基于图像识别的数控冲压成型自调节作业检测方法技术

本发明专利技术涉及图像处理技术领域，尤其涉及基于图像识别的数控冲压成型自调节作业检测方法

【技术实现步骤摘要】
基于图像识别的数控冲压成型自调节作业检测方法


[0001]本专利技术涉及图像处理
，尤其涉及一种基于图像识别的数控冲压成型自调节作业检测方法
。

技术介绍

[0002]数控冲床是一种自动化机床，用于在金属板材或其他材料上进行冲压
、
切割
、
成形和打孔等工序
。
数控冲床的发展与计算机技术的兴起密切相关，随着计算机硬件和软件的不断进步，数控系统得以实现，使冲床能够更加灵活和精确地进行加工；计算机辅助设计和计算机辅助制造软件的广泛应用使得数控冲床能够直接从设计文件中获取信息，实现无纸化生产，提高了生产效率，减少了误差
。
现代数控冲床通常配备自动工具更换系统
、
自动板材进给和卸料系统，以实现高度自动化的生产
。
随着物联网和人工智能技术的发展，数控冲床将继续向智能化和自适应制造方向发展
。
这将进一步提高生产效率
、
降低能耗，并加强与其他制造系统的集成
。
[0003]中国专利公开号
CN115684271B。
公开了一种基于图像识别的成型钢筋合格性检测方法，该专利技术通过获取钢筋折弯过程中各折弯点的温度变化数据对已完成折弯的钢筋进行检测，将折弯异常钢筋对应的温度变化数据以及材料属性储存至样本数据库，并且，当样本数据库容量足够时，检测所述钢筋在折弯过程中的各折弯点处的温度变化数据，将所述材料属性以及各折弯点处的温度变化数据与所述样本数据库中的数据进行对比，以根据对比结果判定所述钢筋的各折弯点是否发生异常，通过上述过程能在生产过程中根据各折弯点温度的变化数据判定折弯点是否出现折弯异常，提高检测效率，检测方式便捷
、
检测结果可靠准确；由此可见，该专利技术存在以下问题：（
1)
在前期样本数据库容量不足时，不能仅通过各折弯点处的温度变化数据检测钢筋是否合格；（2）异常样本数据库构建时，导致样本异常的原因多样，因此样本检测量过大；（3）该专利技术仅提供了钢筋检测方法，但未及时分析异常产品出现的原因并做出调整，导致由于生产设备本身老化磨损或生产工艺不合适造成的产品异常问题不能及时解决，造成了资源浪费
。

