CN102305950A - 机器视觉系统对注射器自动化装配配件缺失的自动检测方法 - Google Patents
机器视觉系统对注射器自动化装配配件缺失的自动检测方法 Download PDFInfo
- Publication number
- CN102305950A CN102305950A CN201110109642A CN201110109642A CN102305950A CN 102305950 A CN102305950 A CN 102305950A CN 201110109642 A CN201110109642 A CN 201110109642A CN 201110109642 A CN201110109642 A CN 201110109642A CN 102305950 A CN102305950 A CN 102305950A
- Authority
- CN
- China
- Prior art keywords
- syringe
- accessory
- image
- injector
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Manipulator (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种机器视觉系统对注射器自动化装配配件缺失的自动检测方法,预拍摄一合格注射器产品的装配图像作为装配标准图像贮存于计算机中,将注射器装配图像的中各配件的有无设为检测参量,由外部触发与控制信号启动所述相机实时拍摄在线运行注射器自动化装配配件缺失的图像,并将拍摄的图像传输至计算机供检测,计算机通过图像算法处理,提取注射器自动化装配配件缺失的图像,检测装配标准图像中任何一个配件是否都在该注射器装配图像中有相应的图像存在,判断该产品是属于合格品还是可再加工次品,通过外部触发与控制信号将可再加工次品从指定出料口进行剔除。本发明对注射器自动化装配配件缺失的检测精度高、速度快,可以有效保证产品的合格率。
Description
技术领域
本发明涉及利用机器视觉系统进行在线检测的技术领域,尤其涉及在注射器自动化装配现场,利用机器视觉系统对注射器自动化装配是否存在配件缺失进行自动检测的方法。
背景技术
在流水作业的注射器配件装配车间现场,需要对注射器配件有无缺失(即各配件是否均已装配)进行在线检测。现有技术中,对注射器自动化装配配件缺失的在线检测依靠人工进行检测,在注射器部件生产机旁设约80人进行注射器自动化装配配件缺失的检测和处理,根据检测结果将产品分为合格品(配件无缺失)和不合格品(配件有缺失)。不合格品需进行二次加工,等待加装所缺失的配件。
人工检测存在的缺点主要有:生产车间现场通风差,工人检测工作环境恶劣,劳动强度大;正常人眼在不间断观测运动物体30min左右,即会眼花、眼胀等不适,检测人员无法长时间不间断工作,无法保证产品出厂合格率;注射器自动化装配配件缺失检测是带较多部件的检测,人眼无法准确判断,易缺漏,出错机会很多,无法保证检测质量;专业人员检测注射器自动化装配配件缺失的速度最高为0.5个/s,对生产速率有极大限制。
发明的内容
针对现有技术对注射器自动化装配配件缺失的在线检测依靠人工进行检测,工人容易产生视觉疲劳,劳动强度大,无法保证产品合格率以及检测质量,监测速度低等问题,本发明提供一种机器视觉系统对注射器自动化装配配件缺失的自动检测方法,其大大降低工人的检测劳动强度,检测精度高、速度快,可以有效保证出厂产品的合格率。
本发明的技术方案如下:
一种机器视觉系统对注射器自动化装配配件缺失的自动检测方法,包括以下步骤:
(1)将已装配的注射器固定在工装条夹具上,使工装条夹具在线运行,将拍摄相机固定在在线运行的工装条夹具一侧;根据待检测注射器的尺寸大小及注射器朝向,选择镜头的焦距,调整拍摄相机的拍摄角度、拍摄距离、光圈大小、曝光时间,以便获取清晰的拍摄图像;
(2)启动所述工业相机,预拍摄一装配完整的注射器图像,并将拍摄的图像传输至计算机,计算机通过图像算法处理,提取注射器的装配图像,将获取的该注射器图像作为装配标准图像,贮存于计算机中;
(3)将注射器装配图像的中各配件的有无设为检测参量;
(4)计算机取得相机与生产进程同步的触发与控制信号,由外部触发与控制信号启动所述相机实时拍摄在线运行注射器的装配图像,并将拍摄的图像传输至计算机供检测;
(5)计算机通过图像算法处理,提取注射器的装配图像;
(6)计算机对所述注射器自动化装配配件是否缺失进行检测;该检测是将所述注射器装配图像与装配标准图像进行比较,检测装配标准图像中任何一个配件是否都在该注射器装配图像中有相应的图像存在;
(7)通过配件缺失检测判断该产品是属于合格品还是可再加工次品,通过外部触发与控制信号将可再加工次品从指定的出料口进行剔除。
