CN110039374A - 一种视觉识别引导系统、设备和方法 - Google Patents
一种视觉识别引导系统、设备和方法 Download PDFInfo
- Publication number
- CN110039374A CN110039374A CN201910374569.7A CN201910374569A CN110039374A CN 110039374 A CN110039374 A CN 110039374A CN 201910374569 A CN201910374569 A CN 201910374569A CN 110039374 A CN110039374 A CN 110039374A
- Authority
- CN
- China
- Prior art keywords
- plate
- information
- image
- defect
- acquisition unit
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/20—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring workpiece characteristics, e.g. contour, dimension, hardness
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种系统,所述系统包括用于采集所述板材及取样区域的图像的工业级面阵相机;用于采集所述板材的表面细节图像的工业级线阵相机;用于根据一取样区域内板材的图像和/或所述板材的表面细节图像来检测所述板材的实际信息的检测模块;以及用于根据检测到的所述板材实际信息并结合所述板材的一个或多个加工要求来提供用于所述板材的一个或多个优化加工方案的优化模块。所述板材实际信息包括板材尺寸信息、轮廓定位信息、缺陷尺寸信息、缺陷定位信息和/或缺陷类型信息中的一个或多个。
Description
技术领域
本发明涉及计算机视觉领域,尤其涉及视觉识别引导加工系统、设备和方法。
背景技术
目前工业制造中的板材类产品在进行自动化加工时,通常需要对原材料的尺寸规格进行统一。对于薄板材类原料表面缺陷检测以及加工位置标记,大多数工艺停留在人工检查缺陷并标记加工位置,最后通过人为操作加工设备对板材进行处理。部分工艺针对产品表面的视觉检测(例如,尺寸检测系统、工件定位系统、外观检测系统)。针对板材加工,通常需要调用预设的加工方案配合自动化加工设备进行处理(例如,激光切割机、激光打标机)。现有的视觉检测技术和板材加工技术相对独立,通常运用视觉检测筛选出质量合格的板材,由人工审核后调用加工设备的预设图纸进行板材处理。整个流程必须通过人工介入来连接两个系统的运作。
频繁的人工介入可能使得生产质量不易控制(例如:人工无法准确定位加工位置,板材表面缺陷出现误检漏检等),板材类原料利用率较低,有缺陷的板材可能会被直接作为废料处理,不能结合后序的加工工艺进行优化利用。此外,应用场景较为单一,通常要求整个产线的板材产品具有统一规格、材质等,当产品的规格不一致时,无法实现自动化的加工操作。
发明内容
本发明的一个目的在于提供一种视觉识别及引导的加工系统、设备和方法。
依据本发明的一个发明,提供了一种系统,所述系统包括一检测模块,用于根据一取样区域内板材的图像和/或所述板材的表面细节图像来检测所述板材的实际信息;和/或一优化模块,用于根据检测到的所述板材实际信息并结合所述板材的一个或多个加工要求来提供用于所述板材的一个或多个优化加工方案。
依据本发明上述方面的系统,其中板材实际信息包括板材尺寸信息、轮廓定位信息、缺陷尺寸信息、缺陷定位信息和/或缺陷类型信息中的一个或多个。
依据本发明上述方面中任一个的系统,其中还包括采集模块,用于采集所述板材及取样区域的图像和/或用于采集所述板材的表面细节图像,以提供给所述检测模块。
依据本发明上述方面中任一个的系统,其中所述采集模块包括用于采集所述板材及取样区域的图像的第一采集单元和/或用于采集所述板材的表面细节图像的第二采集单元。
依据本发明上述方面中任一个的系统,其中所述第一采集单元包括工业级面阵相机,和/或所述第二采集单元包括工业级线阵相机。
依据本发明上述方面中任一个的系统,其中所述检测模块还用于通过图像处理和/或检测算法从所述板材及取样区域的图像中提取板材相对于取样区域的最大轮廓,和/或利用预先标定的采集模块参数来获得所述板材板材定位信息和/或板材尺寸信息。
依据本发明上述方面中任一个的系统,其中所述检测模块还用于通过图像处理和/或检测算法从所述表面细节图像中提取板材和/或缺陷的特征,和/或通过利用预先标定的采集模块参数来计算相对于板材轮廓的所述缺陷定位信息;和/或利用提取的缺陷特征来获得所述缺陷尺寸信息和/或缺陷类型信息。
依据本发明上述方面中任一个的系统,其中所述优化模块还用于在板材的加工区域根据所述缺陷尺寸信息和/或缺陷类型信息选择避让,以使标准样件最大轮廓无法与缺陷轮廓交叉,和/或根据所述板材尺寸信息、缺陷尺寸信息和/或生产工件的尺寸,在板面上以最小的间隙和/或样件形状拼凑方式来确定可加工的最大零件数量,和/或输出包括机械坐标定位点的数据来引导机械结构控制。
依据本发明上述方面中任一个的系统,其中所述优化加工方案包括工件对于当前板材分布的切割图、加工顺序、加工设备的行走路径中的一个或多个。
依据本发明上述方面中任一个的系统,其中所述优化模块还用于把所述一个或多个优化加工方案提供给一个或多个加工设备,以按照所述一个或多个优化加工方案对所述板材进行加工。
依据本发明上述方面中任一个的系统,其中所述检测模块和所述优化模块可集成在一控制模块和/或一个或多个加工设备中。
依据本发明的上述方面中任一个的系统,其中所述加工要求是预先设入所述优化模块的。
依据本发明的一个方面,提供了一种设备,所述设备包括用于采集一取样区域内的板材的图像的第一采集单元;和/或用于采集所述板材的表面细节图像的第二采集单元。
依据本发明上述方面的设备,其中所述设备包括用于支撑所述第一采集单元和所述第二采集单元的支撑部分。
依据本发明上述方面中任一个的设备,其中所述第一采集单元位于所述取样区域中心的正上方。
依据本发明上述方面中任一个的设备,其中所述第一采集单元包括一工业级面阵相机,所述第一采集单元固定在所述支撑部分顶部的第一横臂上。
依据本发明上述方面中任一个的设备,其中所述第二采集单元位于所述取样区域端部的上方。
依据本发明上述方面中任一个的设备,其中所述第二采集单元包括工业级线阵相机,所述第二采集单元位于所述支撑部分靠近所述取样区域的第二横臂上。
依据本发明上述方面中任一个的设备,其中所述支撑部分还包括一导轨,用于带动所述第二横臂移动,以使所述第二采集单元扫描所述板材而获得所述表面细节图像。
依据本发明上述方面中任一个的设备,其中所述支撑部分包括一支架结构,以避开所述第一采集单元的第一视野区域和/或所述第二采集单元的第二视野区域。
依据本发明上述方面中任一个的设备,其中所述第一采集单元的支撑高度根据取样区域的大小和/或轮廓来确定。
依据本发明上述方面中任一个的设备,其中在所述第一采集单元进行采集时,所述第二横臂位于所述取样区域的端部,以避开所述第一采集单元的第一视野区域。
依据本发明上述方面中任一个的设备,其中所述第二采集单元用于在沿所述导轨移动的所述第二横臂带动下扫描所述板材,以获得所述表面细节图像。
依据本发明上述方面中任一个的设备,其中所述取样区域位于所述板材的加工设备的前段。
依据本发明上述方面中任一个的设备,其中所述取样区域具有一平整度和/或颜色。
依据本发明的又一个方面,提供了一种方法,所述方法包括:根据一取样区域内板材的图像和/或所述板材的表面细节图像来检测所述板材的实际信息;和/或根据检测到的所述板材实际信息并结合所述板材的一个或多个加工要求来提供用于所述板材的一个或多个优化加工方案。
依据本发明上述方面的方法,其中板材实际信息包括板材尺寸信息、轮廓定位信息、缺陷尺寸信息、缺陷定位信息和/或缺陷类型信息中的一个或多个。
依据本发明上述方面中任一个的方法,其中还包括获得所述板材及取样区域的图像和/或所述板材的表面细节图像。
依据本发明上述方面中任一个的方法,其中还包括在所述板材进入所述取样区域时采集所述板材及取样区域的图像和/或所述板材的表面细节图像。
