CN114280076B - 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 - Google Patents
一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 Download PDFInfo
- Publication number
- CN114280076B CN114280076B CN202111449313.1A CN202111449313A CN114280076B CN 114280076 B CN114280076 B CN 114280076B CN 202111449313 A CN202111449313 A CN 202111449313A CN 114280076 B CN114280076 B CN 114280076B
- Authority
- CN
- China
- Prior art keywords
- spraying
- product
- coating film
- quality
- powder
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
本发明公开了一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,包括产品表面涂膜外观缺陷识别模块、产品表面涂膜检测区域划分模块、喷涂数据库、涂膜检测区域基本参数采集模块、涂膜性能参数采集模块、质量建模分析模块、监管云中心和显示终端,通过对粉末喷涂产品表面涂膜分别进行外观缺陷检测、基本参数检测和性能参数检测,以此得到粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数,从而综合以上判断该粉末喷涂产品喷涂质量是否合格,实现了粉末喷涂产品表面喷涂的全方面质量检测,克服了目前对粉末喷涂产品表面喷涂质量监测存在的过于片面的缺陷,提高了检测结果的可靠度。
Description
技术领域
本发明属于粉末喷涂质量监测技术领域,尤其涉及一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统。
背景技术
近几年来,由于清洁器具、电冰箱、微波炉等家用电器产品品质的提升,粉末涂料以其色彩鲜艳,坚固耐用,抗冲击,耐腐蚀等特点打入家用电器产品外壳市场,粉末喷涂由此也得到更为广泛的应用。由于粉末喷涂是由喷涂设备在一定环境条件下进行操作的,喷涂设备的控制精准性和喷涂环境的适宜性都会影响粉末喷涂的质量,而粉末喷涂的质量好坏直观反映在了喷涂的外观上,因此在喷涂结束后对喷涂产品表面粉末喷涂质量进行监测是非常有必要的。
由于人们对粉末喷涂产品的喷涂质量更加关注在涂膜外观方面,导致目前对粉末喷涂产品表面喷涂质量的监测只是单纯对涂膜的外观缺陷进行检测,并以外观缺陷的检测结果来判断粉末喷涂产品表面喷涂质量是否合格。这种检测判断方式忽略了对涂膜的硬度、厚度等基本参数的检测和涂膜的附着力、耐冲击力等性能参数检测,这些基本参数和性能参数同样也对喷涂的质量产生影响,当涂膜的硬度、厚度、附着力、耐冲击力达不到标准要求时,即使涂膜的外观完整不存在缺陷,该粉末喷涂产品在实际使用过程中也会存在质量隐患,进而影响产品的正常使用。因此单纯只对粉末喷涂产品表面涂膜进行外观缺陷检测,其检测结果无法全面反映喷涂产品的喷涂质量,在这种情况下,只采用粉末喷涂产品外观缺陷检测结果来作为粉末喷涂产品喷涂质量是否合格的判断依据,很显然过于片面,导致判断结果可靠度不高。
发明内容
技术目的:为了克服上述不足,本发明搭建了一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,能够有效弥补目前对粉末喷涂产品表面喷涂质量监测存在的过于片面的缺陷。
技术方案:为实现上述技术目的,本发明采用以下技术方案。
一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,包括产品表面涂膜外观缺陷识别模块、产品表面涂膜检测区域划分模块、喷涂数据库、涂膜检测区域基本参数采集模块、涂膜性能参数采集模块、质量建模分析模块、监管云中心和显示终端;
所述产品表面涂膜外观缺陷识别模块用于对粉末喷涂产品表面涂膜进行图像采集,并从采集的涂膜图像中进行涂膜外观缺陷识别,以此得到涂膜的外观缺陷参数;
所述产品表面涂膜检测区域划分模块用于对粉末喷涂产品表面涂膜进行检测区域均匀划分,并对划分的各检测区域进行编号,分别标记为1,2,...,i,...,n;
所述涂膜检测区域基本参数采集模块用于对涂膜各检测区域进行基本参数采集,得到各检测区域的基本参数;
所述涂膜性能参数采集模块通过设定各种温度模式,进而在各种温度模式下对涂膜进行性能参数采集,得到各种温度模式对应的涂膜性能参数,其中涂膜性能参数采集模块包括涂膜附着力采集单元和涂膜耐冲击力采集单元;
所述质量建模分析模块用于对涂膜的外观缺陷参数、各检测区域的基本参数和各种温度模式对应的涂膜性能参数进行建模分析,以此统计粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数;
所述监管云中心用于综合粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数判断该粉末喷涂产品对应的喷涂质量是否合格,若不合格,则获取不合格的喷涂参数;
