CN112067555A - 一种可自动视觉识别零件种类的零件检测系统 - Google Patents

一种可自动视觉识别零件种类的零件检测系统 Download PDF

Info

Publication number
CN112067555A
CN112067555A CN202011256953.6A CN202011256953A CN112067555A CN 112067555 A CN112067555 A CN 112067555A CN 202011256953 A CN202011256953 A CN 202011256953A CN 112067555 A CN112067555 A CN 112067555A
Authority
CN
China
Prior art keywords
matrix
preset
detection
central control
control processor
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.)
Granted
Application number
CN202011256953.6A
Other languages
English (en)
Other versions
CN112067555B (zh
Inventor
刘振亭
籍永强
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.)
Shandong Haide Intelligent Technology Co Ltd
Original Assignee
Shandong Haide Intelligent Technology Co Ltd
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 Shandong Haide Intelligent Technology Co Ltd filed Critical Shandong Haide Intelligent Technology Co Ltd
Priority to CN202011256953.6A priority Critical patent/CN112067555B/zh
Publication of CN112067555A publication Critical patent/CN112067555A/zh
Application granted granted Critical
Publication of CN112067555B publication Critical patent/CN112067555B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/954—Inspecting the inner surface of hollow bodies, e.g. bores
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及一种可自动视觉识别零件种类的零件检测系统，包括检测箱、第一检测探头、第二检测探头、轨道、光源、摄影装置、检测托盘、电机、夹具、压力传感器、超声波探头和中控处理器。本发明通过在检测箱内设置光源，并将光源与中控处理器相连，能够使中控处理器完成对零件形状和材质的判断时，针对性的调节光源的亮度和色调，从而使所述系统在针对不同的零件进行检测时，均能够使用针对性的光照以使各所述探头能够清晰地采集到零件表面的缺陷，有效避免了光照不足或光照过量导致的图像采集不清晰的情况发生，提高了所述系统的检测效率。

