CN112275847B - 一种应用机器人与机器视觉进行加工的折弯系统及方法 - Google Patents

Abstract

本发明涉及折弯机领域，具体涉及一种应用机器人与机器视觉进行加工的折弯系统，其包括折弯机、机械手、图像采集器、机器视觉识别分析模块和中央控制模块；机械手用于抓取工件，图像采集器用于捕获工件在所述折弯机的加工过程中的图像；机器视觉识别分析模块，用于识别工件类型，并利用图像采集器提供的成品图像进行视觉分析得到补偿数据；中央控制模块根据工件类型调用加工数据。通过机器视觉识别工件类型和加工误差，并生成补偿数据修正加工数据库中的加工数据，降低折弯机对人工的依赖程度，可实现对不同类型的工件进行自动加工。本发明还提供一种应用机器人与机器视觉进行加工的方法。

Description

一种应用机器人与机器视觉进行加工的折弯系统及方法

技术领域

本发明涉及折弯机领域，特别是一种应用机器人与机器视觉进行加工的折弯系统及方法。

背景技术

折弯机是钣金行业工件折弯成形的重要设备，被广泛应用到电子计算机、汽车、家用电器等领域，其作用是将金属薄板根据工艺需要折成各种形状的构件。传统的折弯机往往不能识别、兼容不同的工件，其通用性较差，折弯机的加工效率较低。而且由于折弯机的校正维修周期较长，折弯机长期运行可能造成一定的偏差，导致工件加工的精度不能得到及时的修正，影响工件加工质量。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种应用机器人与机器视觉进行加工的折弯系统及方法，旨在解决现有的折弯机存在的加工效率低和加工精度差的问题。

本发明解决其技术问题所采用的技术方案是：提供一种应用机器人与机器视觉进行加工的折弯系统，包括：

折弯机，用于对工件进行折弯加工；

机械手，用于抓取工件，与所述折弯机配合；

图像采集器，用于捕获工件在所述折弯机加工成型后的图像；

机器视觉识别分析模块，用于识别工件类型，并利用图像采集器提供的成品图像进行视觉分析得到补偿数据；其中，所述机器视觉识别分析模块包括图像分析单元，所述图像分析单元将图像采集器采集的成品图像转化成相应的尺寸信息，并与预设加工要求对比，计算出对应位置的误差，以生成所述补偿数据；

中央控制模块，分别连接折弯机、机械手、图像采集器和机器视觉识别分析模块，其包括与工件的加工相配合的加工数据库，并根据工件类型和所述加工数据库调用加工数据，控制所述折弯机和机械手对工件实施加工；且根据所述补偿数据调整加工数据库中与该工件类型相对应的加工数据。

进一步地，所述机器视觉识别分析模块还包括机器学习单元，所述机器学习单元用于学习图像采集器提供的已知工件类型的工件图像，并生成工件库，所述工件库与加工数据库链接。

进一步地，所述图像分析单元用于将图像采集器获取的工件图像与工件库中存储的已知工件类型的工件图像对比识别，提供工件类型给所述中央控制模块。

进一步地，所述中央控制模块根据预设加工要求生成新工件的加工数据，并存入所述加工数据库。

进一步地，所述图像分析单元将图像采集器采集的成品图像转化成相应的尺寸信息，并与预设加工要求对比，生成补偿数据反馈给所述中央控制模块。

进一步地，还包括设置在所述折弯机上的光栅尺位移传感器，用于采集工件坐标并反馈给中央控制模块，所述中央控制模块控制机械手运动。

进一步地，还包括故障分析处理模块，其包括故障学习单元和故障处理单元，所述故障学习单元利用故障分析算法学习已知的故障类型，并建立故障模型库和与之相对应的故障处理方法库；所述故障处理单元将故障现象与故障类型库中的故障类型对比，得出故障类型并反馈给中央控制模块；所述中央控制模块根据故障类型调用故障处理方法库中的故障处理方法。

