CN102967265B - 基于机器视觉的汽车连杆裂解槽检测方法 - Google Patents
基于机器视觉的汽车连杆裂解槽检测方法 Download PDFInfo
- Publication number
- CN102967265B CN102967265B CN201210544729.6A CN201210544729A CN102967265B CN 102967265 B CN102967265 B CN 102967265B CN 201210544729 A CN201210544729 A CN 201210544729A CN 102967265 B CN102967265 B CN 102967265B
- Authority
- CN
- China
- Prior art keywords
- splitter
- connecting bar
- detection
- machine vision
- automobile connecting
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉的汽车连杆裂解槽检测方法,旨在克服现有技术不能准确地检测连杆上裂解槽是否存在及裂解槽是否合格的问题。所述的基于机器视觉的汽车连杆裂解槽检测方法的步骤如下:1.系统标定;2.输入信号接收;3.图像采集:图像采集模块将两相机采集的图片由模拟信号转换为数字信号输入计算机内存;4.图像处理:对左、右侧裂解槽数字化图像进行滤波、边缘检测和裂解槽的特征识别,判断其是否存在裂解槽及裂解槽是否合格,得到检测结果;5.结果输出与查询:结果查询模块提供了与检测过程相关数据的查询,包括检测时间、检测图像编号、已检测连杆数量、合格连杆数量、不合格连杆数量、检测结果是否合格,并提供打印功能。
Description
技术领域
本发明涉及一种对汽车连杆的检测方法,更确切地说,本发明涉及一种基于机器视觉的汽车连杆裂解槽检测方法。
背景技术
机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹关于理解多面体组成的积木世界研究开始的。当时运用的预处理、边缘检测、轮廓线构成、对象建模与匹配等技术,后来一直在机器视觉中应用。当时罗伯兹在图像分析过程中,采用了自底向上的方法,用边缘检测技术来确定轮廓线,用区域分析技术将图像划分为由灰度相近的像素组成的区域,这些技术统称为图像分割。其目的在于用轮廓线和区域对所分析的图像进行描述,以便同机器内存储的模型进行比较匹配。实践表明,只用自底向上的分析太困难,必须同时采用自顶向下,即把目标分为若干子目标的分析方法,运用启发式知识对对象进行预测。这同言语理解中采用的自底向上和自顶向下相结合的方法是一致的。在图像理解研究中,A.古兹曼提出运用启发式知识,表明用符号过程来解释轮廓画的方法不必求助于诸如最小二乘法匹配之类的数值计算程序。
在中国,视觉技术的应用开始于90年代,因为行业本身就属于新兴的领域,再加之机器视觉产品技术的普及不够,导致各行业的应用几乎空白。随着中国成为全球的加工中心,国内机器视觉在近几年加速发展,使得机器视觉在各行业中的得到应用,主要在制药、包装、电子、汽车制造、半导体、纺织、烟草、交通与物流等行业,用机器视觉技术取代人工,可以提高生产效率和产品质量。
目前,进行连杆裂解加工时,连杆上的裂解槽是否存在及连杆上的裂解槽是否合格均采用人工肉眼识别。由于车间光线暗、人的视觉疲劳将裂解槽不完全或者没有裂解槽的连杆放到裂解台上裂解,从而增加连杆裂解的废品率,增加了损失。因此,要提高连杆裂解槽的检测质量和效率,需要提供一个汽车连杆裂解槽的自动检测方法,提醒工作人员不得将裂解槽不完全或者没有裂解槽的汽车连杆进行裂解,以便增加裂解的成功率、提高经济效益。
发明内容
本发明所要解决的技术问题是解决现有技术不能准确地检测连杆上裂解槽是否存在及连杆上的裂解槽是否合格的问题,提供了一种基于机器视觉的汽车连杆裂解槽检测方法。
为解决上述技术问题,本发明是采用如下技术方案实现的:所述的基于机器视觉的汽车连杆裂解槽检测方法的步骤如下:
1.系统标定:
为适用于不同型号的汽车连杆裂解槽的检测及减小算法的数据处理量,在汽车连杆裂解槽正式检测之前要对检测的区域进行规划;
