一种基于机器视觉的精密冲压模具表面状态识别方法技术

本发明专利技术公开了一种基于机器视觉的精密冲压模具表面状态识别方法，涉及图像识别技术领域。一种基于机器视觉的精密冲压模具表面状态识别方法，包括采集冲压前的模具上下表面图片并建立标准数据集，设置感兴趣区域，实时采集冲压过程中的模具上下表面图片，并匹配感兴趣区域，生成实时比对图片数据，对比实时比对图片数据与标准数据集图片数据并生成对比值，设定阈值，设定后实时判断对比值与设定阈值差别，判断冲压模具表面状态，更新标准数据集。本发明专利技术降低了冲压加工对人工的依赖，工作人员劳动强度降低，能够在模具压到材料前对模具表面状态进行判断，不易出现模具损坏的情况且提升了模具表面状态判断的速度和准确性。了模具表面状态判断的速度和准确性。了模具表面状态判断的速度和准确性。

【技术实现步骤摘要】
一种基于机器视觉的精密冲压模具表面状态识别方法


[0001]本专利技术涉及图像识别
，具体为一种基于机器视觉的精密冲压模具表面状态识别方法。

技术介绍

[0002]具有自由不规则轮廓的高性能精密冲压件已经成为工业领域不可缺少的核心零件之一，在精密冲压加工时，由于模具表面摩擦和润滑油等原因，可能导致零件或废料残留在模具下表面，会导致下次冲压金属原料时应力集中，造成模具损坏，严重影响加工效率和产品质量。
[0003]目前主要通过人工检测和传感器检测两种方式避免模具表面存在异物残留，人工检测是在加工送料时通过人眼对加工区状态进行分析判别，并手动对残料进行去除，传感器检测主要是通过测量油缸压力变化和精冲滑块位移，从而判断冲压状态。
[0004]但是人工检测的方式使得工作人员的劳动强度增大，且判断速度和准确性较低，传感器检测有时会出现反应滞后现象且不能在模具压到材料前进行判断，容易出现模具损坏的情况。