本发明还提供一种应用机器人与机器视觉进行加工的方法，其特征在于，包括：

S1：机械手抓取工件，并运送至加工工位；

S2：中央控制模块调取加工数据写入折弯机；

S3：折弯机和机械手根据加工数据对工件进行折弯加工；

S4：图像采集器采集成品图像，机器视觉识别分析模块根据成品图像进行视觉分析得到补偿数据；

S5：中央控制模块根据补偿数据调整加工数据库中与该工件类型相对应的加工数据。

进一步地，所述步骤S2还包括：

S21：建立工件库和与工件库链接的加工数据库；

S22：图像采集器采集工件图像；

S23：机器视觉识别分析模块将工件图像与工件库内的工件类型对比识别，反馈工件类型至中央控制模块；

S24:中央控制模块调取加工数据库内与工件类型相对应的加工数据，写入折弯机。

进一步地，所述步骤S21包括：

S211：将新类型工件放置在加工工位；

S212：图像采集器采集工件图像反馈至中央控制模块，机器学习单元将该工件图像存入工件库；

S213：中央控制模块根据预设加工要求生成加工数据并存入加工数据库；

S214：在加工数据库与工件库之间建立链接。

本发明的有益效果在于，通过机器视觉识别工件类型和加工误差，并生成补偿数据修正加工数据库中的加工数据，降低折弯机对人工的依赖程度，可实现对不同类型的工件进行自动加工，大大提高了折弯机系统的加工效率和加工精度，使得折弯机系统更具智能化。

附图说明

下面将结合附图及实施例对本发明的具体实施方式作进一步详细的说明，在附图中：

图1是本发明提供的应用机器人与机器视觉进行加工的折弯系统示意图；

图2是本发明提供的应用机器人与机器视觉进行加工的方法流程图；

图3是本发明提供的机械手抓取工件的流程图；

图4是本发明提供的中央控制模块调取加工数据的流程图；

图5是本发明提供的建立工件库和加工数据库的流程图；

图6是本发明提供的故障分析流程图。

其中，附图说明如下：

10折弯系统；

20工件；

1折弯机 11光栅尺位移传感器 2图像采集器 3机器视觉识别分析模块 31机器学习单元 32图像分析单元 33工件库 4中央控制模块 41加工数据库 5机械手 6故障分析处理模块 61故障学习单元 611故障模型库 612故障处理方法库 62故障处理单元7软件交互界面。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。现结合附图，对本发明的较佳实施例作详细说明。

现在将参照附图更详细地描述根据本申请的示例性实施方式。然而，这些示例性实施方式可以由多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的实施方式。应当理解的是，提供这些实施方式是为了使得本申请的公开彻底且完整，并且将这些示例性实施方式的构思充分传达给本领域普通技术人员。

如图1所示，本发明提供一种应用机器人与机器视觉进行加工的折弯系统10，其包括折弯机1、图像采集器2、机器视觉识别分析模块3、中央控制模块4和机械手5。折弯机1用于对工件20进行折弯加工，图像采集器2用于捕获工件20在该折弯机1的加工过程中的图像，举例而言，采用CCD相机。机器视觉识别分析模块3用于识别工件类型，并利用图像采集器2提供的成品图像进行视觉分析得到补偿数据反馈至中央控制模块4。

中央控制模块4分别连接折弯机1、图像采集器2、机器视觉识别分析模块3和机械手5，其包括与该工件20的加工相配合的加工数据库41，并根据工件类型和该加工数据库41调用加工数据，控制折弯机1和机械手5以对工件20实施加工；且根据补偿数据调整加工数据库41中与该工件类型相对应的加工数据，以提高后续工件20的加工精度。

机械手5与折弯机1配合，用于抓取工件20并运送至加工工位。通过机器视觉识别工件类型和加工误差，降低折弯机1对人工的依赖程度，可实现对不同的工件类型进行自动加工，大大提高了折弯系统10的加工效率和加工精度，使得折弯系统10更具智能化。

本折弯系统10还包括设置在折弯机1上的光栅尺位移传感器11，用于实时采集工件20坐标位置并反馈给中央控制模块4，中央控制模块4可根据工件20的前后位置变化信息计算工件20移动速度，中央控制模块4根据工件20坐标和移动速度控制机械手5运动，确保工件20精确移动到相应的加工工位。作为一个优选的实施方式，采用机器学习的方式对机械手5进行运动规划，优化机械手5的移动路径与移动速度，使得工件20快速、准确地到达加工工位，以提升加工精度和加工效率。

机器视觉识别分析模块3包括机器学习单元31和图像分析单元32，图像采集器2与中央控制模块4、图像分析单元32和机器学习单元31连接，用于采集工件图像。机器学习单元31用于学习图像采集器2提供的已知工件类型的工件图像，并生成工件库33。用户在加工工件20前，将已知的工件类型放置于加工工位，中央控制模块4控制图像采集器2获取工件图像并反馈至机器学习单元31，机器学习单元31将不同工件类型的图像存入工件库33。