Description

一种可自动视觉识别零件种类的零件检测系统
技术领域
本发明涉及零件检测技术领域，尤其涉及一种可自动视觉识别零件种类的零件检测系统 。
背景技术
随着零件加工产业不断发展，零件的需求量日益增高，对零件产品的质量要求却越来越严格。由于零件的生产制造工艺流程较为复杂，在生产过程中零件容易产生一些表面缺陷，如刮擦、划痕、压痕以及切削不均匀的刀痕等。因此零件缺陷的检测至关重要，关系到零件的耐久度，产品的安全，甚至人身的安全。
传统的零件缺陷检测主要通过人工检测，而一些刀痕、压痕或表面不均匀的缺陷需要人眼和光源成某一角度才能够检测到，还有一些微小的裂痕和划痕非常容易漏检。随着零件产品的需求量日益增高，人工检测的方法已经无法满足高质量、高效率的零件检测需求。而现今，机器视觉的发展为零件检测的方法提供了新的方向。但是在零件检测的过程中，快速准确的检测出零件表面的刀痕以及零件表面不均匀的缺陷，以及微小零件的表面划痕和裂纹的缺陷依旧是极富有挑战的。检测刀痕和表面不均匀的缺陷，需要不断地调整光源、零件和相机不同的相对位置才能检测到该缺陷；而微小零件缺陷检测难度在于光照过强会产生强烈的反射光，使得缺陷掩盖在反射的强光下；光照过弱就会导致零件图像曝光不足，缺陷难以检测到。因此，在检测不同零件尺寸、不同类型零件的缺陷时，光源的光照强度、照相机的分辨率、镜头的设计参数，光源、零件和相机的相对位置，以及对机器视觉的处理算法等都有很高的要求。
发明内容
为此，本发明提供一种可自动视觉识别零件种类的零件检测系统 ，用以克服现有技术中无法根据零件尺寸、形状及材质种类灵活调节光源导致的检测效率低的问题。
为实现上述目的，本发明提供一种可自动视觉识别零件种类的零件检测系统 ，包括：
检测箱，用以装载检测部件；
第一检测探头，其设置在所述检测箱内部并位于检测箱顶壁，用以检测零件上表面；
第二检测探头，其设置在所述检测箱内部 并位于检测箱侧壁，用以检测零件侧面；
轨道，其设置在所述检测箱顶部，用以活动固定补光灯，以使补光灯能在轨道上自由滑动；
光源，其包括一设置在检测箱顶部的总照射灯，其用以对检测箱内部进行照明；以及设置在所述轨道上的补光灯；
检测托盘，其设置在所述检测箱内并位于检测箱地板正中，用以装载零件；在所述检测托盘下方设有电机，用以控制检测托盘以指定转速旋转；在所述检测托盘上表面设有夹具，用以固定所述零件，在夹具上设有压力传感器，用以检测夹具对零件的夹紧力；
摄影装置，其设置在所述检测托盘一侧，用以对所述检测托盘上的零件进行拍摄，获取图像信息；
中控处理器，其分别与所述摄影装置、第一检测探头、第二检测探头、光源、电机、夹具以及压力传感器相连，用以通过自学习后建立多个预设矩阵并在对零件进行检测时，根据所述摄影装置拍摄的图像判定零件的类型，根据零件类型的不同调整光源拍摄的角度和亮度，控制检测托盘的旋转速度并控制第一检测探头或/和第二检测探头对零件实施监测，以获取零件的外形轮廓坐标信息f（x，y，z）判定零件的缺陷；，获取零件的外形轮廓坐标信息f（x，y，z）判定零件的缺陷；
所述中控处理器使用前需对其进行零件模型识别训练，所述零件模型识别训练步骤：
步骤一、选取多个实心圆柱种类的零件，对其进行拍摄并获取多个零件的外形轮廓坐标集合f（x,y,z）；
步骤二、所述中控处理器对所述多个零件的外形轮廓坐标集合f（x,y,z）进行人工智能算法训练，生成片状外形种类零件判定数据，以使所述中控处理器根据拍摄图像识别出对应零件为片状外形种类；
步骤三、重复所述步骤一以及步骤二的方法，对实心立方体种类、空心圆柱外形种类和空心立方体外形种类的零件进行零件识别预储存，生成立体中空外形种类零件判定数据以及立体实心外形种类零件判定数据，最终确定零件识别信息矩阵C(C1,C2,C3,C4,C5)，其中C1表示实心圆柱外形种类零件判定数据，C2表示实心立方体外形种类判定数据，C3表示空心圆柱外形种类判定数据，C4表示空心立方体外形种类判定数据,C5表示不规则外形种类判定数据；
当所述中控处理器针对单个形状的零件进行模型训练时，所述检测系统选用不同的光源亮度、光源色调、夹具夹紧力、电机转速、电机转动时间以及超声波频率依次检测不同尺寸和/或材质的零件；检测完成后中控处理器根据每一次检测结果中外形轮廓信息的完整度、电机转动时零件的稳定性、夹具对零件的剐蹭程度以及对空心零件内的检测准确度，依次预设零件材质矩阵G0、预设夹具夹紧力矩阵F0、预设亮度矩阵L0、预设色调矩阵组S0、预设半径矩阵R0，预设底面积矩阵D0、连续旋转矩阵组Wa0、间断旋转矩阵组Wb0、预设中空体积比例矩阵V0、预设频率矩阵f0以及预设缺陷判定矩阵组Q0。
进一步地、对于所述预设零件材质矩阵G0，G0（G1，G2，G3，...Gn），其中，G1为第一预设材质，G2为第二预设材质，G3为第三预设材质，Gn为第n预设材质；对于所述预设夹具夹紧力矩阵F0，F0（F1，F2，F3，...Fn），其中，F1为第一预设夹紧力，F2为第二预设夹紧力，F3为第三预设夹紧力，Fn为第n预设夹紧力；
当所述检测系统对零件进行检测时，所述中控处理器通过摄影装置拍摄的图像判定零件类型以及零件材料，中控处理器对零件的材质进行判定并根据判定结果调节夹具的预设夹紧力：
当中控处理器判定零件材质为G1时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为F1；
当中控处理器判定零件材质为G2时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为F2；
当中控处理器判定零件材质为G3时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为F3；
当中控处理器判定零件材质为Gn时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为Fn；
当所述夹具夹紧完成时，所述压力传感器会检测夹具对零件施加的压力F，中控处理器会持续调节夹具对零件的压力直至压力F与预设的夹紧力相同。
进一步地、对于所述预设亮度矩阵L0，L0（L1，L2，L3，L4，L5），其中，L1为第一预设亮度，L2为第二预设亮度，L3为第三预设亮度，L4为第四预设亮度，L5为第五预设亮度；
对于所述预设色调矩阵组S0，S0（S1，S2，S3，S4，S5），其中，S1为第一预设色调矩阵，S2为第二预设色调矩阵，S3为第三预设色调矩阵，S4为第四预设色调矩阵，S5为第五预设色调矩阵，
当所述检测系统对零件进行检测时，所述中控处理器根据所述摄影装置发出的图像信息与所述零件识别信息矩阵C(C1,C2,C3,C4,C5)内的信息做比对，确定零件的外形种类，
当中控处理器判定所述零件形状为C1时，中控处理器将总照射灯的亮度调节为L1并从S1矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C2时，中控处理器将总照射灯的亮度调节为L2并从S2矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C3时，中控处理器将总照射灯的亮度调节为L3并从S3矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C4时，中控处理器将总照射灯的亮度调节为L4并从S4矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C5时，中控处理器将总照射灯的亮度调节为L5并从S5矩阵中选取对应的参数调节光源的色调；
对于第i预设色调矩阵Si，i=1，2，3，4，5，Si（Si1，Si2，Si3，...Sin），其中，Si1为第i形状第一预设色调，Si2为第i形状第二预设色调，Si3为第i形状第三预设色调，Sin为第i形状第n预设色调；
当所述中控处理器将从所述第i预设色调矩阵Si中选取对应的参数调节光源的色调时，中控处理器会根据零件的材质选取光源的色调：
当零件的材质为G1时，所述中控处理器将光源的色调调节为Si1；
当零件的材质为G2时，所述中控处理器将光源的色调调节为Si2；
