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() 基于计算机视觉的金属模具在线检测方法及设备技术_技高网

基于计算机视觉的金属模具在线检测方法及设备技术

技术编号:41235470 阅读:2 留言:0更新日期:2024-05-09 23:49
本发明专利技术公开了基于计算机视觉的金属模具在线检测方法及设备,涉及模具检测技术领域,本发明专利技术包括:S1:首先使用高分辨率摄像头对金属模具进行实时拍摄,获取模具表面图像;S2:再通过图像预处理技术,对获取的模具表面图像进行优化;S3:然后应用计算机视觉算法,从图像中识别出模具的特征并输出缺陷检测结果;本发明专利技术,通过对出现缺陷的模具进行分类和统计,分析出现缺陷模具数量异常的类型,并根据该类型对不同的生产部门进行告警,适应复杂的生产环境,为企业提供数据驱动的决策支持,同时可对出现缺陷的模具判断是否可修复,并将修复模具及报废模具进行集中处理,减少废品率的同时提高企业的经济效益。

【技术实现步骤摘要】

本专利技术涉及模具检测,具体为基于计算机视觉的金属模具在线检测方法及设备


技术介绍

1、金属模具作为制造业中的关键工具,广泛应用于汽车、航空、电子和消费品等领域。模具的质量直接影响到最终产品的形状、精度和表面质量,因此,对模具的实时监测和质量控制是确保产品质量和提高生产效率的关键环节;

2、传统的模具检测方法主要依赖于人工目视检查或离线测量,这些方法存在效率低、易受主观判断影响、无法实现实时监控等缺点,随着计算机视觉技术的发展,自动化的在线检测方法逐渐成为模具质量控制的新趋势;

3、尽管计算机视觉技术在其他领域已经取得了显著的进展,但在金属模具在线检测方面的应用仍然面临着一些挑战,在对批次模具完成缺陷检测后,没有对不同缺陷的模具进行分类,从而无法准确的对整个批次模具生产质量进行判断,也不能实现缺陷模具的修复和报废的集中处理,此外,对模具图像采集时无法根据模具表面特征及光照情况对采集的设备进行灵活调节,影响采集模具图像的质量;

4、为了解决上述缺陷,现提供技术方案。


技术实现思路

1、本专利技术的目的在于解决现有金属模具在线检测在对批次模具完成缺陷检测后,没有对不同缺陷的模具进行分类,从而无法准确的对整个批次模具生产质量进行判断,也不能实现缺陷模具的修复和报废的集中处理的问题,而提出基于计算机视觉的金属模具在线检测方法及设备。

2、本专利技术的目的可以通过以下技术方案实现:

3、基于计算机视觉的金属模具在线检测方法及设备,包括:

4、s1:首先使用高分辨率摄像头对金属模具进行实时拍摄,获取模具表面图像;

5、s2:再通过图像预处理技术,对获取的模具表面图像进行优化;

6、s3:然后应用计算机视觉算法,从图像中识别出模具的特征并输出缺陷检测结果;

7、s4:最后针对不同模具缺陷进行分类和统计,实现缺陷模具的修复和报废的集中处理,具体步骤如下:

8、将模具缺陷类型分为外观缺陷、尺寸缺陷及结构缺陷,再对以上三种类型的缺陷模具数量及发现频率进行分析,其中数量为批次模具数量,发现频率为预设时间段出现该类型的模具频率,并将数量与发现频率分别标定为sl和pl,归一化处理后代入以下公式:以得到预警值yjz,式中分别为数量与发现频率的预设权重系数;分别为第一修正因子和第一影响参值;

9、并将得到的预警值yjz与预设的预警阈值进行比对,当存在预警值yjz大于预设的预警阈值时,则进行告警;

10、再针对模具缺陷具体参数进行分析判断出现缺陷的模具是否可修复,缺陷具体参数包括:缺陷尺寸、缺陷位置、尺寸偏差及内部曲线,并通过缺陷具体参数分别得到缺尺值qc、缺位值qw、尺差值cc及内缺值nq,归一化处理后代入以下公式:以得到分岭值flz,式中分别为缺尺值qc与缺位值qw之和的预设权重系数、尺差值cc的预设权重系数及内缺值nq的预设权重系数;分别为第二修正因子和第二影响参值;分别为修正参数和修正系数;

11、再将得到的分岭值flz与预设的分岭阈值进行比对,当分岭值flz大于或等于分岭阈值时,则判断该模具不具备修复的条件;当分岭值flz小于分岭阈值时,则判断该模具可修复。

12、进一步的,所述s4中进行告警的具体步骤如下:

13、当对外观类型的缺陷计算得到的预警值yjz大于预设的预警阈值时,则向模具设计团队反馈模具设计中导致外观缺陷的因素;向模具制造部门指出制造过程中导致划痕或熔接线问题的工艺;向注塑或成型工艺团队发送调整工艺参数提示;向质量控制部门上传缺陷图像和数据;

14、当对尺寸类型的缺陷计算得到的预警值yjz大于预设的预警阈值时,则向模具设计团队反馈尺寸偏差问题;向cnc编程和加工部门确定加工过程中的误差来源,并提示采取相应措施提高加工精度;向测量和检验团队确定二次确定,以便判断通过图像处理的方式检测尺寸是否存在误差;向生产计划部门发送调整生产计划信令,留出足够时间判断是否是批次模具的问题;