2.输入信号接收:
(1)输入输出模块建立机算机与可编程逻辑控制器的串口通信,机算机向可编程逻辑控制器发出打开光源的控制信息;
(2)可编程逻辑控制器根据接收到的控制信息向机算机返回应答信息,之后根据机算机的指令,对光源、1号相机与2号相机进行图片采集操作;
3.图像采集:
图像采集模块完成步骤2中由1号相机与2号相机采集的图片传输到计算机的为连杆整体图像,将采集到的模拟信号转换为数字信号并输入到计算机内存中,同时将得到的1号相机与2号相机的2个图片在计算机界面内显示;
4.图像处理:
(1)对左侧裂解槽数字化图像进行同态滤波、Canny边缘检测和裂解槽特征识别,判断其是否存在裂解槽及裂解槽是否合格,得到检测结果;
(2)对右侧裂解槽数字化图像进行同态滤波、Canny边缘检测和裂解槽特征识别,判断其是否存在裂解槽及裂解槽是否合格,得到检测结果;判定的条件是用测得的裂解槽长度与圆形度和所设置的裂解槽长度与圆形度阈值进行比较,判定是否存在裂解槽,其中:裂解槽长度阈值为16±1个像素值,圆形度阈值为c=0.63±0.02;
5.结果输出与查询:
结果查询模块提供了与检测过程相关数据的查询,包括检测时间、检测图像编号、已检测连杆数量、合格连杆数量、不合格连杆数量、检测结果是否合格,并提供打印功能;其中:
基于机器视觉的汽车连杆裂解槽检测系统开始检测计数为1,然后依次累加;
检测时间为基于机器视觉的汽车连杆裂解槽检测系统时间;
检测结果为每次对工件判断结果的记录,同时为了方便清空数据记忆,基于机器视觉的汽车连杆裂解槽检测系统提供了复位功能即可对相关检测数据清0。
技术方案中所述的在汽车连杆裂解槽正式检测之前要对检测的区域进行规划是指:
(1)对汽车连杆左侧裂解槽进行标定,当标定成功时系统自动弹出“左侧标定成功”的提示,若没有弹出“左侧标定成功”的提示,需重新标定,当系统弹出“左侧标定成功”后,会自动跳转到右侧标定界面;
(2)对汽车连杆右侧裂解槽进行标定,当标定成功时系统自动弹出“右侧标定成功”的提示,若没有弹出“右侧标定成功”的提示,需重新标定,直至标定成功。
技术方案中所述的根据机算机的指令,对光源、1号相机与2号相机进行图片采集操作是指:
连杆放置到裂解台的过程中触发光电开关,光电开关的信号输入给可编程逻辑控制器,可编程逻辑控制器通过通信串口给计算机需要检测信号,计算机接收到信号后执行以下两项操作:
a.通过通信串口给可编程逻辑控制器打开光源的信号,可编程逻辑控制器接收到信号后控制继电器打开光源;
b.依次开启1号相机与2号相机并进行图片采集。
与现有技术相比本发明的有益效果是:
1.目前几乎所有的连杆裂解加工时,连杆上的裂解槽是否存在及连杆上的裂解槽是否合格均采用人工肉眼识别,采用本发明所述的基于机器视觉的汽车连杆裂解槽检测方法,不仅大大减少了工人工作量,而且显著提高了裂解合格率和连杆裂解的效率;
2.由于实施本发明所述的基于机器视觉的汽车连杆裂解槽检测方法需采用基于机器视觉的汽车连杆裂解槽检测系统对连杆裂解槽进行检测和判断,不需要直接接触连杆就能进行工作,也不需要对现有裂解台进行改装和修改,大大提高了基于机器视觉的汽车连杆裂解槽检测系统的接口性和实用性;
3.基于机器视觉的汽车连杆裂解槽检测系统采用计算机、可编程逻辑控制器、工业相机等适用于工业场所的器件,由于它们均能适应各种恶劣的运行环境,抗干扰能力强,因此本发明更利于应用在工业现场实现在线检测;
4.本发明所述的基于机器视觉的汽车连杆裂解槽检测方法及基于机器视觉的汽车连杆裂解槽检测系统经过运行测试,证明其具有很好的稳定性和正确率,完全可以满足多品种连杆裂解要求;
5.本发明所述的基于机器视觉的汽车连杆裂解槽检测方法能为不同型号的连杆裂解槽进行检测;
6.本发明所述的基于机器视觉的汽车连杆裂解槽检测方法容许阴影,对比度低或背景噪音。
附图说明
下面结合附图对本发明作进一步的说明:
图1为实施本发明所述的基于机器视觉的汽车连杆裂解槽检测方法所采用的基于机器视觉的汽车连杆裂解槽检测系统的结构原理框图;
图2为装入基于机器视觉的汽车连杆裂解槽检测系统中的自编计算机程序的结构框图;
图3为本发明所述的基于机器视觉的汽车连杆裂解槽检测方法中实现串口通信的流程框图;