依据本发明上述方面中任一个的方法,其中还包括通过图像处理和/或检测算法从所述板材及取样区域的图像中提取板材相对于取样区域的最大轮廓,和/或利用预先标定的参数来获得所述板材板材定位信息和/或板材尺寸信息。
依据本发明上述方面中任一个的方法,其中还包括通过图像处理和/或检测算法从所述表面细节图像中提取板材和/或缺陷的特征,和/或通过利用预先标定的采集模块参数来计算相对于板材轮廓的所述缺陷定位信息;和/或利用提取的缺陷特征来获得所述缺陷尺寸信息和/或缺陷类型信息。
依据本发明上述方面中任一个的方法,其中还包括通过在板材的加工区域根据所述缺陷尺寸信息和/或缺陷类型信息选择避让,以使标准样件最大轮廓无法与缺陷轮廓交叉,和/或根据所述板材尺寸信息、缺陷尺寸信息和/或生产工件的尺寸,在板面上以最小的间隙和/或样件形状拼凑方式来确定可加工的最大零件数量,和/或输出包括机械坐标定位点的数据来引导机械结构控制,从而提供所述优化加工方案。
依据本发明上述方面中任一个的方法,其中所述优化加工方案包括工件对于当前板材分布的切割图、加工顺序、加工设备的行走路径中的一个或多个。
依据本发明上述方面中任一个的方法,其中所述优化模块还包括把所述一个或多个优化加工方案提供给一个或多个加工设备,以按照所述一个或多个优化加工方案对所述板材进行加工。
依据本发明的又一个方面,提供了一种方法,所述方法包括根据一板材和一取样区域信息和/或所述板材的表面细节信息获得所述板材的检测数据;和/或根据所述获得的检测数据并结合加工要求生成加工样件对于所述板材的计算机辅助设计排布图。
依据本发明上述方面的方法,其中还包括根据所述板材和所述取样区域信息来获得包括所述板材的数据坐标信息和/或板材尺寸信息的所述检测数据。
依据本发明上述方面的方法,其中还包括所述板材和所述取样区域信息包括示出所述板材和所述取样区域的轮廓的图像。
依据本发明的上述方面中任一个的方法,其中还包括根据所述板材的表面细节信息来获得包括所述板材上的缺陷数据坐标信息、缺陷尺寸信息和/或缺陷类型信息的检测数据。
依据本发明的上述方面中任一个的方法,其中所述板材的表面细节信息包括所述板材上的所述缺陷的图像。
依据本发明的上述方面中任一个的方法,其中所述加工要求包括一个或多个加工标准规范、成品质量要求和/或板材产品的加工要求。
依据本发明的上述方面中任一个的方法,其中把所述计算机辅助设计图传送到一加工设备,以对所述板材进行加工。
依据本发明的再一个方面,提供了一种方法,所述方法包括根据一板材产品在一取样区域的图像获得所述板材产品的实时测量数据;和/或根据扫描的板材产品表面细节图像获得所述板材产品的实时表面检测数据;结合加工要求选择所述板材产品上的标识的定位坐标。
依据本发明上述方面的方法,其中还包括结合所述加工要求对所述标识的定位坐标进行复核;和/或响应于复核结果正确生成所述标识的定位坐标、尺寸和/或标识排布图。
依据本发明的上述方面中任一个的方法,其中所述板材产品的实时测量数据包括所述板材产品的尺寸和/或相对于机械原点的位置坐标。
依据本发明的上述方面中任一个的方法,其中所述板材产品的实时表面检测数据包括所述板材产品上一个或多个缺陷的定位坐标和/或尺寸。
依据本发明的上述方面中任一个的方法,其中还包括利用图像处理和/或检测算法和/或标定参数从所述板材产品的图像中产生所述实时测量数据。
依据本发明的上述方面中任一个的方法,其中还包括利用图像处理和/或检测算法和/或标定参数从所述板材产品的表面细节图像中产生所述实时表面检测数据。
依据本发明的上述方面中任一个的方法,其中还包括把所述标识定位坐标和/或尺寸和或标识排布图传送到一加工设备,以引导定位。
依据本发明上述方面中的任一个,可避免例如人工检测导致的漏检、缺陷定位不准确、加工板材利用率低、和/或应用场景单一等情况,以实现集成视觉检测和加工引导的智能识别引导。例如,可通过在线实时测量板材类产品的轮廓定位、尺寸、表面缺陷检测定位等和/或根据当前识别出的板材情况引导加工工艺,从而达到无人干涉条件下优化加工后产品的质量以及原料的利用率。在一个实施例中,可利用不同规格板材,而无需按照固定图纸或固有排布方式加工样件,可针对当前板材情况生成加工图纸,从而避免成品中因存在缺陷或加工位置不准确等而影响实验检测结果的情况,以解决多规格板材激光切割难点。在另一个实施例中,可实时引导加工设备在板材上生成二维码等标识,所述标识的识别率可不受板材表面缺陷的影响,并可对标识进行精确定位,继而可避免板材加工时自动剪裁设备将标识裁断等情况。
附图说明
图1示出依据本发明一个实施例的系统的例子的示意方框图;
图2为依据本发明一个实施例的设备的例子的示意图;
图3为依据本发明一个实施例的板材加工的例子的示意图;
图4为依据本发明一个实施例的板材加工的例子的示意图;
图5为依据本发明一个实施例的方法的流程图;
图6为依据本发明一个实施例的方法的流程图;以及
图7为依据本发明一个实施例的方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1示出依据本发明的一个实施例的系统的一个例子。在一个实施例中,图1所示的系统集成架构可用于视觉识别及引导的板材加工,例如可用于工业制造中对板材类原料的表面检测以及加工引导,但此并非对本发明的限制。
如图1所示,系统100可包括采集模块110、耦合到采集模块的检测模块120、耦合到检测模块的优化模块130和/或耦合到优化模块的加工设备140。虽然图1中示出系统100具有一个或多个分立的模块,在一些实施例中,所述模块中的一个或多个是可集成的。在其他实施例中,所述模块中的一个或多个可通过软件、硬件、固件或其各种组合来实现。
在一个实施例中,采集模块110、检测模块120、优化模块130中的一个或多个可集成在一控制模块(未示出)中。在另一个实施例中,所述控制模块可集成在所述采集模块110中。在另一个实施例中,所述控制模块可集成在加工设备140中的一个或多个中。在另一个实施例中,检测模块120和/或优化模块130可集成在所述采集模块110中。在另一个实施例中,采集模块110、检测模块120、优化模块130中的一个或多个可集成在加工设备140中的一个或多个中。在一个实施例中,所述采集模块、所述检测模块、所述优化模块、所述控制模块、所述一个或多个加工设备中的一个或多个可相互通信。在还有一个实施例中,所述模块和/或所述加工设备中的一个或多个可包括软件、硬件、固件、和/或其各种组合。
如图1所示,所述采集模块110可用于对例如待加工材料(例如,板材)进行图像采集。例如,采集模块100可包括一个或多个采集单元,以获得与所述板材相关的一个或多个图像和/或视频。在一个实施例中,可将板材放置在所述一个或多个采集单元可接近(access)或拍摄的取样区域中。参考图1,采集模块110可包括第一采集单元112和/或第二采集单元114。虽然在图1中示出采集模块110可包括两个分立的采集单元,但在其他实施例中,所述采集模块110可包括一个或多个采集单元,所述采集单元可以分立或集成的,以用于采集与所述板材、取样区域和/或缺陷相关的图像和/或视频。在一个实施例中,所述一个或多个采集单元可包括摄像头、相机、摄像机、扫描仪和/或各种图像/视频获取设备。在一个实施例中,可利用一控制单元(未示出)控制所述采集模块110按照例如如下所述方式进行采集。在另一个实施例中,可利用检测模块120、优化模块130、加工设备140、上述控制模块中的一个或多个来控制所述采集模块110进行采集,但本发明并不限于此。
在一个实施例中,所述第一采集单元112可用于采集可示出板材和/或取样区域的轮廓的图像和/或视频,并可将采集到的轮廓图像和/或视频传送到检测模块120。在一个实施例中,所述第一采集单元112的位置可相对于所述取样区域是固定的,但在其他实施例中,所述第一采集单元112可按一预设路线和/或角度相对于所述取样区域移动或转动。
第二采集单元114可用于获取板材的表面细节图像和/或视频,并可将采集到的表面细节图像和/或视频传送到检测模块120。例如,第二采集单元114可通过扫描整个取样区域来获得可示出板材和/或取样区域的轮廓和/或板材缺陷的表面细节图像和/或视频。