当零件的材质为G3时，所述中控处理器将光源的色调调节为Si3；
当零件的材质为Gn时，所述中控处理器将光源的色调调节为Sin；
同时，所述中控处理器根据所述摄影装置发出的图像确定图像阴影区域，同时以箱体底面为基准建立X,Y轴，以垂直底面方向建立Y轴，确定阴影区域坐标集合Qi（x，y，z），所述中控处理器内还设置有补光灯控制矩阵Bi（Bi1,Bi2，Bi3）,其中，Bi1表示阴影坐标区域集合，Bi2表示补光灯在导轨所处位置，Bi3表示补光灯照射角度；所述中控处理器将所述阴影区域坐标集合Qi（x，y，z）与所述补光灯控制矩阵Bi（Bi1,Bi2，Bi3）内的数据做对比，对于任一阴影区域坐标集合Qi属于所述阴影坐标区域集合Bi1时，所述中控处理器控制补光灯移动至导轨Bi2位置，控制所述补光灯以Bi3角度拍摄。
进一步地、对于所述连续旋转矩阵组Wa0，Wa0（Wa1，Wa2，Wa3，Wa4），其中，Wa1为第一预设连续旋转矩阵，Wa2为第二预设连续旋转矩阵，Wa3为第三预设连续旋转矩阵，Wa4为第四预设连续旋转矩阵；所述中控处理器中还设有预设半径矩阵R0（R1，R2，R3，R4），其中，R1为第一预设半径，R2为第二预设半径，R3为第三预设半径，R4为第四预设半径，各预设半径的数值按照顺序逐渐增加；
当所述中控处理器判定零件为C1形状或C3形状时，中控处理器控制所述电机连续旋转以对零件进行检测，中控处理器会控制所述第一检测探头检测零件半径R，中控处理器将R与R0矩阵中的各项参数进行比对：
当R≤R1时，中控处理器选用Wa1矩阵中的参数控制电机旋转并使所述第二检测探头连续检测零件的侧壁；
当R1＜R≤R2时，中控处理器选用Wa2矩阵中的参数控制电机旋转并使所述第二检测探头连续检测零件的侧壁；
当R2＜R≤R3时，中控处理器选用Wa3矩阵中的参数控制电机旋转并使所述第二检测探头连续检测零件的侧壁；
当R3＜R≤R4时，中控处理器选用Wa4矩阵中的参数控制电机旋转并使所述第二检测探头连续检测零件的侧壁。
进一步地、对于所述第i预设连续旋转矩阵Wai，i=1，2，3，4，Wai（wai，Tai），其中，wai为电机第i预设连续转速，Tai为电机第i预设连续旋转时长；
当中控处理器选用Wai矩阵中的参数控制电机旋转以使所述第二检测探头连续检测零件的侧壁时，中控处理器控制电机以wai的转速旋转Tai时长以使零件在所述检测托盘上旋转360°，在零件旋转过程中，所述第二检测探头实时检测零件侧壁并在检测托盘旋转完成时完成对零件侧壁的检测。
进一步地、对于所述间断旋转矩阵组Wb0，Wb0（Wb1，Wb2，Wb3，Wb4），其中，Wb1为第一预设间断旋转矩阵，Wb2为第二预设间断旋转矩阵，Wb3为第三预设间断旋转矩阵，Wb4为第四预设间断旋转矩阵；所述中控处理器中还设有预设底面积矩阵D0（D1，D2，D3，D4），其中，D1为第一预设底面积，D2为第二预设底面积，D3为第三预设底面积，D4为第四预设底面积，各预设底面积的数值按照顺序逐渐增加；
当所述中控处理器判定零件为C2形状或C4形状时，中控处理器控制所述电机间断旋转以对零件进行检测，中控处理器会控制所述第一检测探头检测零件底面积D，中控处理器将D与D0矩阵中的各项参数进行比对：
当D≤D1时，中控处理器选用Wb1矩阵中的参数控制电机旋转并使所述第二检测探头逐次检测零件的各侧壁；
当D1＜D≤D2时，中控处理器选用Wb2矩阵中的参数控制电机旋转并使所述第二检测探头逐次检测零件的各侧壁；
当D2＜D≤D3时，中控处理器选用Wb3矩阵中的参数控制电机旋转并使所述第二检测探头逐次检测零件的各侧壁；
当D3＜D≤D4时，中控处理器选用Wb4矩阵中的参数控制电机旋转并使所述第二检测探头逐次检测零件的各侧壁。
进一步地、对于所述第i预设间断旋转矩阵Wbi，i=1，2，3，4，Wai（wbi，Tbi，tbi），其中，wbi为电机第i预设单次转速，Tbi为电机第i预设单次旋转时长，tbi为电机第i预设单次暂停时长；
当中控处理器选用Wbi矩阵中的参数控制电机旋转以使所述第二检测探头逐次检测零件的侧壁时，中控处理器控制电机以wbi的转速旋转Tbi时长以使零件在所述检测托盘上旋转90°，旋转完成时，电机停止旋转，所述第二检测探头检测零件面向第二检测探头的侧壁，当电机停止时长达到tbi时，中控处理器控制电机以wbi的转速继续旋转Tbi时长以使零件在所述检测托盘上旋转90°并在旋转完成的tbi时长内控制所述第二检测探头对零件的另一侧壁进行检测，中控处理器控制电机持续旋转-暂停直至所述第二检测探头将零件的各侧壁全部检测完成获取零件的外形轮廓坐标集和f(x,y,z)。
进一步地、所述中控处理器其获取完待检测物件的外形轮廓坐标集和f(x,y,z)后，判定所述外形轮廓坐标集和f(x,y,z)是否存在缺失区域，若缺失区域超过预设值KO则判定所述外形轮廓坐标集和f(x,y,z)不完整，同时，所述中控处理器记录缺陷区域的坐标，形成缺陷坐标集合Q（Q1,Q2...Qn），其中：Q1表示第一缺陷区域坐标集合，Q2表示第二缺陷区域坐标集合...Qn表示第n缺陷区域坐标集合。
进一步地、所述中控处理器内部设置有缺陷调节矩阵J（J1,J2...Jn），其中，J1表示第1调节矩阵，J2表示第2调节矩阵...Jn表示第n调节矩阵；对于第i调节矩阵Ji（Ji1，Ji2，Ji3），i=1，2...n，其中，Ji1表示第i坐标范围集合Ji1（x，y，z），Ji2表示检测托盘回转角度，Ji3表示检测探头伸缩长度数据以及检测探头检测角度数据；当中控处理器生成缺陷坐标集合Q时，中控处理器调整检测台回转角度和检测探头伸缩长度以及探头朝向角度，其过程包括：中控处理器将所述缺陷坐标集合Q（Q1,Q2...Qn）内的数据与所述缺陷调节矩阵J（J1,J2...Jn）内的数据做对比，当所述缺陷坐标集合Q（Q1,Q2...Qn）内的任一缺陷区域坐标集合Qi属于所述第i坐标范围集合Ji1（x，y，z）时，所述中控处理器控制检测转盘回转Ji2角度，控制所述第一检测探头或/和第二检测探头根据探头伸缩长度数据以及检测探头检测角度数据Ji3调整检测探头的位置，同时，控制第一检测探头或/和第二检测探头对缺陷区域再次进行检测，i=1,2...n，形成最终外形轮廓坐标集和f(x,y,z)。
进一步地、所述中控处理器内预设有标准件储存矩阵P（P1,P2...Pn），其中，P1表示第1标准件外形轮廓坐标集合f0（x,y,z），P2表示第2标准件外形轮廓坐标集合f0（x,y,z）...Pn表示第n标准件外形轮廓坐标集合，所述中控处理器根据待检测物件的最终外形轮廓坐标集和f(x,y,z)判定缺陷时，将所述待检测物件的最终外形轮廓坐标集合f(x,y,z)与所述标准件储存矩阵P（P1,P2...Pn）内对应的第i标准件坐标集和f0（x,y,z）进行差值比较，确定第i区域差异坐标集合Ci（x，y，z）i=1，2...n，若所述第i区域差异坐标集合Ci（x，y，z）表示的空间范围超过了预设缺陷对比阙置，则判定所述待检测物件有缺陷。
与现有技术相比，本发明的有益效果在于，本发明通过在检测箱内设置光源，并将光源与中控处理器相连，能够使中控处理器完成对零件形状和材质的判断时，针对性的调节光源的亮度和色调，从而使所述系统在针对不同的零件进行检测时，均能够使用针对性的光照以使各所述探头能够清晰地采集到零件表面的缺陷，有效避免了光照不足或光照过量导致的图像采集不清晰的情况发生，提高了所述系统的检测效率。
进一步地，所述中控处理器中设有预设零件形状矩阵C0（C1，C2，C3，C4，C5）和预设样本数量矩阵M0（M1，M2，M3，M4，M5），在使用所述系统对零件进行检测前，对所述中控处理器进行模型训练，通过放置多个相同形状种类的零件以使所述中控处理器建立针对该形状种类零件的检测参数矩阵；在对所述中控处理器进行模型训练时，中控处理器会根据零件的形状检测对应数量的样本，通过根据不同形状的零件选取不同的样本数量，能够防止对结构简单的零件的学习样本过多或对结构复杂的零件的学习样本过少导致的学习效率低以及学习后检测精度低的情况发生，能够保证所述中控处理器使用适当的样本数完成针对不同形状零件的学习，从而进一步提高了所述系统在后续对零件进行检测时的检测精度，并进一步提高了所述系统的检测效率。
