CN107246841A - 一种汽车零部件的多视点检测分选装置 - Google Patents

一种汽车零部件的多视点检测分选装置 Download PDF

Info

Publication number
CN107246841A
CN107246841A CN201710393222.8A CN201710393222A CN107246841A CN 107246841 A CN107246841 A CN 107246841A CN 201710393222 A CN201710393222 A CN 201710393222A CN 107246841 A CN107246841 A CN 107246841A
Authority
CN
China
Prior art keywords
parts
image
classification
conveyer belt
multiple views
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
Application number
CN201710393222.8A
Other languages
English (en)
Inventor
胡志力
余伟佶
顾浩
许子鸣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201710393222.8A priority Critical patent/CN107246841A/zh
Publication of CN107246841A publication Critical patent/CN107246841A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N2021/8909—Scan signal processing specially adapted for inspection of running sheets
    • G01N2021/891—Edge discrimination, e.g. by signal filtering

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Textile Engineering (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明公开了一种汽车零部件的多视点检测分选装置，包括由主控计算机控制的传送带、第一光电传感器、工业相机、分级推送气缸和分级推送光电传感器，其中，工业相机处还设置有平面镜，相对于工业相机布置在传送带另一侧，所述平面镜由两个夹角为60°的平面镜体组成。本装置利用平面镜克服了单摄像机单视点拍摄的局限性，提高了识别精度，同时克服了多摄像机多视点拍摄时的相机同步难题，节省设备开支，结构简单，准确度高，具有良好的经济效益。