图4为本发明所述的基于机器视觉的汽车连杆裂解槽检测方法的功能流程框图;图中:1.计算机,2.可编程逻辑控制器,3.输出成功指示灯,4.输出失败指示灯,5.输出报警灯,6.继电器,7.光源控制器,8.1号相机,9.光源,10.光电开关,11.1号连接线,12.2号连接线,13.可编程逻辑控制器连接线,14.2号相机,15.电源。
具体实施方式
下面结合附图对本发明作详细的描述:
本发明就是利用机器视觉的理论,提供了基于机器视觉的汽车连杆裂解槽检测方法,该方法应用于汽车连杆裂解槽的检测,该方法所采用的基于机器视觉的汽车连杆裂解槽系统可以自动检测连杆裂解槽是否存在和是否合格,是,则进行裂解,不是,则发出警告,提醒工作人员不得进行裂解,以便增加裂解的成功率、降低损失。
本发明所采用的基于机器视觉的汽车连杆裂解槽系统
参阅图1,本发明所述的基于机器视觉的汽车连杆裂解槽检测系统主要由计算机1、可编程逻辑控制器2、输出成功指示灯3、输出失败指示灯4、输出报警灯5、继电器6、光源控制器7、1号相机8、光源9、光电开关10、1号连接线11、2号连接线12、可编程逻辑控制器连接线13、2号相机14与电源15组成。
采用型号为AVT1394B的1号连接线11将计算机1上的型号为FWB-PCI3202A的1394图像采集卡与1号相机8的一接口进行连接,2号相机14通过2号连接线12与1号相机8的另一接口相连(两相机形成串接的形式,相机说明书上也有相应说明);使用型号为PC/PPI的电缆将计算机1与可编程逻辑控制器2的串口进行连接,即型号为PC/PPI的电缆的RS232端接计算机1的COM1口,型号为PC/PPI的电缆的RS485端接可编程逻辑控制器2的串口。光源9与光源控制器7的输出口电线连接,光源9应位于1号相机8与2号相机14的中间线上,光源9在竖直方向高度可调整,1号相机8与2号相机14位于裂解台正上方的同一水平面内,1号相机8与2号相机14相对光源对称安装,光源9处于放置被测工件的裂解台或者说被测工件连杆的正上方,左侧相机8应拍摄到连杆裂解槽右侧切痕的清晰图像,右侧相机8拍摄到左侧切痕的清晰图像。光电开关10要安装在连杆裂解台上,使其在放入连杆后就能触发,原则是不能影响正常的裂解加工过程又能使本系统安全运行。光电开关10的输出端与可编程逻辑控制器2的第一个输入口I0.0电线连接。继电器6的输入端接外部220V电源,继电器6的输出端与光源控制器7的输入电源口电线连接,可编程逻辑控制器2由电源15提供24V直流电,输出成功指示灯3、输出失败指示灯4、输出报警灯5、继电器6的控制引脚依次接可编程逻辑控制器2的输出口Q0.0、输出口Q0.1、输出口Q0.2、输出口Q0.3,输出成功指示灯3、输出失败指示灯4、输出报警灯5、继电器6的地线和电源15的地线电线连接。为了整体的安全和美观,将可编程逻辑控制器2、继电器6、光源控制器7与电源15安装在一个盒子之内,输出成功指示灯3、输出失败指示灯4与输出报警灯5安装在盒子表面。
本发明基于机器视觉的汽车连杆裂解槽检测系统的工作原理:
首先,当有连杆需要检测时,将连杆放置到裂解台的过程中会触发光电开关10发出信号,该信号做为输入触发给可编程逻辑控制器2,可编程逻辑控制器2通过通信串口给计算机1需要检测的信号,计算机1中相应检测软件接收到信号后执行以下两个操作:
1.通过通信串口给可编程逻辑控制器2打开光源信号,可编程逻辑控制器2接收到信号后控制继电器6导通,进而打开光源控制器7使光源9点亮;
2.通过1号连接线11与2号连接线12依次开启1号相机8与2号相机14并进行图片采集。
将采集到的图片通过计算机1中相应检测软件进行分析处理,判断是否存在裂解槽,完成判断后通过通信口给可编程逻辑控制器2输出检测结果信号。
可编程逻辑控制器2接收到信号后,控制输出结果显示,如果检测结果为成功则将输出成功指示灯3置亮,检测结果为失败(包括一侧检测失败和两侧均检测失败)则将输出失败指示灯4置亮,并执行输出报警灯4发出报警,提醒工作人员不得进行裂解操作。
