一种冲切模具智能管理方法及系统技术方案

本发明专利技术涉及模具智能管理技术领域，具体涉及一种冲切模具智能管理方法及系统

【技术实现步骤摘要】
一种冲切模具智能管理方法及系统


[0001]本专利技术涉及模具智能管理
，具体涉及一种冲切模具智能管理方法及系统
。

技术介绍

[0002]冲切模具是一种用于冲压
、
切割或成形等工艺的工具，通常由金属材料制成
。
它们被广泛应用于金属加工
、
汽车制造
、
电子和家电等行业中，用于生产零件
、
组件或产品
。
而冲切模具由于对切割刃的精度要求较高，切割刃上较小的缺陷会导致所产成品的良品率较低，因此，对冲切模具切割刃的智能管理要求较高
。
[0003]相关技术中，通过图像采集的方式对切割刃状态进行分析，并基于分析结果对冲切模具进行智能管理，使用
Zhang
‑
Suen
细化算法对得到的初始边缘进行细化处理，得到最终的边缘，基于该边缘进行边缘检测，由于切割刃要求精度较高，本身的缺陷通常为裂纹和缺口缺陷，缺陷细节较少，
Zhang
‑
Suen
细化算法是由两侧向中间进行细化，这种情况下，极易将切割刃缺陷的细节进行细化丢失，导致对切割刃本身的缺陷状态检测误差较大，进而导致对冲切模具进行智能管理的准确性与管理可靠性较差
。

技术实现思路

[0004]为了解决相关技术中对冲切模具进行智能管理的准确性与管理可靠性较差的技术问题，本专利技术提供一种冲切模具智能管理方法及系统，所采用的技术方案具体如下：本专利技术提出了一种冲切模具智能管理方法，方法包括：获取冲切模具切割刃的灰度图像，对所述灰度图像进行语义分割，将所述灰度图像划分为切割刃图像和背景图像；对所述切割刃图像进行边缘检测处理，确定初始边缘像素点；选择任一初始边缘像素点作为待测像素点，将所述待测像素点为中心的预设邻域范围内的其他像素点作为邻域像素点，根据所述待测像素点和所述邻域像素点的灰度分布确定所述待测像素点的初始归属度；根据所述初始归属度将所述待测像素点划分为刃边缘像素点和刃内像素点；将任一刃边缘像素点作为目标像素点，确定与目标像素点相距最近的另外两个刃边缘像素点作为细化像素点，根据目标像素点与细化像素点的分布
、
两个细化像素点间的距离，确定所述目标像素点的归属度调整系数；根据所述刃边缘像素点的初始归属度和归属度调整系数，确定所述刃边缘像素点目标归属度；根据所有刃边缘像素点的目标归属度确定所述冲切模具切割刃的缺陷程度；根据所述缺陷程度对所述冲切模具切割刃进行管理
。
[0005]进一步地，所述根据所述待测像素点和所述邻域像素点的灰度分布确定所述待测像素点的初始归属度，包括：将灰度值大于所述待测像素点的邻域像素点的数量作为邻域灰度数量，根据所述
邻域灰度数量确定数量影响系数；计算所述待测像素点和所有邻域像素点的灰度梯度的方差作为梯度方差；计算所述数量影响系数和所述梯度方差的乘积的归一化值，得到所述待测像素点的初始归属度
。
[0006]进一步地，所述根据所述邻域灰度数量确定数量影响系数，包括：确定所述邻域灰度数量是否满足预设数量条件；在所述邻域灰度数量满足预设数量条件时，所述数量影响系数为第一数值；在所述邻域灰度数量不满足预设数量条件时，所述数量影响系数为第二数值，其中，所述第一数值大于所述第二数值
。
[0007]进一步地，所述邻域像素点为8邻域像素点，所述确定所述邻域灰度数量是否满足预设数量条件，包括：在所述邻域灰度数量大于等于3，且小于等于5时，确定所述邻域灰度数量满足预设数量条件；否则，确定所述邻域灰度数量不满足预设数量条件
。
[0008]进一步地，所述根据所述初始归属度将所述待测像素点划分为刃边缘像素点和刃内像素点，包括：将所述初始归属度大于预设归属度阈值的待测像素点作为刃边缘像素点，否则，作为刃内像素点
。
[0009]进一步地，所述根据目标像素点与细化像素点的分布
、
两个细化像素点间的距离，确定所述目标像素点的归属度调整系数，包括：分别连接目标像素点与对应两个细化像素点，得到两条连线，将两条连线所形成夹角的角度值进行反比例归一化处理得到角度影响系数；计算两个细化像素点间的欧式距离，并对该欧式距离进行归一化处理得到距离影响系数；计算角度影响系数和距离影响系数的乘积作为目标像素点的归属度调整系数
。
[0010]进一步地，所述根据所述刃边缘像素点的初始归属度和归属度调整系数，确定所述刃边缘像素点目标归属度，包括：计算所述初始归属度和归属度调整系数的乘积的归一化值作为所述刃边缘像素点目标归属度
。
[0011]进一步地，所述根据所有刃边缘像素点的目标归属度确定所述冲切模具切割刃的缺陷程度，包括：将目标归属度大于预设归属度阈值的刃边缘像素点作为归属像素点；对所有归属像素点进行直线拟合，得到拟合直线，计算所有刃边缘像素点与拟合直线的距离和值的归一化值作为缺陷程度
。
[0012]进一步地，所述根据所述缺陷程度对所述冲切模具切割刃进行管理，包括：在所述缺陷程度大于预设缺陷阈值时，生成切割刃更换指令，其中，所述切割刃更换指令用于提醒对切割刃进行更换处理
。
[0013]本专利技术还提出一种冲切模具智能管理系统，所述系统包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以实现前述的一种冲切模具智能管理方法的步骤
。
[0014]本专利技术具有如下有益效果：本专利技术通过对灰度图像进行语义分割，能够对切割刃图像和背景图像进行大致划分，而后，对大致划分的切割刃边缘进行检测处理确定初始边缘像素点，对初始边缘像素点周围局部区域内像素点的灰度分布进行分析，从而计算每个初始边缘像素点的初始归属度，可以理解的是，初始归属度可以表示其属于准确的边缘像素点的归属度，但仅根据周围像素点的初始归属度进行分析可靠性不足，因此，本专利技术进一步对初始边缘像素点进行筛选，得到刃边缘像素点，并基于相邻刃边缘像素点的像素点位置分布和距离特征，得到归属度调整系数，结合归属度调整系数和初始归属度，确定目标归属度，并根据所有刃边缘像素点的目标归属度确定冲切模具切割刃的缺陷程度，能够准确对切割刃边缘进行细化，同时保留边缘细节，保证缺陷程度的准确性，提升缺陷检测的准确性
。
而后，基于缺陷程度对冲切模具切割刃进行管理，有效提升冲切模具切割刃管理的管理准确性和管理可靠性
。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图
。
[0016]图1为本专利技术一个实施例所提供的一种冲切模具智能管理方法流程图...