其进一步的技术方案为:对所述第(7)步,具体按下述步骤进行配件缺失的判断和分检:
(8)判断第一个配件是否存在,如存在则转向第(9)步,若不存在则转向第(12)步;
(9)改变配件编号,使当前配件为尚未经过判断的配件;
(10)重复第(8)、第(9)步,直到所有配件均已遍历;
(11)若所有配件均存在,则作为合格品进行分拣;
(12)作为可再加工次品,进行二次加工,加装缺失的配件。
以及,其进一步的技术方案为:对所述第(7)步,当检测到产品为可再加工次品时,计算机将通过人机界面进行图像提示,并启动报警装置。
本发明的有益技术效果是:
本发明采用机器视觉系统对注射器自动化装配配件缺失进行自动在线检测,取代人工检测。具有对产品检测合格品、不合格品这两类产品的记录、分类、统计、存储、查询功能。并通过友好人机界面在图像中提示不合格品情况,并给予声、光报警提示,大大降低工人的检测劳动强度。
人工检测速度一般为0.5个/s,而机器视觉系统检测速度可达3~4个/s,机器视觉系统的产品检测速度是人工的6~8倍,极大提高了生产效率。
人工检测由于环境和生理的原因,无法24小时不间断进行产品质量检测,而采用机器视觉系统检测则使其成为可能。设备的生产时间可最大限度地延长,提高了设备的利用率。
人为检测由于通风差、视觉易疲劳,很难连续跟踪产品质量。检测正确率靠人工很难保证,非正常次品率一般在8~10%左右,造成了生产资源和生产成本的极大浪费;机器视觉系统的检测精度较高,从而大大提高产品合格率以及检测质量。
附图说明
图1是配件无缺失的注射器图像。
图2是配件有缺失的注射器图像。
图3是本发明的工艺步骤图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
图1、图2是从注射器部件侧面拍摄并经过处理后的实际图像。
在图1、图2所示的拍摄图像中,四周空白部分为注射器部件图像经过去噪软件处理后的透明空间,所示线条为注射器配件处理后的轮廓图像。
实施例1,对合格注射器产品的检测:
如图1所示的注射器自动化装配图像,其为配件无缺失的视觉图形。
将Basler ACA640-100GM型工业相机固定在注射器的侧方,相机距注射器侧面的距离约为100mm,使用施耐得变焦镜头,焦距调至8mm,光圈调到最大值,曝光时间调为0.41ms。采用专用白色LED碗光源,从相机对注射器的同侧方进行照射(正光),并使用半封闭遮挡金属框体来屏蔽外界杂光的影响,以便比较稳定地取得视觉图像,体现注射器的明显特征。本项目的LED碗光源使用CCS公司的机器视觉专用光源(也可使用其他公司的LED碗光源),以便能比较稳定地拍摄到清晰的图像,并显示于计算机的屏幕。采用生产线上的工装条夹具将已装配的注射器整体固定,并使各注射器统一朝向。通过皮带传输系统进行注射器的输送,保证注射器按一定的方向和速度,稳定地进入检测装置。
启动所述工业相机,预拍摄一装配完整的注射器图像,并将拍摄的图像传输至计算机,计算机通过图像算法处理,提取注射器的装配图像,将获取的该注射器图像作为装配标准图像(如图1),贮存于计算机中。
计算机根据不同生产厂商所生产设备的不同控制系统,取得相机与生产进程同步的触发与控制信号,启动所述工业相机拍摄在线运行的注射器自动化装配的图像,并将获取的注射器自动化装配图像,贮存于计算机中。
计算机对所拍摄的图像通过边缘提取、平滑去噪、二值化处理、傅利叶变换等算法进行图像处理,使图像更清晰,更符合注射器自动化装配的真实情况。上述图像处理过程中所采用的算法均为现有技术中的常规算法。
计算机对所述注射器自动化装配配件是否缺失进行检测。该检测是将所述注射器装配图像与装配标准图像进行比较,检测装配标准图像中任何一个配件是否都在注射器装配图像中有相应的图像存在。
由于本注射器由A、B、C共3个配件装配而成。首先判断第一个配件A是否存在,如存在则继续判断第二个配件B是否存在,以此类推,直到所有配件A、B、C均已遍历。如检测出所有配件均存在,则该产品为合格品。计算机对该类合格品进行记录、分类、统计入库。
实施例2,对配件缺失注射器产品的检测:
如图2所示的注射器自动化装配图像,其为配件无缺失的视觉图形。
将Basler ACA640-100GM型工业相机固定在注射器的侧方,相机距注射器侧面的距离约为100mm,使用施耐得变焦镜头,焦距调至8mm,光圈调到最大值,曝光时间调为0.41ms。采用专用白色LED碗光源,从相机对注射器的同侧方进行照射(正光),并使用半封闭遮挡金属框体来屏蔽外界杂光的影响,以便比较稳定地取得视觉图像,体现注射器的明显特征。本项目的LED碗光源使用CCS公司的机器视觉专用光源(也可使用其他公司的LED碗光源),以便能比较稳定地拍摄到清晰的图像,并显示于计算机的屏幕。采用生产线上的工装条夹具将已装配的注射器整体固定,并使各注射器统一朝向。通过皮带传输系统进行注射器的输送,保证注射器按一定的方向和速度,稳定地进入检测装置。