15、当结构类型的缺陷计算得到的预警值yjz大于预设的预警阈值时,则向模具材料供应商确定是否与材料质量有关;再向热处理部门确定热处理过程中是否存在硬度分布不均或变形;并向模具维护团队提供结构缺陷的详细信息,并制定预防性维护计划;最后向工程和研发部门建议研发更耐用的模具设计和材料。

16、进一步的,所述s1中获取模具表面图像的具体操作步骤如下:

17、首先设计一个包括多个摄像头的成像系统,多个摄像头通过不同角度对金属模具进行拍摄;

18、引入环境光线感应器,根据影响参数自动调整摄像头的曝光;影响参数包括:反射率、对比度、亮度均匀性、光照条件及色彩饱和度,通过对影响参数的分析分别得到反射率、实时对比度记为、标准对比度、亮匀值ly、光照强度gz及色饱度sb,归一化处理后代入以下公式:以得到曝调值btz,以此曝调值作为调整摄像头曝光的标准;式中为第三修正因子;op为预设的权重指数;

19、再将计算得到的曝调值与预设的若干个曝调值区间进行比对,若干个曝调值区间分别对应设置若干个摄像头曝光增加调节等级,当确定曝调值所属曝调值区间后,则确定摄像头曝光增加调节等级,并对摄像头的曝光调节按照曝光增加调节等级进行增加调节。

20、进一步的,所述s1中通过对影响参数的分析分别得到反射率、实时对比度记为、标准对比度、亮匀值ly、光照强度gz及色饱度sb的具体操作步骤如下:

21、反射率:不同的反射率水平决定了模具表面反射回摄像头的光线量,高反射率需要降低曝光,而低反射率需要增加曝光,将得到的实时模具反射率记为;

22、对比度:通过采集图像中最亮和最暗区域之间的亮度差异,将得到的实时对比度记为,并预设标准对比度,标准对比度为图像中最适当的对比度;

23、亮度均匀性:通过图像中亮度的一致性进行评估,将图像切割成若干个区域,对每个区域的亮度进行检测得到若干个区域亮度,计算若干个区域亮度的方差值,并记为亮匀值ly;

24、光照条件:通过获取自然光的光照强度对光照条件进行量化衡量,并记为光照强度gz;

25、色彩饱和度:通过hsl和hsv模型进行表示,其中h代表色相,s代表饱和度,l和v分别代表明度和亮度,在hsv模型中,饱和度为:s=max(r,g,b)−max(r,g,b)/min(r,g,b),其中r、g、b分别代表红、绿、蓝三个颜色通道的强度,通过上述公式提供了一个从完全不饱和完全饱和的饱和度量化值,并记为色饱度sb。

26、进一步的,所述s2中对获取的模具表面图像进行优化的具体操作步骤如下:

27、去噪:首先使用像素邻域的平均值替换每个像素的值进行均值滤;再使用像素邻域的中值替换每个像素的值,进行中值滤波,去除椒盐噪声;再对图像进行高斯平滑处理,去除高斯噪声;然后进行双边滤波可以在去噪的同时保持边缘;最后在小波域中去除噪声,然后逆变换回原图本文档来自技高网...

【技术保护点】

1.基于计算机视觉的金属模具在线检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于计算机视觉的金属模具在线检测方法,其特征在于,所述S4中进行告警的具体步骤如下:

3.根据权利要求1所述的基于计算机视觉的金属模具在线检测方法,其特征在于,所述S1中获取模具表面图像的具体操作步骤如下:

4.根据权利要求3所述的基于计算机视觉的金属模具在线检测方法,其特征在于,所述S1中通过对影响参数的分析分别得到反射率、实时对比度、标准对比度、亮匀值LY、光照强度GZ及色饱度SB的具体操作步骤如下:

5.根据权利要求1所述的基于计算机视觉的金属模具在线检测方法,其特征在于,所述S2中对获取的模具表面图像进行优化的具体操作步骤如下:

6.根据权利要求1所述的基于计算机视觉的金属模具在线检测方法,其特征在于,所述S3中从图像中识别出模具的特征并输出缺陷检测结果的具体操作步骤如下:

7.根据权利要求6所述的基于计算机视觉的金属模具在线检测方法,其特征在于,所述S3中的特征描述子包括SIFT描述子、SURF描述子及ORB描述子;

8.应用权利要求 1-7 任一项所述在线检测方法的设备,其特征在于,包括:

...

【技术特征摘要】

1.基于计算机视觉的金属模具在线检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于计算机视觉的金属模具在线检测方法,其特征在于,所述s4中进行告警的具体步骤如下:

3.根据权利要求1所述的基于计算机视觉的金属模具在线检测方法,其特征在于,所述s1中获取模具表面图像的具体操作步骤如下:

4.根据权利要求3所述的基于计算机视觉的金属模具在线检测方法,其特征在于,所述s1中通过对影响参数的分析分别得到反射率、实时对比度、标准对比度、亮匀值ly、光照强度gz及色饱度sb的具体操作步骤如下:

...

【专利技术属性】
技术研发人员:张木根程伟杨丽丹杨顺作杨丽香杨金燕杨丽霞
申请(专利权)人:深圳市深奇浩实业有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1