技术实现思路

[0005]本专利技术的目的在于提供一种基于机器视觉的精密冲压模具表面状态识别方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于机器视觉的精密冲压模具表面状态识别方法，包括如下步骤：
[0007]步骤1，采集冲压前的模具上下表面图片并建立标准数据集；
[0008]步骤2，设置感兴趣区域；
[0009]步骤3，实时采集冲压过程中的模具上下表面图片，并匹配感兴趣区域，生成实时比对图片数据；
>[0010]步骤4，对比实时比对图片数据与标准数据集图片数据并生成对比值；
[0011]步骤5，设定阈值，设定后实时判断对比值与设定阈值差别，判断冲压模具表面状态；
[0012]步骤6，更新标准数据集。
[0013]优选的，所述步骤1和步骤3均采用工业相机采集包含模具上下表面的图像。
[0014]优选的，所述步骤2还包括人工排除背景干扰。
[0015]优选的，所述步骤3根据感兴趣区域范围进行扩大选取为实时比对图片数据。
[0016]优选的，所述步骤4的具体过程为：
[0017]步骤4.1，采用OpenCV中的pyrDown()函数对采集到的图片和模板进行压缩，压缩层数根据采集图像像素能够进行调整；
[0018]步骤4.2，计算压缩后的实时比对图片数据范围内能包含感兴趣区域大小的各点
与压缩后标准数据集图片的归一化互相关匹配系数，并记录最大值产生的位置；
[0019]归一化互相关匹配系数
[0020][0021]标准数据集图片为g,大小为m
×
n,实时比对图片图像为S，大小为M
×
N,标准数据集图片尺寸小于实时比对图片图像，用S
x,y
表示S中以(x,y)为左上角点与g大小相同的子块；
[0022]根据该最大值产生的位置，在该位置附近计算未压缩的实时比对图片与未压缩的标准数据集图片的归一化互相关匹配系数，并记录最大值为当前归一化互相关匹配对比值；
[0023]步骤4.3，计算压缩后的实时比对图片数据范围内能包含感兴趣区域大小的各点与压缩后标准数据集图片的结构相似性系数，并记录最大值产生的位置；
[0024]结构相似性系数
[0025]SSIM(x，y)＝[l(x，y)]α
[c(x，y)]β
[s(x，y)]γ
[0026][0027][0028][0029]l(x,y)为亮度对比函数,c(x,y)为对比度对比函数,s(x,y)为结构对比函数；α、β、γ>0，用于调整这三个模块的重要性；
[0030]C1＝(k1L)2、C2＝(k2L)2、C3＝(k3L)2是为了维持算法稳定的系数，L是像素值的动态范围；
[0031]根据该最大值产生的位置，在该位置附近计算未压缩的实时比对图片与未压缩的标准数据集图片的结构相似性系数，并记录最大值为结构相似性匹配对比值。
[0032]优选的，所述步骤5的具体过程为：在模具上放置常见的最小尺寸异物，记录放置异物后的归一化互相关匹配对比值和结构相似性匹配对比值，根据对比值设定阈值；
[0033]设定后实时判断对比值与设定阈值差别，当对比值超出设定阈值时，判定冲压模具表面存在异物。
[0034]优选的，所述步骤6的具体过程为：设定数据集更新频次，当冲压次数达到设定次数或设定时间后，将实时采集的判断为冲压模具表面无异物的冲压前模具图片加入标准数据集，更新标准数据集进行，当更新标准数据集超出数据集设定数量后，删去当前数据集中最早的图片数据；
[0035]在实际加工时，根据系统判断冲压前的模具表面状态决定是否继续冲压。
[0036]与现有技术相比，本专利技术的有益效果是：
[0037]该基于机器视觉的精密冲压模具表面状态识别方法，解决了需要人工看护模具的问题，降低了冲压加工对人工的依赖，工作人员劳动强度降低，能够在模具压到材料前对模具表面状态进行判断，不易出现模具损坏的情况且提升了模具表面状态判断的速度和准确性。
附图说明
[0038]图1为结构模具上下表面的标准数据集示意图；
[0039]图2为设置感兴趣区域后的实时比对图片数据示意图，
[0040]图3为设置感兴趣区域后且模具下表面存在异物的实时比对图片数据；
[0041]图4为本专利技术基于机器视觉的精密冲压模具表面状态识别方法的流程图。
具体实施方式
[0042]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0043]需要说明的是，在本专利技术的描述中，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，并不是指示或暗示所指的装置或元件所必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0044]此外，应当理解，为了便于描述，附图中所示出的各个部件的尺寸并不按照实际的比例关系绘制，例如某些层的厚度或宽度可以相对于其他层有所夸大。
[0045]应注意的是，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义或说明，则在随后的附图的说明中将不需要再对其进行进一步的具体讨论和描述。
[0046]如图4所示，本专利技术提供一种技术方案：一种基于机器视觉的精密冲压模具表面状态识别方法，包括如下步骤：
[0047]步骤1，采集冲压前的模具上下表面图片并建立标准数据集，如图1所示，具体过程为：
[0048]采用工业相机采集包含本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的精密冲压模具表面状态识别方法，其特征在于：包括如下步骤：步骤1，采集冲压前的模具上下表面图片并建立标准数据集；步骤2，设置感兴趣区域；步骤3，实时采集冲压过程中的模具上下表面图片，并匹配感兴趣区域，生成实时比对图片数据；步骤4，对比实时比对图片数据与标准数据集图片数据并生成对比值；步骤5，设定阈值，设定后实时判断对比值与设定阈值差别，判断冲压模具表面状态；步骤6，更新标准数据集。2.根据权利要求1所述的一种基于机器视觉的精密冲压模具表面状态识别方法，其特征在于：所述步骤1和所述步骤3均采用工业相机采集包含模具上下表面的图像。3.根据权利要求1所述的一种基于机器视觉的精密冲压模具表面状态识别方法，其特征在于：所述步骤2还包括人工排除背景干扰。4.根据权利要求1所述的一种基于机器视觉的精密冲压模具表面状态识别方法，其特征在于：所述步骤3根据感兴趣区域范围进行扩大选取为实时比对图片数据。5.根据权利要求1所述的一种基于机器视觉的精密冲压模具表面状态识别方法，其特征在于：所述步骤4的具体过程为：步骤4.1，采用OpenCV中的pyrDown()函数对采集到的图片和模板进行压缩，压缩层数根据采集图像像素能够进行调整；步骤4.2，计算压缩后的实时比对图片数据范围内能包含感兴趣区域大小的各点与压缩后标准数据集图片的归一化互相关匹配系数，并记录最大值产生的位置；归一化互相关匹配系数标准数据集图片为g,大小为m
×
n,实时比对图片图像为S，大小为M
×
N,标准数据集图片尺寸小于实时比对图片图像，用S
x,y
表示S中以(x,y)为左上角点与g大小相同的子块；根据该最大值产生的位置，在该位置附近计算未压缩的...

【专利技术属性】
技术研发人员：杨泽亚，张昊武，杜贵江，彭群，罗梓焱，高军，葛书平，
申请(专利权)人：中机精冲科技福建有限公司，
类型：发明
国别省市：