所述显示终端用于将该粉末喷涂产品喷涂质量是否合格的判断结果进行显示,并在判断结果为不合格时,对不合格的喷涂参数进行显示。
优选地,所述涂膜外观缺陷识别的具体方法包括以下步骤:
步骤1:将粉末喷涂产品表面涂膜图像与喷涂数据库中该粉末喷涂产品表面涂膜正常图像进行对比,判断是否存在异常,若存在异常,则统计异常区域的数量,并提取各异常区域对应的外形特征和外形边界轮廓;
步骤2:将各异常区域的外形特征与喷涂数据库中各种外观缺陷类型对应的外形特征进行匹配,由此得到各异常区域对应的外观缺陷类型;
步骤3:根据提取的各异常区域对应的外形边界轮廓获取各异常区域对应的面积;
步骤4:将各异常区域对应的外观缺陷类型进行相互对比,从而将相同外观缺陷类型对应的异常区域进行归类,此时统计归类后的外观缺陷类型数量,并对归类后的各外观缺陷类型进行编号,分别标记为A,B,...,I,...,N;
步骤5:将归类后的各外观缺陷类型对应所有异常区域的面积进行叠加得到各外观缺陷类型对应的缺陷面积。
优选地,所述涂膜附着力采集单元用于对涂膜进行各温度模式下的附着力检测,得到各种温度模式对应的涂膜附着力指数;
涂膜耐冲击力采集单元用于对涂膜进行各温度模式下的耐冲击力检测,得到各种温度模式对应的涂膜耐冲击力指数。
优选地,所述外观缺陷参数包括外观缺陷类型和各外观缺陷类型对应的缺陷面积。
优选地,所述基本参数包括厚度和硬度。
优选地,所述各种温度模式包括高温模式、正常室温模式和低温模式。
优选地,所述粉末喷涂产品表面涂膜对应喷涂外观质量系数的统计方法执行以下步骤:
H1:从涂膜的外观缺陷参数中提取外观缺陷类型,并将提取的各外观缺陷类型与喷涂数据库中各种外观缺陷类型对应的缺陷程度指数进行对比,得到涂膜的各外观缺陷类型对应的缺陷程度指数;
H2:从涂膜的外观缺陷参数中提取各外观缺陷类型对应的缺陷面积,并从粉末喷涂产品表面涂膜图像中获取粉末喷涂产品表面涂膜总面积;
H3:根据涂膜各外观缺陷类型对应的缺陷程度指数、各外观缺陷类型对应的缺陷面积和粉末喷涂产品表面涂膜总面积统计粉末喷涂产品表面涂膜对应的喷涂外观质量系数σ表示为粉末喷涂产品表面涂膜对应的喷涂外观质量系数,εI表示为涂膜第I种外观缺陷类型对应的缺陷程度指数,s缺陷I表示为涂膜第I种外观缺陷类型对应的缺陷面积,S表示为粉末喷涂产品表面涂膜总面积。
优选地,所述粉末喷涂产品表面涂膜对应喷涂基本参数质量系数的具体统计方法执行以下步骤:
Y1:将涂膜各检测区域的基本参数构成涂膜检测区域基本参数集合Gu(gu1,gu2,...,gui,...,gun),gui表示为涂膜第i个检测区域的基本参数,u表示为基本参数,u=e1,e2,分别表示为厚度,硬度;
Y2:从喷涂数据库中提取该粉末喷涂产品表面涂膜对应的标准基本参数,由此将涂膜检测区域基本参数集合与该粉末喷涂产品表面涂膜对应的标准基本参数进行对比,得到涂膜检测区域基本参数对比集合ΔGu(Δgu1,Δgu2,...,Δgui,...,Δgun);
Y3:根据涂膜检测区域基本参数对比集合统计粉末喷涂产品表面涂膜对应的喷涂基本参数质量系数μ表示为粉末喷涂产品表面涂膜对应的喷涂基本参数质量系数,Δgui表示为粉末喷涂产品表面涂膜第i个检测区域的基本参数与该粉末喷涂产品表面涂膜对应标准基本参数之间的对比差值,g′u表示为该粉末喷涂产品表面涂膜对应的标准基本参数。
优选地,所述粉末喷涂产品表面涂膜对应喷涂性能参数质量系数的具体统计方法如下:
F1:将各种温度模式对应的涂膜附着力指数与喷涂数据库中各种温度模式对应的涂膜标准附着力指数进行对比,统计粉末喷涂产品表面涂膜对应的附着力质量系数λ表示为粉末喷涂产品表面涂膜对应的附着力质量系数,ηR表示为第R种温度模式对应的涂膜附着力指数,η′R表示为第R种温度模式对应的涂膜标准附着力指数;
F2:将各种温度模式对应的涂膜耐冲击力指数与喷涂数据库中各种温度模式对应的标准耐冲击力指数进行对比,统计粉末喷涂产品表面涂膜对应的耐冲击力质量系数χ表示为粉末喷涂产品表面涂膜对应的耐冲击力质量系数,δR表示为第R种温度模式对应的涂膜耐冲击力指数,δ′R表示为第R种温度模式对应的涂膜标准耐冲击力指数;
F3:根据粉末喷涂产品表面涂膜对应的附着力质量系数和耐冲击力质量系数统计粉末喷涂产品表面涂膜对应的喷涂性能参数质量系数表示为粉末喷涂产品表面涂膜对应的喷涂性能参数质量系数,α1、α2分别表示为附着力、耐冲击力对应的权重比例系数。
优选地,所述判断该粉末喷涂产品对应喷涂质量是否合格的具体方法为将粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数分别与该质量系数的设定值进行对比,若喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数中任意一个/两个/三个系数小于该系数的设定值,则该粉末喷涂产品的喷涂质量不合格,且该系数对应的参数记为不合格的喷涂参数,反之该粉末喷涂产品的喷涂质量合格。
有益效果:
(1)本发明通过对粉末喷涂产品表面涂膜分别进行外观缺陷检测、基本参数检测和性能参数检测,以此得到粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数,从而综合以上对该粉末喷涂产品对应的喷涂质量是否合格进行判断,实现了粉末喷涂产品表面喷涂的全方面质量检测,克服了目前对粉末喷涂产品表面喷涂质量监测存在的过于片面的缺陷,从而提高了检测结果的可靠度,使得粉末喷涂产品的喷涂质量判断结果更有说服力。