基于机器视觉的汽车连杆裂解槽检测方法是在相机自带驱动软件基础上自我开发的计算机程序;目的是实现对汽车连杆裂解槽的全自动化检测,基于机器视觉的汽车连杆裂解槽检测方法是在Microsoft Visual Studio2005的开发环境下基于MFC的C++编程语言开发的计算机程序。本计算机程序的功能是按标准的ActiveX控件的方式提供的,所以能大大简化应用开发的难度,并且允许在多种平台上进行应用开发。
参阅图2,自我开发的计算机程序由以下模块组成:
1.系统标定模块:
系统标定模块为了使本发明所述的基于机器视觉的汽车连杆裂解槽检测方法适用于不同型号的汽车连杆裂解的槽检测及减小算法的数据处理量,在基于机器视觉的汽车连杆裂解槽检测系统正式检测识别之前要对检测的区域进行规划。
2.转换视角模块:
转换视角模块用于对检测汽车连杆裂解槽左右两侧划痕的1号相机和2号相机使用的转换;
3.输入输出模块:
输入输出模块主要为输入信号的接收,当有检测信号输入时,本发明所述的基于机器视觉的汽车连杆裂解槽检测方法首先判断上一次的连杆检测过程是否完成,未完成则不予接收,已完成则接收该信号并进入图像采集操作;
4.图像采集模块:
图像采集模块打开1号相机8对目标连杆右侧裂解槽的图像拍摄,并对所拍摄的图像进行数字化处理和保存以备后期处理;然后打开2号相机14对目标连杆左侧裂解槽的图像拍摄,并对所拍摄的图像进行数字化处理和保存以备后期处理。
5.图像处理模块:
图像处理模块对左侧裂解槽数字化图像进行同态滤波、Canny边缘检测和裂解槽特征识别,判断其是否存在裂解槽及是否合格,得到检测结果;图像处理模块对右侧裂解槽数字化图像进行同态滤波、Canny边缘检测和裂解槽特征识别,判断其是否存在裂解槽及是否合格,得到检测结果。
6.结果查询模块:
结果查询模块提供与检测过程相关数据的查询,包括检测时间、图像编号、已检测连杆数量、合格连杆数量、不合格连杆数量、检测结果是否合格,并提供打印功能。
参阅图4,本发明所述的基于机器视觉的汽车连杆裂解槽检测方法步骤如下:
1.系统标定
系统标定模块为了减小算法的数据处理,同时为了方便基于机器视觉的汽车连杆裂解槽检测方法适用于不同型号的汽车连杆裂解槽检测,在正式检测识别之前要对检测的区域进行规划,基于机器视觉的汽车连杆裂解槽检测方法对1号相机8与2号相机14得到的两侧裂解槽图片人工的在裂解槽所在区域附近进行相应比例的规划,滑动鼠标截取包含裂解槽在内的矩形区域,确定检测区域的起始坐标和终点坐标;系统标定模块是系统初始调试阶段使用的。
系统标定模块默认系统自动进入左侧标定界面,首先对汽车连杆左侧裂解槽进行标定,当标定成功时系统自动弹出“左侧标定成功”的提示,如若系统没有弹出“左侧标定成功”的提示,需重新标定;当系统弹出“左侧标定成功”后,会自动跳转到右侧标定界面,对汽车连杆右侧裂解槽进行标定,当标定成功时系统自动弹出提示“右侧标定成功”,如若系统没有弹出“右侧标定成功”的提示,需重新标定,直至标定成功。系统标定模块算法以红色矩形区域内的标记进行检测,红色矩形为选择的区域边缘。
2.输入信号接收
1)参阅图3,驱动输入输出模块建立计算机1与可编程逻辑控制器2的串口通信,计算机1向可编程逻辑控制器2发出打开所控制的白色环形的光源9的控制信息,目的是给被检测的汽车连杆工件提供照明;
2)可编程逻辑控制器2根据接收到的控制信息向计算机1返回应答信息,之后根据计算机1指令,对其所控制的光源9、1号相机、2号相机进行如下图片采集操作:
有连杆需要检测时,首先触发光电开关10,光电开关10的信号作为输入给可编程逻辑控制器2,可编程逻辑控制器2通过通信串口给计算机1需要检测信号,计算机1接收到信号后执行以下两个操作:
一方面通过通信串口给可编程逻辑控制器2打开光源9的信号,可编程逻辑控制器2接收到信号后控制继电器6导通,进而打开光源9;
另一方面依次开启1号相机8与2号相机14并进行图片采集。
3.图像采集
图像采集模块完成步骤2中所述的由1号相机8与2号相机14采集的图片传输到计算机1的为连杆整体图像,然后将采集到的模拟信号转换为数字信号并输入到计算机1内存中,同时将得到的1号相机8与2号相机14的2个图片在计算机1界面内显示。
具体实施过程为:1号相机8首先对连杆左侧裂解槽进行拍照并储存,然后通过转换视角模块切换到2号相机14,对连杆右侧裂解槽进行拍照并存储。
4.图像处理