进一步地，当所述中控处理器针对单个形状的零件进行模型训练时，所述检测系统选用不同的光源亮度、光源色调、夹具夹紧力、电机转速、电机转动时间以及超声波频率依次检测不同尺寸和/或材质的零件并在检测完成后根据每一次检测结果中检测图像的清晰度、电机转动时零件的稳定性、夹具对零件的剐蹭程度以及对空心零件内的检测准确度，依次建立预设零件材质矩阵G0、预设夹具夹紧力矩阵F0、预设亮度矩阵L0、预设色调矩阵组S0、预设半径矩阵R0，预设底面积矩阵D0、连续旋转矩阵组Wa0、间断旋转矩阵组Wb0、预设中空体积比例矩阵V0、预设频率矩阵f0以及预设缺陷判定矩阵组Q0，通过不断学习以设置针对性的矩阵和矩阵组，能够保证所述系统能够高效的完成对后续的实际检测的零件的表面缺陷检测，从而进一步提高了所述系统的检测效率。
进一步地，对于所述预设零件材质矩阵G0（G1，G2，G3，...Gn），对于所述预设夹具夹紧力矩阵F0（F1，F2，F3，...Fn），当所述检测系统对零件进行检测时，所述中控处理器根据摄影装置拍摄的图像信息对零件的材质进行判定并根据判定结果调节夹具的预设夹紧力，通过根据零检测材质选取对应的夹紧力，能够在将零件固定在检测托盘上的同时，防止夹具夹紧力过大对零件造成损坏，从而进一步提高了所述系统的检测效率。
进一步地，对于所述预设亮度矩阵L0（L1，L2，L3，L4，L5），对于所述预设色调矩阵组S0（S1，S2，S3，S4，S5），对于第i预设色调矩阵Si，i=1，2，3，4，5，Si（Si1，Si2，Si3，...Sin），当所述检测系统对零件进行检测时，中控处理器对零件的形状和材质进行判定并根据判定结果调节光源的亮度和色调，通过根据零件的形状和材质分别调节光源的亮度和色调，同时，根据零件类型实时调整补光灯的照射角度和位置；能够有效防止光源照射亮度和色调不当导致的检测探头无法清晰采集到零件表面的缺陷痕迹的情况的发生，从而进一步提高了所述系统的检测效率。
进一步地，对于所述连续旋转矩阵组Wa0（Wa1，Wa2，Wa3，Wa4），对于所述第i预设连续旋转矩阵Wai，i=1，2，3，4，Wai（wai，Tai），当所述中控处理器判定零件为C1形状或C3形状时，中控处理器控制所述电机连续旋转以对零件进行检测，中控处理器会控制所述第一检测探头检测零件半径R，中控处理器将R与R0矩阵中的各项参数进行比对并根据比对结果调节电机的转速和旋转时间，通过根据零件的直径选取对应的连续旋转矩阵，能够有效防止转速过大从而将零件甩出检测托盘的情况发生，同时，通过将转速和旋转时间相对应，能够保证对单次零件进行检测时，检测托盘能够刚好旋转360°以使第二检测探头完成对零件侧壁的检测，进一步提高了所述系统的检测效率。
进一步地，对于所述间断旋转矩阵组Wb0（Wb1，Wb2，Wb3，Wb4），对于所述第i预设间断旋转矩阵Wbi，i=1，2，3，4，Wai（wbi，Tbi，tbi），当所述中控处理器判定零件为C2形状或C4形状时，中控处理器控制所述电机间断旋转以对零件进行检测，中控处理器会控制所述第一检测探头检测零件底面积D，中控处理器将D与D0矩阵中的各项参数进行比对并根据比对结果调节电机的单次转速、单次旋转时长以及单次暂停时长，通过根据零件的底面积选取对应的间断旋转矩阵，能够有效防止转速过大从而将零件甩出检测托盘的情况发生，同时，通过将转速和旋转时间相对应，并设置相应的暂停时长，能够保证对单次零件进行检测时，检测托盘能够刚好旋转90°并使第二检测探头具备充足的时间完成对零件侧壁的检测，进一步提高了所述系统的检测效率。
进一步地，本发明对检测的外形轮廓坐标集合完整度进行判定，确定缺失坐标区域，根据缺失坐标区域控制第一探测头和第二探测头调整对缺失区域进行进一步的探测，间接提高了最终缺陷判定结果的准确性和可靠性。
附图说明
图1为本发明所述可自动视觉识别零件种类的零件检测系统 的结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明所述可自动视觉识别零件种类的零件检测系统 的结构示意图。本发明所述可自动视觉识别零件种类的零件检测系统 的结构示意图包括：
检测箱1，用以装载检测部件；
第一检测探头2，其设置在所述检测箱1内部并位于检测箱1顶壁，用以检测零件上表面；
第二检测探头3，其设置在所述检测箱1内部 并位于检测箱1侧壁，用以检测零件侧面；
轨道4，其设置在所述检测箱1顶部，用以活动固定补光灯12，以使补光灯12能在轨道4上自由滑动；
光源，其包括一设置在检测箱1顶部的总照射灯13，其用以对检测箱1内部进行照明；以及设置在所述轨道4上的补光灯12；
检测托盘5，其设置在所述检测箱1内并位于检测箱1地板正中，用以装载零件；在所述检测托盘5下方设有电机6，用以控制检测托盘5以指定转速旋转；在所述检测托盘5上表面设有夹具7，用以固定所述零件，在夹具7上设有压力传感器9，用以检测夹具7对零件的夹紧力；
摄影装置11，其设置在所述检测托盘5一侧，用以对所述检测托盘5上的零件进行拍摄，获取图像信息；
中控处理器10，其分别与所述摄影装置11、第一检测探头2、第二检测探头3、光源、电机6、夹具7以及压力传感器9相连，用以通过自学习后建立多个预设矩阵并在对零件进行检测时，根据所述摄影装置11拍摄的图像判定零件的类型，根据零件类型的不同调整光源拍摄的角度和亮度，控制检测托盘5的旋转速度并控制第一检测探头2或/和第二检测探头3对零件实施监测，以获取零件的外形轮廓坐标信息f（x，y，z）判定零件的缺陷；，获取零件的外形轮廓坐标信息f（x，y，z）判定零件的缺陷；
所述中控处理器使用前需对其进行零件模型识别训练，所述零件模型识别训练步骤：
步骤一、选取多个实心圆柱种类的零件，对其进行拍摄并获取多个零件的外形轮廓坐标集合f（x,y,z）；
步骤二、所述中控处理器对所述多个零件的外形轮廓坐标集合f（x,y,z）进行人工智能算法训练，生成片状外形种类零件判定数据，以使所述中控处理器根据拍摄图像识别出对应零件为片状外形种类；
步骤三、重复所述步骤一以及步骤二的方法，对实心立方体种类、空心圆柱外形种类和空心立方体外形种类的零件进行零件识别预储存，生成立体中空外形种类零件判定数据以及立体实心外形种类零件判定数据，最终确定零件识别信息矩阵C(C1,C2,C3,C4,C5)，其中C1表示实心圆柱外形种类零件判定数据，C2表示实心立方体外形种类判定数据，C3表示空心圆柱外形种类判定数据，C4表示空心立方体外形种类判定数据,C5表示不规则外形种类判定数据；
当所述中控处理器10针对单个形状的零件进行模型训练时，所述检测系统选用不同的光源亮度、光源色调、夹具7夹紧力、电机6转速、电机6转动时间以及超声波频率依次检测不同尺寸和/或材质的零件；检测完成后中控处理器10根据每一次检测结果中外形轮廓信息的完整度、电机6转动时零件的稳定性、夹具7对零件的剐蹭程度以及对空心零件内的检测准确度，依次预设零件材质矩阵G0、夹具7夹紧力矩阵F0、预设亮度矩阵L0、预设色调矩阵组S0、预设半径矩阵R0，预设底面积矩阵D0、连续旋转矩阵组Wa0、间断旋转矩阵组Wb0、预设中空体积比例矩阵V0、预设频率矩阵f0以及预设缺陷判定矩阵组Q0。
进一步地、对于所述预设零件材质矩阵G0，G0（G1，G2，G3，...Gn），其中，G1为第一预设材质，G2为第二预设材质，G3为第三预设材质，Gn为第n预设材质；对于所述预设夹具7夹紧力矩阵F0，F0（F1，F2，F3，...Fn），其中，F1为第一预设夹紧力，F2为第二预设夹紧力，F3为第三预设夹紧力，Fn为第n预设夹紧力；
当所述检测系统对零件进行检测时，所述中控处理器10通过摄影装置11拍摄的图像判定零件类型以及零件材料，中控处理器10对零件的材质进行判定并根据判定结果调节夹具7的预设夹紧力：
当中控处理器10判定零件材质为G1时，中控处理器10控制所述夹具7夹紧零件并将夹具7的夹紧力调节为F1；
当中控处理器10判定零件材质为G2时，中控处理器10控制所述夹具7夹紧零件并将夹具7的夹紧力调节为F2；
当中控处理器10判定零件材质为G3时，中控处理器10控制所述夹具7夹紧零件并将夹具7的夹紧力调节为F3；
