶检测，宽度方向视野仅覆盖凹槽，精度更高；
[0035]由于采用轮廓检测算法和深度学习算法综合判定，检测稳定性更高；
[0036]相比于2D机器视觉检测方法，省去了打光环节，更加便于方案的部署；
[0037]对于工件上的凹槽长度没有限制，拓展性更强；
[0038]当工件形状有变化时，仅需对机器人示教路径即可，切换自由度更高。
[0039]因此，本专利技术的技术方案，也适用于其他工件的细槽内涂胶类检测，或者工件槽内其他填充物的检测。
[0040]值得说明的是，虽然前述内容已经参考若干具体实施方式描述了本专利技术创造的精神和原理，但是应该理解，本专利技术并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合，这种划分仅是为了表述的方便。本专利技术旨在涵盖所附权利要求的精神和范围内所包括的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工件胶槽涂胶检测方法，该工件壳体的边缘具有胶槽，该胶槽在涂胶工艺后用于工件壳体的胶合，其特征在于，所述检测方法包括以下步骤：将激光线扫传感装置设置在机器人机械臂末端；驱动所述机器人机械臂沿着所述胶槽，通过激光线扫传感装置上的传感器对所述胶槽内的胶体进行扫描；根据获得的胶槽内胶体的形态数据判断涂胶是否合格。2.根据权利要求1所述的检测方法，其特征在于，在获得胶体的形态数据后，利用轮廓检测算法获得形态轮廓数据，根据形态轮廓数据计算获得涂胶胶体的长度、宽度和截面积，根据这些数据判断胶体是否有缺陷。3.根据权利要求2所述的检测方法，其特征在于，根据获得的形态轮廓数据生成胶体形态的深度图和亮度图，输入经过训练的基于深度学习的胶体缺陷判断模型，判断胶体的缺陷类型。4.根据权利要求3所述的检测方法，其特征在于，所述深度图是根据由形态轮廓数据生成的胶体形态的3D点云图生成的。5.根据权利要求1所述的检测方法，其特征在于，所述工件是车灯后壳。6.一种工件...

【专利技术属性】
技术研发人员：许永童，谢勇，谈兵兵，祁伟光，田敏，
申请(专利权)人：上海兰宝传感科技股份有限公司，
类型：发明
国别省市：