基于机器视觉对汽车连杆裂解槽检测方法的核心就是对所得图像标定后的区域进行图像处理,基于机器视觉的汽车连杆裂解槽检测方法是通过处理标定后的图片,对左侧裂解槽数字化图像进行同态滤波、Canny边缘检测和裂解槽的特征识别,判断其是否存在裂解槽及裂解槽是否合格,得到检测结果;对右侧裂解槽数字化图像进行同态滤波、Canny边缘检测和裂解槽的特征识别,判断其是否存在裂解槽及裂解槽是否合格,得到检测结果。判定的条件是用测得的裂解槽长度,圆形度与所设置的阈值(经过大量实验确定存在裂解槽时的阈值是:裂解槽长度为16±1个像素值,圆形度约为c=0.63±0.02)进行比较,判定是否存在裂解槽。其实现是通过手动检测或自动检测来执行的:
1)手动检测:
当标定成功后,按下手动检测按钮,基于机器视觉的汽车连杆裂解槽检测系统会自动对汽车连杆进行判断是否存在裂解槽,然后会发出相应的信息:
当检测合格时,检测结果显示为:“左侧成功”、“右侧成功”;相应的图标均显示为绿色,说明基于机器视觉的汽车连杆裂解槽检测系统判断出所检测的工件为合格产品;对应的与可编程逻辑控制器2连接的绿灯点亮,基于机器视觉的汽车连杆裂解槽检测系统无报警提示,机械部分可以执行“胀断”操作;从左右裂解槽图片我们还可以观测到基于机器视觉的汽车连杆裂解槽检测系统为裂解槽部分进行了红色标记。
当检测结果显示为“左侧成功”、“右侧失败”时,成功字体依然为绿色、失败字体为红色,界面指示灯左侧为绿灯、右侧为红灯,对应可编程逻辑控制器2控制的指示灯:绿色不点亮,红色的输出警报灯5点亮并附带蜂鸣声,与机械部分对应的“胀断”指令失效。此时主系统也出现蜂鸣红灯报警;界面只有左侧裂解槽图片有红色标记。
当检测结果为“左侧失败”、“右侧成功”时,成功字体依然为绿色、失败字体为红色,界面指示灯左侧为红灯,右侧为绿灯,对应可编程逻辑控制器2控制的指示灯:绿色不点亮,红色的输出警报灯5点亮并附带蜂鸣声,与机械部分对应的“胀断”指令失效。此时主系统也出现蜂鸣红灯报警;界面只有右侧裂解槽图片有红色标记;
2)自动检测:
自动检测是在基于机器视觉的汽车连杆裂解槽检测系统标定后才可以进行的,计算机1通过与可编程逻辑控制器2的串口通信,利用可编程逻辑控制器2连接的光电开关10,使得在有连杆需要进行检测的时候,触发自动检测;其检测结果的输出和相应信息的显示与手动检测一致;
5.结果输出与结果查询
为了用户方便查询,基于机器视觉的汽车连杆裂解槽检测系统中的结果查询模块提供了与检测过程相关数据的查询,包括检测时间、检测图像编号、已检测连杆数量、合格连杆数量、不合格连杆数量、检测结果是否合格,并提供打印功能;其中:
基于机器视觉的汽车连杆裂解槽检测系统开始检测计数为1,然后依次累加;检测时间为基于机器视觉的汽车连杆裂解槽检测系统时间;检测结果为每次对工件判断结果的记录,同时为了方便清空数据记忆,基于机器视觉的汽车连杆裂解槽检测系统提供了复位功能即可对相关检测数据清0。
实施例
1.如果本次检测连杆的型号与上次检测的连杆的型号没有变化则不需要系统标定。连杆的型号有变化时需要系统标定:对连杆左侧裂解槽图像和连杆右侧裂解槽图像依次规划出检测过程中需要处理的区域,并记录所标定区域的起始坐标和终点坐标,以备检测时使用。
2.一般检测时会选择自动检测,检测过程是计算机1通过与可编程逻辑控制器2的通信串口自动获取信号触发,通过1号相机8与2号相机14进行图像采集;再经过1号连接线11、2号连接线12通过计算机1中的1394图像采集卡传输所得的连杆图像,计算机1将模拟信号转换为数字信号并存储到计算机1的内存中,同时将得到的左右两侧裂解槽图片显示到计算机1的界面中;
3.根据图像处理的阈值:裂解槽长度为16±1个像素值,圆形度约为c=0.63±0.02,比较判断来自标定区域中裂解槽的长度,圆形度大小,得到检测结果。
4.计算机1将所检测结果通过通信串口触发可编程逻辑控制器2,控制输出结果显示,如果检测结果为成功则将输出成功指示灯3置亮,检测结果为失败(包括一侧检测失败和两侧均检测失败)则将输出失败指示灯4置亮,并执行输出报警灯5发出报警,提醒工作人员不得进行裂解操作。