当中控处理器10判定零件材质为Gn时，中控处理器10控制所述夹具7夹紧零件并将夹具7的夹紧力调节为Fn；
当所述夹具7夹紧完成时，所述压力传感器会检测夹具7对零件施加的压力F，中控处理器10会持续调节夹具7对零件的压力直至压力F与预设的夹紧力相同。
进一步地、对于所述预设亮度矩阵L0，L0（L1，L2，L3，L4，L5），其中，L1为第一预设亮度，L2为第二预设亮度，L3为第三预设亮度，L4为第四预设亮度，L5为第五预设亮度；
对于所述预设色调矩阵组S0，S0（S1，S2，S3，S4，S5），其中，S1为第一预设色调矩阵，S2为第二预设色调矩阵，S3为第三预设色调矩阵，S4为第四预设色调矩阵，S5为第五预设色调矩阵，
当所述检测系统对零件进行检测时，所述中控处理器10根据所述摄影装置11发出的图像信息与所述零件识别信息矩阵C(C1,C2,C3,C4,C5)内的信息做比对，确定零件的外形种类，
当中控处理器10判定所述零件形状为C1时，中控处理器10将总照射灯13的亮度调节为L1并从S1矩阵中选取对应的参数调节光源的色调；
当中控处理器10判定所述零件形状为C2时，中控处理器10将总照射灯13的亮度调节为L2并从S2矩阵中选取对应的参数调节光源的色调；
当中控处理器10判定所述零件形状为C3时，中控处理器10将总照射灯13的亮度调节为L3并从S3矩阵中选取对应的参数调节光源的色调；
当中控处理器10判定所述零件形状为C4时，中控处理器10将总照射灯13的亮度调节为L4并从S4矩阵中选取对应的参数调节光源的色调；
当中控处理器10判定所述零件形状为C5时，中控处理器10将总照射灯13的亮度调节为L5并从S5矩阵中选取对应的参数调节光源的色调；
对于第i预设色调矩阵Si，i=1，2，3，4，5，Si（Si1，Si2，Si3，...Sin），其中，Si1为第i形状第一预设色调，Si2为第i形状第二预设色调，Si3为第i形状第三预设色调，Sin为第i形状第n预设色调；
当所述中控处理器10将从所述第i预设色调矩阵Si中选取对应的参数调节光源的色调时，中控处理器10会根据零件的材质选取光源的色调：
当零件的材质为G1时，所述中控处理器10将光源的色调调节为Si1；
当零件的材质为G2时，所述中控处理器10将光源的色调调节为Si2；
当零件的材质为G3时，所述中控处理器10将光源的色调调节为Si3；
当零件的材质为Gn时，所述中控处理器10将光源的色调调节为Sin；
同时，所述中控处理器10根据所述摄影装置11发出的图像确定图像阴影区域，同时以箱体底面为基准建立X,Y轴，以垂直底面方向建立Y轴，确定阴影区域坐标集合Qi（x，y，z），所述中控处理器10内还设置有补光灯12控制矩阵Bi（Bi1,Bi2，Bi3）,其中，Bi1表示阴影坐标区域集合，Bi2表示补光灯12在导轨所处位置，Bi3表示补光灯12照射角度；所述中控处理器10将所述阴影区域坐标集合Qi（x，y，z）与所述补光灯12控制矩阵Bi（Bi1,Bi2，Bi3）内的数据做对比，对于任一阴影区域坐标集合Qi属于所述阴影坐标区域集合Bi1时，所述中控处理器10控制补光灯12移动至导轨Bi2位置，控制所述补光灯12以Bi3角度拍摄。
进一步地、对于所述连续旋转矩阵组Wa0，Wa0（Wa1，Wa2，Wa3，Wa4），其中，Wa1为第一预设连续旋转矩阵，Wa2为第二预设连续旋转矩阵，Wa3为第三预设连续旋转矩阵，Wa4为第四预设连续旋转矩阵；所述中控处理器10中还设有预设半径矩阵R0（R1，R2，R3，R4），其中，R1为第一预设半径，R2为第二预设半径，R3为第三预设半径，R4为第四预设半径，各预设半径的数值按照顺序逐渐增加；
当所述中控处理器10判定零件为C1形状或C3形状时，中控处理器10控制所述电机6连续旋转以对零件进行检测，中控处理器10会控制所述第一检测探头2检测零件半径R，中控处理器10将R与R0矩阵中的各项参数进行比对：
当R≤R1时，中控处理器10选用Wa1矩阵中的参数控制电机6旋转并使所述第二检测探头3连续检测零件的侧壁；
当R1＜R≤R2时，中控处理器10选用Wa2矩阵中的参数控制电机6旋转并使所述第二检测探头3连续检测零件的侧壁；
当R2＜R≤R3时，中控处理器10选用Wa3矩阵中的参数控制电机6旋转并使所述第二检测探头3连续检测零件的侧壁；
当R3＜R≤R4时，中控处理器10选用Wa4矩阵中的参数控制电机6旋转并使所述第二检测探头3连续检测零件的侧壁。
进一步地、对于所述第i预设连续旋转矩阵Wai，i=1，2，3，4，Wai（wai，Tai），其中，wai为电机6第i预设连续转速，Tai为电机6第i预设连续旋转时长；
当中控处理器10选用Wai矩阵中的参数控制电机6旋转以使所述第二检测探头3连续检测零件的侧壁时，中控处理器10控制电机6以wai的转速旋转Tai时长以使零件在所述检测托盘5上旋转360°，在零件旋转过程中，所述第二检测探头3实时检测零件侧壁并在检测托盘5旋转完成时完成对零件侧壁的检测。
进一步地、对于所述间断旋转矩阵组Wb0，Wb0（Wb1，Wb2，Wb3，Wb4），其中，Wb1为第一预设间断旋转矩阵，Wb2为第二预设间断旋转矩阵，Wb3为第三预设间断旋转矩阵，Wb4为第四预设间断旋转矩阵；所述中控处理器10中还设有预设底面积矩阵D0（D1，D2，D3，D4），其中，D1为第一预设底面积，D2为第二预设底面积，D3为第三预设底面积，D4为第四预设底面积，各预设底面积的数值按照顺序逐渐增加；
当所述中控处理器10判定零件为C2形状或C4形状时，中控处理器10控制所述电机6间断旋转以对零件进行检测，中控处理器10会控制所述第一检测探头2检测零件底面积D，中控处理器10将D与D0矩阵中的各项参数进行比对：
当D≤D1时，中控处理器10选用Wb1矩阵中的参数控制电机6旋转并使所述第二检测探头3逐次检测零件的各侧壁；
当D1＜D≤D2时，中控处理器10选用Wb2矩阵中的参数控制电机6旋转并使所述第二检测探头3逐次检测零件的各侧壁；
当D2＜D≤D3时，中控处理器10选用Wb3矩阵中的参数控制电机6旋转并使所述第二检测探头3逐次检测零件的各侧壁；
当D3＜D≤D4时，中控处理器10选用Wb4矩阵中的参数控制电机6旋转并使所述第二检测探头3逐次检测零件的各侧壁。
进一步地、对于所述第i预设间断旋转矩阵Wbi，i=1，2，3，4，Wai（wbi，Tbi，tbi），其中，wbi为电机6第i预设单次转速，Tbi为电机6第i预设单次旋转时长，tbi为电机6第i预设单次暂停时长；
当中控处理器10选用Wbi矩阵中的参数控制电机6旋转以使所述第二检测探头3逐次检测零件的侧壁时，中控处理器10控制电机6以wbi的转速旋转Tbi时长以使零件在所述检测托盘5上旋转90°，旋转完成时，电机6停止旋转，所述第二检测探头3检测零件面向第二检测探头3的侧壁，当电机6停止时长达到tbi时，中控处理器10控制电机6以wbi的转速继续旋转Tbi时长以使零件在所述检测托盘5上旋转90°并在旋转完成的tbi时长内控制所述第二检测探头3对零件的另一侧壁进行检测，中控处理器10控制电机6持续旋转-暂停直至所述第二检测探头3将零件的各侧壁全部检测完成获取零件的外形轮廓坐标集和f(x,y,z)。
进一步地、所述中控处理器10其获取完待检测物件的外形轮廓坐标集和f(x,y,z)后，判定所述外形轮廓坐标集和f(x,y,z)是否存在缺失区域，若缺失区域超过预设值KO则判定所述外形轮廓坐标集和f(x,y,z)不完整，同时，所述中控处理器10记录缺陷区域的坐标，形成缺陷坐标集合Q（Q1,Q2...Qn），其中：Q1表示第一缺陷区域坐标集合，Q2表示第二缺陷区域坐标集合...Qn表示第n缺陷区域坐标集合。