(2)本发明在对粉末喷涂产品表面涂膜进行喷涂性能参数检测过程中,通过设定各种温度模式,采集各种温度模式下的涂膜性能参数,完善了涂膜性能参数的采集方式,避免单纯只根据一种温度模式下的涂膜性能参数进行喷涂性能参数质量系数统计造成的偶然误差性,有利于提高统计结果的精准度。
(3)本发明在判断该粉末喷涂产品对应的喷涂质量不合格时,对不合格的喷涂参数进行获取并显示,其显示的不合格喷涂参数为相关喷涂质量管理人员对该粉末喷涂产品进行喷涂不合格的溯源提供目标参考依据,从而避免出现无法对喷涂质量不合格的原因进行溯源现象的出现。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的系统模块连接示意图;
图2为本发明的涂膜性能参数采集模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,包括产品表面涂膜外观缺陷识别模块、产品表面涂膜检测区域划分模块、喷涂数据库、涂膜检测区域基本参数采集模块、涂膜性能参数采集模块、质量建模分析模块、监管云中心和显示终端。
其中产品表面涂膜检测区域划分模块分别与涂膜检测区域基本参数采集模块和涂膜性能参数采集模块连接,产品表面涂膜外观缺陷识别模块、涂膜检测区域基本参数采集模块和涂膜性能参数采集模块均与质量建模分析模块连接,质量建模分析模块与监管云中心连接,监管云中心与显示终端连接。
产品表面涂膜外观缺陷识别模块用于对粉末喷涂产品表面涂膜进行图像采集,并从采集的涂膜图像中进行涂膜外观缺陷识别,以此得到涂膜的外观缺陷参数,其中外观缺陷参数包括外观缺陷类型和各外观缺陷类型对应的缺陷面积,这里所述的外观缺陷具体识别方法包括以下步骤:
步骤1:将粉末喷涂产品表面涂膜图像与喷涂数据库中该粉末喷涂产品表面涂膜正常图像进行对比,其中涂膜正常图像是指不存在外观缺陷的涂膜图像,判断是否存在异常,若存在异常,则统计异常区域的数量,并提取各异常区域对应的外形特征和外形边界轮廓,其中外形特征包括颜色、形状、纹理等;
步骤2:将各异常区域的外形特征与喷涂数据库中各种外观缺陷类型对应的外形特征进行匹配,由此得到各异常区域对应的外观缺陷类型,这里提到的外观缺陷类型包括麻点、针孔、裂缝、脱落、露底等;
步骤3:根据提取的各异常区域对应的外形边界轮廓获取各异常区域对应的面积;
步骤4:将各异常区域对应的外观缺陷类型进行相互对比,从而将相同外观缺陷类型对应的异常区域进行归类,此时统计归类后的外观缺陷类型数量,并对归类后的各外观缺陷类型进行编号,分别标记为A,B,...,I,...,N;
步骤5:将归类后的各外观缺陷类型对应所有异常区域的面积进行叠加得到各外观缺陷类型对应的缺陷面积。
本实施例中对粉末喷涂产品表面涂膜的外观缺陷检测融合了外观缺陷类型和外观缺陷面积,为后续进行喷涂外观质量系数统计提供全面的统计数据。
产品表面涂膜检测区域划分模块用于对粉末喷涂产品表面涂膜进行检测区域均匀划分,其具体划分方式为获取粉末喷涂产品表面涂膜的尺寸参数,如长度、宽度,进而将粉末喷涂产品表面涂膜按照平面网格化的划分方法进行划分,并对划分的各检测区域进行编号,分别标记为1,2,...,i,...,n。
本实施例中对粉末喷涂产品表面涂膜进行检测区域划分,一方面为涂膜的基本参数采集提供多组数据,另一方面为涂膜的附着力检测提供多组数据,有效避免了单个检测区域采集数据造成的误差,影响真实性。
涂膜检测区域基本参数采集模块用于对涂膜各检测区域进行基本参数采集,得到各检测区域的基本参数,其中基本参数包括厚度和硬度,且对各检测区域对应涂膜硬度的检测采用硬度测试笔进行检测,对各检测区域对应涂膜厚度的检测采用磁性测厚仪进行检测。
参照图2所示,涂膜性能参数采集模块通过设定各种温度模式,进而在各种温度模式下对涂膜进行性能参数采集,其中各种温度模式包括高温模式、正常室温模式和低温模式,得到各种温度模式对应的涂膜性能参数,其中涂膜性能参数采集模块包括涂膜附着力采集单元和涂膜耐冲击力采集单元。
涂膜附着力采集单元用于对涂膜进行各温度模式下的附着力检测,得到各种温度模式对应的涂膜附着力指数,其具体检测方法如下:
D1:获取三件相同的粉末喷涂产品,并将其分别放置在高温模式下、正常室温模式下和低温模式下;
D2:分别采用相同的划格刀片在各种温度模式对应粉末喷涂产品表面涂膜的各检测区域进行同等力度的划格,以划格刀片划破涂膜见底色为准,其各检测区域的划格线段长度保持一致,以此得到各种温度模式下粉末喷涂产品表面涂膜各检测区域对应的划格线段;
D3:分别采用相同的胶布粘贴各种温度模式下粉末喷涂产品表面涂膜各检测区域对应的划格线段,并在相同的粘贴时长后,以垂直方向揭起胶布,进而对揭起胶布的表面进行图像采集,得到各种温度模式下粉末喷涂产品表面涂膜各检测区域对应的划格线段胶布表面图像;
D4:从各种温度模式下粉末喷涂产品表面涂膜各检测区域对应的划格线段胶布表面图像中识别是否存在涂膜脱落,若存在,则统计各种温度模式下粉末喷涂产品表面涂膜存在脱落的检测区域数量,记为XR;
D5:将各种温度模式下粉末喷涂产品表面涂膜存在脱落的检测区域数量与检测区域总数量进行对比,由此统计各种温度模式对应的涂膜附着力指数ηR表示为第R种温度模式对应的涂膜附着力指数,R表示为温度模式,R=W1,W2,W3,分别表示为高温模式,正常室温模式,低温模式,其中涂膜存在脱落的检测区域数量越多,涂膜附着力指数越大;
涂膜耐冲击力采集单元用于对涂膜进行各温度模式下的耐冲击力检测,得到各种温度模式对应的涂膜耐冲击力指数,其具体检测方法如下:
V1:获取三件相同的粉末喷涂产品,并将其分别放置在高温模式下、正常室温模式下和低温模式下;
V2:在粉末喷涂产品表面涂膜的中心位置设置为冲击位置;
V3:分别采用相同的冲击装置在同一高度对各种温度模式下粉末喷涂产品表面涂膜对应的冲击位置进行冲击,并在冲击结束后,对粉末喷涂产品表面涂膜进行图像采集,得到各种温度模式对应冲击后的涂膜外观图像;
V4:从各种温度模式对应冲击后的涂膜外观图像中获取涂膜脱落面积,记为sR,以此将各种温度模式对应冲击后的涂膜脱落面积与涂膜总面积进行对比,得到各种温度模式对应的涂膜耐冲击力指数δR表示为第R种温度模式对应的涂膜耐冲击力指数,sR表示为第R种温度模式对应冲击后的涂膜脱落面积,其中涂膜脱落面积越小,涂膜耐冲击力指数越大。
本实施例在对粉末喷涂产品表面涂膜进行喷涂性能参数检测过程中,通过设定各种温度模式,采集各种温度模式下的涂膜性能参数,完善了涂膜性能参数的采集方式,避免单纯只根据一种温度模式下的涂膜性能参数进行喷涂性能参数质量系数统计造成的偶然误差性,有利于提高统计结果的精准度。
本实施例在对粉末喷涂产品表面涂膜进行外观缺陷检测和喷涂性能参数检测过程中采用了机器视觉检测技术,通过图像采集分析的方法进行外观缺陷检测和喷涂性能参数检测,避免了人工肉眼检测带来的不确定性,进而不仅提高了检测结果准确度,又提高了检测效率。
质量建模分析模块用于对涂膜的外观缺陷参数、各检测区域的基本参数和各种温度模式对应的涂膜性能参数进行建模分析,以此统计粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数,其中粉末喷涂产品表面涂膜对应喷涂外观质量系数的统计方法执行以下步骤:
H1:从涂膜的外观缺陷参数中提取外观缺陷类型,并将提取的各外观缺陷类型与喷涂数据库中各种外观缺陷类型对应的缺陷程度指数进行对比,得到涂膜的各外观缺陷类型对应的缺陷程度指数;
H2:从涂膜的外观缺陷参数中提取各外观缺陷类型对应的缺陷面积,并从粉末喷涂产品表面涂膜图像中获取粉末喷涂产品表面涂膜总面积;
H3:根据涂膜各外观缺陷类型对应的缺陷程度指数、各外观缺陷类型对应的缺陷面积和粉末喷涂产品表面涂膜总面积统计粉末喷涂产品表面涂膜对应的喷涂外观质量系数σ表示为粉末喷涂产品表面涂膜对应的喷涂外观质量系数,εI表示为涂膜第I种外观缺陷类型对应的缺陷程度指数,s缺陷I表示为涂膜第I种外观缺陷类型对应的缺陷面积,S表示为粉末喷涂产品表面涂膜总面积,其中外观缺陷类型对应的缺陷程度指数越大,外观缺陷类型对应的缺陷面积越大,喷涂外观质量系数越小,表明喷涂外观质量越差;
粉末喷涂产品表面涂膜对应喷涂基本参数质量系数的具体统计方法执行以下步骤:
Y1:将涂膜各检测区域的基本参数构成涂膜检测区域基本参数集合Gu(gu1,gu2,...,gui,...,gun),gui表示为涂膜第i个检测区域的基本参数,u表示为基本参数,u=e1,e2,分别表示为厚度,硬度;
Y2:从喷涂数据库中提取该粉末喷涂产品表面涂膜对应的标准基本参数,由此将涂膜检测区域基本参数集合与该粉末喷涂产品表面涂膜对应的标准基本参数进行对比,得到涂膜检测区域基本参数对比集合ΔGu(Δgu1,Δgu2,...,Δgui,...,Δgun);
Y3:根据涂膜检测区域基本参数对比集合统计粉末喷涂产品表面涂膜对应的喷涂基本参数质量系数μ表示为粉末喷涂产品表面涂膜对应的喷涂基本参数质量系数,Δgui表示为粉末喷涂产品表面涂膜第i个检测区域的基本参数与该粉末喷涂产品表面涂膜对应标准基本参数之间的对比差值,g′u表示为该粉末喷涂产品表面涂膜对应的标准基本参数,其中涂膜检测区域的基本参数与涂膜对应的标准基本参数越接近,喷涂基本参数质量系数越大,表明喷涂基本参数质量越好。
粉末喷涂产品表面涂膜对应喷涂性能参数质量系数的具体统计方法如下:
F1:将各种温度模式对应的涂膜附着力指数与喷涂数据库中各种温度模式对应的涂膜标准附着力指数进行对比,统计粉末喷涂产品表面涂膜对应的附着力质量系数λ表示为粉末喷涂产品表面涂膜对应的附着力质量系数,ηR表示为第R种温度模式对应的涂膜附着力指数,η′R表示为第R种温度模式对应的涂膜标准附着力指数,其中各种温度模式对应的涂膜附着力指数与该温度模式对应的涂膜标准附着力指数越接近,涂膜附着力质量系数越大;
F2:将各种温度模式对应的涂膜耐冲击力指数与喷涂数据库中各种温度模式对应的标准耐冲击力指数进行对比,统计粉末喷涂产品表面涂膜对应的耐冲击力质量系数χ表示为粉末喷涂产品表面涂膜对应的耐冲击力质量系数,δR表示为第R种温度模式对应的涂膜耐冲击力指数,δR表示为第R种温度模式对应的涂膜标准耐冲击力指数,其中各种温度模式对应的涂膜耐冲击力指数与该温度模式对应的涂膜标准耐冲击力指数越接近,涂膜耐冲击力质量系数越大;
F3:根据粉末喷涂产品表面涂膜对应的附着力质量系数和耐冲击力质量系数统计粉末喷涂产品表面涂膜对应的喷涂性能参数质量系数表示为粉末喷涂产品表面涂膜对应的喷涂性能参数质量系数,α1、α2分别表示为附着力、耐冲击力对应的权重比例系数。
喷涂数据库用于存储该粉末喷涂产品表面涂膜正常图像,存储各种外观缺陷类型对应的外形特征和缺陷程度指数,存储该粉末喷涂产品表面涂膜对应的标准基本参数,其中标准基本参数包括标准硬度和标准厚度,存储各种温度模式对应的涂膜标准附着力指数和标准耐冲击力指数,存储附着力、耐冲击力对应的权重比例系数,并存储喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数对应的设定值。
