触点零件形貌机器视觉自动检测系统技术方案

一种自动化检测技术领域的触点零件形貌机器视觉自动检测系统，数据处理与控制模块、零件传输及翻转模块、图像采集模块以及零件筛选模块，其中：数据处理与控制模块的输出端与图像采集模块相连接以传输采集指令，图像采集模块的输出端连接至数据处理与控制模块以传输被测零件图像，数据处理与控制模块的输出端连接至零件筛选模块以传输判定信号，从而实现对待测零件的检测及翻转。本发明专利技术与传统的触点类零件人工检测方法相比，大大提高了生产效率以及检测的准确性和有效性。

【技术实现步骤摘要】

本专利技术涉及的是一种自动化检测
的系统，具体是一种触点零件形貌 机器视觉自动检测系统。
技术介绍
金属触点是继电器的主要部件之一，它关系到继电器的可靠性和使用寿命， 因此在生产过程中需要对其逐一进行严格的质量检测，其中外观形貌检测是最重 要的一个检测内容。由于触点的形状一般不规则，且型式、尺寸多样，很难实现 自动检测，目前企业在生产过程中大多是通过人的目测进行检验，主要缺点有 l.检测速度慢，生产效率低；2.检测主观性大，没有严格统一的质量标准；劳动 强度大造成的身体不适，视觉疲劳等原因容易造成大量的漏检误检。触点类零件作为产量规模巨大的工业主要零件之一，检测需求量也很大。因 此，寻找有效的在线自动检测方法，对金属触点零件生产进行在线检测，可以大 大提高生产效率和检测可靠性，提高产品合格率。计算机视觉检测可以利用计算机代替人眼来进行测量和判断，实现对人类视 觉功能的扩展，它集测量技术和图像传感、处理技术于一体。目前，计算机视觉 检测已在医学、工业、农业和军事等许多领域得到广泛应用，取得了巨大的经济 和社会效益。特别是在工业生产中，用计算机视觉代替人的视觉进行质量检测有 不言而喻的优越性，尤其在需要重复、单调的依靠视觉获取信息的场合，如大批 量的产品质量检验、分级，能够达到快速、准确、无损等人工无法比拟的效果， 提高检测效率和自动化水平。计算机检测系统在工业检测中常见的应用有光学 字符检测/识别(0CV/0CP)、几何尺寸检测、表面质量检测、玻璃制品质量检测。 在进一步的检索中，尚未发现任何关于触点类元件在线自动检测系统专利的报 道。而经过对现有技术的文件检索发现，中国为"流水式机器视觉检测 仪"，技术专利号为ZL200620014167.0的，该专利中提出一种流水式机器视 觉检测仪，可用于批量产品的外观和外形检测。但针对于触点零件的检测，其不足在于单条流水线的设计结构不能满足一次性对零件进行双面检测的要求；所 采用的快速正规化相关匹配算法只能判断零件的判定状况，而不能对零件缺陷特 征进行进一步的分类，不利于后续的生产分析；按其结构，没有有效的自动筛选 装置。
技术实现思路
本专利技术针对现有技术存在的上述不足，提供一种触点零件形貌机器视觉自动 检测系统，取代了现有的触点类零件人工检测的模式，并将特征提取选择单元和 基于支持向量机的模式识别方法与系统硬件结合。与现有的触点类零件检测方法 相比，大大提高检测的效率和准确性，实现生产过程检测的自动化和智能化；与 现有的其它流水线批量检测技术相比，能实现一次流程完成零件的双面检测，且 能对零件缺陷进行分类，有利于后续的产品生产分析。本专利技术是通过以下技术方案实现的，本专利技术包括数据处理与控制模块、零 件传输及翻转模块、图像采集模块以及零件筛选模块，其中数据处理与控制模 块的输出端与图像采集模块相连接以传输采集指令，图像采集模块的输出端连接 至数据处理与控制模块以传输被测零件图像，数据处理与控制模块的输出端连接 至零件筛选模块以传输判定信号，从而实现对待测零件的检测及翻转。所述的数据处理与控制模块包括图像预处理单元、特征提取选择单元和分 类识别单元，其中图像预处理单元分别与两个图像采集模块的输出端相连接接 收被测零件图像并输出去噪分割图像，特征提取选择单元与图像预处理单元的输 出端相连接接收去噪分割图像并输出判据特征矢量，分类识别单元分别连接图像 预处理单元和零件筛选模块，接收判据特征矢量并输出判定信号。所述的特征提取选择单元包括特征提取组件和特征选择组件，其中特征 提取组件的输入端与图像预处理单元的输出端相连接以接收去噪分割图像，特征 提取组件的输出端与特征选择组件连接以输出零件特征，特征选择组件的输出端 与分类识别单元相连接以输出判据特征矢量。