技术实现思路

[0004]为此，本专利技术提供基于图像识别的数控冲压成型自调节作业检测方法，用以克服现有技术中由于冲压生产工艺不合适，未能及时调整工艺造成的原材料浪费的问题
。
[0005]为实现上述目的，本专利技术提供一种基于图像识别的数控冲压成型自调节作业检测方法，包括以下步骤：获取待检测零件冲压成型表面的粗糙度俯视图和粗糙度侧视图，以确定所述待检测零件表面各位置的粗糙程度；根据所述粗糙度俯视图和粗糙度侧视图中图像相邻位置的粗糙度差值确定所述
待检测零件中若干成型特征点；根据成型特征点在所述待检测零件上的位置确定待检测零件的冲压参考尺寸；将所述粗糙度俯视图和所述粗糙度侧视图分别与预存粗糙度俯视表征图和预存粗糙度表征侧视图进行对比，以将所述待检测零件的粗糙度图像数据转化成对应的强度表征数据；根据所述冲压参考尺寸和
/
或所述待检测零件成型处的强度表征数据确定单次冲压作业是否合格；在单次冲压作业不合格时，根据连续若干次冲压作业的合格判定结果确定冲压工艺是否合格，并确定冲压工艺参数是否需要进行调整；其中，所述成型特征点包括用以表征冲压起始位置的第一成型特征点和用以表征冲压终止位置的第二成型特征点，所述冲压参考尺寸为待检测零件在冲压方向的成型尺寸，所述冲压工艺参数包括冲压深度和冲压速度
。
[0006]进一步地，获取待检测零件冲压成型处的粗糙度俯视图和粗糙度侧视图的步骤包括：采集所述待检测零件冲压成型处的俯视图和侧视图；分别对所述俯视图和侧视图进行预处理，以得到对应的所述粗糙度俯视图和所述粗糙度侧视图；其中，所述预处理包括对粗糙度图像的去噪
、
图像增强和灰度化
。
[0007]进一步地，确定成型特征点的方法包括：计算所述粗糙度俯视图和所述粗糙度侧视图中相邻位置的图像的所述粗糙度差值；将所述粗糙度差值与预设粗糙度差值进行比对；将所述粗糙度差值大于所述预设粗糙度差值的相邻位置的相邻点确定为所述成型特征点；根据所述粗糙度俯视图中的成型特征点在所述粗糙度侧视图中获得对应的成型特征点位置坐标；根据冲压方向和各所述成型特征点位置坐标，在所述粗糙度俯视图中确定所述第一成型特征点和所述第二成型特征点的位置
。
[0008]进一步地，根据所述第一成型特征点和所述第二成型特征点在所述粗糙度俯视图中的位置坐标以及冲压方向，确定所述冲压参考尺寸；其中，冲压参考尺寸为所述第一成型特征点和所述第二成型特征点在冲压方向的距离
。
[0009]进一步地，确定所述第一成型特征点和所述第二成型特征点的步骤包括：根据各成型特征点与相邻成型特征点是否存在相邻关系确定各成型特征点是否有效；在所述粗糙度俯视图中根据有效成型特征点与冲头杆中心的距离确定所述第一成型特征点和所述第二成型特征点的位置；其中，所述第一成型特征点为在所述粗糙度俯视图中与冲头杆最低点距离最大的有效成型特征点，所述第二成型特征点为在所述粗糙度俯视图中与冲头杆最低点距离最小
的有效成型特征点，所述冲头杆最低点为冲头杆中与地面距离最小的点
。
[0010]进一步地，在单次作业中根据所述冲压参考尺寸与第一预设尺寸范围的包含关系确定单次冲压作业是否合格；若所述冲压参考尺寸超出第一预设尺寸范围，判定单次冲压作业不合格
。
[0011]进一步地，在单次作业中根据待检测零件成型处的强度表征数据与预设强度标准确定单次冲压作业是否合格；若所述强度表征数据超出预设强度标准，判定单次冲压作业不合格
。
[0012]进一步地，获得所述强度表征数据的步骤包括：分别确定预设图像粗糙度在所述粗糙度俯视图和所述粗糙度侧视图中的获取范围；根据所述获取范围在所述粗糙度俯视图和所述粗糙度侧视图中分别获取各强度表征图像；根据各所述强度表征图像与对应的预存表征图像进行比对，以获得对应待检测零件重成型表面位置的强度表征数据
。
[0013]进一步地，根据连续若干次冲压作业的合格判定结果确定冲压工艺是否合格，并确定冲压工艺参数是否需要进行调整的过程包括：若存在连续预设次冲压作业不合格，判定冲压工艺不合格；确定连续若干次冲压作业中，连续不合格冲压作业对应的冲压参考尺寸的尺寸标准差；若所述尺寸标准差大于等于预设标准差，判定冲压工艺的冲压深度不稳定，并根据实际冲压深度和零件使用材料性能调整冲压工艺的冲压压力以稳定冲压深度；若所述尺寸标准差小于预设标准差，判定冲压工艺的冲压速度不稳定，并减小冲压工艺的冲压速度
。
[0014]进一步地，各预存粗糙度俯视图像及所述预存粗糙度侧视图像均对应有对应的预设的强度表征值和强度表征范围，以建立粗糙度图像和零件强度之间的映射关系
。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于图像识别的数控冲压成型自调节作业检测方法，其特征在于，包括以下步骤：获取待检测零件冲压成型表面的粗糙度俯视图和粗糙度侧视图，以确定所述待检测零件表面各位置的粗糙程度；根据所述粗糙度俯视图和粗糙度侧视图中图像相邻位置的粗糙度差值确定所述待检测零件中若干成型特征点；根据成型特征点在所述待检测零件上的位置确定待检测零件的冲压参考尺寸；将所述粗糙度俯视图和所述粗糙度侧视图分别与预存粗糙度俯视表征图和预存粗糙度表征侧视图进行对比，并将所述待检测零件的粗糙度图像的数据转化为对应的强度表征数据；根据所述冲压参考尺寸和
/
或所述待检测零件成型处的强度表征数据确定单次冲压作业是否合格；在单次冲压作业不合格时，根据连续若干次冲压作业的合格判定结果确定冲压工艺是否合格，并确定冲压工艺参数是否需要进行调整；其中，所述成型特征点包括用以表征冲压起始位置的第一成型特征点和用以表征冲压终止位置的第二成型特征点，所述冲压参考尺寸为待检测零件在冲压方向的成型尺寸，所述冲压工艺参数包括冲压压力和冲压速度
。2.
根据权利要求1所述的基于图像识别的数控冲压成型自调节作业检测方法，其特征在于，所述获取待检测零件冲压成型处的粗糙度俯视图和粗糙度侧视图的步骤包括：采集所述待检测零件冲压成型处的俯视图和侧视图；分别对所述俯视图和侧视图进行预处理，以得到对应的所述粗糙度俯视图和所述粗糙度侧视图；其中，所述预处理包括对粗糙度图像的去噪
、
图像增强和灰度化，并形成粗糙度图像对应的数据
。3.
根据权利要求2所述的基于图像识别的数控冲压成型自调节作业检测方法，其特征在于，确定所述成型特征点的方法包括：计算所述粗糙度俯视图和所述粗糙度侧视图中相邻位置的图像的所述粗糙度差值；将所述粗糙度差值与预设粗糙度差值进行比对；将所述粗糙度差值大于所述预设粗糙度差值的相邻位置的相邻点确定为所述成型特征点；根据所述粗糙度俯视图中的成型特征点在所述粗糙度侧视图中获得对应的成型特征点位置坐标；根据冲压方向和各所述成型特征点位置坐标，在所述粗糙度俯视图中确定所述第一成型特征点和所述第二成型特征点的位置
。4.
根据权利要求1所述的基于图像识别的数控冲压成型自调节作业检测方法，其特征在于，根据所述第一成型特征点和所述第二成型特征点在所述粗糙度侧视图中的位置坐标以及冲压方向，确定所述冲压参考尺寸；其中，冲压参考尺寸为所述第一成型特征点和所述第二成型特征点在冲压方向的距离
。5.
根据权利要求3所述的基于图像识别的数控冲...

【专利技术属性】
技术研发人员：荣强，徐恩伟，郭德峰，
申请(专利权)人：山东迪格重工机械有限公司，
类型：发明
国别省市：