CN113324994A - 车身面漆缺陷分层检测装置及其检测方法 - Google Patents

车身面漆缺陷分层检测装置及其检测方法 Download PDF

Info

Publication number
CN113324994A
CN113324994A CN202110577349.1A CN202110577349A CN113324994A CN 113324994 A CN113324994 A CN 113324994A CN 202110577349 A CN202110577349 A CN 202110577349A CN 113324994 A CN113324994 A CN 113324994A
Authority
CN
China
Prior art keywords
detection
defect
rechecking
light source
primary
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
CN202110577349.1A
Other languages
English (en)
Other versions
CN113324994B (zh
Inventor
曹文
吴昊
周永
罗华东
季松林
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.)
Jiangsu Puma Electric Power Technology Co ltd
Original Assignee
Jiangsu Puma Intelligent Industrial Design And Research 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 Jiangsu Puma Intelligent Industrial Design And Research Co ltd filed Critical Jiangsu Puma Intelligent Industrial Design And Research Co ltd
Priority to CN202110577349.1A priority Critical patent/CN113324994B/zh
Publication of CN113324994A publication Critical patent/CN113324994A/zh
Application granted granted Critical
Publication of CN113324994B publication Critical patent/CN113324994B/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
    • G01N21/84—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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G01N2021/8812—Diffuse illumination, e.g. "sky"
    • 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
    • G01N2021/8867—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing
    • G01N2021/887—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing the measurements made in two or more directions, angles, positions
    • 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
    • G01N2021/888—Marking defects
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

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

Abstract

本发明涉及一种车身面漆缺陷分层检测装置及其检测方法，包括工控机、工业机器人、控制器和检测与标记装置，所述工业机器人可以在所述控制器和工控机的作用下携带所述检测与标记装置在车身不同位置上采集图像、检测并标记缺陷，所述初检模块包括一个LCD条纹光源、两组面阵相机和四个初检光度立体法光源，所述复检与标记模块包括一个复检彩色相机、四个复检光度立体法光源、一个点光源、一个第一喷头和一个第二喷头，本发明采用初检与复检结合的方式，检测精度和效率高；能够判断缺陷所在涂层，指导工艺人员精准定位异常的工艺工段；标记在线打磨缺陷和离线修补缺陷，可以避免修补人员对需要离线修补的缺陷在线进行无效的打磨，提高生产效率。