进一步地，图像分析单元32将图像采集器2获取的工件图像与工件库33中的存储的已知工件类型的工件图像对比识别，提供工件类型给中央控制模块4。当图像分析单元32识别出待识别工件20的工件图像与工件库33内的工件图像不一致时，判断该待识别工件20为新工件20。中央控制模块4根据预设的加工要求生成该新工件20的加工数据，并存入加工数据库41。优选地，在中央控制模块4生成新工件20的加工数据后，需要根据工件20的类型进行人工修正后再存入加工数据库41。

加工数据库41与工件库33建立链接，使得加工数据库41内的加工数据与工件库33内的工件类型相匹配。当图像分析单元32识别到待识别工件20属于工件库33内的工件类型时，中央控制模块4根据工件类型调用加工数据，并反馈至折弯机1，折弯机1加载加工数据对工件20进行折弯加工。

当折弯机1完成对工件20的加工后，中央控制模块4指令图像采集器2采集工件20成品图像，图像分析单元32将工件20成品图像转化成相应的尺寸信息，并将工件20成品的尺寸与预设加工要求对比，计算出对应位置的误差，生成补偿数据并反馈给中央控制模块4。中央控制模块4根据补偿数据调整加工数据库41中与该工件类型相对应的加工数据，方便后续加工。

本折弯系统10还包括故障分析处理模块6，其具体包括故障学习单元61和故障处理单元62，故障学习单元61利用故障分析算法学习已知的故障类型，并建立故障模型库611和与故障模型库611相对应的故障处理方法库612。

当发生故障时，故障处理单元62将故障现象与故障类型库中的故障类型进行对比识别，得出故障原因，并将故障类型识别结果反馈至中央控制模块4，中央控制模块4根据故障类型调用故障处理方法库612内的故障处理方法，并通过软件交互界面7予以显示。维修人员可根据软件交互界面7上的故障处理方法对折弯机1系统进行维修。

如果维修人员按照该故障处理方法无法消除故障现象，则需进行深度维修，并更新故障类型库与故障处理方法库612中的相关内容。通过建立故障学习单元61和故障处理单元62，可对折弯机1系统在运动过程中出现的各种异样进行自主的故障类型识别，并给出相应的故障处理方法。并对新出现的故障类型以及相应的故障处理方法进行相应的记录、存储，大大的提升故障处理效率。

可以理解的是，机器视觉识别分析模块3、中央控制模块4和故障分析处理模块6均是在通过处理器运行相应的软件予以实现的。取决于实际硬件的配置，这里所说的处理器可以是一个或者一组(内含两个、三个甚至更多的处理器)，比如：处理器只有一个，机器视觉识别分析模块3、中央控制模块4和故障分析处理模块6共同运行在同一处理器上；又比如：处理器有两个，机器视觉识别分析模块3运行在一个独立的处理器上，中央控制模块4和故障分析处理模块6运行在另一个独立的处理器上；再比如：处理器有三个，机器视觉识别分析模块3、中央控制模块4和故障分析处理模块6分别运行在一个独立的处理器上。