进一步地、所述中控处理器10内部设置有缺陷调节矩阵J（J1,J2...Jn），其中，J1表示第1调节矩阵，J2表示第2调节矩阵...Jn表示第n调节矩阵；对于第i调节矩阵Ji（Ji1，Ji2，Ji3），i=1，2...n，其中，Ji1表示第i坐标范围集合Ji1（x，y，z），Ji2表示检测托盘5回转角度，Ji3表示检测探头伸缩长度数据以及检测探头检测角度数据；当中控处理器10生成缺陷坐标集合Q时，中控处理器10调整检测台回转角度和检测探头伸缩长度以及探头朝向角度，其过程包括：中控处理器10将所述缺陷坐标集合Q（Q1,Q2...Qn）内的数据与所述缺陷调节矩阵J（J1,J2...Jn）内的数据做对比，当所述缺陷坐标集合Q（Q1,Q2...Qn）内的任一缺陷区域坐标集合Qi属于所述第i坐标范围集合Ji1（x，y，z）时，所述中控处理器10控制检测转盘回转Ji2角度，控制所述第一检测探头2或/和第二检测探头3根据探头伸缩长度数据以及检测探头检测角度数据Ji3调整检测探头的位置，同时，控制第一检测探头2或/和第二检测探头3对缺陷区域再次进行检测，i=1,2...n，形成最终外形轮廓坐标集和f(x,y,z)。
进一步地、所述中控处理器10根据待检测物件的最终外形轮廓坐标集和f(x,y,z)判定缺陷时，将所述待检测物件的最终外形轮廓坐标集合f(x,y,z)与所述标准件储存矩阵P（P1,P2...Pn）内对应的第i标准件坐标集和f0（x,y,z）进行差值比较，确定第i区域差异坐标集合Ci（x，y，z）i=1，2...n，若所述第i区域差异坐标集合Ci（x，y，z）表示的空间范围超过了预设缺陷对比阙置，则判定所述待检测物件有缺陷。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。 凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种可自动视觉识别零件种类的零件检测系统 ，其特征在于，包括：
检测箱，用以装载检测部件；
第一检测探头，其设置在所述检测箱内部并位于检测箱顶壁，用以检测零件上表面；
第二检测探头，其设置在所述检测箱内部 并位于检测箱侧壁，用以检测零件侧面；
轨道，其设置在所述检测箱顶部，用以活动固定补光灯，以使补光灯能在轨道上自由滑动；
光源，其包括一设置在检测箱顶部的总照射灯，其用以对检测箱内部进行照明；以及设置在所述轨道上的补光灯；
检测托盘，其设置在所述检测箱内并位于检测箱地板正中，用以装载零件；在所述检测托盘下方设有电机，用以控制检测托盘以指定转速旋转；在所述检测托盘上表面设有夹具，用以固定所述零件，在夹具上设有压力传感器，用以检测夹具对零件的夹紧力；
摄影装置，其设置在所述检测托盘一侧，用以对所述检测托盘上的零件进行拍摄，获取图像信息；
中控处理器，其分别与所述摄影装置、第一检测探头、第二检测探头、光源、电机、夹具以及压力传感器相连，用以通过自学习后建立多个预设矩阵并在对零件进行检测时，根据所述摄影装置拍摄的图像判定零件的类型，根据零件类型的不同调整光源拍摄的角度和亮度，控制检测托盘的旋转速度并控制第一检测探头或/和第二检测探头对零件实施监测，以获取零件的外形轮廓坐标信息f（x，y，z）判定零件的缺陷；获取零件的外形轮廓坐标信息f（x，y，z）判定零件的缺陷；
所述中控处理器使用前需对其进行零件模型识别训练，所述零件模型识别训练步骤为：
步骤一、选取多个实心圆柱种类的零件，对其进行拍摄并获取多个零件的外形轮廓坐标集合f（x,y,z）；
步骤二、所述中控处理器对所述多个零件的外形轮廓坐标集合f（x,y,z）进行人工智能算法训练，生成片状外形种类零件判定数据，以使所述中控处理器根据拍摄图像识别出对应零件为片状外形种类；
步骤三、重复所述步骤一以及步骤二的方法，对实心立方体种类、空心圆柱外形种类和空心立方体外形种类的零件进行零件识别预储存，生成立体中空外形种类零件判定数据以及立体实心外形种类零件判定数据，最终确定零件识别信息矩阵C(C1,C2,C3,C4,C5)，其中C1表示实心圆柱外形种类零件判定数据，C2表示实心立方体外形种类判定数据，C3表示空心圆柱外形种类判定数据，C4表示空心立方体外形种类判定数据,C5表示不规则外形种类判定数据；
当所述中控处理器针对单个形状的零件进行模型训练时，所述检测系统选用不同的光源亮度、光源色调、夹具夹紧力、电机转速、电机转动时间以及超声波频率依次检测不同尺寸和/或材质的零件；检测完成后中控处理器根据每一次检测结果中外形轮廓信息的完整度、电机转动时零件的稳定性、夹具对零件的剐蹭程度以及对空心零件内的检测准确度，依次预设零件材质矩阵G0、预设夹具夹紧力矩阵F0、预设亮度矩阵L0、预设色调矩阵组S0、预设半径矩阵R0，预设底面积矩阵D0、连续旋转矩阵组Wa0、间断旋转矩阵组Wb0、预设中空体积比例矩阵V0、预设频率矩阵f0以及预设缺陷判定矩阵组Q0。
2.根据权利要求1所述的可自动视觉识别零件种类的零件检测系统 ，其特征在于，对于所述预设零件材质矩阵G0，G0（G1，G2，G3，...Gn），其中，G1为第一预设材质，G2为第二预设材质，G3为第三预设材质，Gn为第n预设材质；对于所述预设夹具夹紧力矩阵F0，F0（F1，F2，F3，...Fn），其中，F1为第一预设夹紧力，F2为第二预设夹紧力，F3为第三预设夹紧力，Fn为第n预设夹紧力；
当所述检测系统对零件进行检测时，所述中控处理器通过摄影装置拍摄的图像判定零件类型以及零件材料，中控处理器对零件的材质进行判定并根据判定结果调节夹具的预设夹紧力：
当中控处理器判定零件材质为G1时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为F1；
当中控处理器判定零件材质为G2时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为F2；
当中控处理器判定零件材质为G3时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为F3；
当中控处理器判定零件材质为Gn时，中控处理器控制所述夹具夹紧零件并将夹具的夹紧力调节为Fn；
当所述夹具夹紧完成时，所述压力传感器会检测夹具对零件施加的压力F，中控处理器会持续调节夹具对零件的压力直至压力F与预设的夹紧力相同。
3.根据权利要求2所述的可自动视觉识别零件种类的零件检测系统 ，其特征在于，对于所述预设亮度矩阵L0，L0（L1，L2，L3，L4，L5），其中，L1为第一预设亮度，L2为第二预设亮度，L3为第三预设亮度，L4为第四预设亮度，L5为第五预设亮度；
对于所述预设色调矩阵组S0，S0（S1，S2，S3，S4，S5），其中，S1为第一预设色调矩阵，S2为第二预设色调矩阵，S3为第三预设色调矩阵，S4为第四预设色调矩阵，S5为第五预设色调矩阵，
当所述检测系统对零件进行检测时，所述中控处理器根据所述摄影装置发出的图像信息与所述零件识别信息矩阵C(C1,C2,C3,C4,C5)内的信息做比对，确定零件的外形种类，
当中控处理器判定所述零件形状为C1时，中控处理器将总照射灯的亮度调节为L1并从S1矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C2时，中控处理器将总照射灯的亮度调节为L2并从S2矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C3时，中控处理器将总照射灯的亮度调节为L3并从S3矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C4时，中控处理器将总照射灯的亮度调节为L4并从S4矩阵中选取对应的参数调节光源的色调；
当中控处理器判定所述零件形状为C5时，中控处理器将总照射灯的亮度调节为L5并从S5矩阵中选取对应的参数调节光源的色调；
对于第i预设色调矩阵Si，i=1，2，3，4，5，Si（Si1，Si2，Si3，...Sin），其中，Si1为第i形状第一预设色调，Si2为第i形状第二预设色调，Si3为第i形状第三预设色调，Sin为第i形状第n预设色调；
当所述中控处理器将从所述第i预设色调矩阵Si中选取对应的参数调节光源的色调时，中控处理器会根据零件的材质选取光源的色调：
当零件的材质为G1时，所述中控处理器将光源的色调调节为Si1；
当零件的材质为G2时，所述中控处理器将光源的色调调节为Si2；
当零件的材质为G3时，所述中控处理器将光源的色调调节为Si3；
当零件的材质为Gn时，所述中控处理器将光源的色调调节为Sin；