Description

车身面漆缺陷分层检测装置及其检测方法
技术领域：
本发明涉及缺陷检测和机器视觉技术领域，尤其涉及一种车身面漆缺陷分层检测装置及其检测方法。
背景技术：
目前汽车车身在电泳后需要喷涂面漆，面漆一般包括三个涂层，从下到上依次是中涂层、色漆层和清漆层。在以上三个涂层的喷涂、固化等工艺工段中，都会产生不同的缺陷，这些缺陷，包括尺寸范围在0.1mm～1mm的小缺陷，有些位于单一涂层中，有些位于多个涂层。位于不同涂层的缺陷，其处理工艺不同，例如位于清漆层的凹凸缺陷，仅仅需要操作员在线体上对缺陷区域进行打磨和抛光即可，而位于中涂层的缺陷处理方法是，将该车身分流进入返修线体，进行离线修补。
现有技术中，面漆缺陷检测和处理的过程主要为，操作员目视检查发现缺陷，然后手动打磨该缺陷，如果将清漆层全部打磨去除后该缺陷依然存在，则手动标记该缺陷，后续将此车身分流进入返修线；如果将清漆层部分打磨去除后该缺陷消失，则将被打磨区域抛光即可。对于需要离线修补的缺陷，现有的面漆缺陷检测和处理方法，存在大量的无效操作，占用了操作员大量的时间，进而影响生产线整体效率。
现有的面漆缺陷检测和处理方法中，对缺陷的统计与分析，往往是人工记录缺陷名称与数量，没有缺陷的尺寸信息、图片信息等，导致工艺溯源分析困难，工艺品质提升指导作用小。
现有的面漆缺陷检测和处理方法，因人工目视检测效率低、检测标准不够客观，并且容易受人员分心、疲劳等主观因素的影响，越来越难以满足日益提高的检测要求。
发明内容：
针对上述问题，在保证微米级的检测精度的前提下，兼顾检测效率、系统成本和结构紧凑等因素，本发明提出了一种车身面漆缺陷分层检测装置及其检测方法。
本发明是通过如下技术方案实现的：一种车身面漆缺陷分层检测装置，包括工控机、工业机器人、控制器和检测与标记装置，所述检测与标记装置安装在所述工业机器人上，所述工控机与所述控制器联接，所述控制器与所述工业机器人联接，所述工业机器人可以在所述控制器和工控机的作用下携带所述检测与标记装置在车身不同位置上采集图像、检测缺陷并标记缺陷。
进一步的，所述检测与标记装置包括初检模块、复检与标记模块。
所述初检模块用于初步地采集、分析面漆的图像数据，包括一个LCD条纹光源、两组面阵相机和四个初检光度立体法光源，两组所述面阵相机设置于所述LCD条纹光源的单侧，并且与其高度接近，四个所述初检光度立体法光源设置于所述LCD条纹光源下方且均匀分布在其四周。
进一步的，每组所述面阵相机包括两个黑白相机和一个彩色相机，分别为第一黑白相机，第二黑白相机和初检彩色相机，所述第一黑白相机，第二黑白相机和初检彩色相机的视野方向均倾斜指向所述LCD条纹光源下方的车身面漆，所述第一黑白相机聚焦于车身面漆，所述第二黑白相机聚焦于所述LCD条纹光源，所述初检彩色相机聚焦于车身面漆。
在每个所述工业机器人初检位姿下，按照下述检测方法，所述第一黑白相机共采集12张图像，包括在LCD条纹光源显示余弦条纹图像时采集的8张图像，用于对清漆层上表面进行凹凸检测，以及初检光度立体法光源依次点亮时采集的4张图像，用于对色漆层上表面进行凹凸检测；所述第二黑白相机在LCD条纹光源显示一幅二值条纹图像时采集1张图像，用于对清漆层上表面进行凹凸检测；所述初检彩色相机在初检光度立体法光源全部点亮时采集1张图像，用于对色漆层进行颜色检测。
需要说明的是，初检模块的两组面阵相机，仅用于拼接视野，不构成双目视觉系统。
所述复检与标记模块用于再次高精度地采集、分析缺陷区域的图像数据，以及对缺陷进行标记，包括一个复检彩色相机、四个复检光度立体法光源、一个点光源、一个第一喷头和一个第二喷头，四个所述复检光度立体法光源设置于所述复检彩色相机下方且均匀分布在其四周，所述点光源与所述复检彩色相机的镜头连接，用于提供同轴光照明，所述第一喷头和第二喷头倾斜设置于所述复检彩色相机下方，且目标喷射区域与所述复检彩色相机的视野相同。
为了使布局更加紧凑合理，作为优选，所述第一喷头和所述第二喷头呈对角布置，根据实际情况，所述第一喷头和第二喷头可以设计在其它位置。
在每个所述工业机器人复检位姿下，按照下述检测方法，所述复检彩色相机，在其点光源点亮时，采集1张图像，用于对清漆层上表面进行复检；在其复检光度立体法光源依次点亮时采集4张图像，用于对色漆层进行凹凸复检；在其复检光度立体法光源全部点亮时采集1张图像，用于对色漆层进行颜色复检。