另一方面，如图2所示，基于上述折弯系统10，本发明相应地提供一种应用机器人与机器视觉进行加工的方法，其包括如下步骤：

S1：机械手抓取工件，并运送至加工工位；

S2：中央控制模块调取加工数据写入折弯机；

S3：折弯机和机械手根据加工数据对工件进行折弯加工；

S4：图像采集器采集成品图像，机器视觉识别分析模块根据成品图像进行视觉分析得到补偿数据；

S5：中央控制模块根据补偿数据调整加工数据库中与该工件类型相对应的加工数据。

具体地，如图3所示，步骤S1具体包括：

S11：机械手抓取工件进行移动；

S11：使用光栅尺位移传感器实时收集工件坐标并反馈至中央控制模块；

S12：中央控制模块计算工件移动速度，并根据工件坐标和移动速度控制机械手运动。

如图4所示，步骤S2具体包括：

S21：建立工件库和与工件库链接的加工数据库；

S22：图像采集器采集工件图像；

S23：机器视觉识别分析模块将工件图像与工件库内的工件类型对比识别，反馈工件类型至中央控制模块；

S24:中央控制模块调取加工数据库内与工件类型相对应的加工数据，写入折弯机。

如图5所示，步骤S21具体包括：

S211：将新类型工件放置在加工工位；

S212：图像采集器采集工件图像反馈至中央控制模块，机器学习单元将该工件图像存入工件库；

S213：中央控制模块根据预设加工要求生成加工数据并存入加工数据库；

S214：在加工数据库与工件库之间建立链接。

进一步地，在步骤S213中，针对中央控制模块生成的加工数据进行人工修正后再存入加工数据库，以提高加工数据的准确度。

优选地，如图6所示，应用机器视觉进行加工和误差补偿的方法还包括故障分析处理步骤S7，其具体包括：

S71：使用机器学习方式建立故障类型库以及与故障类型库相对应的故障处理方法库；

S72：故障处理单元将故障现象与故障类型库对比识别，得出故障类型；

S73：中央控制模块根据故障类型调取故障处理方法库中相对应的故障处理方法，并通过软件交互界面显示；

S74：人工修正故障，如果故障仍未消除，则执行步骤S05；

S75：人工深度检修，更新故障类型库和故障处理方法库中相关的内容。

应当理解的是，以上实施例仅用以说明本发明的技术方案，而非对其限制，对本领域技术人员来说，可以对上述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而所有这些修改和替换，都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种应用机器人与机器视觉进行加工的折弯系统，其特征在于，包括：

折弯机，用于对工件进行折弯加工；

机械手，用于抓取工件，与所述折弯机配合；

图像采集器，用于捕获工件在所述折弯机加工成型后的图像；

机器视觉识别分析模块，用于识别工件类型，并利用图像采集器提供的成品图像进行视觉分析得到补偿数据；其中，所述机器视觉识别分析模块包括图像分析单元，所述图像分析单元将图像采集器采集的成品图像转化成相应的尺寸信息，并与预设加工要求对比，计算出对应位置的误差，以生成所述补偿数据；

中央控制模块，分别连接所述折弯机、机械手、图像采集器和机器视觉识别分析模块，其包括与工件的加工相配合的加工数据库，并根据工件类型和所述加工数据库调用加工数据，控制所述折弯机和机械手对工件实施加工；且根据所述补偿数据调整加工数据库中与该工件类型相对应的加工数据；

所述机器视觉识别分析模块还包括机器学习单元，所述机器学习单元用于学习图像采集器提供的已知工件类型的工件图像，并生成工件库，所述工件库与加工数据库链接；所述图像分析单元用于将图像采集器获取的工件图像与工件库中存储的已知工件类型的工件图像对比识别，提供工件类型给所述中央控制模块。

2.根据权利要求1所述的折弯系统，其特征在于，所述中央控制模块根据预设加工要求生成新工件的加工数据，并存入所述加工数据库。

3.根据权利要求1所述的折弯系统，其特征在于，还包括设置在所述折弯机上的光栅尺位移传感器，用于采集工件坐标并反馈给中央控制模块，所述中央控制模块控制机械手运动。

4.根据权利要求1所述的折弯系统，其特征在于，还包括故障分析处理模块，其包括故障学习单元和故障处理单元，所述故障学习单元利用故障分析算法学习已知的故障类型，并建立故障模型库和与之相对应的故障处理方法库；所述故障处理单元将故障现象与故障类型库中的故障类型对比，得出故障类型并反馈给中央控制模块；所述中央控制模块根据故障类型调用故障处理方法库中的故障处理方法。

5.一种应用机器人与机器视觉进行加工的方法，其特征在于，所述方法应用于权利要求1至4任一所述的折弯系统，所述方法包括：

S1：机械手抓取工件，并运送至加工工位；

S2：中央控制模块调取加工数据写入折弯机；

S3：折弯机和机械手根据加工数据对工件进行折弯加工；

S4：图像采集器采集成品图像，机器视觉识别分析模块根据成品图像进行视觉分析得到补偿数据；

S5：中央控制模块根据补偿数据调整加工数据库中与该工件类型相对应的加工数据；其中，

所述步骤S2还包括：

S21：建立工件库和与工件库链接的加工数据库；

S22：图像采集器采集工件图像；

S23：机器视觉识别分析模块将工件图像与工件库内的工件类型对比识别，反馈工件类型至中央控制模块；

S24:中央控制模块调取加工数据库内与工件类型相对应的加工数据，写入折弯机。

6.根据权利要求5所述的应用机器人与机器视觉进行加工的方法，其特征在于，所述步骤S21包括：

S211：将新类型工件放置在加工工位；

S212：图像采集器采集工件图像反馈至中央控制模块，机器学习单元将该工件图像存入工件库；

S213：中央控制模块根据预设加工要求生成加工数据并存入加工数据库；

S214：在加工数据库与工件库之间建立链接。