启动所述工业相机,预拍摄一装配完整的注射器图像,并将拍摄的图像传输至计算机,计算机通过图像算法处理,提取注射器的装配图像,将获取的该注射器图像作为装配标准图像(如图1),贮存于计算机中。
计算机根据不同生产厂商所生产设备的不同控制系统,取得相机与生产进程同步的触发与控制信号,启动所述工业相机拍摄在线运行的注射器自动化装配的图像,并将获取的注射器自动化装配图像,贮存于计算机中。
计算机对所拍摄的图像通过边缘提取、平滑去噪、二值化处理、傅利叶变换等算法进行图像处理,使图像更清晰,更符合注射器自动化装配的真实情况。上述图像处理过程中所采用的算法均为现有技术中的常规算法。
计算机对所述注射器自动化装配配件是否缺失进行检测。该检测是将所述注射器装配图像与装配标准图像进行比较,检测装配标准图像中任何一个配件是否都在注射器装配图像中有相应的图像存在。
由于本注射器由A、B、C共3个配件装配而成。首先判断第一个配件A是否存在,如存在则继续判断第二个配件B是否存在,以此类推,直到所有配件均已遍历。只要检测出任何一个配件不存在(图2中为配件C不存在),则该产品存在配件缺失,为不合格品(或称为可再加工次品)。计算机通过友好人机界面在图像中提示不合格品情况,并给予声、光报警提示,对该类可再加工次品进行记录、分类、统计入库,从指定的出料口进行剔除,等待进行二次加工,加装缺失的配件。
以上所有实施例中使用的图像采集设备(相机、照射光源、电源、图像采集卡等)及存贮设备(硬盘、光盘、软盘等)、图像处理设备(图像处理器的硬件及软件)、图像显示设备(硬件及软件)、报警装置以及上述各部分的控制系统(硬件及软件)皆采用已有技术设计制作或直接采用相关市售产品。
以上所述的本发明的工艺步骤示于图3。
最后需要注意的是,以上所述的仅是本发明的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。
Claims (3)
1.一种机器视觉系统对注射器自动化装配配件缺失的自动检测方法,其特征在于包括以下步骤:
(1)将已装配的注射器固定在工装条夹具上,使工装条夹具在线运行,将拍摄相机固定在在线运行的工装条夹具一侧;根据待检测注射器的尺寸大小及注射器朝向,选择镜头的焦距,调整拍摄相机的拍摄角度、拍摄距离、光圈大小、曝光时间,以便获取清晰的拍摄图像;
(2)启动所述工业相机,预拍摄一装配完整的注射器图像,并将拍摄的图像传输至计算机,计算机通过图像算法处理,提取注射器的装配图像,将获取的该注射器图像作为装配标准图像,贮存于计算机中;
(3)将注射器装配图像的中各配件的有无设为检测参量;
(4)计算机取得相机与生产进程同步的触发与控制信号,由外部触发与控制信号启动所述相机实时拍摄在线运行注射器的装配图像,并将拍摄的图像传输至计算机供检测;
(5)计算机通过图像算法处理,提取注射器的装配图像;
(6)计算机对所述注射器自动化装配配件是否缺失进行检测;该检测是将所述注射器装配图像与装配标准图像进行比较,检测装配标准图像中任何一个配件是否都在该注射器装配图像中有相应的图像存在;
(7)通过配件缺失检测判断该产品是属于合格品还是可再加工次品,通过外部触发与控制信号将可再加工次品从指定的出料口进行剔除。
2.根据权利要求1所述机器视觉系统对注射器自动化装配配件缺失的自动检测方法,其特征在于对所述第(7)步,具体按下述步骤进行配件缺失的判断和分检:
(8)判断第一个配件是否存在,如存在则转向第(9)步,若不存在则转向第(12)步;
(9)改变配件编号,使当前配件为尚未经过判断的配件;
(10)重复第(8)、第(9)步,直到所有配件均已遍历;
(11)若所有配件均存在,则作为合格品进行分拣;
(12)作为可再加工次品,进行二次加工,加装缺失的配件。
3.根据权利要求1所述机器视觉系统对注射器自动化装配配件缺失的自动检测方法,其特征在于对所述第(7)步,当检测到产品为可再加工次品时,计算机将通过人机界面进行图像提示,并启动报警装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110109642A CN102305950A (zh) | 2011-04-29 | 2011-04-29 | 机器视觉系统对注射器自动化装配配件缺失的自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110109642A CN102305950A (zh) | 2011-04-29 | 2011-04-29 | 机器视觉系统对注射器自动化装配配件缺失的自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102305950A true CN102305950A (zh) | 2012-01-04 |