如图1所示,所述检测模块120可用于根据从采集模块114获得(有线或无线或其他通信方式)的一个或多个图像和/或视频来检测板材的轮廓、尺寸、位置和/或缺陷。例如,所述检测模块120可从所述一个或多个图像和/或视频中获得板材的轮廓信息、尺寸信息、定位信息、缺陷信息等。如图1所示,检测模块120可包括第一检测单元122和/或第二检测单元124。虽然在图1中示出检测模块120可包括两个分立的检测单元,但在其他实施例中,所述检测模块120可包括一个或多个检测单元,所述检测单元可以是分立或集成的。所述一个或多个检测单元可用于从采集模块110获取的图像和/或视频中检测与板材和/或缺陷相关的所述信息。所述检测模块120可把所述板材/缺陷相关信息传送到优化模块130。
在一个实施例中,所述检测模块120可包括软件、硬件、固件和/或其各种组合。例如,所述检测模块120可包括工控机或类似控制或检测模块,和/或可利用检测算法,来获取与所述板材和/或缺陷相关的信息。检测模块120可通过检测算法等处理而得到板材的实际信息,例如,板材尺寸、轮廓定位、缺陷尺寸、和/或缺陷定位等信息。检测模块120可通过图像处理技术从来自采集模块110的一个或多个图像和/或视频中提取板材轮廓、缺陷等特征,和/或通过采集模块110的标定参数来计算板材尺寸、板材轮廓定位、缺陷尺寸、缺陷相对于板材轮廓的相对位置等特征。可利用提取的缺陷特征来获得或定义缺陷的尺寸和/或类型。
如图1所示,所述第一检测单元122可从来自采集模块110的板材和/或取样区域的轮廓图像和/或视频中测量所述板材的长度、宽度和/或其他尺寸参数(例如,沿横向、纵向、径向或其他方向等),以获得所述板材的尺寸信息,和/或轮廓定位信息等。例如,第一检测单元122可利用图像处理技术来提取板材相对于取样区域的最大轮廓。第一检测单元122还可利用预先标定的采集模块(例如,第一采集单元112)内外参数来定位板材相对于取样区域机械原点的位置,和/或测量板材的长度/宽度和/或其他尺寸参数,以获得板材的尺寸信息,和/或轮廓定位信息等。
参考图1,第二检测单元124可根据来自采集模块110的表面细节图像和/或视频对板材进行缺陷检测,以获得缺陷尺寸信息,和/或缺陷定位信息等。例如,第二检测单元124可通过图像处理技术提取板材轮廓和/或缺陷的特征,并利用检测模块(例如,第二采集单元114)的标定参数来计算缺陷相对于板材轮廓的相对位置等。第二检测单元124还可利用提取的缺陷特征来确定缺陷的尺寸和/或类型。
如图1所示,优化模块130可用于根据来自检测模块120的板材/缺陷相关信息等对板材加工方案进行一个或多个优化处理,例如缺陷避让、实时定位引导、最大利用率计算和/或其他优化处理(例如,图3和4所示)。在一个实施例中,优化模块130可包括第一优化单元132、第二优化单元134、和/或第三优化单元136等。虽然在图1中示出优化模块130可包括多个分立的优化单元,但在其他实施例中,所述优化模块130可包括一个或多个优化单元,所述优化单元可以是分立或集成的,以根据所述板材/缺陷相关信息来获得优化的板材加工方案。在一个实施例中,优化模块130可包括软件、硬件、固件、和/或其各种组合。优化模块130可把经一个或多个优化单元的优化处理的优化加工方案传送到一个或多个加工设备1401、1402、1403或更多加工设备。可在系统100(例如,软件部分)中,提前设入板材原料的各种加工要求等,例如加工标准规范、和/或板材产品质量要求和/或板材产品的加工要求/工艺等。
在一个实施例中,第一优化模块132可根据来自检测模块120的板材实际信息(例如,板材尺寸信息、轮廓定位信息、缺陷尺寸信息、缺陷定位信息、缺陷类型信息、和/或其他信息),并结合加工要求(例如,加工标准规范和/或成品质量要求等),生成优化加工方案,例如在板材需要加工的区域根据缺陷尺寸和/或缺陷类型等选择避让缺陷的,以使生产工件(例如,标准样件)的最大轮廓不与缺陷轮廓交叉。
参考图1,第二优化单元134可生成用于实时定位引导的优化加工方案。例如,检测模块120所产生的板材轮廓定位和/或缺陷定位等数据主要包括机械坐标定位点。第二优化单元134可利用所述板材/缺陷尺寸/定位信息等数据来引导机械结构控制,以提供当前板材的优化加工方式,例如,工件相对于当前板材分布的切割图、加工顺序、和/或加工设备的行走路径等,以用于实际加工处理。
如图1所示,第三优化单元136可用于计算板材的最大利用率,来提供优化加工方案。例如,第三优化单元136可根据板材/缺陷的尺寸、板材轮廓定位、缺陷定位和/或生产工件的尺寸,在板面上以最小的间隙和/或样件形状拼凑的方式,确定板材上可加工的最大零件数量和/或位置,以形成优化加工方案。
如图1所示,所述一个或多个加工设备1401、1402、1403等可接收来自所述优化模块130的一个或多个优化加工方案。所述一个或多个加工设备可按照接收到的优化加工方案对板材进行加工。虽然图1中示出三个加工设备,但加工设备的数目不限于三个,而可包括一个或多个加工设备。
在一个实施例中,所述系统100可用于避免例如人工检测导致的漏检、缺陷定位不准确、加工板材利用率低、和/或应用场景单一等情况。系统100可用于集成视觉检测和加工引导的智能识别引导。系统100可通过在线实时测量板材类产品的轮廓定位、尺寸、表面缺陷检测定位等和/或根据当前识别出的板材情况引导加工工艺,从而达到无人干涉条件下优化加工后产品的质量以及原料的利用率。
图2示出依据本发明一个实施例的设备的一个例子的示意图。在一个实施例中,所述设备200可用于实现集成视觉检测及加工引导的智能识别引导,例如,用于对板材类原料的表面检测以及加工引导,但此并非对本发明的限制。
如图2所示,可在待加工材料204(例如,板材等)的加工设备(例如,1401、1402、和/或1403等)前段设置一取样区域202。所述取样区域202可提供用于被测板材的置放平台,以确定被测板材的放置区域。在一个实施例中,所述取样区域202可具有一平整度和/或一颜色。在另一个实施例中,所述取样区域202的颜色可区别于待加工材料204。如图2所示,可将待加工材料204置于取样区域202上。图2中仅示出待加工材料204的摆放示例,而本发明并不限于图2所示的例子。在一个实施例中,所述取样区域202可具有各种轮廓,例如,长方形、正方形、平行四边形、菱形、椭圆形、圆形、正多边形等或不规则轮廓或其他轮廓或形状。在另一个实施例中,所述待加工材料204并不限于图2所示,而可具有任意形状、尺寸、厚度、定位、和/或缺陷等。
在一个实施例中,可根据取样区域202的大小和/或轮廓安装设备200。所述设备包括可用于固定或支撑采集模块(例如,110)的支撑部分208。例如,所述支撑部分208可包括如图2所示的框架或支架结构。在一个实施例中,所述支撑部分208可包括固定支架,避开采集模块(例如,110)的视野区域。虽然图2中示出所述支撑部分208具有框架或支架结构,在一些实施例中,所述支撑部分208可具有包括一个或多个面(例如,顶面和/或侧面)和/或一个或多个脚的其他结构。例如,所述支撑部分208可以是包括一个或多个面(例如,顶面和/或侧面)的中空结构或类似结构。所述支撑部分208可包括一个或多个脚。支撑部分208可以包括一顶面或多个侧面,或者是可不包括顶面的锥形或圆锥形等。在一个实施例中,所述支撑部分208至少在底部与所述取样区域202的尺寸/或轮廓相匹配。虽然图2示出支撑部分208从顶部到底部具有与取样区域202一致的投影轮廓,但在一些实施例中,支撑部分208可具有其他形状,但避开采集模块的视野区域,从而不影响采集模块进行采集。
参考图2,可在取样区域202的中心正上方安装第一采集单元206(例如,支撑部分208的顶部)。例如,所述第一采集单元206可包括一面阵相机。在另一个实施例中,所述第一采集单元206可包括一工业级面阵相机。在其他实施例中,所述第一采集单元206可包括例如摄像头、相机、摄像机、和/或扫描仪等其他图像和/或视频获取设备。图2中示出第一采集单元206可位于所述支撑部分208顶部的第一横臂208A上。在一些实施例中,所述设备200可包括更多第一采集单元206,其中各第一采集单元206可安装在位于所述支撑部分208顶部的一个或多个横臂上。
在另一个实施例中,所述支撑部分208可具有一顶面(未示出),所述一个或多个采集单元206可安装于所述支撑部分208的所述顶面上。在另一个实施例中,第一采集单元206可安装于支撑部分208的顶部。如图2所示,可以例如支架等方式来固定面阵相机等第一采集单元206,以避免晃动或者偏移。