作为优选，所述初检光度立体法光源和复检光度立体法光源均为光度立体法条形光源。
使用上述车身面漆缺陷分层检测装置进行车身面漆缺陷分层检测的步骤如下：
1)将车身移动至检测工位，检测开始；
2)根据工控机中储存的已检测面积，与车身需要检测的面积进行比较，判断当前状态，车身全部区域是否都已经检测，如果未检测完毕，则进入步骤3)；
3)所述工业机器人携带所述检测与标记装置到达下一个检测位；
4)使用所述初检模块进行初检，两组所述面阵相机的视野进行拼接，具体初检步骤为：
a)所述初检模块接收到初检信号；
b)所述LCD条纹光源频闪出横、竖各4幅正弦相移条纹图像，同时，两组所述面阵相机中的第一黑白相机各采集4张偏折术横向相移图像和4张偏折术竖向相移图像，基于相位测量偏折术原理，用于检测清漆层上表面的凹凸特征；
c)所述LCD条纹光源显示一幅二值条纹图像，同时，两组所述面阵相机中的第二黑白相机各采集1张图像，基于相位测量偏折术原理，用于检测清漆层上表面的凹凸特征；
d)四个所述初检光度立体法光源依次点亮，同时，两组所述面阵相机中的第一黑白相机各采集4张图像，基于光度立体法原理，用于检测色漆层上表面的凹凸特征；
e)四个所述初检光度立体法光源同时点亮，同时，两组所述面阵相机中的初检彩色相机各采集1张图像，基于漫反射照明原理，用于检测色漆层的颜色；
5)使用所述工控机运行算法确认是否存在缺陷，如果检测未发现该区域存在缺陷，则调整位姿到达下一个检测位，进入步骤2)，如果检测发现该区域存在缺陷，则进入步骤6)；
6)所述工业机器人调整位姿，使所述复检与标记模块到达初检缺陷所在位置上方；
7)所述复检与标记模块对初检缺陷进行复检，具体复检步骤为：
a)所述复检与标记模块接收到复检信号；
b)所述点光源点亮，同时，所述复检彩色相机采集1张图像，基于同轴照明的镜面反射原理，用于检测清漆层上表面的凹凸特征；
c)四个所述复检光度立体法光源依次点亮，同时，所述复检彩色相机采集4张图像，基于光度立体法原理，用于检测色漆层上表面的凹凸特征；
d)四个所述复检光度立体法光源同时点亮，同时，所述复检彩色相机采集1张图像，基于漫反射照明原理，用于检测色漆层的颜色；
8)运用算法综合处理初检和复检图像信息，判断缺陷类型和缺陷所在涂层，是位于清漆层、色漆层还是中涂层，具体判断方法为：
a)初检模块中，基于相位测量偏折术原理检测到清漆层上表面存在凹凸缺陷特征，并且初检和复检两次基于光度立体法原理，均未检测到色漆层存在凹凸缺陷特征，则判定该缺陷属于清漆层缺陷；
b)初检模块中，基于相位测量偏折术原理检测到清漆层上表面存在凹凸缺陷特征，并且初检和复检两次基于光度立体法原理，至少有一次检测到色漆层存在凹凸缺陷特征，同时，初检和复检两次基于漫反射照明原理，至少有一次检测到色漆层的颜色差异，则判定该缺陷属于色漆层缺陷；
c)初检模块中，基于相位测量偏折术原理检测到清漆层上表面存在凹凸缺陷特征，并且初检和复检两次基于光度立体法原理，至少有一次检测到色漆层存在凹凸缺陷特征，同时，初检和复检两次基于漫反射照明原理，均未检测到色漆层的颜色差异，则判定该缺陷属于中涂层缺陷；
9)根据步骤8)的判断结果，结合工艺标准，判断该缺陷需要在线打磨或是离线修补，标记时采用不同颜色的抛光蜡加以区分，使用所述复检与标记模块中的第一喷头对需要在线打磨的缺陷标记，使用所述复检与标记模块中的第二喷头对需要离线修补的缺陷标记；
需要说明的是，复检完成后无需调整所述工业机器人的位姿即可进行缺陷标记；
10)返回步骤2)，进行检测进度判断及相应检测，直至检测结束。
本发明的有益效果是：缺陷的自动识别与检测，避免了人工目视检测效率低、检测标准不够客观，并且容易受人员分心、疲劳等主观因素的影响；使用初检与复检结合的方式，检测精度高，检测效率高；能够判断缺陷所在涂层，指导工艺人员精准定位异常的工艺工段；标记在线打磨缺陷和离线修补缺陷，可以避免修补人员对需要离线修补的缺陷进行在线无效的打磨，大大提高了生产效率；对缺陷的尺寸、形状、图像等信息进行统计与分析，便于工艺人员对缺陷成因进行溯源分析，指导工艺品质提升方向。