Description

一种汽车零部件的多视点检测分选装置
技术领域
本发明涉及零部件识别领域，具体地指一种汽车零部件的多视点检测分选装置。
背景技术
随着汽车制造业的快速发展，以及客户对产品质量要求的不断提高，传统人工检测的方法已不适用于现代零件生产模式。现代图像处理技术与自动化生产线中的分拣系统结合，用CCD工业相机来获取图像信息，使得检测分拣装置具备了机器视觉，机器视觉具有检测速度快、可靠性好、实时性高等特点，可以实现无接触、无损检测。
目前国内的高校以及科研单位针对基于机器视觉的检测方法的相关专利与论文有：
申请号为201510607834.3的发明申请“精冲零部件形状特征或缺陷特征智能在线检测方法”采用传送带传送零部件到拍摄区域，再配合基于机器视觉的方法完成检测。这种方法只能从一个视点来检测零件，精度不高。
申请号为201420481566.6的发明申请“一种基于机器视觉的汽车连接件检测系统”在需要测定的四个工位上均安装一工业相机，每路工业相机均连接主处理器，从而完成零件全方位图像采集。采用多摄像机多视点来克服单摄像机单视点局限，但是这种方法在获取多视点图像时多摄像机同步是一个难题。
文章篇号为1673-9078(2016)-218-222的论文设计了一种基于平面镜的低成本多视角投影成像机构，用于获取鲜食葡萄果穗不同侧面信息来判断果穗形状、颜色是否合格。但这种方法只可用于葡萄外观的分级，为在线检测提供参考，无法完成分选工作。
发明内容
本发明就是针对现有技术的不足，提供了一种高效、准确、快速的汽车零部件的多视点检测分选装置。
为了实现上述目的，本发明所设计的汽车零部件的多视点检测分选装置，其特征在于：包括主控计算机、传送带，所述传送带上设置有零部件检测区和零部件分选区，所述零部件检测区设置有第一光电传感器、工业相机和平面镜，所述平面镜与工业相机相对布置，分别位于传送带两侧，所述平面镜由两个夹角为60°的平面镜体组成；所述零部件分选区位于零部件检测区下游，零部件分选区设置有多个分级推送气缸和分级推送光电传感器，用于分选不同的零部件；所述传送带、第一光电传感器、工业相机、分级推送气缸和分级推送光电传感器均由主控计算机控制，其中，所述工业相机通过图像采集卡与主控计算机连接；
所述主控计算机的工作过程包括以下步骤：
S1接收第一光电传感器信号，采集零部件多视点外表面图像，工业相机正对零部件外表面，拍摄实像和在双平面镜中所成虚像；
S2处理零部件图像，主控计算机对采集的图像进行预处理和零部件外表面形状特征特征提取；
S3识别零部件外表面形状特征并与模板库图形匹配，匹配度最高的作为输出，完成零部件外表面形状特征的分选；
S4将分选后的零部件通过传送带、分级推送气缸和分级推送光电传感器进行分类处理。
进一步地，所述步骤S2中图像预处理包括图像增强、滤波去噪、图像分割和边缘检测，且对多视点图像出现的图像重叠现象采用像素点表征特征值的方法进行处理。
更进一步地，所述步骤S1中零部件的拍摄条件与模板库里面的相对应的零部件拍摄条件相同。
再进一步地，所述工零部件检测区安装有LED环形光源。
再进一步地，所述工业相机镜头前安装有偏振片。
本发明的优点在于：
克服单摄像机单视点检测的局限，并且克服当前采用多摄像机在获取多视点图像时多摄像机同步的难题。采用单摄像机双平面镜系统，能最大范围地获取汽车零部件外表面形状特征图像来识别汽车零部件种类并加以分选，也可用于检测生产线上零部件有无质量问题，主要检测包括尺寸检测、精度检测、外观形貌缺陷检测等，提高零部件外表面形状特征或缺陷特征判别的效率。摒弃了传统人工检测零件质量中易出现漏检、无法保证统一标准、检测效率低下等这些不符合现代汽车零部件循环利用发展趋势的缺点，具有高效、准确、快速等特点。
附图说明
图1为本发明的双平面镜成像机理轴测图。
图2为本发明的双平面镜成像机理俯视图。
图3为本发明的汽车零部件的多视点检测分选装置结构示意图。
图中：LED环形光源1，平面镜2，第一光电传感器3，工业相机4，图像采集卡5，主控计算机6，分级推送气缸7，分级推送光电传感器8，传送带9。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细描述：
图中所示汽车零部件的多视点检测分选装置，包括主控计算机6、传送带9，所述传送带9上设置有零部件检测区和零部件分选区，所述零部件检测区设置有第一光电传感器3、工业相机4和平面镜2，平面镜2与工业相机4相对布置，分别位于传送带9两侧，平面镜2由两个夹角为60°的平面镜体组成；零部件分选区位于零部件检测区下游，零部件分选区设置有多个分级推送气缸7和分级推送光电传感器8，用于分选不同的零部件；所述传送带9、第一光电传感器3、工业相机4、分级推送气缸7和分级推送光电传感器8均由主控计算机6控制，其中，工业相机4通过图像采集卡5与主控计算机6连接；零部件检测区周围安装有LED环形光源1，使光线均匀得照射到待检测零部件表面。在工业相机4光学镜头前安装偏振片，适当旋转以减小零部件表面的反光斑点。