如图2所示,所述一个或多个第一采集单元206可镜头向下基本上垂直于所述取样区域202的平台面安装。在一个实施例中,所述一个或多个第一采集单元206具有由标号220所示虚线表示的第一视野边缘。在一个实施例中,所述一个或多个第一采集单元206的第一视野边缘220的范围可大于或等于所述取样区域202,或基本上覆盖所述取样区域202。在一个实施例中,取样区域202的大小和/或轮廓可用于确定所述一个或多个第一采集单元206的支撑高度,以使所述一个或多个第一采集单元206具有基本上覆盖所述取样区域202的第一视野范围220。在一个实施例中,所述一个或多个第一采集单元206可分别安装于一个或多个第一横臂208A(例如,平行、垂直、交叉或以其他方式设置)上或安装于支撑部分208的顶面(未示出)或顶部(未示出),以基本上覆盖所述取样区域202的第一视野范围220。
如图2所示,可在支撑部分208上,相对于第一采集单元206更靠近取样区域202的位置安装一个或多个导轨212和/或第二横臂208B。可把第二采集单元210(例如,图1所示的第二采集单元114)安装在第二横臂208B上。例如,所述第二采集单元210可包括一线阵相机。在另一个实施例中,所述第二采集单元210可包括一工业级线阵相机。在其他实施例中,所述第二采集单元210可包括例如摄像头、相机、摄像机、和/或扫描仪等其他图像和/或视频获取设备。
在一个实施例中,所述第二采集单元210可镜头向下基本上垂直于所述取样区域202的平台面安装。所示第二采集单元210可安装于取样区域202的端部或边缘的上方,从而在所述第一采集单元206进行采集时所述第二采集单元210可不遮挡所述第一采集单元206的第一视野区域220。所述导轨212可用于使所述第二横臂208B沿所述导轨212移动。图2中示出所述导轨212可包括线性导轨,在一些实施例中,所述导轨212可包括直线导轨和/或曲线导轨,以与所述取样区域202的大小和/或轮廓匹配。在一个实施例中,所述第二横臂208B具有一长度,在一些实施例中,所述第二横臂208B是可伸缩的,以沿所述导轨212带动所述第二采集单元210移动和/或转动等。在又一个实施例中,所述第二横臂208B可沿所述导轨212例如基本上平行于所述取样区域202/材料204移动和/或转动或以其他方式移动,以带动第二采集单元210进行图像/视频采集。
虽然在图2中示出一第二采集单元210,但在一些实施例中,可使用更多第二采集单元210。在一个实施例中,可利用安装于一个或多个第二横臂208B上的一个或多个第二采集单元210来获得一个或多个表面细节图像和/或视频,从而确定缺陷尺寸和/或缺陷定位等。在一个或多个第二采集单元210沿所述导轨212移动和/或转动时,所述一个或多个第二采集单元210具有可基本上覆盖所述取样区域202和/或材料204的第二视野范围230。在另一个实施例中,取样区域202和/或材料204的大小和/或轮廓可用于确定所述一个或多个第二采集单元210的支撑高度,以使所述一个或多个第二采集单元210具有基本上覆盖所述取样区域202和/或材料204的第二视野范围230。在又一个实施例中,在利用所述一个或多个第一采集单元210获得材料204的图像和/或视频时,所述第二采集单元210可不遮挡第一采集单元206的视野区域。
在一个实施例中,可与第二采集单元210类似,利用一个或多个导轨和/或一个或多个横臂来设置一个或多个第一采集单元210,以采集材料204/取样区域202相关的图像/视频。在另一个实施例中,所述第二采集单元210可使用例如面阵相机等与第一采集单元210类似的图像/视频采集设备,以提供例如表面细节图像/视频等。
参考图2,虽然图2示出所述第一采集单元206或第二采集单元210的高度不可调节,但在一些实施例中,所述高度是可调节的。在一个实施例中,可根据实际取样区域202和/或材料204的大小和/或轮廓,通过增加竖直方向的导轨(未示出)和/或调节横臂208A的高度来调节第一采集单元206,和/或通过调节导轨212和/或横臂208B的高度来调节第二采集单元210的高度,以使所述第一采集单元210具有第一视野范围220或第二采集单元210具有第二视野范围220。在另一个实施例中,虽然图2中示出的设备200的支撑部分208的高度、形状和/或尺寸不可调节,但在一些实施例中,支撑部分208可具有可调节的高度、形状和/或尺寸,以使第一采集单元206和/或第二采集单元具有适用于取样区域202和/或材料204的尺寸和/或轮廓的视野范围。
如上所述,在一个实施例中,在与加工系统(例如,图1所示的加工设备140)联动时,可把例如材料204等加工原料放入至取样区域202,例如面阵相机等第一采集单元206可用于采集和/或测量加工原料204的轮廓、定位和/或长宽等尺寸等信息。可利用线阵相机等第二采集单元210来扫描加工原料的表面细节信息,以检测材料204表面缺陷和/或缺陷定位/类型等。检测模块120和/或加工设备140可进行识别以获得例如加工原料204的尺寸、轮廓定位、缺陷尺寸、缺陷定位、缺陷类型等检测结果,并把检测结果发送至优化模块130和/或加工设备140。可在系统100的例如软件系统中设入板材原料的加工标准规范、板材产品的加工要求和/或方案。优化模块130和/或加工设备140在加工时可结合实际检测的轮廓、尺寸和/或缺陷信息根据优化加工方案进行优化加工。
在一个实施例中,可利用一控制单元(未示出)控制第一采集单元206和/或第二采集单元210进行采集,例如控制第一采集单元206采集板材/取样区域的图像和/或视频,和/或控制横臂208B和/或第二采集单元210运动来采集板材/缺陷的图像和/或视频。在另一个实施例中,可利用检测模块120、优化模块130、加工设备140、上述控制模块中的一个或多个来控制所述采集单元进行采集,但本发明并不限于此。
在一个实施例中,所述设备200可用于避免例如人工检测导致的漏检、缺陷定位不准确、加工板材利用率低、和/或应用场景单一等情况。设备200可用于提供集成视觉检测和/或加工引导的智能识别引导。所述设备200可用于在线实时测量板材类产品的长宽等尺寸、表面缺陷检测定位、和/或根据当前识别出的板材情况引导加工工艺等,从而无需人工干涉而优化加工后产品的质量和/或原料的利用率。
图3示出依据本发明一个实施例的板材的例子。在一个实施例中,使用激光切割机等加工设备来加工板材300。例如,可使用切割机等来切割诸如冷轧钢板或类似实验样件等板材300,其中板材规格可具有各种规格。例如,板材300可具有例如575毫米至1850毫米的宽度和/或300毫米至800毫米的长度,但本发明不限于此。板材300可具有例如0.15毫米到2.5毫米的厚度,但本发明不限于此。板材300的类型可包括例如普通冷轧板、热镀锌冷轧板、电镀锌冷轧板和/或镀锡冷轧板等各种板材,但本发明不限于此。
在一个实施例中,在进行加工时,可在切割机的衬板上方安装例如图1所示的采集模块110和/或图2所示的设备200。在另一个实施例中,可把采集模块110和/或设备200的一部分或全部集成在所述切割机上。在把板材300放入衬板中的取样区域310时,第一采集单元(例如,112或206)可采集板材和/或取样区域的图像和/或视频,以用于获得板材的轮廓定位信息和/或尺寸信息(例如,长宽等尺寸,本发明不限于此)等。第二采集单元(例如,114或210)可扫描板材表面而获得板材表面细节等的图像和/或视频,以用于获得缺陷的定位和/或尺寸信息等。在例如根据实验室的实验标准规范(例如,从相对于板材宽度的五个区域内取样和/或部分样件表面不可存在缺陷)进行加工的例子中,例如优化模块130可实时生成一优化加工方案,例如,样件对于当前板材300的计算机辅助设计(Computer AidedDesign(CAD))排布图。所述CAD排布图可示出部分样件避让缺陷和/或样件相对于该五个区域的分布,以满足所述实验标准规范。其中,所述规范并非对本发明的限制,其他实施例可利用其他各种规范和/或加工要求,例如加工标准规范和/或成品质量要求和/或板材产品的加工要求等。在一个实施例中,可把所述各种规范和/或加工要求中的一个或多个预先设入或提供给优化模块,或利用无线/有线等各种通信方式实时传送给优化模块。所述切割机可读取CAD图并进行加工操作。