附图说明：
图1为本发明的车身面漆缺陷分层检测装置的总体结构示意图；
图2为本发明的车身面漆缺陷分层检测装置的检测与标记装置的内部结构示意图；
图3为本发明的车身面漆缺陷分层检测装置的相机聚焦与照明对比示意图；
图4为本发明的车身面漆缺陷分层检测的检测流程图；
图5为本发明的初检模块的图像采集时序图；
图6为本发明的复检与标记模块的图像采集时序图；
图7为本发明的四步相移原理图；
图8为本发明的偏折术成像原理示意图；
图9为本发明的分层判断原理示意图；
图中：1.工控机；2.工业机器人；3.控制器；4.检测与标记装置；41.初检模块；411.初检光度立体法光源；412.第一黑白相机；413.第二黑白相机；414.初检彩色相机；415.LCD条纹光源；42.复检与标记模块；421.复检光度立体法光源；422.第一喷头；423.复检彩色相机；424.第二喷头；425.点光源；8.涂层；81.中涂层；82.色漆层；83.清漆层。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易被本领域人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
如图1和图2所示的一种车身面漆缺陷分层检测装置，包括工控机1、工业机器人2、控制器3和检测与标记装置4，所述检测与标记装置4包括初检模块41、复检与标记模块42，所述检测与标记装置4安装在所述工业机器人2上，所述工控机1与所述控制器3联接，所述控制器3与所述工业机器人2联接，所述工业机器人2可以在所述控制器3和工控机1的作用下携带所述检测与标记装置4在车身不同位置上采集图像、检测缺陷并标记缺陷；
所述初检模块41用于初步地采集、分析面漆的图像数据，包括一个LCD条纹光源415、两组面阵相机和四个初检光度立体法光源411，每组所述面阵相机包括两个黑白相机和一个彩色相机，分别为第一黑白相机412，第二黑白相机413和初检彩色相机414，两组所述面阵相机设置于所述LCD条纹光源415的单侧，并且与其高度接近，四个所述初检光度立体法光源411设置于所述LCD条纹光源415下方且均匀分布在其四周。
所述第一黑白相机412，第二黑白相机413和初检彩色相机414的视野方向均倾斜指向所述LCD条纹光源415下方的车身面漆。
如图3所示，所述第一黑白相机412聚焦于车身面漆，所述第二黑白相机413聚焦于所述LCD条纹光源415，所述初检彩色相机414聚焦于车身面漆。
所述复检与标记模块42用于再次高精度地采集、分析缺陷区域的图像数据，以及对缺陷进行标记，包括一个复检彩色相机423、四个复检光度立体法光源421、一个点光源425、一个第一喷头422和一个第二喷头424，四个所述复检光度立体法光源421设置于所述复检彩色相机423下方且均匀分布在其四周，所述点光源425与所述复检彩色相机423的镜头连接，用于提供同轴光照明，所述第一喷头422和第二喷头424倾斜设置于所述复检彩色相机423下方，所述第一喷头422和第二喷头424的目标喷射区域与所述复检彩色相机423的视野相同，所述第一喷头422和所述第二喷头424呈对角布置。
所述初检光度立体法光源411和复检光度立体法光源421均为光度立体法条形光源。
如图4所示，采用上述车身面漆缺陷分层检测装置对车身进行面漆缺陷分层检测的步骤如下：
1)将车身移动至检测工位，检测开始；
2)根据工控机1中储存的已检测面积，与车身需要检测的面积进行比较，判断当前状态，车身全部区域是否都已经检测，如果未检测完毕，则进入步骤3)；
3)所述工业机器人2携带所述检测与标记装置4到达下一个检测位；
4)使用所述初检模块41进行初检，两组所述面阵相机的视野进行拼接，如图5所示，具体初检步骤为：
a)所述初检模块41接收到初检信号；
b)所述LCD条纹光源415频闪出横、竖各4幅正弦相移条纹图像，同时，两组所述面阵相机中的第一黑白相机412各采集4张偏折术横向相移图像和4张偏折术竖向相移图像，基于相位测量偏折术原理，用于检测清漆层83上表面的凹凸特征；
c)所述LCD条纹光源415显示一幅二值条纹图像，同时，两组所述面阵相机中的第二黑白相机413各采集1张图像，基于相位测量偏折术原理，用于检测清漆层83上表面的凹凸特征；
