System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机视觉,尤其涉及一种涂胶检测方法、系统、装置及存储介质。
技术介绍
1、汽车制造技术的发展日新月异,随着性能要求的不断提高,胶粘剂密封胶这类重要辅助材料的应用也越来越广泛。粘接技术在汽车制造上的应用,不仅可以起到增强汽车结构、紧固防锈、隔热减振和内外装饰的作用,还能够代替某些部件的焊接、铆接等传统工艺,实现相同或不同材料之间的连接,简化生产工序,优化产品结构。为了保证部件连接的密封性,在对部件涂胶之后,需要对部件上的涂胶效果进行检测。目前,对于涂胶检测通常采用人工观察方式进行检测,随着计算机技术的发展,计算视觉技术越来越多应用于检测领域。
2、相关技术中,通过涂胶宽度检测,可以检测出涂胶是否出现中断、涂胶量不足等情况。基于计算机视觉技术进行涂胶检测过程为:将工件准确放置在平台的对应位置上,相机按照预设点位捕获工件图像,处理器对图像进行滤波、二值化处理后,根据预设的检测线来进行宽度检测。而当现场涂胶工艺发生变化的时候,例如涂胶轨迹移动或者光照环境变化,检测线无法适应,就需要修改大量的参数,并且这些参数都是人工设置,需要专业知识和技能调参,并且存在不稳定因素,难以科学量化的进行参数设置,从而导致检测不准确。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此,本专利技术提出一种涂胶检测方法、系统、装置及存储介质,能够减少人工因素的影响,提高涂胶检测准确性。
2、一方面,本专利技术实施例提供了一种涂胶检测方法,包括以下步骤
3、获取工件图像;
4、通过基于深度神经网络的目标识别模型从所述工件图像中提取涂胶区域;
5、通过骨骼算法确定所述涂胶区域的中心线,并通过平滑算法优化所述中心线;
6、根据预设间隔确定中心线上的检测点,并根据所述检测点确定对应的检测线,其中,所述检测线与检测点处的切线垂直;
7、根据所述检测线与涂胶区域的边缘交点,确定检测点处的涂胶宽度。
8、根据本专利技术一些实施例,所述涂胶检测方法还包括以下步骤:
9、判断所述涂胶宽度是否位于预设范围内;
10、当所述涂胶宽度位于所述预设范围内,则所述检测点所在的检测区域涂胶正常;
11、当所述涂胶宽度超出所述预设范围,则所述检测点所在的检测区域涂胶异常。
12、根据本专利技术一些实施例,所述通过基于深度神经网络的目标识别模型从所述工件图像中提取涂胶区域包括以下步骤:
13、将工件图像输入常规卷积层进行特征提取,得到低层特征;
14、将工件图像输入堆叠的若干空洞卷积层进行特征提取,得到多个高层抽象特征;
15、将多个所述高层抽象特征进行多层特征融合,得到高层融合特征;
16、将所述高层融合特征和所述低层特征整合后进行上采样,得到工件图像中的涂胶区域。
17、根据本专利技术一些实施例,所述通过平滑算法优化所述中心线包括以下步骤:
18、将中心线的所有点位划分为若干点位数组;
19、对每一组所述点位数组进行奇异点排除操作,得到新的点位数组;
20、通过最小二乘逼近算法对若干组新的点位数组的点位进行曲线拟合,得到优化后的中心线。
21、根据本专利技术一些实施例,所述对每一组所述点位数组进行奇异点排除操作,得到新的点位数组包括以下步骤:
22、初始化空的结果数组,并确定点位数组的中值;
23、遍历点位数组中的每一个点位,对每一个点位进行奇异点判断,遍历过程中将不是奇异点的点位加入结果数组以得到新的点位数组;
24、其中,对于点位数组的当前点位的奇异点判断步骤如下:
25、确定当前点位与中值之间的第一距离以及确定当前点位与临近点位之间的第二距离;
26、当所述第一距离大于预设中值差值或者所述第二距离大于预设临近点位差值,则当前点位为奇异点。
27、根据本专利技术一些实施例,所述涂胶检测方法还包括以下步骤:
28、获取所述工件图像的标志位置;
29、根据所述标志位置确定工件图像中涂胶区域的中心线上的检测点高度;
30、根据所述检测点高度修正检测点处的涂胶宽度。
31、根据本专利技术一些实施例,所述根据所述检测点高度修正检测点处的涂胶宽度包括以下步骤:
32、确定所述检测点高度与预设基准高度的高度差;
33、基于相机高度与宽度的视差转换公式,根据所述高度差确定检测点宽度误差;
34、根据所述检测点宽度误差修正检测点处的涂胶宽度。
35、另一方面,本专利技术实施例还提供一种涂胶检测系统,包括:
36、第一模块,用于获取工件图像;
37、第二模块,用于通过基于深度神经网络的目标识别模型从所述工件图像中提取涂胶区域;
38、第三模块,用于通过骨骼算法确定所述涂胶区域的中心线,并通过平滑算法优化所述中心线;
39、第四模块,用于根据预设间隔确定中心线上的检测点,并根据所述检测点确定对应的检测线,其中,所述检测线与检测点处的切线垂直;
40、第五模块,用于根据所述检测线与涂胶区域的边缘交点,确定检测点处的涂胶宽度。
41、另一方面,本专利技术实施例还提供一种涂胶检测装置,包括:
42、至少一个处理器;
43、至少一个存储器,用于存储至少一个程序;
44、当所述至少一个程序被所述至少一个处理器执行,使得至少一个所述处理器实现如前面所述的涂胶检测方法。
45、另一方面,本专利技术实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如前面所述的涂胶检测方法。
46、本专利技术上述的技术方案至少具有如下优点或有益效果之一:首先通过摄像头获取工件图像,通过基于深度神经网络的目标识别模型从工件图像中自适应提取出涂胶区域,即使在工件位置偏移的情况下,也能准确识别出涂胶区域。然后通过骨骼算法确定涂胶区域的中心线并通过平滑算法优化中心线,再根据预设间隔确定中心线上的检测点,并根据检测点自动标记对应的检测线,其中,检测线与检测点处的切线垂直,根据检测线与涂胶区域的边缘交点确定检测点处的涂胶宽度。本专利技术通过目标识别模型自适应提取涂胶区域,再结合骨骼算法和预设间隔自适应确定检测线后即能计算检测线处的涂胶宽度,能够减少检测环境或者工件移动对检测算法的影响,也不需要设置检测线相关的复杂参数。
本文档来自技高网...【技术保护点】
1.一种涂胶检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的涂胶检测方法,其特征在于,所述涂胶检测方法还包括以下步骤:
3.根据权利要求1所述的涂胶检测方法,其特征在于,所述通过基于深度神经网络的目标识别模型从所述工件图像中提取涂胶区域包括以下步骤:
4.根据权利要求1所述的涂胶检测方法,其特征在于,所述通过平滑算法优化所述中心线包括以下步骤:
5.根据权利要求4所述的涂胶检测方法,其特征在于,所述对每一组所述点位数组进行奇异点排除操作,得到新的点位数组包括以下步骤:
6.根据权利要求1所述的涂胶检测方法,其特征在于,所述涂胶检测方法还包括以下步骤:
7.根据权利要求6所述的涂胶检测方法,其特征在于,所述根据所述检测点高度修正检测点处的涂胶宽度包括以下步骤:
8.一种涂胶检测系统,其特征在于,包括:
9.一种涂胶检测装置,其特征在于,包括:
10.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序被由所述处理器执行时用于实
...【技术特征摘要】
1.一种涂胶检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的涂胶检测方法,其特征在于,所述涂胶检测方法还包括以下步骤:
3.根据权利要求1所述的涂胶检测方法,其特征在于,所述通过基于深度神经网络的目标识别模型从所述工件图像中提取涂胶区域包括以下步骤:
4.根据权利要求1所述的涂胶检测方法,其特征在于,所述通过平滑算法优化所述中心线包括以下步骤:
5.根据权利要求4所述的涂胶检测方法,其特征在于,所述对每一组所述点位数组进行奇异点排除操作,得到新的点位数组...
【专利技术属性】
技术研发人员:李泽馨,陈怀琪,吴祖迥,彭坤旺,贾春英,
申请(专利权)人:广州市斯睿特智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。