主控计算机的工作过程包括以下步骤：
S1接收第一光电传感器信号，采集零部件多视点外表面图像，工业相机正对零部件外表面，拍摄实像和在双平面镜中所成虚像；
S2处理零部件图像，主控计算机对采集的图像进行预处理和零部件外表面形状特征特征提取；
S3识别零部件外表面形状特征并与模板库图形匹配，匹配度最高的作为输出，完成零部件外表面形状特征的分选；
S4将分选后的零部件通过传送带、分级推送气缸和分级推送光电传感器进行分类处理。
在进行零部件种类分选的基础上，可进行相关缺陷检测，主要检测包括尺寸检测、精度检测、外观形貌缺陷检测等。
其中，步骤S2中图像预处理包括图像增强、滤波去噪、图像分割和边缘检测，且对多视点图像出现的图像重叠现象采用像素点表征特征值的方法进行处理。
优选地，图像增强采用直方图均衡化，滤波去噪采用中值滤波算法。步骤S2中特征可包括形态特征、灰度特征、纹理特征，可采用二值化图像技术，即将目标部分的灰度值置为最大，而将背景部分的灰度值置为最小。
优选地，二值化处理采取Otsu算法，采取设图像包含L个灰度级(0,1…,L-1)，灰度值为i的的像素点数为Ni，图象总的像素点数为N＝N0+N1+...+N(L-1)。灰度值为i的点的概率为：P(i)＝N(i)/N。门限t将整幅图象分为暗区c1和亮区c2两类，从灰度级0到L-1调整t的大小，并计算每个t对应的c1和c2的类内方差和类间方差，将类内方差之和与类间方差比值最小时的t值作为图像二值化的阈值。
采用基于二值化图像技术的模板匹配的方法，对每个图像建立一个标准模板Ti，待识别图像为X，他们的大小均为640×480，将待识别图像逐个与模板匹配，求出其相似度Si，设置拒识阈值，若Si<λ，则判定若Si≥λ，则判定X∈Ti。若对于所有模板都有Si<λ，则判定该零部件的质量有问题，如图1和2所示，直接传送到传送带末端回收处理；若对于多个模板都有Si≥λ，则取匹配度最高的作为输出，完成零部件种类判别。
工业相机每拍摄一次可获得多个视点的图像而可能出现图像重叠，不同视点图像上的特征线也会相应的接近或相连接，从而导致不能准确的分辨出不同视点图像的特征线。采用像素点表征特征值的方法，通过综合像素点周围区域灰度值，灰度方差值以及RGB分量值来完成不同目标特征线的分类。表征特征值F的计算方法为F＝f(A)+f(B)+f(C)，其中f(A)为灰度值的差值的绝对值，f(B)为灰度方差的差值，f(C)为RGB各个颜色通道差值的绝对值之和，如果表征特征值F大于一定的范围(如2.0)，则判定两个特征线属于不同的视点图像。模板库零部件外表面形状特征或缺陷特征的拍摄环境光照、图像角度与采集输入图像相同，采用模板匹配的方法，将输入图像提取的零部件外表面形状特征或缺陷特征特征与模板库提取的零部件外表面形状特征或缺陷特征特征进行匹配，完成零部件外表面形状特征或缺陷特征的检测分选。
如图1所示，本发明成像机理在于，A和B表示相互夹角为60度双平面镜，C0表示真实的零部件，D0表示真实的相机。C0会在双平面镜中反射得到若干虚像。在图中，将相机D0放置在某一方位和角度时，会拍摄得到真实的物体和平面镜体反射所成的虚像，如图中其它编号的零部件像。在图一中，平面镜B1是平面镜B经平面镜A反射得到，平面镜A1是平面镜A经平面镜B反射的到。零部件C1是零部件Co经过平面镜A反射得到的，零部件C2是零部件C1经过平面镜B1反射得到，零部件C4是零部件C0经过平面镜B反射得到，零部件C3是零部件C4由平面镜A1反射得到。同时可将上述空间构成类比成一个真实相机D0和4个虚拟相机D1，D2，D3，D4拍摄真实物体，将其组合后得到图像。
本发明的传送带的传送速度为0-4m/s，优选速度为1m/s。传送带宽度为200mm-300mm之间，厚为5mm。
本发明汽车零部件的多视点检测分选装置的具体工作步骤是：
提供待检测零部件送入传送带的一端。当待检测零部件到达零部件检测区域时，触发位于传送带一侧的光电传感器3，主控计算机6根据这一信号触发工业相机开关，开始拍摄图像。本发明中零部件要求固定位姿摆放在传送带上。如图一所示，待检测零部件通过传送带运送到相互夹角呈60度的双平面镜，利用双平面镜来拓展机的图像采集视点，即同时从不同视点来获取待检测零部件外表面外观特征及缺陷特征。
主控计算机6将图像处理判断后的分选执行命令输送至分选装置，分选装置由位于传送带一侧的4格物料通道及位于传送带另一侧的4个分级推送气缸7组成。在每个推送气缸旁布置1个光电传感器8。根据主控计算机6发来的信号，当零部件通过相应光电传感器8后，推杆将零部件送入相应的物料通道中，从而使不同种类的零部件分选出来。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (5)