d)四个所述初检光度立体法光源411依次点亮，同时，两组所述面阵相机中的第一黑白相机412各采集4张图像，基于光度立体法原理，用于检测色漆层82上表面的凹凸特征；
e)四个所述初检光度立体法光源411同时点亮，同时，两组所述面阵相机中的初检彩色相机414各采集1张图像，基于漫反射照明原理，用于检测色漆层82的颜色；
5)使用所述工控机1运行算法确认是否存在缺陷，如果检测未发现该区域存在缺陷，则调整位姿到达下一个检测位，进入步骤2)，如果检测发现该区域存在缺陷，则进入步骤6)；
6)所述工业机器人2调整位姿，使所述复检与标记模块42到达初检缺陷所在位置上方；
7)所述复检与标记模块42对初检缺陷进行复检，如图6所示，具体复检步骤为：
a)所述复检与标记模块42接收到复检信号；
b)所述点光源425点亮，同时，所述复检彩色相机423采集1张图像，基于同轴照明的镜面反射原理，用于检测清漆层83上表面的凹凸特征；
c)四个所述复检光度立体法光源421依次点亮，同时，所述复检彩色相机423采集4张图像，基于光度立体法原理，用于检测色漆层82上表面的凹凸特征；
d)四个所述复检光度立体法光源421同时点亮，同时，所述复检彩色相机423采集1张图像，基于漫反射照明原理，用于检测色漆层82的颜色；
8)运用算法综合处理初检和复检图像信息，判断缺陷类型和缺陷所在涂层8为中涂层81、色漆层82还是清漆层83，具体判断方法为：
a)初检模块41中，基于相位测量偏折术原理检测到清漆层83上表面存在凹凸缺陷特征，并且初检和复检两次基于光度立体法原理，均未检测到色漆层82存在凹凸缺陷特征，则判定该缺陷属于清漆层缺陷；
b)初检模块41中，基于相位测量偏折术原理检测到清漆层83上表面存在凹凸缺陷特征，并且初检和复检两次基于光度立体法原理，至少有一次检测到色漆层82存在凹凸缺陷特征，同时，初检和复检两次基于漫反射照明原理，至少有一次检测到色漆层82的颜色差异，则判定该缺陷属于色漆层缺陷；
c)初检模块41中，基于相位测量偏折术原理检测到清漆层83上表面存在凹凸缺陷特征，并且初检和复检两次基于光度立体法原理，至少有一次检测到色漆层82存在凹凸缺陷特征，同时，初检和复检两次基于漫反射照明原理，均未检测到色漆层82的颜色差异，则判定该缺陷属于中涂层缺陷；
9)根据步骤8)的判断结果，结合工艺标准，判断该缺陷需要在线打磨或是离线修补，标记时采用不同颜色的抛光蜡加以区分，使用所述复检与标记模块42中的第一喷头422对需要在线打磨的缺陷标记，使用所述复检与标记模块42中的第二喷头424对需要离线修补的缺陷标记；
在此实施例中，采用绿色抛光蜡标记需要在线打磨的缺陷，采用红色抛光蜡标记需要离线修补的缺陷；
10)返回步骤2)，进行检测进度判断及相应检测，直至检测结束。
关于相位测量偏折术的应用原理为，在所述初检模块41中，两组面阵相机中的的第一黑白相机412的图像采集过程中，所述LCD条纹光源415频闪横竖各4幅正弦相移条纹图像，它们的正弦相位相差π/2，相机采集图像中的光强为：
I1(u，V)＝Idc+Iacos[φ(u，V)]
I2(u，V)＝Idc+Iacos[φ(u，V)+π/2]
I3(u，v)＝Idc+Iacos[φ(u，V)+π]
I4(u，V)＝Idc+Iacos[φ(u，V)+3π/2]
根据四步相移原理，可计算出图像的包裹相位
Figure BDA0003084813100000101
Figure BDA0003084813100000102
通过相移算法计算出的包裹相位
Figure BDA0003084813100000103
在一个相位周期内是唯一的，但是由于在整个测量空间内有多个条纹，
Figure BDA0003084813100000104
呈锯齿状分布，如图7所示。
所述初检模块41中的两组面阵相机、LCD条纹光源415和四个初检光度立体法光源411，它们之间的位姿关系都是提前标定的，标定信息用以进行图像拼接，若初检视野内出现清漆层83上表面的凹凸类缺陷，必然导致该点法线与邻域内其它点存在微小的差异。将该点法线相对邻域的变化分解到面阵相机的X方向和Y方向，分别表示梯度变化为tan(θx)和tan(θy)。