监管云中心用于综合粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数判断该粉末喷涂产品对应的喷涂质量是否合格,若不合格,则获取不合格的喷涂参数,其具体判断方法为将粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数分别与该质量系数的设定值进行对比,若喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数中任意一个/两个/三个系数小于该系数的设定值,则该粉末喷涂产品的喷涂质量不合格,且该系数对应的参数记为不合格的喷涂参数,若喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数均大于或等于该质量系数的设定值,该粉末喷涂产品的喷涂质量合格。
本实施例通过对粉末喷涂产品表面涂膜分别进行外观缺陷检测、基本参数检测和性能参数检测,以此得到粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数,从而综合以上对该粉末喷涂产品对应的喷涂质量是否合格进行判断,实现了粉末喷涂产品表面喷涂的全方面质量检测,克服了目前对粉末喷涂产品表面喷涂质量监测存在的过于片面的缺陷,从而提高了检测结果的可靠度,使得粉末喷涂产品的喷涂质量判断结果更有说服力。
显示终端用于将该粉末喷涂产品喷涂质量是否合格的判断结果进行显示,并在判断结果为不合格时,对不合格的喷涂参数进行显示,为相关喷涂质量管理人员对该粉末喷涂产品进行喷涂不合格的溯源提供目标参考依据,从而避免出现无法对喷涂质量不合格的原因进行溯源现象的出现。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,其特征在于:包括产品表面涂膜外观缺陷识别模块、产品表面涂膜检测区域划分模块、喷涂数据库、涂膜检测区域基本参数采集模块、涂膜性能参数采集模块、质量建模分析模块、监管云中心和显示终端;
所述产品表面涂膜外观缺陷识别模块用于对粉末喷涂产品表面涂膜进行图像采集,并从采集的涂膜图像中进行涂膜外观缺陷识别,以此得到涂膜的外观缺陷参数;
所述产品表面涂膜检测区域划分模块用于对粉末喷涂产品表面涂膜进行检测区域均匀划分,并对划分的各检测区域进行编号,分别标记为1,2,...,i,...,n;
所述涂膜检测区域基本参数采集模块用于对涂膜各检测区域进行基本参数采集,得到各检测区域的基本参数;
所述涂膜性能参数采集模块通过设定各种温度模式,进而在各种温度模式下对涂膜进行性能参数采集,得到各种温度模式对应的涂膜性能参数,其中涂膜性能参数采集模块包括涂膜附着力采集单元和涂膜耐冲击力采集单元;
所述质量建模分析模块用于对涂膜的外观缺陷参数、各检测区域的基本参数和各种温度模式对应的涂膜性能参数进行建模分析,以此统计粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数;
所述粉末喷涂产品表面涂膜对应喷涂外观质量系数的统计方法执行以下步骤:
H1:从涂膜的外观缺陷参数中提取外观缺陷类型,并将提取的各外观缺陷类型与喷涂数据库中各种外观缺陷类型对应的缺陷程度指数进行对比,得到涂膜的各外观缺陷类型对应的缺陷程度指数;
H2:从涂膜的外观缺陷参数中提取各外观缺陷类型对应的缺陷面积,并从粉末喷涂产品表面涂膜图像中获取粉末喷涂产品表面涂膜总面积;
H3:根据涂膜各外观缺陷类型对应的缺陷程度指数、各外观缺陷类型对应的缺陷面积和粉末喷涂产品表面涂膜总面积统计粉末喷涂产品表面涂膜对应的喷涂外观质量系数σ表示为粉末喷涂产品表面涂膜对应的喷涂外观质量系数,eI表示为涂膜第I种外观缺陷类型对应的缺陷程度指数,s缺陷I表示为涂膜第I种外观缺陷类型对应的缺陷面积,S表示为粉末喷涂产品表面涂膜总面积;
所述粉末喷涂产品表面涂膜对应喷涂基本参数质量系数的具体统计方法执行以下步骤:
Y1:将涂膜各检测区域的基本参数构成涂膜检测区域基本参数集合Gu(gu1,gu2,...,gui,...,gun),gui表示为涂膜第i个检测区域的基本参数,u表示为基本参数,u=e1,e2,分别表示为厚度,硬度;
Y2:从喷涂数据库中提取该粉末喷涂产品表面涂膜对应的标准基本参数,由此将涂膜检测区域基本参数集合与该粉末喷涂产品表面涂膜对应的标准基本参数进行对比,得到涂膜检测区域基本参数对比集合△Gu(△gu1,△gu2,...,△gui,...,△gun);
Y3:根据涂膜检测区域基本参数对比集合统计粉末喷涂产品表面涂膜对应的喷涂基本参数质量系数μ表示为粉末喷涂产品表面涂膜对应的喷涂基本参数质量系数,△gui表示为粉末喷涂产品表面涂膜第i个检测区域的基本参数与该粉末喷涂产品表面涂膜对应标准基本参数之间的对比差值,g′u表示为该粉末喷涂产品表面涂膜对应的标准基本参数;
所述粉末喷涂产品表面涂膜对应喷涂性能参数质量系数的具体统计方法如下:
F1:将各种温度模式对应的涂膜附着力指数与喷涂数据库中各种温度模式对应的涂膜标准附着力指数进行对比,统计粉末喷涂产品表面涂膜对应的附着力质量系数λ表示为粉末喷涂产品表面涂膜对应的附着力质量系数,ηR表示为第R种温度模式对应的涂膜附着力指数,η′R表示为第R种温度模式对应的涂膜标准附着力指数;
F2:将各种温度模式对应的涂膜耐冲击力指数与喷涂数据库中各种温度模式对应的标准耐冲击力指数进行对比,统计粉末喷涂产品表面涂膜对应的耐冲击力质量系数χ表示为粉末喷涂产品表面涂膜对应的耐冲击力质量系数,δR表示为第R种温度模式对应的涂膜耐冲击力指数,δ′R表示为第R种温度模式对应的涂膜标准耐冲击力指数;