1.一种汽车零部件的多视点检测分选装置，其特征在于：包括主控计算机(6)、传送带(9)，所述传送带(9)上设置有零部件检测区和零部件分选区，所述零部件检测区设置有第一光电传感器(3)、工业相机(4)和平面镜(2)，所述平面镜(2)与工业相机(4)相对布置，分别位于传送带(9)两侧，所述平面镜(2)由两个夹角为60°的平面镜体组成；所述零部件分选区位于零部件检测区下游，零部件分选区设置有多个分级推送气缸(7)和分级推送光电传感器(8)，用于分选不同的零部件；所述传送带(9)、第一光电传感器(3)、工业相机(4)、分级推送气缸(7)和分级推送光电传感器(8)均由主控计算机(6)控制，其中，所述工业相机(4)通过图像采集卡(5)与主控计算机(6)连接；
所述主控计算机(6)的工作过程包括以下步骤：
S1接收第一光电传感器信号，采集零部件多视点外表面图像，工业相机正对零部件外表面，拍摄实像和在双平面镜中所成虚像；
S2处理零部件图像，主控计算机对采集的图像进行预处理和零部件外表面形状特征特征提取；
S3识别零部件外表面形状特征并与模板库图形匹配，匹配度最高的作为输出，完成零部件外表面形状特征的分选；
S4将分选后的零部件通过传送带、分级推送气缸和分级推送光电传感器进行分类处理。
2.根据权利要求1所述的汽车零部件的多视点检测分选装置，其特征在于：所述步骤S2中图像预处理包括图像增强、滤波去噪、图像分割和边缘检测，且对多视点图像出现的图像重叠现象采用像素点表征特征值的方法进行处理。
3.根据权利要求2所述的汽车零部件的多视点检测分选装置，其特征在于：所述步骤S1中零部件的拍摄条件与模板库里面的相对应的零部件拍摄条件相同。
4.根据权利要求3所述的汽车零部件的多视点检测分选装置，其特征在于：所述工零部件检测区安装有LED环形光源。
5.根据权利要求4所述的汽车零部件的多视点检测分选装置，其特征在于：所述工业相机镜头前安装有偏振片。
CN201710393222.8A 2017-05-27 2017-05-27 一种汽车零部件的多视点检测分选装置 Pending CN107246841A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710393222.8A CN107246841A (zh) 2017-05-27 2017-05-27 一种汽车零部件的多视点检测分选装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710393222.8A CN107246841A (zh) 2017-05-27 2017-05-27 一种汽车零部件的多视点检测分选装置