如图8所示，对于单个面阵相机的成像进行分析，梯度变化引起图像中条纹相位变化
Figure BDA0003084813100000105
和
Figure BDA0003084813100000106
它们之间的关系与该点到LCD条纹光源415的距离、LCD条纹光源415的条纹周期有关，关系如下：
Figure BDA0003084813100000107
基于标定信息中偏折术的标定信息，先对相位测量偏折术中对于Lx和Ly的求解，然后分别对横向包裹相位和竖向包裹相位计算一阶导数，得到清漆层83上表面横向曲率和竖向曲率，结合上述信息计算清漆层83上表面的曲率。
基于标定信息中光度立体法的标定信息(光照系数s和光源方向单位向量l)解出色漆层82上表面的法向量N，然后根据法向量，计算出色漆层82上表面横向曲率和竖向曲率，进而计算出色漆层82上表面的曲率。法向量N的计算关系如下：
Figure BDA0003084813100000111
所述LCD条纹光源415显示一幅二值条纹图像时，在所述初检模块41中，两组面阵相机中的第二黑白相机413，各采集1张图像，将该图像的清晰度作为凹凸性评价值，使用如下公式计算该图像的清晰度F：
Figure BDA0003084813100000112
其中，Gx、Gy为图像在像素点(u,v)处的sobel梯度，L(u,v)表示图像像素点(u,v)处光源亮度标定值。
在本发明的描述中，需要说明的是，术语“上”、“下”、“左”、“右”、“顶”、“底”、“侧”、“端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的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。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“设置”、“设有”等应做广义理解，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。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种车身面漆缺陷分层检测装置，其特征在于：包括工控机、工业机器人、控制器和检测与标记装置，所述检测与标记装置包括初检模块和复检与标记模块，所述检测与标记装置安装在所述工业机器人上，所述工控机与所述控制器联接，所述控制器与所述工业机器人联接，所述工业机器人可以在所述控制器和工控机的作用下携带所述检测与标记装置在车身不同位置上采集图像、检测缺陷并标记缺陷；
所述初检模块用于初步地采集、分析面漆的图像数据，包括一个LCD条纹光源、两组面阵相机和四个初检光度立体法光源，两组所述面阵相机设置于所述LCD条纹光源的单侧，并且与其高度接近，四个所述初检光度立体法光源设置于所述LCD条纹光源下方且均匀分布在其四周；
所述复检与标记模块用于再次高精度地采集、分析缺陷区域的图像数据，以及对缺陷进行标记，包括一个复检彩色相机、四个复检光度立体法光源、一个点光源、一个第一喷头和一个第二喷头，四个所述复检光度立体法光源设置于所述复检彩色相机下方且均匀分布在其四周，所述点光源与所述复检彩色相机的镜头连接，用于提供同轴光照明，所述第一喷头和第二喷头倾斜设置于所述复检彩色相机下方，所述第一喷头和第二喷头的目标喷射区域与所述复检彩色相机的视野相同。
2.根据权利要求1所述的车身面漆缺陷分层检测装置，其特征在于：每组所述面阵相机包括两个黑白相机和一个彩色相机，分别为第一黑白相机，第二黑白相机和初检彩色相机，所述第一黑白相机、第二黑白相机和初检彩色相机的视野方向均倾斜指向所述LCD条纹光源下方的车身面漆。
3.根据权利要求2所述的车身面漆缺陷分层检测装置，其特征在于：所述第一黑白相机聚焦于车身面漆，所述第二黑白相机聚焦于所述LCD条纹光源，所述初检彩色相机聚焦于车身面漆。
4.根据权利要求1所述的车身面漆缺陷分层检测装置，其特征在于：所述初检光度立体法光源和复检光度立体法光源均为光度立体法条形光源。
5.根据权利要求1所述的车身面漆缺陷分层检测装置，其特征在于：所述第一喷头和所述第二喷头呈对角布置。
