CN114798495A - 基于质量检测的钣金冲压件分拣方法、装置、设备及介质 - Google Patents
基于质量检测的钣金冲压件分拣方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114798495A CN114798495A CN202210764222.5A CN202210764222A CN114798495A CN 114798495 A CN114798495 A CN 114798495A CN 202210764222 A CN202210764222 A CN 202210764222A CN 114798495 A CN114798495 A CN 114798495A
- Authority
- CN
- China
- Prior art keywords
- sheet metal
- stamping
- metal stamping
- image
- quality detection
- 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
Links
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 391
- 239000002184 metal Substances 0.000 title claims abstract description 391
- 238000001514 detection method Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 98
- 238000010009 beating Methods 0.000 claims abstract description 56
- 238000012372 quality testing Methods 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 23
- 230000007547 defect Effects 0.000 claims description 46
- 238000000605 extraction Methods 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 29
- 230000002950 deficient Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 description 29
- 238000012544 monitoring process Methods 0.000 description 24
- 238000004080 punching Methods 0.000 description 23
- 238000004590 computer program Methods 0.000 description 15
- 230000000007 visual effect Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000007689 inspection Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005498 polishing Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010330 laser marking Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000003973 paint Substances 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000003323 Total Quality Management Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005482 strain hardening Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/3412—Sorting according to other particular properties according to a code applied to the object which indicates a property of the object, e.g. quality class, contents or incorrect indication
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/38—Collecting or arranging articles in groups
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
-
- 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
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Sorting Of Articles (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请公开了基于质量检测的钣金冲压件分拣方法、装置、电子设备及可读存储介质，应用于钣金冲压件分拣系统，所述基于质量检测的钣金冲压件分拣方法包括：获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级；依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果；依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱。本申请解决了质检人员进行钣金冲压件分拣的分拣准确性低的技术问题。