如图3所示,可将采集模块110和/或设备200安装至所述切割机外部衬板(例如,取样区域310)上方,或者采集模块110和/或设备200的一部分或全部可集成在所述切割机上。板材300可使用例如规格为700mm*300mm的镀锌板的例子。可把板材300放入衬板(取样区域310)中相对于切割机的机械原点A(例如,10mm,10mm)的位置等待加工。在一个例子中,板材300的板面可能具有图3所示镀层脱落的缺陷302。
第一采集单元(例如,112或206)可采集板材300和/或取样区域310的图像和/或视频,以用于获得板材300的实际轮廓定位信息和/或测量板材300的长宽等尺寸信息等。参考图3,检测模块(例如,120)可获得与板材300相关的数据坐标(例如,10mm,10mm,5°)和/或尺寸信息(例如,700mm*300mm)。第二采集单元(例如,114或210)可采集板材表面细节图像和/或视频,以用于检测模块获得缺陷302相对于板材轮廓的定位、尺寸等细节信息。参考图3,检测模块可获得缺陷数据坐标(360mm,310mm,10mm,10mm)和/或类型(镀层脱落)等信息。
响应于获得当前板材300的上述检测数据,优化模块(例如,130)可根据所述检测数据并结合规范和/或加工要求,实时生成一优化加工方案,例如所述优化加工方案可包括样件对于当前板材300的CAD排布图。在一个例子中,所述规范可包括例如镀锡量化学实验的样件不允许表面存在镀层脱落的实验标准规范,但本发明并不限于此。在一个例子中,所述加工要求可包括例如来自切割机的上层管理系统的一加工电文,所述加工电文可包括例如在板材长度360mm处加工两个100mm2的正方形用于镀锡量化学实验,但本发明并不限于此。
根据所述检测数据和/或所述实验标准规范和/或加工电文,优化模块生成的CAD排布图可示出第一个正方形样件304(例如,360mm,210mm),第二个正方形样件306(例如,360mm,110mm),以避免在缺陷302(例如,360mm,310mm)处加工样件。切割机可读取所生成的CAD图并进行加工操作。
参考图1到图3,对于实验室中存在的不同规格板材,无需按照固定图纸或固有排布方式加工样件,而是可针对当前板材情况生成加工图纸,从而避免成品中因存在缺陷或加工位置不准确等而影响实验检测结果的情况,以解决多规格板材激光切割难点。
虽然图3示出板材300的一个例子,但本发明并不限于所述例子,在一些实施例中,板材可具有其他轮廓、尺寸、厚度(均匀或不均匀)、缺陷(有/无)、和/或定位信息等。
图4示出依据本发明一个实施例的板材的例子。如图4所示,在一个例子中,板材可具有不同规格,例如,直径50mm的圆片410、例如150mm*150mm的正方形420、例如60mm*600mm的矩形430,但本发明不限于所述尺寸和/或规格的板材。在一个实施例中,利用例如激光打标机等对各板材进行加工。例如,利用打标机在图4所示各种规格的产品上打印例如5mm*5mm的二维码标识402,但本发明不限于所述尺寸或标识。板材上二维码或标识的识别率可受到板材表面缺陷的影响,对于板材的加工,如果二维码的位置不够精确可能导致自动剪裁设备将标识裁断等情况。
如图4所示,可将板材产品410、420、和/或430放置在打标机的工作范围内且处于打标机的取样区域440。以直径50mm的圆片410为例,圆片410可放入相对机械坐标原点A(例如,100mm,100mm)的位置,但本发明不限于所述位置。
参考图1、2和4,在待打标的产品410进入区域440时,系统100可通过第一采集单元(例如,112或206)采集产品410的轮廓定位信息和/或尺寸等信息,以获得圆片410的实时测量数据,例如直径50mm和/或相对于机械原点A的位置(例如,100mm,100mm)等。
系统100还可利用第二采集单元(例如,114或210)扫描板材410的表面细节,以获得缺陷定位和/或尺寸等信息。例如,所获得的实时表面检测数据可包括一个或多个划痕404的定位坐标和/或尺寸(例如,87mm,120.5mm,10mm,2mm),但本发明并不限于所述缺陷或其定位或尺寸。
参考图1和4,在产品标识的标准规范为圆片的标识需要在圆心φ30mm以外的例子中,系统100可利用优化模块(例如,130)在避开影响打标质量的缺陷404和/或标识规范(虚线406)外的区域内,任选一用于标识402的机械定位坐标(例如,75mm,100mm),但本发明并不限于所述定位。所述规范并非对本发明的限制,其他实施例可利用其他各种规范和/或加工要求。可把各种规范和/或加工要求中的一个或多个预先设入或提供给优化模块,和/或利用无线/有线等各种通信方式实时传送给优化模块。
优化模块还可用于复核所得标识402(例如,75mm,100mm,5mm,5mm)与划痕404(例如,87mm,120.5mm,10mm,2mm)的轮廓是否交叉,和/或复核标识402与标识规范所限定的圆406(例如,100mm,100mm,φ30mm)的轮廓是否交叉。
如果优化模块确定标识402与划痕404的轮廓和/或圆406的轮廓不交叉,优化模块可生成一优化加工方案。优化模块可通过网络协议或无线或有线等各种通信方式把所述优化加工方案传输至打标设备,以引导定位。所述优化加工方案可包括标识402的定位和/或尺寸信息(例如,75mm,100mm,5mm,5mm)和/或标识排布图等。
参考图1、2和4,板材上二维码402的识别率可不受板材表面缺陷的影响。由于二维码402的精确定位,可避免板材加工时自动剪裁设备将标识裁断等情况。
虽然图4示出一个或多个板材410、420、430的例子,但本发明并不限于图4所述的例子。在其他实施例中,可使用具有各种轮廓、尺寸、厚度(均匀或不均匀)、缺陷(有/无)、和/或定位信息的其他板材。虽然图4示出以二维码204作为标识的例子,但本发明不限于以二维码作为标识,而可适用于其他标识。
图5示出依据本发明一个实施例的方法的例子。在一个实施例中,所述方法可用于集合视觉检测与加工引导的智能识别引导,例如可用于对板材类原料的表面检测以及加工引导,但本发明不限于此。
如图5所示,所述方法可用于图1所示的系统100的至少一部分,例如检测模块120和/或优化模块130和/或加工设备140。在另一个实施例中,所述方法可用于包括所述检测模块120和/或优化模块130的控制模块。在又一个实施例中,所述方法可用于包括所述检测模块120、优化模块130和/或所述控制模块的一个或多个加工设备140。在又一个实施例中,图5所示的方法例如可与图1所示的采集模块110和/或图2所示的设备200相结合。以下利用控制模块来描述图5的一个例子,但本发明并不限于所述例子。
参考图1、2和5,在一个实施例中,所述方法可包括利用诸如工业级面阵相机等采集单元(例如,112或206)来采集进入加工设备前端取样区域的板材原料与取样区域的实时图像和/或视频。所述方法还可包括,在面阵相机等采集单元完成拍摄后,可利用诸如工业级线阵相机等采集单元(例如,114或210)可扫描整个取样区域,以提供可示出板材原料表面细节的图像和/或视频。在另一个实施例中,所述方法可包括先采集板材表面细节图像和/或视频,再采集用于板材和/或取样区域的图像和/或视频。
在一个实施例中,所述方法可包括在加工设备(例如,140)前端安装例如图1所示的采集模块110和/或图2所示的设备200,或者所述采集模块110和/或设备200可集成在加工设备上。在所述板材进入所述取样区域中,第一采集单元(例如,112或206)可采集可示出板材轮廓、定位和/或尺寸的图像和/或视频。第二采集单元(例如,114或210)可扫描板材表面细节以采集可示出板材缺陷等的图像和/或视频。所述一个或多个图像和/或视频可包括例如可示出板材和/或取样区域的轮廓的图像和/或视频。所述一个或多个图像和/或视频还可包括例如可示出板材表面细节(例如,缺陷等)的图像和/或视频。
在框502,控制模块可获取来自所述一个或多个采集单元的一个或多个与待加工板材和/或缺陷相关的图像和/或视频。例如,所述控制模块可通过有线、无线或其他通信方式与所述第一采集单元和/或第二采集单元通信,以获得所述图像和/或视频。
在框504,控制模块可根据获得的有关板材轮廓和/或取样区域轮廓的图像和/或视频来检测所述板材的尺寸和/或板材的轮廓定位等信息。例如,控制模块可通过对板材轮廓和/或取样区域轮廓的图像和/或视频进行图像处理和/或利用检测算法等来检测所述板材的尺寸和/或板材的轮廓定位等信息。例如,可通过图像处理等提取板材相对于取样区域的最大轮廓,和/或利用预先标定的第一采集单元内外参数来定位板材相对于机械原点的位置和/或测量尺寸。