6.一种车身面漆缺陷分层检测方法，采用如权利要求1-5所述的车身面漆缺陷分层检测装置，其特征在于，包括如下步骤：
1)将车身移动至检测工位，检测开始；
2)根据工控机中储存的已检测面积，与车身需要检测的面积进行比较，判断当前状态，车身全部区域是否都已经检测，如果未检测完毕，则进入步骤3)；
3)所述工业机器人携带所述检测与标记装置到达下一个检测位；
4)使用所述初检模块进行初检，两组所述面阵相机的视野进行拼接，具体初检步骤为：
a)所述初检模块接收到初检信号；
b)所述LCD条纹光源频闪出横、竖各4幅正弦相移条纹图像，同时，两组所述面阵相机中的第一黑白相机各采集4张偏折术横向相移图像和4张偏折术竖向相移图像，基于相位测量偏折术原理，用于检测清漆层上表面的凹凸特征；
c)所述LCD条纹光源显示一幅二值条纹图像，同时，两组所述面阵相机中的第二黑白相机各采集1张图像，基于相位测量偏折术原理，用于检测清漆层上表面的凹凸特征；
d)四个所述初检光度立体法光源依次点亮，同时，两组所述面阵相机中的第一黑白相机各采集4张图像，基于光度立体法原理，用于检测色漆层上表面的凹凸特征；
e)四个所述初检光度立体法光源同时点亮，同时，两组所述面阵相机中的初检彩色相机各采集1张图像，基于漫反射照明原理，用于检测色漆层的颜色；
5)使用所述工控机运行算法确认是否存在缺陷，如果检测未发现该区域存在缺陷，则调整位姿到达下一个检测位，进入步骤2)，如果检测发现该区域存在缺陷，则进入步骤6)；
6)所述工业机器人调整位姿，使所述复检与标记模块到达初检缺陷所在位置上方；
7)所述复检与标记模块对初检缺陷进行复检，具体复检步骤为：
a)所述复检与标记模块接收到复检信号；
b)所述点光源点亮，同时，所述复检彩色相机采集1张图像，基于同轴照明的镜面反射原理，用于检测清漆层上表面的凹凸特征；
c)四个所述复检光度立体法光源依次点亮，同时，所述复检彩色相机采集4张图像，基于光度立体法原理，用于检测色漆层上表面的凹凸特征；
d)四个所述复检光度立体法光源同时点亮，同时，所述复检彩色相机采集1张图像，基于漫反射照明原理，用于检测色漆层的颜色；
8)运用算法综合处理初检和复检图像信息，判断缺陷类型和缺陷所在涂层，具体判断方法为：
a)初检模块中，基于相位测量偏折术原理检测到清漆层上表面存在凹凸缺陷特征，并且初检和复检两次基于光度立体法原理，均未检测到色漆层存在凹凸缺陷特征，则判定该缺陷属于清漆层缺陷；
b)初检模块中，基于相位测量偏折术原理检测到清漆层上表面存在凹凸缺陷特征，并且初检和复检两次基于光度立体法原理，至少有一次检测到色漆层存在凹凸缺陷特征，同时，初检和复检两次基于漫反射照明原理，至少有一次检测到色漆层的颜色差异，则判定该缺陷属于色漆层缺陷；
c)初检模块中，基于相位测量偏折术原理检测到清漆层上表面存在凹凸缺陷特征，并且初检和复检两次基于光度立体法原理，至少有一次检测到色漆层存在凹凸缺陷特征，同时，初检和复检两次基于漫反射照明原理，均未检测到色漆层的颜色差异，则判定该缺陷属于中涂层缺陷；
9)根据步骤8)的判断结果，结合工艺标准，判断该缺陷需要在线打磨或是离线修补，标记时采用不同颜色的抛光蜡加以区分，使用所述复检与标记模块中的第一喷头对需要在线打磨的缺陷标记，使用所述复检与标记模块中的第二喷头对需要离线修补的缺陷标记；
10)返回步骤2)，进行检测进度判断及相应检测，直至检测结束。
CN202110577349.1A 2021-05-26 2021-05-26 车身面漆缺陷分层检测装置及其检测方法 Active CN113324994B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110577349.1A CN113324994B (zh) 2021-05-26 2021-05-26 车身面漆缺陷分层检测装置及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110577349.1A CN113324994B (zh) 2021-05-26 2021-05-26 车身面漆缺陷分层检测装置及其检测方法