在软件系统调试期间、一次检测2000个连杆,试验检测结果与实际符合程度达到了99%;在检测同一型号的连杆时,摆放容许上下3mm的误差,且测试过程中只要光电开关10不在1s内连续触发2次,基于机器视觉的汽车连杆裂解槽检测系统不会出现误判断。为了再次验证基于机器视觉的汽车连杆裂解槽检测方法的准确性,只取10个连杆,其中2个没有裂解槽,一个只有单侧有裂解槽;将3个不合格的连杆和其它7个具有合格裂解槽的连杆无顺序打乱,然后依次放在裂解台上,对10个连杆循环进行5次检测,基于机器视觉的汽车连杆裂解槽检测系统均可正确判断出连杆是否具有合格的裂解槽。
Claims (3)
1.一种基于机器视觉的汽车连杆裂解槽检测方法,其特征在于,所述的基于机器视觉的汽车连杆裂解槽检测方法的步骤如下:
1)系统标定:
为适用于不同型号的汽车连杆裂解槽的检测及减小算法的数据处理量,在汽车连杆裂解槽正式检测之前要对检测的区域进行规划;
2)输入信号接收:
(1)输入输出模块建立计算机(1)与可编程逻辑控制器(2)的串口通信,计算机(1)向可编程逻辑控制器(2)发出打开光源(9)的控制信息;
(2)可编程逻辑控制器(2)根据接收到的控制信息向计算机(1)返回应答信息,之后根据计算机(1)的指令,对光源(9)、1号相机(8)与2号相机(14)进行图片采集操作;
3)图像采集:
图像采集模块完成步骤2)中由1号相机(8)与2号相机(14)采集的图片传输到计算机(1)的为连杆整体图像,将采集到的模拟信号转换为数字信号并输入到计算机(1)内存中,同时将得到的1号相机(8)与2号相机(14)的2个图片在计算机(1)界面内显示;其中,光源(9)应位于1号相机(8)与2号相机(14)的中间线上,光源(9)在竖直方向高度可调整,1号相机(8)与2号相机(14)位于裂解台正上方的同一水平面内,1号相机(8)与2号相机(14)相对光源对称安装,光源(9)处于放置被测工件的裂解台或者被测工件连杆的正上方,左侧的1号相机(8)应拍摄到连杆裂解槽右侧切痕的清晰图像,右侧的2号相机14拍摄到左侧切痕的清晰图像;
4)图像处理:
(1)对左侧裂解槽数字化图像进行同态滤波、Canny边缘检测和裂解槽特征识别,判断其是否存在裂解槽及裂解槽是否合格,得到检测结果;
(2)对右侧裂解槽数字化图像进行同态滤波、Canny边缘检测和裂解槽特征识别,判断其是否存在裂解槽及裂解槽是否合格,得到检测结果;判定的条件是用测得的裂解槽长度与圆形度和所设置的裂解槽长度与圆形度阈值进行比较,判定是否存在裂解槽,其中:裂解槽长度阈值为16±1个像素值,圆形度阈值为c=0.63±0.02;
5)结果输出与查询:
结果查询模块提供了与检测过程相关数据的查询,包括检测时间、检测图像编号、已检测连杆数量、合格连杆数量、不合格连杆数量、检测结果是否合格,并提供打印功能;其中:
基于机器视觉的汽车连杆裂解槽检测系统开始检测计数为1,然后依次累加;
检测时间为基于机器视觉的汽车连杆裂解槽检测系统时间;
检测结果为每次对工件判断结果的记录,同时为了方便清空数据记忆,基于机器视觉的汽车连杆裂解槽检测系统提供了复位功能即可对相关检测数据清0。
2.按照权利要求1所述的基于机器视觉的汽车连杆裂解槽检测方法,其特征在于,所述的在汽车连杆裂解槽正式检测之前要对检测的区域进行规划是指:
(1)对汽车连杆左侧裂解槽进行标定,当标定成功时系统自动弹出“左侧标定成功”的提示,若没有弹出“左侧标定成功”的提示,需重新标定,当系统弹出“左侧标定成功”后,会自动跳转到右侧标定界面;
(2)对汽车连杆右侧裂解槽进行标定,当标定成功时系统自动弹出“右侧标定成功”的提示,若没有弹出“右侧标定成功”的提示,需重新标定,直至标定成功。
3.按照权利要求1所述的基于机器视觉的汽车连杆裂解槽检测方法,其特征在于,所述的根据计算机(1)的指令,对光源(9)、1号相机(8)与2号相机(14)进行图片采集操作是指:
连杆放置到裂解台的过程中触发光电开关(10),光电开关(10)的信号输入给可编程逻辑控制器(2),可编程逻辑控制器(2)通过通信串口给计算机(1)需要检测信号,计算机(1)接收到信号后执行以下两项操作:
a.通过通信串口给可编程逻辑控制器(2)打开光源(9)的信号,可编程逻辑控制器(2)接收到信号后控制继电器(6)打开光源(9);