控制模块还可根据可根据获得的板材细节图像和/或视频来检测所述板材是否有缺陷、和/或缺陷的尺寸、定位和/或类型等信息。例如,例如,控制模块可通过对板材细节图像和/或视频进行图像处理和/或利用检测算法和/或第二采集模块的标定参数等来检测所述板材的缺陷、缺陷尺寸、缺陷定位和/或缺陷类型等信息。
在一个实施例中,控制模块可通过图像处理技术提取板材轮廓和/或缺陷的特征等信息,和/或通过采集模块的标定参数和/或检测算法等来计算板材尺寸、板材轮廓定位、缺陷尺寸、缺陷相对于板材轮廓的相对位置等信息,和/或利用提取的缺陷特征来定义缺陷的尺寸和/或类型。
在框506,控制模块可根据如上所述在框504获得的检测结果,和/或结合原料的加工要求等(例如,加工标准规范和/或成品质量要求和/或板材产品的加工要求等),来提供一个或多个优化加工方案。所述优化加工方案可满足所述原料的一个或多个加工要求。在一个实施例中,可把加工标准规范和/或成品质量要求和/或板材产品的加工要求等预先设入和/或提供给控制模块,但本发明并不限于此。在另一个实施例中,控制模块可在优化加工方案时获得或实时接收所述加工要求。
例如,控制模块可根据获得的板材尺寸、轮廓定位、缺陷尺寸、缺陷定位、缺陷类型等信息,在板材待加工区域根据缺陷尺寸、缺陷定位和/或缺陷类型等选择避让所述缺陷,从而提供使标准样件的最大轮廓不与缺陷轮廓交叉的优化加工方案。所述控制模块可提供避让所述缺陷的优化加工方案。例如,所述优化加工方案可包括板材切割图、加工顺序、和/或加工设备的行走路径等各种可使加工设备避开所述缺陷的优化加工方案。
例如,控制模块还可根据所获得的板材尺寸、板材定位、缺陷尺寸、缺陷定位、缺陷类型、和/或生产工件的尺寸等信息,在板面上以最小间隙和/或样件形状拼凑的方式来确定可加工的最大零件数。所述控制模块可提供使加工设备可按所述最大零件数进行加工的优化加工方案。例如,所述优化加工方案可包括板材切割图、加工顺序、和/或加工设备的行走路径等各种可使加工设备可在板材上产生最多零件的优化加工方案。
例如,控制模块检测到的板材尺寸、板材定位、缺陷尺寸、缺陷定位等信息可以机械坐标定位点为基础。控制模块可根据所述机械坐标定位点的所述信息来提供用于实时定位引导机械结构控制的优化加工方案,例如,工件对于当前板材分布的切割图、加工顺序、和/或加工设备的行走路径等优化加工方案,以实时引导加工设备定位进行加工处理。
在另一个实施例中,所述一个或多个优化的加工方案还可包括如上所述与板材和/或缺陷有关的信息,例如板材尺寸、板材相对于采样区域的定位、缺陷尺寸、缺陷定位、缺陷类型等信息。
在其他实施例中,所述控制模块还可提供一个或多个其他优化加工方案,例如如图4或5所述,但本发明不限于所述优化加工方案。
在一个实施例中,所述控制模块可通过无线、有线和/或其他方式把一个或多个优化加工方案传送到一个或多个加工设备。所述加工设备可按照控制模块所提供的一个或多个优化加工方案对板材进行各项加工。在另一个实施例中,所述加工设备可包括所述控制模块,以按照所述优化加工方案进行加工。
如上所述,虽然结合一个或多个控制模块来描述图5所示的流程,在一些实施例中,可利用一个或多个检测模块和/或一个或多个优化模块和/或其他模块或其组合等。在另一些实施例中,一个或多个加工设备中的任一个可包括所述控制模块和/或所述检测模块和/或所述优化模块。在另一个实施例中,一个或多个采集单元中的一个或多个可包括所述控制模块和/或所述检测模块和/或所述优化模块。在另一个实施例中,所述采集模块、所述检测模块、所述优化模块、所述控制模块中的一个或多个可集成在所述加工设备中。在一个实施例中,所述模块中的任一个可通过软件、硬件、固件和/或其各种组合来实现。
如上所述,图5所示的方法可集成视觉检测与加工引导的智能识别引导,从而可避免人工检测导致的漏检、缺陷定位不准确、加工板材利用率低、和/或现有技术应用场景单一等情况。所述方法可在线实时测量板材类型产品的长宽等尺寸、表面缺陷检测定位,根据当前识别出的板材情况引导加工工艺,从而可达到无人干涉条件下优化加工后产品的质量以及原料的利用率。
图6示出依据本发明一个实施例的方法的例子。在一个实施例中,所述方法可用于集成视觉检测与加工引导的智能识别引导,例如,可用于对板材类原料的表面检测以及加工引导,但本发明不限于此。
在一个实施例中,所述方法可用于激光切割机等加工设备来加工板材,例如,切割诸如冷轧钢板或实验样件或各种板材,但本发明并不限于此。在一个实施例中,所述板材可具有各种规格和/或种类,例如参考图3所述,但所述规格/种类并非对本发明的限制。与图5所示的方法相类似,以下以一控制模块为例对所述方法进行说明,但本发明并不限于此。
在一个实施例中,在进行加工时,所述方法可包括在切割机的衬板上(例如,对应于取样区域的位置)安装例如图1所示的采集模块110和/或图2所示的设备200,或者采集模块110和/或设备200的一部分或全部可集成在所述切割机上。
在一个实施例中,所述方法还可包括在板材300放入衬板中的取样区域310时,采集板材和/或取样区域的图像和/或视频(例如,第一采集单元112或206),和/或扫描板材表面而获得板材表面细节等的图像和/或视频(例如,第二采集单元114或210),
在框602,控制模块可根据第一采集单元采集的板材和/或取样区域信息(例如,图像和/或视频),获得板材的轮廓定位信息和/或尺寸信息等。例如,控制模块可利用图像和/或检测算法和/或第一采集单元的设定参数来处理所述图像和/或视频,以获得板材相对于切割机的机械原点的定位信息(例如,数据坐标)和/或尺寸信息。
在框604,控制模块可根据第二采集单元扫描的板材表面细节信息(例如,图像和/或视频),获得缺陷相对于板材轮廓的定位、尺寸等信息。控制模块还可获得缺陷数据坐标和/或类型等信息。
在框606,响应于获得板材的所述检测数据,控制模块可根据所获得的检测数据并结合一个或多个加工要求,实时生成一优化加工方案。例如,所述优化加工方案可包括样件对于当前板材的CAD排布图等。
在一个实施例中,控制模块可通过无线、有线和/或其他方式把一个或多个优化加工方案传送到一个或多个加工设备。所述加工设备可按照控制模块所提供的一个或多个优化加工方案对板材进行各项加工。在另一个实施例中,所述加工设备可包括所述控制模块,以按照所述优化加工方案进行加工。
如上所述,虽然结合一个或多个控制模块来描述图6所示的流程,在一些实施例中,可利用一个或多个检测模块和/或一个或多个优化模块和/或其他模块或其组合等。在另一些实施例中,一个或多个加工设备中的任一个可包括所述控制模块和/或所述检测模块和/或所述优化模块。在另一个实施例中,一个或多个采集单元中的一个或多个可包括所述控制模块和/或所述检测模块和/或所述优化模块。在另一个实施例中,所述采集模块、所述检测模块、所述优化模块、所述控制模块中的一个或多个可集成在所述加工设备中。在一个实施例中,所述模块中的任一个可通过软件、硬件、固件和/或其各种组合来实现。
如上所述,图6所述的方法用于不同规格板材,可无需按照固定图纸或固有排布方式加工样件,而是可针对当前板材情况生成加工图纸,从而避免成品中因存在缺陷或加工位置不准确等而影响实验检测结果的情况,以解决多规格板材激光切割难点。
图7示出依据本发明一个实施例的方法的例子。在一个实施例中,所述方法可用于集成视觉检测与加工引导的智能识别引导,例如,可用于对板材类原料的表面检测以及加工引导,但本发明不限于此。
在一个实施例中,所述方法可用于激光打标机等对各种板材进行加工,例如,打印二维码标识或其他标识,但本发明并不限于此。在一个实施例中,所述板材可具有各种规格和/或种类,例如参考图4所述,但所述规格/种类并非对本发明的限制。与图5所示的方法相类似,以下以一控制模块为例对所述方法进行说明,但本发明并不限于此。
在一个实施例中,在进行加工时,所述方法可包括在打标机的取样区域安装例如图1所示的采集模块110和/或图2所示的设备200,或者采集模块110和/或设备200的一部分或全部可集成在所述打标机上。