F3:根据粉末喷涂产品表面涂膜对应的附着力质量系数和耐冲击力质量系数统计粉末喷涂产品表面涂膜对应的喷涂性能参数质量系数 表示为粉末喷涂产品表面涂膜对应的喷涂性能参数质量系数,α1、α2分别表示为附着力、耐冲击力对应的权重比例系数;
所述监管云中心用于综合粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数判断该粉末喷涂产品对应的喷涂质量是否合格,若不合格,则获取不合格的喷涂参数;
所述显示终端用于将该粉末喷涂产品喷涂质量是否合格的判断结果进行显示,并在判断结果为不合格时,对不合格的喷涂参数进行显示。
2.根据权利要求1所述的一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,其特征在于:所述涂膜外观缺陷识别的具体方法包括以下步骤:
步骤1:将粉末喷涂产品表面涂膜图像与喷涂数据库中该粉末喷涂产品表面涂膜正常图像进行对比,判断是否存在异常,若存在异常,则统计异常区域的数量,并提取各异常区域对应的外形特征和外形边界轮廓;
步骤2:将各异常区域的外形特征与喷涂数据库中各种外观缺陷类型对应的外形特征进行匹配,由此得到各异常区域对应的外观缺陷类型;
步骤3:根据提取的各异常区域对应的外形边界轮廓获取各异常区域对应的面积;
步骤4:将各异常区域对应的外观缺陷类型进行相互对比,从而将相同外观缺陷类型对应的异常区域进行归类,此时统计归类后的外观缺陷类型数量,并对归类后的各外观缺陷类型进行编号,分别标记为A,B,...,I,...,N;
步骤5:将归类后的各外观缺陷类型对应所有异常区域的面积进行叠加得到各外观缺陷类型对应的缺陷面积。
3.根据权利要求1所述的一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,其特征在于:所述外观缺陷参数包括外观缺陷类型和各外观缺陷类型对应的缺陷面积。
4.根据权利要求1所述的一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,其特征在于:所述基本参数包括厚度和硬度。
5.根据权利要求1所述的一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,其特征在于:所述各种温度模式包括高温模式、正常室温模式和低温模式。
6.根据权利要求1所述的一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,其特征在于:所述涂膜附着力采集单元用于对涂膜进行各温度模式下的附着力检测,得到各种温度模式对应的涂膜附着力指数;
涂膜耐冲击力采集单元用于对涂膜进行各温度模式下的耐冲击力检测,得到各种温度模式对应的涂膜耐冲击力指数。
7.根据权利要求1所述的一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统,其特征在于:所述判断该粉末喷涂产品对应喷涂质量是否合格的具体方法为将粉末喷涂产品表面涂膜对应的喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数分别与该质量系数的设定值进行对比,若喷涂外观质量系数、喷涂基本参数质量系数和喷涂性能参数质量系数中任意一个系数小于该系数的设定值,则该粉末喷涂产品的喷涂质量不合格,且该系数对应的参数记为不合格的喷涂参数,反之该粉末喷涂产品的喷涂质量合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111449313.1A CN114280076B (zh) | 2021-11-30 | 2021-11-30 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111449313.1A CN114280076B (zh) | 2021-11-30 | 2021-11-30 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114280076A CN114280076A (zh) | 2022-04-05 |
CN114280076B true CN114280076B (zh) | 2023-10-13 |
Family
ID=80870394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111449313.1A Active CN114280076B (zh) | 2021-11-30 | 2021-11-30 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114280076B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114819627B (zh) * | 2022-04-25 | 2023-04-11 | 南京光启图像科技有限公司 | 一种基于机器视觉的高清电子屏生产质量智能监测分析系统 |
CN114841986B (zh) * | 2022-05-24 | 2022-11-11 | 亳州学院 | 一种基于机器视觉的中药饮片质量监测分析系统 |
CN115358575B (zh) * | 2022-08-18 | 2024-01-26 | 佛山智一达企业管理咨询有限公司 | 一种基于工业互联网的建材生产制造智能管理系统 |