Description
技术领域
本申请涉及钣金加工技术领域，尤其涉及一种基于质量检测的钣金冲压件分拣方法、装置、电子设备及可读存储介质。
背景技术
随着钣金加工技术的不断发展，钣金加工制造企业对于加工质量也有着越来越高的要求，其中，作为钣金件加工过程中不可或缺的制程之一，钣金件在冲压制程中的质量管控更是成为了重中之重，目前，钣金制造企业通常通过使用冲压过程监测系统，对冲压参数进行监测，以判断冲压过程中是否存在异常，例如模具损坏异常以及异物压伤异常等，当冲压过程监测系统监测到冲压参数异常时，则表明此次冲压将产生不良工件，但是，由于异常因素的不同导致不良工件的损坏程度不同，对于损坏程度不高的不良工件，是可以通过烤漆或打磨等工艺手段进行返工的，仅将无法返工的不良工件作为报废品，所以，目前通常情况下通过专业质检人员对钣金冲压件的损坏程度进行判别，进而将钣金冲压件分拣至相应的工件箱，但是，受限于质检人员的主观性、局限性以及延续性等原因，当前质检人员进行钣金冲压件分拣的分拣准确性低。
发明内容
本申请的主要目的在于提供一种基于质量检测的钣金冲压件分拣方法、装置、电子设备及可读存储介质，旨在解决现有技术中质检人员进行钣金冲压件分拣的分拣准确性低的技术问题。
为实现上述目的，本申请提供一种基于质量检测的钣金冲压件分拣方法，应用于钣金冲压件分拣系统，所述基于质量检测的钣金冲压件分拣方法包括：
获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级；
依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果；
依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱。
为实现上述目的，本申请还提供一种基于质量检测的钣金冲压件分拣装置，应用于钣金冲压件分拣系统，所述基于质量检测的钣金冲压件分拣装置包括：
冲压模块，用于获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级；
质量检测模块，用于依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果；
分拣模块，用于依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱。
本申请还提供一种电子设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述基于质量检测的钣金冲压件分拣方法的程序，所述基于质量检测的钣金冲压件分拣方法的程序被处理器执行时可实现如上述的基于质量检测的钣金冲压件分拣方法的步骤。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有实现基于质量检测的钣金冲压件分拣方法的程序，所述基于质量检测的钣金冲压件分拣方法的程序被处理器执行时实现如上述的基于质量检测的钣金冲压件分拣方法的步骤。
本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的基于质量检测的钣金冲压件分拣方法的步骤。
本申请提供了一种基于质量检测的钣金冲压件分拣方法、装置、电子设备及可读存储介质，应用于钣金冲压件分拣系统，也即，本申请首先获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级，也即，实现了在对待检测钣金件进行冲压的过程中得到钣金冲压件的冲压质量等级的目的；进而依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果，也即，由于表面信息能够准确反映钣金冲压件是否存在表面缺陷，进而实现了根据钣金冲压件的表面信息和所述冲压质量等级，精准检测钣金冲压件的冲压质量的目的，进而依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱，实现了根据冲压质量检测结果为钣金加工件匹配对应的工件箱的目的。由于本方法应用于钣金冲压件分拣系统，也即，对于钣金冲压件全过程实现自动化，工作人员仅需将待检测钣金件输入钣金冲压件分拣系统，进而根据工件箱即可实现准确知晓钣金件的质量的目的，而非通过肉眼对钣金冲压件进行冲压质量判别，进而将钣金冲压件分拣至相应的工件想，克服了现有技术中由于受限于质检人员的主观性、局限性以及延续性等原因，导致质检人员进行钣金冲压件分拣的分拣准确性低的技术缺陷，所以，提升了质检人员进行钣金冲压件分拣的分拣准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请基于质量检测的钣金冲压件分拣方法第一实施例的流程示意图；
图2为本申请基于质量检测的钣金冲压件分拣方法中表示所述视觉监测系统为钣金冲压件的图像进行网格化定位的示意图；
图3为本申请基于质量检测的钣金冲压件分拣方法第二实施例的流程示意图；
图4为本申请实施例中基于质量检测的钣金冲压件分拣方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，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作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。