Publications (1)

Publication Number Publication Date
CN107246841A true CN107246841A (zh) 2017-10-13

Family

ID=60017790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710393222.8A Pending CN107246841A (zh) 2017-05-27 2017-05-27 一种汽车零部件的多视点检测分选装置

Country Status (1)

Country Link
CN (1) CN107246841A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107917698A (zh) * 2017-11-07 2018-04-17 东华大学 一种基于电容式位移传感器和图像处理的小物件检测系统
CN109277313A (zh) * 2018-10-12 2019-01-29 何方 一种检测方法以及检测设备
CN113432542A (zh) * 2018-03-19 2021-09-24 发那科株式会社 检查装置及其检查方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102297867A (zh) * 2011-07-20 2011-12-28 上海元一电子有限公司 线束装配质量检测系统
CN103063134A (zh) * 2012-12-26 2013-04-24 浙江大学 碎石几何特征采集系统及采集方法
CN103480585A (zh) * 2013-10-08 2014-01-01 南京萨特科技发展有限公司 全自动跟线外观检测设备
US20140002634A1 (en) * 2012-06-27 2014-01-02 Fin Scan Oy System for imaging sawn timber
CN105964564A (zh) * 2016-05-04 2016-09-28 成都贝森伟任科技有限责任公司 水果品质分选装置
CN106493090A (zh) * 2016-10-20 2017-03-15 北京金贝诺科技有限公司 一种轴承零部件自动分拣方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102297867A (zh) * 2011-07-20 2011-12-28 上海元一电子有限公司 线束装配质量检测系统
US20140002634A1 (en) * 2012-06-27 2014-01-02 Fin Scan Oy System for imaging sawn timber
CN103063134A (zh) * 2012-12-26 2013-04-24 浙江大学 碎石几何特征采集系统及采集方法
CN103480585A (zh) * 2013-10-08 2014-01-01 南京萨特科技发展有限公司 全自动跟线外观检测设备
CN105964564A (zh) * 2016-05-04 2016-09-28 成都贝森伟任科技有限责任公司 水果品质分选装置
CN106493090A (zh) * 2016-10-20 2017-03-15 北京金贝诺科技有限公司 一种轴承零部件自动分拣方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107917698A (zh) * 2017-11-07 2018-04-17 东华大学 一种基于电容式位移传感器和图像处理的小物件检测系统
CN113432542A (zh) * 2018-03-19 2021-09-24 发那科株式会社 检查装置及其检查方法
CN113432542B (zh) * 2018-03-19 2023-10-31 发那科株式会社 检查装置及其检查方法
CN109277313A (zh) * 2018-10-12 2019-01-29 何方 一种检测方法以及检测设备

Similar Documents

Publication Publication Date Title
CN107138431B (zh) 一种基于机器视觉的零部件识别分选方法及系统
CN106204614B (zh) 一种基于机器视觉的工件外观缺陷检测方法
US20220157070A1 (en) Systems and methods for surface modeling using polarization cues
US20180322623A1 (en) Systems and methods for inspection and defect detection using 3-d scanning
CN110246122A (zh) 基于机器视觉的小型轴承质量检测方法、装置及系统
CN100547394C (zh) 基于图像信息融合技术的水果品质检测系统
CN104237252A (zh) 一种机器视觉产品表面微缺陷智能检测方法及其装置
Liu et al. Automatic detection technology of surface defects on plastic products based on machine vision
CN110618134A (zh) 钢板表面质量缺陷检测评级系统及方法
CN105866136A (zh) 摄像头模组滤光片涂胶检测装置和方法
CN105158268A (zh) 精冲零部件缺陷智能在线检测方法、系统及装置
CN108267455B (zh) 塑料薄膜印刷字符缺陷检测装置及方法
CN102192911A (zh) 一种基于机器视觉的金属瓶盖质量检测系统和方法
CN104197836A (zh) 基于机器视觉的汽车门锁装配尺寸检测方法
CN108490000A (zh) 一种棒线材表面缺陷在线检测装置和方法
CN107246841A (zh) 一种汽车零部件的多视点检测分选装置
CN109584215A (zh) 一种电路板在线视觉检测系统
CN102141379A (zh) 新型玻璃瓶罐检测装置
Bahaghighat et al. Designing quality control system based on vision inspection in pharmaceutical product lines
CN111487192A (zh) 一种基于人工智能的机器视觉表面缺陷检测装置及方法
CN105241400A (zh) 一种玻璃平整度检测的方法及其装置
CN111239142A (zh) 膏体外观缺陷检测设备及方法
CN202351182U (zh) 一种马口铁表面缺陷在线高速检测系统
WO1998001746A1 (en) Visual inspection apparatus
Golkar et al. Ceramic tile border defect detection algorithms in automated visual inspection system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171013