【技术保护点】

【技术特征摘要】
1.
一种冲切模具智能管理方法，其特征在于，所述方法包括：获取冲切模具切割刃的灰度图像，对所述灰度图像进行语义分割，将所述灰度图像划分为切割刃图像和背景图像；对所述切割刃图像进行边缘检测处理，确定初始边缘像素点；选择任一初始边缘像素点作为待测像素点，将所述待测像素点为中心的预设邻域范围内的其他像素点作为邻域像素点，根据所述待测像素点和所述邻域像素点的灰度分布确定所述待测像素点的初始归属度；根据所述初始归属度将所述待测像素点划分为刃边缘像素点和刃内像素点；将任一刃边缘像素点作为目标像素点，确定与目标像素点相距最近的另外两个刃边缘像素点作为细化像素点，根据目标像素点与细化像素点的分布
、
两个细化像素点间的距离，确定所述目标像素点的归属度调整系数；根据所述刃边缘像素点的初始归属度和归属度调整系数，确定所述刃边缘像素点目标归属度；根据所有刃边缘像素点的目标归属度确定所述冲切模具切割刃的缺陷程度；根据所述缺陷程度对所述冲切模具切割刃进行管理
。2.
如权利要求1所述的一种冲切模具智能管理方法，其特征在于，所述根据所述待测像素点和所述邻域像素点的灰度分布确定所述待测像素点的初始归属度，包括：将灰度值大于所述待测像素点的邻域像素点的数量作为邻域灰度数量，根据所述邻域灰度数量确定数量影响系数；计算所述待测像素点和所有邻域像素点的灰度梯度的方差作为梯度方差；计算所述数量影响系数和所述梯度方差的乘积的归一化值，得到所述待测像素点的初始归属度
。3.
如权利要求2所述的一种冲切模具智能管理方法，其特征在于，所述根据所述邻域灰度数量确定数量影响系数，包括：确定所述邻域灰度数量是否满足预设数量条件；在所述邻域灰度数量满足预设数量条件时，所述数量影响系数为第一数值；在所述邻域灰度数量不满足预设数量条件时，所述数量影响系数为第二数值，其中，所述第一数值大于所述第二数值
。4.
如权利要求3所述的一种冲切模具智能管理方法，其特征在于，所述邻域像素点为8邻域像素点，所述确定所述邻域灰度数量是否满足预设数量条件，包括：在所述邻域灰度数量大于等于3，且小于等于5时，确定所述邻域灰度数量满足预设数量条件；否则，确定所述邻域灰度数量不满足预设...

【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：