一种基于计算机视觉的冲切模具检测方法技术

本申请涉及图像处理领域，提供一种基于计算机视觉的冲切模具检测方法，包括：获取冲切模具的灰度图像；基于灰度图像增大粘模区域的区分度，弱化留白区域与粘模区域的边缘，以得到粘模图像；基于粘模图像对冲切模具的粘模程度进行检测。该方法对冲切模具粘模程度的检测更全面，检测结果更准确。检测结果更准确。检测结果更准确。

【技术实现步骤摘要】
一种基于计算机视觉的冲切模具检测方法


[0001]本申请涉及图像处理
，特别是涉及一种基于计算机视觉的冲切模具检测方法。

技术介绍

[0002]模具是现代工业发展的重要技术工艺设备，它的出现极大地改变了国家的机械制造水平，大大缩短了产品周期，提高了企业效益，模具已经广泛应用到各行各业中，各个工业部门越来越依赖模具的生产，模具在国内占据非常重要的地位，是提高我国工业发展的重要项目。
[0003]随着汽车轻量化理念的普及与发展，高强钢材料的应用越来越广泛，其冲压工艺以独特的优势逐渐成为一项关键技术，复杂截面高强钢零件如汽车前后防撞梁及门槛加强件在完成型面加工后常采用冲切的方式得到满足要求的零件尺寸及形状，实现批量化生产。由于材料强度的提高，在零件批量化切断的过程中，粘模属于非常常见的缺陷，严重影响了模具的使用寿命以及零件的使用性能。对冲切模具进行检测，可以预测其使用寿命，及时对模具进行更换、改进，提高生产效率。相较于模拟软件，计算机视觉检测具有准确性强、效率高以及能够实现实时检测的特点，因此，基于计算机视觉的冲切模具检测具有非常重要的现实意义。