所述的特征提取组件将输入的待测零件图像通过特征提取算法生成零件特 征输出至特征选择组件；所述的零件特征包括零件的几何特征、结构特征和纹理特征；所述的特征选择组件将零件特征经过特征选择算法生成判据特征矢量输出 至分类识别单元；所述的特征选择算法采用信息论方法选择原始判据特征矢量，经过相应线性 变换后，从原始特征集中保留信息内容大，对分类贡献较大的特征，构造出能表 达样本零件或被测零件全部或主要信息的特征集，删除一些对分类贡献较小的特征，进一步压縮特征空间的维数。所述的分类识别单元采用基于支持向量机的模式识别法来设计分类器，该分类识别单元的输入为经过特征选择组件后所构造的判据特征矢量；输出为待测零件缺陷判定的结果；所述的零件传输及翻转模块包括两个相同结构的零件传送带、步进电机及 驱动器和传送板，其中第一零件传送带和第二零件传送带分别上下平行设置并 部分重叠，步进电机及驱动器的输入端连接数据处理与控制模块的输出端，第一 零件传送带和第二零件传送带上均分别设有一个图像采集模块和一个零件筛选 模块以实现对待测零件的正面和反面的检测运输，传送板位于第一零件传送带的 末端与第二零件传送带的首端之间；第一零件传送带及第二零件传送带上依次分 布检测区域、筛选区域、通过区域；所述的图像采集模块包括光源、CCD摄像头、感应触发器和图像数据采集 卡，其中光源、CCD摄像头安装于检测区域的上方，感应触发器安装在检测区 域下方，图像数据采集卡的输入端与CCD摄像头连接，图像数据采集卡的输出端 与数据处理与控制模块连接。所述的光源实现对被测零件的照明，满足系统对图像采集质量的保证；所述的CCD摄像头实现对被测零件的图像摄取；所述的图像数据采集卡实现对零件的图像采集及数字化，并经过数字化后送 入数据处理与控制模块，由其进行图像预处理、特征提取和模式识别。所述的零件筛选模块包括筛选器、感应触发器，该筛选器分别安装在第一 零件传送带、第二零件传送带距离检测区域后一定距离的筛选区域上方，感应触 发器位于筛选器的内侧顶部。两个筛选器的输入端分别与数据处理与控制模块相 连接以接收分类信号，并实现对零件的缺陷筛选，进而对缺陷进行分类。本专利技术所述的触点零件形貌机器视觉自动检测系统，工作时分为在线自学习 和在线检测两种工作模式；检测前，由在线自学习模式对样本零件进行学习训练； 检测时，由在线检测模式对待测零件进行在线检测，得出结果。本专利技术采用特殊的运输及翻转机构，一次检测流程中完成触点类零件的翻转和双面检测；同时设计对多类缺陷进行识别的筛选器，能针对多类缺陷进行有效 的分类和识别。针对各种触点类零件形状及外貌多样化的特点，对零件外貌特征 进行自学习和智能特征提取。解决了现有的零件自动检测设备针对性强，检测对 象单一的缺点。并且，针对零件缺陷多类别的特点，采用基于支持向量机的的模式识别方法，通过支持向量机的多级二叉树结构实现零件缺陷的多类别分类，并 建立缺陷数据库，以进一步改进生产工艺。本专利技术与传统的触点类零件人工检测 方法相比，大大提高了生产效率以及检测的准确性和有效性。 附图说明图l为实施例功能模块图2为本专利技术图像采集模块结构示意图3为本专利技术零件筛选模块结构示意图4为零件传输及翻转模块结构示意图5为实施例工作流程图6为多类别分类的SVM多级二叉树结构。具体实施例方式下面对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下 进行实施，给出了详本文档来自技高网...

【技术保护点】
一种触点零件形貌机器视觉自动检测系统，其特征在于，包括：数据处理与控制模块、零件传输及翻转模块、图像采集模块以及零件筛选模块，其中：数据处理与控制模块的输出端与图像采集模块相连接以传输采集指令，图像采集模块的输出端连接至数据处理与控制模块以传输被测零件图像，数据处理与控制模块的输出端连接至零件筛选模块以传输判定信号，从而实现对待测零件的检测及翻转。

【技术特征摘要】

【专利技术属性】
技术研发人员：阮晓虹，吉小军，戴舒文，宫延伟，黄峰一，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]