b.依次开启1号相机(8)与2号相机(14)并进行图片采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210544729.6A CN102967265B (zh) | 2012-12-15 | 2012-12-15 | 基于机器视觉的汽车连杆裂解槽检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210544729.6A CN102967265B (zh) | 2012-12-15 | 2012-12-15 | 基于机器视觉的汽车连杆裂解槽检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102967265A CN102967265A (zh) | 2013-03-13 |
CN102967265B true CN102967265B (zh) | 2015-10-21 |
Family
ID=47797570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210544729.6A Expired - Fee Related CN102967265B (zh) | 2012-12-15 | 2012-12-15 | 基于机器视觉的汽车连杆裂解槽检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102967265B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269445A (zh) * | 2018-09-27 | 2019-01-25 | 广东工业大学 | 一种可自动校正的连杆加工夹具的视觉检测装置及方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106643536A (zh) * | 2016-12-20 | 2017-05-10 | 南京世界村汽车动力有限公司 | 基于机器视觉的汽车发动机连杆几何参数检测系统 |
CN107414314B (zh) * | 2017-07-25 | 2019-04-23 | 广东工业大学 | 一种连杆视觉辅助定位激光切槽装置和控制方法 |
CN109482515A (zh) * | 2018-11-22 | 2019-03-19 | 珠海格力智能装备有限公司 | 螺钉的分拣方法及装置、螺钉的分拣系统 |
CN110455809A (zh) * | 2019-08-14 | 2019-11-15 | 广东工业大学 | 一种连杆表面缺陷的机器视觉检测装置及方法 |
JP2022064448A (ja) * | 2020-10-14 | 2022-04-26 | 株式会社安永 | コネクティングロッドの検査方法及び検査装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175222A (zh) * | 2011-03-04 | 2011-09-07 | 南开大学 | 基于立体视觉的吊车避障系统 |
CN102721375A (zh) * | 2012-06-20 | 2012-10-10 | 北京航空航天大学 | 一种强反光金属结构件的在位测量中多次反光抑制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6950546B2 (en) * | 2002-12-03 | 2005-09-27 | Og Technologies, Inc. | Apparatus and method for detecting surface defects on a workpiece such as a rolled/drawn metal bar |
-
2012
- 2012-12-15 CN CN201210544729.6A patent/CN102967265B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175222A (zh) * | 2011-03-04 | 2011-09-07 | 南开大学 | 基于立体视觉的吊车避障系统 |