同时，所述中控处理器根据所述摄影装置发出的图像确定图像阴影区域，同时以箱体底面为基准建立X,Y轴，以垂直底面方向建立Y轴，确定阴影区域坐标集合Qi（x，y，z），所述中控处理器内还设置有补光灯控制矩阵Bi（Bi1,Bi2，Bi3）,其中，Bi1表示阴影坐标区域集合，Bi2表示补光灯在导轨所处位置，Bi3表示补光灯照射角度；所述中控处理器将所述阴影区域坐标集合Qi（x，y，z）与所述补光灯控制矩阵Bi（Bi1,Bi2，Bi3）内的数据做对比，对于任一阴影区域坐标集合Qi属于所述阴影坐标区域集合Bi1时，所述中控处理器控制补光灯移动至导轨Bi2位置，控制所述补光灯以Bi3角度拍摄。
4.根据权利要求3所述的可自动视觉识别零件种类的零件检测系统 ，其特征在于，对于所述连续旋转矩阵组Wa0，Wa0（Wa1，Wa2，Wa3，Wa4），其中，Wa1为第一预设连续旋转矩阵，Wa2为第二预设连续旋转矩阵，Wa3为第三预设连续旋转矩阵，Wa4为第四预设连续旋转矩阵；所述中控处理器中还设有预设半径矩阵R0（R1，R2，R3，R4），其中，R1为第一预设半径，R2为第二预设半径，R3为第三预设半径，R4为第四预设半径，各预设半径的数值按照顺序逐渐增加；
当所述中控处理器判定零件为C1形状或C3形状时，中控处理器控制所述电机连续旋转以对零件进行检测，中控处理器会控制所述第一检测探头检测零件半径R，中控处理器将R与R0矩阵中的各项参数进行比对：
当R≤R1时，中控处理器选用Wa1矩阵中的参数控制电机旋转并使所述第二检测探头连续检测零件的侧壁；
当R1＜R≤R2时，中控处理器选用Wa2矩阵中的参数控制电机旋转并使所述第二检测探头连续检测零件的侧壁；
当R2＜R≤R3时，中控处理器选用Wa3矩阵中的参数控制电机旋转并使所述第二检测探头连续检测零件的侧壁；
当R3＜R≤R4时，中控处理器选用Wa4矩阵中的参数控制电机旋转并使所述第二检测探头连续检测零件的侧壁。
5.根据权利要求4所述的可自动视觉识别零件种类的零件检测系统 ，其特征在于，对于所述第i预设连续旋转矩阵Wai，i=1，2，3，4，Wai（wai，Tai），其中，wai为电机第i预设连续转速，Tai为电机第i预设连续旋转时长；
当中控处理器选用Wai矩阵中的参数控制电机旋转以使所述第二检测探头连续检测零件的侧壁时，中控处理器控制电机以wai的转速旋转Tai时长以使零件在所述检测托盘上旋转360°，在零件旋转过程中，所述第二检测探头实时检测零件侧壁并在检测托盘旋转完成时完成对零件侧壁的检测。
6.根据权利要求4所述的可自动视觉识别零件种类的零件检测系统 ，其特征在于，对于所述间断旋转矩阵组Wb0，Wb0（Wb1，Wb2，Wb3，Wb4），其中，Wb1为第一预设间断旋转矩阵，Wb2为第二预设间断旋转矩阵，Wb3为第三预设间断旋转矩阵，Wb4为第四预设间断旋转矩阵；所述中控处理器中还设有预设底面积矩阵D0（D1，D2，D3，D4），其中，D1为第一预设底面积，D2为第二预设底面积，D3为第三预设底面积，D4为第四预设底面积，各预设底面积的数值按照顺序逐渐增加；
当所述中控处理器判定零件为C2形状或C4形状时，中控处理器控制所述电机间断旋转以对零件进行检测，中控处理器会控制所述第一检测探头检测零件底面积D，中控处理器将D与D0矩阵中的各项参数进行比对：
当D≤D1时，中控处理器选用Wb1矩阵中的参数控制电机旋转并使所述第二检测探头逐次检测零件的各侧壁；
当D1＜D≤D2时，中控处理器选用Wb2矩阵中的参数控制电机旋转并使所述第二检测探头逐次检测零件的各侧壁；
当D2＜D≤D3时，中控处理器选用Wb3矩阵中的参数控制电机旋转并使所述第二检测探头逐次检测零件的各侧壁；
当D3＜D≤D4时，中控处理器选用Wb4矩阵中的参数控制电机旋转并使所述第二检测探头逐次检测零件的各侧壁。
7.根据权利要求6所述的可自动视觉识别零件种类的零件检测系统 ，其特征在于，对于所述第i预设间断旋转矩阵Wbi，i=1，2，3，4，Wai（wbi，Tbi，tbi），其中，wbi为电机第i预设单次转速，Tbi为电机第i预设单次旋转时长，tbi为电机第i预设单次暂停时长；
当中控处理器选用Wbi矩阵中的参数控制电机旋转以使所述第二检测探头逐次检测零件的侧壁时，中控处理器控制电机以wbi的转速旋转Tbi时长以使零件在所述检测托盘上旋转90°，旋转完成时，电机停止旋转，所述第二检测探头检测零件面向第二检测探头的侧壁，当电机停止时长达到tbi时，中控处理器控制电机以wbi的转速继续旋转Tbi时长以使零件在所述检测托盘上旋转90°并在旋转完成的tbi时长内控制所述第二检测探头对零件的另一侧壁进行检测，中控处理器控制电机持续旋转-暂停直至所述第二检测探头将零件的各侧壁全部检测完成获取零件的外形轮廓坐标集和f(x,y,z)。
8.根据权利要求1所述的可自动视觉识别零件种类的零件检测系统 ，其特征在于，所述中控处理器其获取完待检测物件的外形轮廓坐标集和f(x,y,z)后，判定所述外形轮廓坐标集和f(x,y,z)是否存在缺失区域，若缺失区域超过预设值KO则判定所述外形轮廓坐标集和f(x,y,z)不完整，同时，所述中控处理器记录缺陷区域的坐标，形成缺陷坐标集合Q（Q1,Q2...Qn），其中：Q1表示第一缺陷区域坐标集合，Q2表示第二缺陷区域坐标集合...Qn表示第n缺陷区域坐标集合。
9.根据权利要求8所述的可自动视觉识别零件种类的零件检测系统 ，其特征在于，所述中控处理器内部设置有缺陷调节矩阵J（J1,J2...Jn），其中，J1表示第1调节矩阵，J2表示第2调节矩阵...Jn表示第n调节矩阵；对于第i调节矩阵Ji（Ji1，Ji2，Ji3），i=1，2...n，其中，Ji1表示第i坐标范围集合Ji1（x，y，z），Ji2表示检测托盘回转角度，Ji3表示检测探头伸缩长度数据以及检测探头检测角度数据；当中控处理器生成缺陷坐标集合Q时，中控处理器调整检测台回转角度和检测探头伸缩长度以及探头朝向角度，其过程包括：中控处理器将所述缺陷坐标集合Q（Q1,Q2...Qn）内的数据与所述缺陷调节矩阵J（J1,J2...Jn）内的数据做对比，当所述缺陷坐标集合Q（Q1,Q2...Qn）内的任一缺陷区域坐标集合Qi属于所述第i坐标范围集合Ji1（x，y，z）时，所述中控处理器控制检测转盘回转Ji2角度，控制所述第一检测探头或/和第二检测探头根据探头伸缩长度数据以及检测探头检测角度数据Ji3调整检测探头的位置，同时，控制第一检测探头或/和第二检测探头对缺陷区域再次进行检测，i=1,2...n，形成最终外形轮廓坐标集和f(x,y,z)。
10.根据权利要求9所述的可自动视觉识别零件种类的零件检测系统 ，其特征在于，所述中控处理器内预设有标准件储存矩阵P（P1,P2...Pn），其中，P1表示第1标准件外形轮廓坐标集合f0（x,y,z），P2表示第2标准件外形轮廓坐标集合f0（x,y,z）...Pn表示第n标准件外形轮廓坐标集合，所述中控处理器根据待检测物件的最终外形轮廓坐标集和f(x,y,z)判定缺陷时，将所述待检测物件的最终外形轮廓坐标集合f(x,y,z)与所述标准件储存矩阵P（P1,P2...Pn）内对应的第i标准件坐标集和f0（x,y,z）进行差值比较，确定第i区域差异坐标集合Ci（x，y，z）i=1，2...n，若所述第i区域差异坐标集合Ci（x，y，z）表示的空间范围超过了预设缺陷对比阙置，则判定所述待检测物件有缺陷。
CN202011256953.6A 2020-11-12 2020-11-12 一种可自动视觉识别零件种类的零件检测系统 Active CN112067555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011256953.6A CN112067555B (zh) 2020-11-12 2020-11-12 一种可自动视觉识别零件种类的零件检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011256953.6A CN112067555B (zh) 2020-11-12 2020-11-12 一种可自动视觉识别零件种类的零件检测系统