在板材产品置于打标机的工作范围内且处于打标机的取样区域时,所述方法可包括采集可示出板材产品的轮廓定位和/或尺寸等信息的图像和/或视频(例如,通过112或206)。所述方法还可包括扫描板材产品的表面细节(例如,图像和/或视频),以获得缺陷定位和/或尺寸等信息(例如,通过114或210)。
在框702,所述控制模块可根据示出板材产品的轮廓定位和/或尺寸等信息的板材产品在取样区域中的图像和/或视频获得板材产品的实时测量数据,例如,板材产品的尺寸和/或相对于机械原点的位置坐标等。所述控制模块可利用图像处理和/或检测算法和/或采集模块的标定参数等从所述图像/视频中产生所述实时测量数据。
在框704,控制模块可根据扫描得到的板材产品的表面细节图像和/或视频来获得板材产品的实时表面检测数据,例如一个或多个缺陷(例如,划痕)的位置坐标等定位信息和/或尺寸等。控制模块可利用图像处理和/或检测算法和/或采集模块的标定参数等从所述图像/视频中产生所述实时表面检测数据。
在框706,控制模块可根据加工要求,在避开影响打标质量和/或标识规范外的区域,任选用于标识的定位坐标。控制模块还可复核所得标识与缺陷的轮廓是否交叉,和/或复核标识与标识规范所限定的轮廓是否交叉。在一个实施例中,可不包括所述复核。
响应于确定复核结果正确(例如,标识与缺陷的轮廓和/或标识规范所限定的轮廓不交叉),控制模块可生成一优化加工方案。所述优化加工方案可包括标识的定位坐标、尺寸信息和/或标识排布图等。
控制模块可通过网络协议或无线或有线等各种通信方式把所述优化加工方案传输至打标机,以引导定位。在一个实施例中,控制模块可通过无线、有线和/或其他方式把一个或多个优化加工方案传送到一个或多个加工设备。所述加工设备可按照控制模块所提供的一个或多个优化加工方案对板材进行各项加工。在另一个实施例中,所述加工设备可包括所述控制模块,以按照所述优化加工方案进行加工。
如上所述,虽然结合一个或多个控制模块来描述图7所示的流程,在一些实施例中,可利用一个或多个检测模块和/或一个或多个优化模块和/或其他模块或其组合等。在另一些实施例中,一个或多个加工设备中的任一个可包括所述控制模块和/或所述检测模块和/或所述优化模块。在另一个实施例中,一个或多个采集单元中的一个或多个可包括所述控制模块和/或所述检测模块和/或所述优化模块。在另一个实施例中,所述采集模块、所述检测模块、所述优化模块、所述控制模块中的一个或多个可集成在所述加工设备中。在一个实施例中,所述模块中的任一个可通过软件、硬件、固件和/或其各种组合来实现。
按照图7所示的方法,可实时引导定位打标机等加工设备在板材上生成二维码等标识,所述标识的识别率可不受板材表面缺陷的影响。此所述方法可对标识进行精确定位,继而可避免板材加工时自动剪裁设备将标识裁断等情况。
以上显示和描述了本发明的基本原理和主要特征以及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (15)
1.一种系统,所述系统包括:
一检测模块,用于根据一取样区域内板材的图像和/或所述板材的表面细节图像来检测所述板材的实际信息;和/或
一优化模块,用于根据检测到的所述板材实际信息并结合所述板材的一个或多个加工要求来提供用于所述板材的一个或多个优化加工方案。
2.如权利要求1所述的系统,其特征在于所述板材实际信息包括板材尺寸信息、轮廓定位信息、缺陷尺寸信息、缺陷定位信息和/或缺陷类型信息中的一个或多个。
3.如以上权利要求中任一项所述的系统,其特征在于还包括:
用于采集所述板材及取样区域的图像第一采集单元,所述第一采集单元包括工业级面阵相机;和/或
用于采集所述板材的表面细节图像的第二采集单元,所述第二采集单元包括工业级线阵相机。
4.如以上权利要求中任一项所述的系统,其特征在于所述检测模块还用于通过图像处理和/或检测算法从所述板材及取样区域的图像中提取板材相对于取样区域的最大轮廓;和/或利用预先标定的采集模块参数来获得所述板材板材定位信息和/或板材尺寸信息;和/或通过图像处理和/或检测算法从所述表面细节图像中提取板材和/或缺陷的特征;和/或通过利用预先标定的采集模块参数来计算相对于板材轮廓的所述缺陷定位信息;和/或利用提取的缺陷特征来获得所述缺陷尺寸信息和/或缺陷类型信息。
5.如以上权利要求中任一项所述的系统,其特征在于所述优化模块还用于在板材的加工区域根据所述缺陷尺寸信息和/或缺陷类型信息选择避让,以使标准样件最大轮廓无法与缺陷轮廓交叉;和/或根据所述板材尺寸信息、缺陷尺寸信息和/或生产工件的尺寸,在板面上以最小的间隙和/或样件形状拼凑方式来确定可加工的最大零件数量;和/或输出包括机械坐标定位点的数据来引导机械结构控制。
6.一种设备,所述设备包括:
用于采集一取样区域内的板材的图像的第一采集单元;和/或
用于采集所述板材的表面细节图像的第二采集单元。
7.如权利要求6所述的设备,其特征在于所述设备还包括用于支撑所述第一采集单元和所述第二采集单元的支撑部分,和/或所述支撑部分包括一支架结构,以避开所述第一采集单元的第一视野区域和/或所述第二采集单元的第二视野区域,和/或所述第一采集单元固定在所述支撑部分顶部的第一横臂上,和/或所述第二采集单元位于所述支撑部分靠近所述取样区域的第二横臂上。
8.如以上权利要求中任一个所述的设备,其特征在于所述第一采集单元包括位于所述取样区域中心的正上方的工业级面阵相机;和/或所述第二采集单元包括位于所述取样区域端部的上方的工业级线阵相机。
9.如以上权利要求中任一个所述的设备,其特征在于所述支撑部分还包括一导轨,用于带动所述第二横臂移动,以使所述第二采集单元扫描所述板材而获得所述表面细节图像。
10.一种方法,包括:
根据一取样区域内板材的图像和/或所述板材的表面细节图像来检测所述板材的实际信息;和/或
根据检测到的所述板材实际信息并结合所述板材的一个或多个加工要求来提供用于所述板材的一个或多个优化加工方案。
11.如权利要求10所述的方法,其特征在于板材实际信息包括板材尺寸信息、板材轮廓定位信息、板材数据坐标信息、缺陷尺寸信息、缺陷定位信息、缺陷数据坐标信息和/或缺陷类型信息中的一个或多个。
12.如以上权利要求中任一项所述的方法,其特征在于还包括通过图像处理和/或检测算法从所述板材及取样区域的图像中提取板材相对于取样区域的最大轮廓;和/或利用预先标定的参数来获得所述板材板材定位信息和/或板材尺寸信息;和/或通过图像处理和/或检测算法从所述表面细节图像中提取板材和/或缺陷的特征,和/或通过利用预先标定的采集模块参数来计算相对于板材轮廓的所述缺陷定位信息;和/或利用提取的缺陷特征来获得所述缺陷尺寸信息和/或缺陷类型信息。
13.如以上权利要求中任一项所述的方法,其特征在于还包括在所述板材进入所述取样区域时采集所述板材及取样区域的图像和/或所述板材的表面细节图像。
14.如以上权利要求中任一项所述的方法,其特征在于还包括通过在板材的加工区域根据所述缺陷尺寸信息和/或缺陷类型信息选择避让,以使标准样件最大轮廓无法与缺陷轮廓交叉,和/或根据所述板材尺寸信息、缺陷尺寸信息和/或生产工件的尺寸,在板面上以最小的间隙和/或样件形状拼凑方式来确定可加工的最大零件数量,和/或输出包括机械坐标定位点的数据来引导机械结构控制,从而提供所述优化加工方案。
15.如以上权利要求中任一项所述的方法,其特征在于所述优化加工方案包括工件对于当前板材分布的切割图、加工顺序、加工设备的行走路径中的一个或多个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910374569.7A CN110039374A (zh) | 2019-05-07 | 2019-05-07 | 一种视觉识别引导系统、设备和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910374569.7A CN110039374A (zh) | 2019-05-07 | 2019-05-07 | 一种视觉识别引导系统、设备和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110039374A true CN110039374A (zh) | 2019-07-23 |
Family