CN102721375A (zh) * | 2012-06-20 | 2012-10-10 | 北京航空航天大学 | 一种强反光金属结构件的在位测量中多次反光抑制方法 |
Non-Patent Citations (2)
Title |
---|
汽车发动机连杆表面缺陷机器视觉检测系统;周龙;《浙江工业大学优秀硕士论文》;20050630;正文第2-4章,第17-59页 * |
视觉传感焊缝跟踪技术的发展状况及实施方案探讨;王伟等;《电焊机》;20020531;第32卷(第5期);第1-8页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269445A (zh) * | 2018-09-27 | 2019-01-25 | 广东工业大学 | 一种可自动校正的连杆加工夹具的视觉检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102967265A (zh) | 2013-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102967265B (zh) | 基于机器视觉的汽车连杆裂解槽检测方法 | |
CN107393270B (zh) | 一种用于电气仪表检测的移动式视觉巡检设备及方法 | |
CN102967888B (zh) | 基于机器视觉的汽车连杆裂解槽检测系统 | |
CN109242439A (zh) | 基于变电站设备相关联数据的特征提取识别方法 | |
CN104438128A (zh) | 一种整体化拆回电能表检测分拣方法 | |
CN104182338B (zh) | 一种疲劳驾驶预警产品检测精度的测试方法 | |
CN106970318A (zh) | 计量仪表电路板智能测试系统及智能测试方法 | |
CN101456159A (zh) | 火花识别对刀方法及磨削加工自动化系统 | |
CN103198705B (zh) | 车位状态自动检测方法 | |
CN103512762A (zh) | 图像处理方法、装置及列车故障检测系统 | |
CN103308523B (zh) | 多尺度瓶口缺陷检测方法及装置 | |
CN206132657U (zh) | 一种基于机器视觉的烫金质量智能检测系统 | |
CN101762231A (zh) | 一种手机按键外观检测装置及检测方法 | |
CN107092913A (zh) | 一种喷印字符在线识别及交互式后处理系统及方法 | |
CN102081808A (zh) | 现场设备巡检方法及系统 | |
CN109598193A (zh) | 一种基于人工智能的火焰图像识别方法 | |
CN109881356B (zh) | 基于svm图像分类的袜机织针在线检测装置及方法 | |
CN110942050A (zh) | 一种基于图像处理的自动售卖机商品识别系统 | |
CN106546185A (zh) | 一种基于机器视觉检测的轮廓质量检测方法 | |
CN108776143A (zh) | 一种鸡蛋蛋壳表面微小污斑的在线视觉检测装置及方法 | |
CN101685068A (zh) | 烤烟烟叶图像自动采集装置控制仪 | |
CN201828932U (zh) | 电容器外观质量检测装置 | |
EP3923184A2 (en) | Method and system for vehicle parking detection, electronic device and storage medium | |
CN203432920U (zh) | 压电陶瓷蜂鸣片外观缺陷自动检测装置 | |
CN208384688U (zh) | 设有检测装置的商品自助交易装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151021 Termination date: 20161215 |
|
CF01 | Termination of patent right due to non-payment of annual fee |