Publications (2)

Publication Number Publication Date
CN112067555A true CN112067555A (zh) 2020-12-11
CN112067555B CN112067555B (zh) 2021-03-30

Family

ID=73655543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011256953.6A Active CN112067555B (zh) 2020-11-12 2020-11-12 一种可自动视觉识别零件种类的零件检测系统

Country Status (1)

Country Link
CN (1) CN112067555B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112859742A (zh) * 2021-01-12 2021-05-28 广州盛硕科技有限公司 一种基于视觉识别的数控机床控制系统
CN113588676A (zh) * 2021-09-07 2021-11-02 安徽卫家健康科技有限公司 远红外碳晶加热板的智能化在线质量检测装置及方法
CN114295622A (zh) * 2021-12-20 2022-04-08 南京信云智能制造科技有限公司 一种合金轮毂表面图像缺陷识别设备
CN114558881A (zh) * 2022-03-10 2022-05-31 广东省车汇莱再生物资回收有限公司 一种基于智能化的新能源报废汽车资源化回收系统
CN115397073A (zh) * 2022-10-26 2022-11-25 青州鑫聚隆装备制造有限公司 一种用于自航式两栖清淤机器人的照明系统
CN116214238A (zh) * 2023-01-29 2023-06-06 美事满工具(海安)有限公司 自动进出料装置及机床
CN116429766A (zh) * 2023-03-23 2023-07-14 长园视觉科技(珠海)有限公司 基于多通道分离的方法、系统、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170322537A1 (en) * 2016-05-04 2017-11-09 Factory Automation Technology Co., Ltd. Processing Apparatus with Vision-Based Measurement
CN111094952A (zh) * 2017-09-06 2020-05-01 科磊股份有限公司 用于缺陷检测及分类的统一神经网络
CN111242902A (zh) * 2020-01-02 2020-06-05 天津瑟威兰斯科技有限公司 基于卷积神经网络的零件识别与检测方法、系统及设备
CN111429403A (zh) * 2020-02-26 2020-07-17 北京航空航天大学杭州创新研究院 一种基于机器视觉的汽车齿轮成品缺陷检测方法
CN111667455A (zh) * 2020-04-28 2020-09-15 广东三三智能科技有限公司 一种刷具多种缺陷的ai检测方法
CN211761054U (zh) * 2020-09-10 2020-10-27 山东海德智能科技有限公司 一种零件缺陷检测装置的防偏移机构

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170322537A1 (en) * 2016-05-04 2017-11-09 Factory Automation Technology Co., Ltd. Processing Apparatus with Vision-Based Measurement
CN111094952A (zh) * 2017-09-06 2020-05-01 科磊股份有限公司 用于缺陷检测及分类的统一神经网络
CN111242902A (zh) * 2020-01-02 2020-06-05 天津瑟威兰斯科技有限公司 基于卷积神经网络的零件识别与检测方法、系统及设备
CN111429403A (zh) * 2020-02-26 2020-07-17 北京航空航天大学杭州创新研究院 一种基于机器视觉的汽车齿轮成品缺陷检测方法
CN111667455A (zh) * 2020-04-28 2020-09-15 广东三三智能科技有限公司 一种刷具多种缺陷的ai检测方法
CN211761054U (zh) * 2020-09-10 2020-10-27 山东海德智能科技有限公司 一种零件缺陷检测装置的防偏移机构

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112859742A (zh) * 2021-01-12 2021-05-28 广州盛硕科技有限公司 一种基于视觉识别的数控机床控制系统
CN112859742B (zh) * 2021-01-12 2021-08-06 广州盛硕科技有限公司 一种基于视觉识别的数控机床控制系统
CN113588676A (zh) * 2021-09-07 2021-11-02 安徽卫家健康科技有限公司 远红外碳晶加热板的智能化在线质量检测装置及方法
CN114295622A (zh) * 2021-12-20 2022-04-08 南京信云智能制造科技有限公司 一种合金轮毂表面图像缺陷识别设备
CN114295622B (zh) * 2021-12-20 2023-11-14 南京信云智能制造科技有限公司 一种合金轮毂表面图像缺陷识别设备
CN114558881A (zh) * 2022-03-10 2022-05-31 广东省车汇莱再生物资回收有限公司 一种基于智能化的新能源报废汽车资源化回收系统
CN114558881B (zh) * 2022-03-10 2022-12-09 广东省车汇莱再生物资回收有限公司 一种基于智能化的新能源报废汽车资源化回收系统
CN115397073A (zh) * 2022-10-26 2022-11-25 青州鑫聚隆装备制造有限公司 一种用于自航式两栖清淤机器人的照明系统
CN116214238A (zh) * 2023-01-29 2023-06-06 美事满工具(海安)有限公司 自动进出料装置及机床
CN116214238B (zh) * 2023-01-29 2024-01-23 美事满工具(海安)有限公司 自动进出料装置及机床
CN116429766A (zh) * 2023-03-23 2023-07-14 长园视觉科技(珠海)有限公司 基于多通道分离的方法、系统、装置及存储介质

Also Published As

Publication number Publication date
CN112067555B (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN112067555B (zh) 一种可自动视觉识别零件种类的零件检测系统
EP1995553B1 (en) System and method for identifying a feature of a workpiece
CN109030498B (zh) 一种叶片刀纹及表面缺陷的视觉检测装置及方法
US7639349B2 (en) Method and system for inspecting surfaces
CN108445007A (zh) 一种基于图像融合的检测方法及其检测装置
WO2007062563A1 (fr) Procede d'examen automatique en ligne pour des detections de defauts de surface d'acier pendant le pretraitement de toles d'acier
CN112013789B (zh) 一种基于3d视觉算法的高精密零件偏差检测系统
CN110575966A (zh) 一种高反光物体表面缺陷检测装置
WO2018034051A1 (ja) 検査装置および検査方法
CN111928930B (zh) 一种基于结构光成像的3d视觉检测系统
CN110057836A (zh) 一种圆柱形空心管视觉检测设备及其检测方法
CN113324994B (zh) 车身面漆缺陷分层检测装置及其检测方法
CN110231352B (zh) 图像检查装置、图像检查方法以及图像检查记录介质
CN107209129A (zh) 检查陶瓷蜂窝体的装置和方法
WO2005038446A1 (ja) 欠陥検査装置及びその方法並びに円筒物体の内面加工方法
CN110956627A (zh) 智能型光学检测样品特征与瑕疵智能打光取像方法及装置
CN112067626A (zh) 一种基于结构光成像的3d视觉检测系统
US11756186B2 (en) Workpiece inspection and defect detection system utilizing color channels
CN111999390B (zh) 一种基于ai自学习算法的零件缺陷检测系统
JP2022105581A (ja) 成形不良の検出方法
CN113118053A (zh) 零部件筛选装置和零部件筛选方法
CN113125466A (zh) 缸孔内表面的检查方法以及检查装置
TW202007954A (zh) 辨識孔壁瑕疵的檢測設備
JP4269423B2 (ja) 表面検査装置及び表面検査方法
JP2005106764A (ja) 塗装ムラ検査装置および塗装ムラ検査方法

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A part detection system that can automatically visually identify the type of parts

Effective date of registration: 20220428

Granted publication date: 20210330

Pledgee: Weifang Bank Co.,Ltd. Xincheng sub branch

Pledgor: Shandong Haide Intelligent Technology Co.,Ltd.

Registration number: Y2022980004968

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20220902

Granted publication date: 20210330

Pledgee: Weifang Bank Co.,Ltd. Xincheng sub branch

Pledgor: Shandong Haide Intelligent Technology Co.,Ltd.

Registration number: Y2022980004968

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Part Inspection System with Automatic Visual Recognition of Part Types

Effective date of registration: 20230516

Granted publication date: 20210330

Pledgee: Weifang rural commercial bank Limited by Share Ltd. hi tech sub branch

Pledgor: Shandong Haide Intelligent Technology Co.,Ltd.

Registration number: Y2023980040669

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20210330

Pledgee: Weifang rural commercial bank Limited by Share Ltd. hi tech sub branch

Pledgor: Shandong Haide Intelligent Technology Co.,Ltd.

Registration number: Y2023980040669

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Part Detection System with Automatic Visual Recognition of Part Types

Granted publication date: 20210330

Pledgee: Weifang rural commercial bank Limited by Share Ltd. hi tech sub branch

Pledgor: Shandong Haide Intelligent Technology Co.,Ltd.

Registration number: Y2024980018409