ID=67281025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910374569.7A Pending CN110039374A (zh) | 2019-05-07 | 2019-05-07 | 一种视觉识别引导系统、设备和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110039374A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110722406A (zh) * | 2019-09-17 | 2020-01-24 | 西北电子装备技术研究所(中国电子科技集团公司第二研究所) | 异形碲锌镉晶片轮廓修磨倒角方法 |
CN110744386A (zh) * | 2019-09-17 | 2020-02-04 | 西北电子装备技术研究所(中国电子科技集团公司第二研究所) | 异形晶片轮廓修磨倒角机 |
CN111062938A (zh) * | 2019-12-30 | 2020-04-24 | 科派股份有限公司 | 基于机器学习的板材涨塞检测系统和检测方法 |
CN116071360A (zh) * | 2023-03-10 | 2023-05-05 | 苏州振畅智能科技有限公司 | 一种工件外观缺陷检测方法、电子设备及存储介质 |
CN117245133A (zh) * | 2023-07-06 | 2023-12-19 | 宁波雄腾机械有限公司 | 一种板材折边加工方法、系统、智能终端及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005030812A (ja) * | 2003-07-08 | 2005-02-03 | Nippon Steel Corp | 鋼板表面の検査方法、システム、画像処理装置、及びコンピュータプログラム |
CN1640607A (zh) * | 2004-01-02 | 2005-07-20 | 上海工程技术大学 | 薄板激光切割焊接机工件定位光电测控装置 |
CN103389683A (zh) * | 2013-08-21 | 2013-11-13 | 济南铸造锻压机械研究所有限公司 | 大功率厚板数控激光切割机cam系统及方法 |
CN204278133U (zh) * | 2014-12-11 | 2015-04-22 | 东北林业大学 | 一种锯材表面缺陷检测、裁边与截断装置 |
CN205668337U (zh) * | 2016-05-25 | 2016-11-02 | 林聪发 | 智能石材切割机 |
CN208043682U (zh) * | 2018-01-12 | 2018-11-02 | 嵊州市东浩电子科技有限公司 | 一种导光板缺陷自动视觉检测装置 |
-
2019
- 2019-05-07 CN CN201910374569.7A patent/CN110039374A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005030812A (ja) * | 2003-07-08 | 2005-02-03 | Nippon Steel Corp | 鋼板表面の検査方法、システム、画像処理装置、及びコンピュータプログラム |
CN1640607A (zh) * | 2004-01-02 | 2005-07-20 | 上海工程技术大学 | 薄板激光切割焊接机工件定位光电测控装置 |
CN103389683A (zh) * | 2013-08-21 | 2013-11-13 | 济南铸造锻压机械研究所有限公司 | 大功率厚板数控激光切割机cam系统及方法 |
CN204278133U (zh) * | 2014-12-11 | 2015-04-22 | 东北林业大学 | 一种锯材表面缺陷检测、裁边与截断装置 |
CN205668337U (zh) * | 2016-05-25 | 2016-11-02 | 林聪发 | 智能石材切割机 |
CN208043682U (zh) * | 2018-01-12 | 2018-11-02 | 嵊州市东浩电子科技有限公司 | 一种导光板缺陷自动视觉检测装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110722406A (zh) * | 2019-09-17 | 2020-01-24 | 西北电子装备技术研究所(中国电子科技集团公司第二研究所) | 异形碲锌镉晶片轮廓修磨倒角方法 |
CN110744386A (zh) * | 2019-09-17 | 2020-02-04 | 西北电子装备技术研究所(中国电子科技集团公司第二研究所) | 异形晶片轮廓修磨倒角机 |
CN111062938A (zh) * | 2019-12-30 | 2020-04-24 | 科派股份有限公司 | 基于机器学习的板材涨塞检测系统和检测方法 |
CN111062938B (zh) * | 2019-12-30 | 2022-12-30 | 科派股份有限公司 | 基于机器学习的板材涨塞检测系统和检测方法 |
CN116071360A (zh) * | 2023-03-10 | 2023-05-05 | 苏州振畅智能科技有限公司 | 一种工件外观缺陷检测方法、电子设备及存储介质 |
CN117245133A (zh) * | 2023-07-06 | 2023-12-19 | 宁波雄腾机械有限公司 | 一种板材折边加工方法、系统、智能终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110039374A (zh) | 一种视觉识别引导系统、设备和方法 | |
CN106840033B (zh) | 一种基于图像处理的钢轨廓形检测装置及方法 | |
CN108931531B (zh) | 一种织物疵点自动检测方法、系统和计算机可读存储介质 | |
CN110007643A (zh) | 一种用于道岔制造过程自动化在线检测设备及方法 | |
CN105606024A (zh) | 一种手机尺寸检测装置及检测方法 | |
CN105160600A (zh) | 供电线路的铁塔结构巡检方法 | |
CN108489394A (zh) | 一种大尺寸薄板金属工件几何质量自动检测装置及方法 | |
CN103630544B (zh) | 一种视觉在线检测系统 | |
CN107345789A (zh) | 一种pcb板孔位检测装置及方法 | |
CN1273639A (zh) | 用于检测柔性材料连续基片上分离布线图形的检测系统 | |
KR101106045B1 (ko) | 강판 정보 계측 방법 | |
CN109489554A (zh) | 一种全自动电缆各层参数智能检测方法及装置 | |
US20170228602A1 (en) | Method for detecting height | |
CN105004742A (zh) | 一种像质计及应用该像质计的射线检测质量判定方法 | |
CN108759676B (zh) | 基于棋盘格的传动箱端面大尺寸形位公差检测装置与方法 | |
CN208042989U (zh) | 一种大尺寸薄板金属工件几何质量自动检测装置 | |
CN107797517A (zh) | 采用机器视觉实现钢带冲孔加工检测的方法及系统 | |
CN209263906U (zh) | 掩膜板异物检测设备 | |
CN112258398A (zh) | 基于tof与双目图像融合的输送带纵向撕裂检测装置与方法 | |
EP0699889A2 (en) | Gap distance measuring apparatus and method | |
CN114486913A (zh) | 一种钢卷边部几何特征的检测方法 | |
CN113674285A (zh) | 一种电解/电积镍板智能剪切方法 | |
CN114923913A (zh) | 生产缺陷检测系统和方法 | |
CN207650120U (zh) | 表面缺陷检测设备 | |
KR20180062544A (ko) | 초음파 탐상 장치 |
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: 20190723 |