Publications (2)

Publication Number Publication Date
CN113324994A true CN113324994A (zh) 2021-08-31
CN113324994B CN113324994B (zh) 2022-11-29

Family

ID=77416951

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110577349.1A Active CN113324994B (zh) 2021-05-26 2021-05-26 车身面漆缺陷分层检测装置及其检测方法

Country Status (1)

Country Link
CN (1) CN113324994B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066835A (zh) * 2021-11-08 2022-02-18 鲁班嫡系机器人（深圳）有限公司 图像检测、自动光学检测方法、装置、存储介质及设备
CN114324372A (zh) * 2021-12-21 2022-04-12 苏州凌云视界智能设备有限责任公司 一种不锈钢卷材外观检测装置
CN114472022A (zh) * 2021-12-24 2022-05-13 包伟 一种多功能智能涂装生产线
CN115301517A (zh) * 2022-08-22 2022-11-08 上海工程技术大学 一种用于风机叶片缺陷修复的自动化喷涂方法
CN116442190A (zh) * 2023-06-20 2023-07-18 中数智科(杭州)科技有限公司 机器人列车巡检系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104634787A (zh) * 2015-02-13 2015-05-20 东华大学 一种汽车车身外表面喷漆瑕疵自动检测装置与方法
CN109781739A (zh) * 2019-03-04 2019-05-21 杭州晶耐科光电技术有限公司 汽车漆面表面外观缺陷全自动检测系统及方法
CN111323434A (zh) * 2020-03-16 2020-06-23 征图新视(江苏)科技股份有限公司 相位偏折术在玻璃缺陷检测的应用
CN112150441A (zh) * 2020-09-24 2020-12-29 菲特（天津）检测技术有限公司 一种基于机器视觉的光滑漆面表面缺陷检测方法
CN112326669A (zh) * 2020-10-28 2021-02-05 哈尔滨工程大学 一种涂层缺陷检测与标记系统及方法
CN112798298A (zh) * 2021-01-28 2021-05-14 江苏骠马智能工业设计研究有限公司 车身漆面缺陷检测装置及其检测方法
CN112798617A (zh) * 2021-01-28 2021-05-14 江苏骠马智能工业设计研究有限公司 类镜面物体的缺陷检测装置及其检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104634787A (zh) * 2015-02-13 2015-05-20 东华大学 一种汽车车身外表面喷漆瑕疵自动检测装置与方法
CN109781739A (zh) * 2019-03-04 2019-05-21 杭州晶耐科光电技术有限公司 汽车漆面表面外观缺陷全自动检测系统及方法
CN111323434A (zh) * 2020-03-16 2020-06-23 征图新视(江苏)科技股份有限公司 相位偏折术在玻璃缺陷检测的应用
CN112150441A (zh) * 2020-09-24 2020-12-29 菲特（天津）检测技术有限公司 一种基于机器视觉的光滑漆面表面缺陷检测方法
CN112326669A (zh) * 2020-10-28 2021-02-05 哈尔滨工程大学 一种涂层缺陷检测与标记系统及方法
CN112798298A (zh) * 2021-01-28 2021-05-14 江苏骠马智能工业设计研究有限公司 车身漆面缺陷检测装置及其检测方法
CN112798617A (zh) * 2021-01-28 2021-05-14 江苏骠马智能工业设计研究有限公司 类镜面物体的缺陷检测装置及其检测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066835A (zh) * 2021-11-08 2022-02-18 鲁班嫡系机器人（深圳）有限公司 图像检测、自动光学检测方法、装置、存储介质及设备
CN114324372A (zh) * 2021-12-21 2022-04-12 苏州凌云视界智能设备有限责任公司 一种不锈钢卷材外观检测装置
CN114472022A (zh) * 2021-12-24 2022-05-13 包伟 一种多功能智能涂装生产线
CN114472022B (zh) * 2021-12-24 2022-11-25 包伟 一种多功能智能涂装生产线
CN115301517A (zh) * 2022-08-22 2022-11-08 上海工程技术大学 一种用于风机叶片缺陷修复的自动化喷涂方法
CN115301517B (zh) * 2022-08-22 2023-11-10 上海工程技术大学 一种用于风机叶片缺陷修复的自动化喷涂方法
CN116442190A (zh) * 2023-06-20 2023-07-18 中数智科(杭州)科技有限公司 机器人列车巡检系统
CN116442190B (zh) * 2023-06-20 2023-09-05 中数智科(杭州)科技有限公司 机器人列车巡检系统

Also Published As

Publication number Publication date
CN113324994B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN113324994B (zh) 车身面漆缺陷分层检测装置及其检测方法
EP1995553B1 (en) System and method for identifying a feature of a workpiece
CN106949848B (zh) 一种高精度激光3d轮廓手机结构件检测方法
JP3581314B2 (ja) 自動レンズ検査システム
CN104345481B (zh) 一种液晶屏的质量检测方法、装置及设备
US7272253B2 (en) Method for non-destructive inspection, apparatus thereof and digital camera system
US8290239B2 (en) Automatic repair of electric circuits
CN107576664A (zh) 一种轧辊磨削表面缺陷机器视觉检测系统
CN111583114B (zh) 一种管道螺纹自动测量装置及测量方法
CN112067555B (zh) 一种可自动视觉识别零件种类的零件检测系统
CN109781739A (zh) 汽车漆面表面外观缺陷全自动检测系统及方法
CN106226316A (zh) 一种单摄像机宽视场视觉螺纹检测装置及其检测方法
CN103257061A (zh) 显微镜检验用试样的制备方法及检查试样覆盖质量的装置
DE19739250C2 (de) Optische Erfassung von Freiformflächen
EP4200797A1 (en) Surface defect detection system
CN106705896B (zh) 一种基于单摄像机全方位主动视觉的电连接器壳体缺陷检测装置及方法
JP4655644B2 (ja) 周期性パターンのムラ検査装置
CN108805870A (zh) 一种带针座的接插件的检测方法
EP3973502A1 (en) A system and method for determining whether a camera component is damaged
US5636023A (en) Apparatus for measuring surface shape
JP3211681B2 (ja) 塗装欠陥検査装置
JP2000046651A (ja) ワイヤーの外観検査装置
CN109900705B (zh) 一种基板检测装置和检测方法
JP3661466B2 (ja) 塗装ムラ検査装置および方法
CN117330572B (zh) 一种线束用智能化电测台

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 999, Hanjiang West Road, Xinbei District, Changzhou City, Jiangsu Province, 213000

Patentee after: Jiangsu Puma Electric Power Technology Co.,Ltd.

Country or region after: China

Address before: No. 999, Hanjiang West Road, Xinbei District, Changzhou City, Jiangsu Province, 213000

Patentee before: Jiangsu puma intelligent industrial design and Research Co.,Ltd.

Country or region before: China