Family
ID=45379826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110109642A Pending CN102305950A (zh) | 2011-04-29 | 2011-04-29 | 机器视觉系统对注射器自动化装配配件缺失的自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102305950A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105158818A (zh) * | 2015-08-31 | 2015-12-16 | 合肥美亚光电技术股份有限公司 | 一种x光检测设备信号评价的方法 |
CN110261401A (zh) * | 2019-07-26 | 2019-09-20 | 佛山海格利德机器人智能设备有限公司 | 一种工业视觉检测系统 |
CN111951236A (zh) * | 2020-07-31 | 2020-11-17 | 深圳市研锐智能科技有限公司 | 一种智能的机器视觉识别系统 |
CN112530133A (zh) * | 2020-11-22 | 2021-03-19 | 李绪明 | 一种用于识别注射器的装置及方法 |
CN112691920A (zh) * | 2020-12-08 | 2021-04-23 | 湖北博微瑞天信息技术有限公司 | 一种多信息融合的机器视觉识别系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0823629A2 (en) * | 1996-08-05 | 1998-02-11 | Chep Pooling Systems BV | Process for the automatic recognition and categorization of defects in pallets or similar elements, and corresponding system |
WO2005080949A1 (en) * | 2004-02-20 | 2005-09-01 | Dralle Aps | A system for grading of industrial wood |
CN101349550A (zh) * | 2008-08-26 | 2009-01-21 | 浙江大学 | 在线橡胶栓外形质量检查机 |
CN101509766A (zh) * | 2009-03-13 | 2009-08-19 | 无锡众望四维科技有限公司 | 机器视觉系统对弹簧端面角度的在线检测方法 |
CN101696943A (zh) * | 2009-11-13 | 2010-04-21 | 无锡众望四维科技有限公司 | 机器视觉系统对医用手术刀瑕疵的在线检测方法 |
CN101710080A (zh) * | 2009-12-01 | 2010-05-19 | 湖南大学 | 一种基于机器视觉的码垛玻璃瓶检测方法与搬运机 |
CN101726265A (zh) * | 2009-11-13 | 2010-06-09 | 无锡众望四维科技有限公司 | 机器视觉系统对弹簧平行度的在线检测方法 |
-
2011
- 2011-04-29 CN CN201110109642A patent/CN102305950A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0823629A2 (en) * | 1996-08-05 | 1998-02-11 | Chep Pooling Systems BV | Process for the automatic recognition and categorization of defects in pallets or similar elements, and corresponding system |
WO2005080949A1 (en) * | 2004-02-20 | 2005-09-01 | Dralle Aps | A system for grading of industrial wood |
CN101349550A (zh) * | 2008-08-26 | 2009-01-21 | 浙江大学 | 在线橡胶栓外形质量检查机 |
CN101509766A (zh) * | 2009-03-13 | 2009-08-19 | 无锡众望四维科技有限公司 | 机器视觉系统对弹簧端面角度的在线检测方法 |
CN101696943A (zh) * | 2009-11-13 | 2010-04-21 | 无锡众望四维科技有限公司 | 机器视觉系统对医用手术刀瑕疵的在线检测方法 |