CN115841478A (zh) * | 2022-12-16 | 2023-03-24 | 浙江科达利实业有限公司 | 应用于车载空调软管生产管控的质量检测系统 |
CN116660468B (zh) * | 2023-05-29 | 2024-02-13 | 广州昂博科技有限公司 | 一种化妆品生产流水线智能监测分析方法 |
CN117094609B (zh) * | 2023-10-20 | 2024-01-12 | 山东卓越精工集团有限公司 | 一种基于机器视觉的铝型材生产质量智能管理系统 |
CN117517325B (zh) * | 2024-01-04 | 2024-04-02 | 江苏海德曼新材料股份有限公司 | 一种基于机器视觉的铝单板喷涂质量检测分析系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011106922A (ja) * | 2009-11-16 | 2011-06-02 | Mitsubishi Heavy Ind Ltd | 溶射膜の膜質評価方法 |
JP2012068822A (ja) * | 2010-09-22 | 2012-04-05 | Fuji Xerox Co Ltd | 評価指標算出装置、評価指標算出プログラム、記憶媒体 |
CN106694330A (zh) * | 2017-01-05 | 2017-05-24 | 滁州市友邦涂装有限公司 | 一种可控涂膜厚度的金属粉末喷涂工艺 |
CN109225771A (zh) * | 2018-09-02 | 2019-01-18 | 青岛安装建设股份有限公司 | 一种给水管道环氧粉末涂料喷涂施工方法 |
CN109991237A (zh) * | 2019-03-14 | 2019-07-09 | 上汽大通汽车有限公司 | 汽车涂装裙边胶视觉检测系统及方法 |
DE102019001612A1 (de) * | 2019-03-06 | 2019-08-29 | Daimler Ag | Verfahren zur Schichtanalyse von Lamellen-beschichteten Oberflächen mittels Thermografie, sowie Vorrichtung zum Durchführen eines solchen Verfahrens zur Analyse von Lamellen-beschichteten Oberflächen mittels Thermografie |
CN110348646A (zh) * | 2019-07-19 | 2019-10-18 | 蕴硕物联技术(上海)有限公司 | 预测喷涂质量的方法及装置 |
CN112024167A (zh) * | 2020-08-07 | 2020-12-04 | 湖南中环机械涂装有限公司 | 汽车喷涂的工艺方法及其智能操控系统 |
CN112258460A (zh) * | 2020-10-12 | 2021-01-22 | 广州立信电子科技有限公司 | 一种基于图像识别的印刷制品质量实时监测质检系统 |
CN113052796A (zh) * | 2021-03-02 | 2021-06-29 | 成都小淞科技有限公司 | 通过图像算法检出喷涂瑕疵的方法 |
CN113092485A (zh) * | 2021-04-06 | 2021-07-09 | 广东剑鑫科技股份有限公司 | 一种三防漆涂覆质量检测系统及方法 |
CN113570085A (zh) * | 2021-08-03 | 2021-10-29 | 武汉都梁信息技术有限责任公司 | 一种基于大数据分析的电力运维配电房安全监测云系统 |
CN113627860A (zh) * | 2021-10-11 | 2021-11-09 | 南京我乐家居智能制造有限公司 | 基于人工智能的仓库仓储一体化智能管理系统及管理方法 |
-
2021
- 2021-11-30 CN CN202111449313.1A patent/CN114280076B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011106922A (ja) * | 2009-11-16 | 2011-06-02 | Mitsubishi Heavy Ind Ltd | 溶射膜の膜質評価方法 |
JP2012068822A (ja) * | 2010-09-22 | 2012-04-05 | Fuji Xerox Co Ltd | 評価指標算出装置、評価指標算出プログラム、記憶媒体 |
CN106694330A (zh) * | 2017-01-05 | 2017-05-24 | 滁州市友邦涂装有限公司 | 一种可控涂膜厚度的金属粉末喷涂工艺 |
CN109225771A (zh) * | 2018-09-02 | 2019-01-18 | 青岛安装建设股份有限公司 | 一种给水管道环氧粉末涂料喷涂施工方法 |