技术实现思路

[0004]本专利技术提供一种基于计算机视觉的冲切模具检测方法，该方法对冲切模具粘模程度的检测更全面，检测结果更准确。
[0005]第一方面，本申请提供一种基于计算机视觉的冲切模具检测方法，包括：获取冲切模具的灰度图像；基于灰度图像增大粘模区域的区分度，弱化留白区域与粘模区域的边缘，以得到粘模图像；基于粘模图像和灰度图像对冲切模具的粘模程度进行检测。
[0006]在一可选实施例中，基于灰度图像增大粘模区域的区分度，弱化留白区域与粘模区域的边缘，以得到粘模图像，包括：计算灰度图像对应的粘模显著图像；基于粘模显著图像计算每一像素点邻域窗口内的邻域粗糙度；基于粘模显著图像中每一像素点的粘模显著度和像素点的邻域粗糙度计算像素点邻域粘结指数，从而增大粘模区域的区分度，弱化留白区域与粘模区域的边缘，以得到粘模图像。
[0007]在一可选实施例中，计算灰度图像对应的粘模显著图像，包括：利用灰度图像中每一像素点的灰度值计算每一像素点对应的粘模显著度；其中，像素点的灰度值越大，粘模显著度越小；
基于每一像素点对应的粘模显著度得到粘模显著图像。
[0008]在一可选实施例中，基于粘模显著图像计算每一像素点邻域窗口内的邻域粗糙度，包括：基于粘模显著图像中每一像素点的粘模显著度构建每个像素点的邻域窗口对应的共生矩阵；基于共生矩阵确定每一像素点邻域窗口内的邻域粗糙度。
[0009]在一可选实施例中，基于粘模图像和灰度图像对冲切模具的粘模程度进行检测，包括：对灰度图像进行边缘检测，得到多个粘模区域；计算每一粘模区域的边缘形状规则度和留白区域影响度；基于每一粘模区域的边缘形状规则度、留白区域影响度以及每一像素点邻域窗口内的邻域粗糙度确定冲切模具表面图像的粘模区域规则度、留白区域影响度以及模具粗糙度；基于冲切模具表面图像的粘模区域规则度、留白区域影响度以及模具粗糙度对冲切模具的粘模程度进行检测。
[0010]在一可选实施例中，计算每一粘模区域的边缘形状规则度和留白区域影响度，包括：基于粘模区域的面积、周长确定粘模区域的边缘形状规则度；以及基于粘模区域内部留白区域的面积、两个留白区域的距离以及各留白区域与所处粘模区域边缘的距离之和计算留白区域影响度。
[0011]在一可选实施例中，基于每一粘模区域的边缘形状规则度、留白区域影响度以及每一像素点邻域窗口内的邻域粗糙度确定冲切模具表面图像的粘模区域规则度、留白区域影响度以及模具粗糙度，包括：计算各个粘模区域的边缘形状规则度均值，得到冲切模具表面图像的粘模区域规则度；计算各粘模区域的留白区域影响度之和，得到冲切模具表面图像的留白区域影响度；计算各像素点的邻域粗糙度之和，得到模具粗糙度。
[0012]在一可选实施例中，基于冲切模具表面图像的粘模区域规则度、留白区域影响度以及模具粗糙度对冲切模具的粘模程度进行检测，包括：使用全连接神经网络对冲切模具表面图像的粘模区域规则度、留白区域影响度以及模具粗糙度进行处理，以得到冲切模具的粘模程度；其中，全连接神经网络包括粘模区域规则度输入神经元、留白区域影响度输入神经元以及模具粗糙度输入神经元；全连接神经网络的隐含层包括ReLU激活函数，输出层使用Softmax函数。
[0013]在一可选实施例中，获取冲切模具的灰度图像，包括：获取冲切模具的RGB图像；利用双边滤波方式对RGB图像进行去噪处理；将去噪处理后的图像转化为灰度图像，进而得到获取冲切模具的灰度图像。
[0014]在一可选实施例中，基于共生矩阵确定每一像素点邻域窗口内的邻域粗糙度，包括：
；式中，代表共生矩阵中从显著阶数为i的像素点出发，距离为，方位为的像素点显著阶数为j的概率，为所述共生矩阵的行数以及列数。
[0015]本申请的有益效果，区别于现有技术，本申请的基于计算机视觉的冲切模具检测方法，包括：获取冲切模具的灰度图像；基于灰度图像增大粘模区域的区分度，弱化留白区域与粘模区域的边缘，以得到粘模图像，使得粘模区域的边缘检测更加准确；基于粘模图像对冲切模具的粘模程度进行检测。该方法对冲切模具粘模程度的检测更全面，检测结果更准确。
附图说明
[0016]图1为本专利技术基于计算机视觉的冲切模具检测方法的一实施例的流程示意图；图2为图1中步骤S12的一实施例的流程示意图；图3为图1中步骤S13的一实施例的流程示意图。
具体实施方式
[0017]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0018]为了实现本
技术实现思路
，本专利技术设计了基于计算机视觉的冲切模具检测方法。首先用工业相机获取冲切模具图像，并使用双边滤波对图像进行预处理，去除图像中的部分噪声，然后根据粘模显著度和邻域粗糙度增大粘模区域的边缘区分度，同时弱化留白区域与粘结区域的边缘，得到粘模图像，再根据其闭合边缘计算形状规则度、以及留白区域影响度，最后使用全连接神经网络对冲切模具的粘模程度进行检测。下面结合附图和实施例对本申请进行详细的说明。
[0019]请参见图1，图1为本专利技术基于计算机视觉的冲切模具检测方法的一实施例的流程示意图，具体包括：步骤S11：获取冲切模具的灰度图像。
[0020]使用工业相机采集冲切模具表面图像，并对采集到的图像进行预处理。具体的，获取冲切模具的RGB图像；利用双边滤波方式对RGB图像进行去噪处理；将去噪处理后的图像转化为灰度图像，进而得到获取冲切模具的灰度图像。
[0021]本专利技术需要对冲切模具的粘模程度进行检测，工业相机具有高分辨率的特点，可以捕捉到冲切模具表面的粘模区域及其纹理特征，先使用工业相机获取高精度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的冲切模具检测方法，其特征在于，包括：获取冲切模具的灰度图像；基于所述灰度图像增大粘模区域的区分度，弱化留白区域与粘模区域的边缘，以得到粘模图像；基于所述粘模图像和所述灰度图像对所述冲切模具的粘模程度进行检测；基于所述灰度图像增大粘模区域的区分度，弱化留白区域与粘模区域的边缘，以得到粘模图像，包括：计算所述灰度图像对应的粘模显著图像；基于所述粘模显著图像计算每一像素点邻域窗口内的邻域粗糙度；基于所述粘模显著图像中每一像素点的粘模显著度和像素点的所述邻域粗糙度计算像素点邻域粘结指数，从而增大粘模区域的区分度，弱化留白区域与粘模区域的边缘，以得到所述粘模图像；基于所述粘模图像和所述灰度图像对所述冲切模具的粘模程度进行检测，包括：对所述灰度图像进行边缘检测，得到多个粘模区域；计算每一粘模区域的边缘形状规则度和留白区域影响度；基于每一粘模区域的所述边缘形状规则度、所述留白区域影响度以及每一像素点邻域窗口内的邻域粗糙度确定冲切模具表面图像的粘模区域规则度、留白区域影响度以及模具粗糙度；基于冲切模具表面图像的粘模区域规则度、留白区域影响度以及模具粗糙度对所述冲切模具的粘模程度进行检测。2.根据权利要求1所述的基于计算机视觉的冲切模具检测方法，其特征在于，计算所述灰度图像对应的粘模显著图像，包括：利用灰度图像中每一像素点的灰度值计算每一像素点对应的粘模显著度；其中，像素点的灰度值越大，粘模显著度越小；基于每一像素点对应的粘模显著度得到粘模显著图像。3.根据权利要求1所述的基于计算机视觉的冲切模具检测方法，其特征在于，基于所述粘模显著图像计算每一像素点邻域窗口内的邻域粗糙度，包括：基于粘模显著图像中每一像素点的粘模显著度构建每个像素点的邻域窗口对应的共生矩阵；基于所述共生矩阵确定每一像素点邻域窗口内的邻域粗糙度。4.根据权利要求1所述的基于计算机视觉的冲切模具检测方法，其特征在于，计算每一粘模区域的...

【专利技术属性】
技术研发人员：刘中生，王劲军，
申请(专利权)人：东莞市京品精密模具有限公司，
类型：发明
国别省市：