CN101726265A (zh) * | 2009-11-13 | 2010-06-09 | 无锡众望四维科技有限公司 | 机器视觉系统对弹簧平行度的在线检测方法 |
CN101710080A (zh) * | 2009-12-01 | 2010-05-19 | 湖南大学 | 一种基于机器视觉的码垛玻璃瓶检测方法与搬运机 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105158818A (zh) * | 2015-08-31 | 2015-12-16 | 合肥美亚光电技术股份有限公司 | 一种x光检测设备信号评价的方法 |
CN105158818B (zh) * | 2015-08-31 | 2017-10-10 | 合肥美亚光电技术股份有限公司 | 一种x光检测设备信号评价的方法 |
CN110261401A (zh) * | 2019-07-26 | 2019-09-20 | 佛山海格利德机器人智能设备有限公司 | 一种工业视觉检测系统 |
CN111951236A (zh) * | 2020-07-31 | 2020-11-17 | 深圳市研锐智能科技有限公司 | 一种智能的机器视觉识别系统 |
CN112530133A (zh) * | 2020-11-22 | 2021-03-19 | 李绪明 | 一种用于识别注射器的装置及方法 |
CN112530133B (zh) * | 2020-11-22 | 2022-08-09 | 李绪明 | 一种用于识别注射器的装置及方法 |
CN112691920A (zh) * | 2020-12-08 | 2021-04-23 | 湖北博微瑞天信息技术有限公司 | 一种多信息融合的机器视觉识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102494773A (zh) | 机器视觉系统对按扣色差的自动检测方法 | |
CN102303017B (zh) | 机器视觉系统对注射器钢针弯针的自动检测方法 | |
CN101509766B (zh) | 机器视觉系统对弹簧端面角度的在线检测方法 | |
CN101696945B (zh) | 机器视觉系统对光伏玻璃瑕疵的在线检测方法 | |
CN102303018B (zh) | 机器视觉系统对注射器钢针毛刺的自动检测方法 | |
CN102305950A (zh) | 机器视觉系统对注射器自动化装配配件缺失的自动检测方法 | |
CN102305595A (zh) | 机器视觉系统对弹簧节距的自动检测方法 | |
CN101696877A (zh) | 机器视觉系统对弹簧垂直度的在线检测方法 | |
CN103163150A (zh) | 一种线缆表面缺陷在线检测装置及方法 | |
CN101696943B (zh) | 机器视觉系统对医用手术刀瑕疵的在线检测方法 | |
CN102697176A (zh) | 一种基于机器视觉的烟支质量在线检测装置及检测方法 | |
CN101726265A (zh) | 机器视觉系统对弹簧平行度的在线检测方法 | |
CN102305797A (zh) | 机器视觉系统对医疗产品包装异物的自动检测方法 | |
CN104165653A (zh) | 用于采集轴承滚动体端面和倒角图像的装置及其采集方法 | |
CN102305597A (zh) | 机器视觉系统对注射器部件异形的自动检测方法 | |
CN102305592A (zh) | 机器视觉系统对注射器钢针倒针的自动检测方法 | |
CN102305603B (zh) | 机器视觉系统对注射器钢针倾斜的自动检测方法 | |
CN102495077A (zh) | 机器视觉系统对输液瓶瓶身瑕疵的自动检测方法 | |
CN102495072A (zh) | 机器视觉系统对输液导管瑕疵的自动检测方法 | |
CN102507602A (zh) | 机器视觉系统对输液瓶瓶口破裂的自动检测方法 | |
CN102303019B (zh) | 机器视觉系统对注射器针筒刻度的自动检测方法 | |
CN109881356A (zh) | 基于svm图像分类的袜机织针在线检测装置及方法 | |
US11117170B2 (en) | System and method for detecting metal stamping part tapping defects | |
CN204314230U (zh) | 一种用于高压线缆的破损检测装置 | |
CN102495074A (zh) | 机器视觉系统对输液袋瑕疵的自动检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120104 |