DE102019001612A1 (de) * | 2019-03-06 | 2019-08-29 | Daimler Ag | Verfahren zur Schichtanalyse von Lamellen-beschichteten Oberflächen mittels Thermografie, sowie Vorrichtung zum Durchführen eines solchen Verfahrens zur Analyse von Lamellen-beschichteten Oberflächen mittels Thermografie |
CN109991237A (zh) * | 2019-03-14 | 2019-07-09 | 上汽大通汽车有限公司 | 汽车涂装裙边胶视觉检测系统及方法 |
CN110348646A (zh) * | 2019-07-19 | 2019-10-18 | 蕴硕物联技术(上海)有限公司 | 预测喷涂质量的方法及装置 |
CN112024167A (zh) * | 2020-08-07 | 2020-12-04 | 湖南中环机械涂装有限公司 | 汽车喷涂的工艺方法及其智能操控系统 |
CN112258460A (zh) * | 2020-10-12 | 2021-01-22 | 广州立信电子科技有限公司 | 一种基于图像识别的印刷制品质量实时监测质检系统 |
CN113052796A (zh) * | 2021-03-02 | 2021-06-29 | 成都小淞科技有限公司 | 通过图像算法检出喷涂瑕疵的方法 |
CN113092485A (zh) * | 2021-04-06 | 2021-07-09 | 广东剑鑫科技股份有限公司 | 一种三防漆涂覆质量检测系统及方法 |
CN113570085A (zh) * | 2021-08-03 | 2021-10-29 | 武汉都梁信息技术有限责任公司 | 一种基于大数据分析的电力运维配电房安全监测云系统 |
CN113627860A (zh) * | 2021-10-11 | 2021-11-09 | 南京我乐家居智能制造有限公司 | 基于人工智能的仓库仓储一体化智能管理系统及管理方法 |
Non-Patent Citations (2)
Title |
---|
热喷涂修复技术在工业应用中的技术问题分析;严超英;《炼油与化工》;第29卷;40-42 * |
等离子喷涂热障涂层的质量检验;季创;《学术研究》;第44卷(第2期);242-243 * |
Also Published As
Publication number | Publication date |
---|---|
CN114280076A (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114280076B (zh) | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 | |
CN113838054B (zh) | 基于人工智能的机械零件表面损伤检测方法 | |
CN109002974A (zh) | 一种钢卷表面质量分级判定方法及装置 | |
CN117517325B (zh) | 一种基于机器视觉的铝单板喷涂质量检测分析系统 | |
CN109034483B (zh) | 一种基于质量功能配置的检测规划方法 | |
CA2525594A1 (en) | A system and method for monitoring and visualizing the output of a production process | |
CN111126759A (zh) | 一种基于异常事件故障关联度的电能表状态评估方法 | |
CN115034666A (zh) | 一种提高铝型材合格率的生产监控系统 | |
CN113362009A (zh) | 一种物资库存管理方法、系统及计算机存储介质 | |
CN109142445A (zh) | 漆包线缺陷在线检测方法及检测装置、计算机装置及计算机可读存储介质 | |
CN115201444A (zh) | 一种铝版基缺陷检测筛查系统及方法 | |
CN111612371A (zh) | 一种基于层次分析法的智能电表质量评估方法 | |
CN117057644A (zh) | 一种基于特性匹配的设备生产质量检测方法及系统 | |
CN117139093B (zh) | 一种基于人工神经网络的热喷涂方法及系统 | |
CN116881530B (zh) | 一种基于深度学习的器件表面缺陷检测系统 | |
CN116309564B (zh) | 基于人工智能图像识别的电芯外观缺陷检测方法及系统 | |
CN108830444A (zh) | 一种探空观测数据的评估和修正方法及装置 | |
CN107561452A (zh) | 一种蓄电池组健康度的评估方法 | |
CN110852615A (zh) | 一种典型环境下智能电能表可靠性综合评价模型 | |
CN116629447A (zh) | 应用于pcba产品的智能检测系统 | |
CN109614758A (zh) | 具有空间相关性的圆形形状误差的监控方法 | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
CN114707904A (zh) | 一种基于大数据的质量检测方法及系统 | |
CN109284478B (zh) | 一种估计对数正态型单元可靠性参数的方法 | |
CN109325289B (zh) | 一种估计电子件可靠性参数的方法 |
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 |