实施例一
首先，应当理解的是，对于钣金加工制造企业而言，通常在冲压过程中使用冲压过程监测系统，也即，通过在冲压模具上安装超声波传感器进行冲压时振动频率的监测，以判断冲压生产过程是否存在异常，再通过质检人员对不良品的质量等级进行定义,以筛选出不良品中的返工品，但是，此方法在效率有限的前提下，人力成本的投入以及人工检测的局限性都会影响对于钣金冲压件的质量检测效果，例如，假设质检人员将某一钣金冲压件作为仅需进行简单打磨便可返工成功的不良品，但可能存在质检人员对于钣金冲压件的损坏程度的定义有误，导致该钣金冲压件进行简单打磨后仍只能报废，进而使得不良品返工过程中出现资源的浪费，所以，目前亟需一种提升基于质量检测的钣金冲压件分拣效率的方法。
本申请实施例提供一种基于质量检测的钣金冲压件分拣方法，应用于钣金冲压件分拣系统，在本申请基于质量检测的钣金冲压件分拣方法的第一实施例中，参照图1，所述基于质量检测的钣金冲压件分拣方法包括：
步骤S10，获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级；
步骤S20，依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果；
在本实施例中，需要说明的是，所述钣金冲压件分拣系统用于分拣不同质量的钣金冲压件，具体包括冲压设备、冲压过程监测系统、视觉监测系统、钣金件传输系统、激光打标系统、信息识别系统、自动分拣系统以及钣金件追踪系统，其中，冲压设备用于对待检测钣金件进行冲压，具体可以为冲压机等，冲压过程监测系统用于监测冲压过程中的冲压参数，并根据待检测钣金件在冲压过程中的冲压参数所在的冲压参数区间，为钣金冲压件定义冲压质量等级，视觉监测系统为对钣金冲压件的冲压质量等级进行复查的视觉检测设备，具体包括视觉监测机和视觉软件等，钣金件传输系统用于将在所述钣金冲压件分拣系统中传输待检测钣金件，具体可以为生产输送带等，激光打标系统为对钣金冲压件进行冲压质量检测的激光打标设备，具体可以为激光打标机或激光雕刻机等，信息识别系统用于识别冲压质量检测结果，并将生成对应的分拣指令发送至自动分拣系统，具体可以为二维码识别设备等，自动分拣系统用于对钣金冲压件进行分拣，具体可以为自动分拣机设备或自动分拣机器人等，钣金件追踪系统为对钣金冲压件的质量进行记录的质量追踪系统，具体可以为PQM（Process Quality Management，数字质量管理）或TQM（Total QualityManagement，全面质量管理系统）等。
另外地，需要说明的是，所述待检测钣金件为等待进入钣金冲压件分拣系统的金属板材件，具体为冲压前的钣金件，例如铝板、冷轧或热轧钢板，其中，所述钣金冲压件为冲压后的钣金件，钣金件是通过钣金工艺加工出的产品，钣金是一种针对金属薄板（通常在6mm以下）的综合冷加工工艺，所述冲压质量等级用于对钣金冲压件的质量进行定义，具体级数由用户根据生产需求进行划分，例如，在一种可实施的方式中，所述冲压质量等级可划分为甲、乙和丙三级，其中，甲对应的冲压参数区间为a-b，乙对应的冲压参数区间为c-d，丙对应的冲压参数区间为e-f，若此时待检测钣金件在冲压过程中的冲压参数位于e-f，则待检测钣金件对应的钣金冲压件的冲压质量等级为丙级。
另外地，需要说明的是，由于冲压过程中影响冲压参数的因素很多，进而仅凭借冲压参数所在区间确定冲压质量等级，最终通过冲压质量等级对钣金冲压件的质量进行定义，是不完全准确的，所以，需通过视觉检测设备对冲压质量等级进行复查，所述表面信息用于表征所述钣金冲压件对应的图像信息，由视觉检测设备进行采集，具体包括正表面信息和反表面信息，其中，钣金冲压件的正表面为待检测钣金件进行冲压前朝上的面，反之为钣金冲压件的反表面。
作为一种示例，步骤S10至步骤S20包括：获取待检测钣金件，通过所述冲压设备对所述待检测钣金件进行冲压，得到钣金冲压件，以及通过冲压过程监测系统对所述待检测钣金件在冲压过程中的冲压参数进行监测，并根据所述冲压参数所在的冲压参数区间，确定所述钣金冲压件的冲压质量等级，其中，所述冲压参数区间和所述冲压质量等级一一对应；通过所述视觉监测系统对所述钣金冲压件的表面信息进行采集，并通过激光打标系统对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果。
其中，所述依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果的步骤包括：
步骤A10，依据所述表面信息，对所述钣金冲压件进行表面缺陷分类，得到表面缺陷分类结果；
步骤A20，依据所述表面缺陷分类结果和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果。
在本实施例中，需要说明的是，所述冲压质量检测结果为基于钣金冲压件分拣系统确定的所述钣金冲压件的质量，所述表面缺陷分类结果用于表征所述钣金冲压件对应的表面缺陷的类型，由于钣金冲压件的表面缺陷过大或不存在表面缺陷时，均无需对钣金冲压件进行返工操作，所以，钣金冲压件的表面缺陷的类型至少包括无表面缺陷、存在表面缺陷以及表面缺陷过大三种。
作为一种示例，步骤A10至步骤A20包括：通过视觉监测系统采集所述钣金冲压件的表面信息，依据所述表面信息和预设表面缺陷多分类模型，对所述钣金冲压件进行表面缺陷多分类，得到表面缺陷多分类结果，其中，预设表面缺陷多分类模型为多分类模型，用于对钣金冲压件进行表面缺陷分类，所述表面缺陷多分类结果至少包括所述钣金冲压件无表面缺陷、所述钣金冲压件存在表面缺陷以及所述钣金冲压件表面缺陷过大；若所述缺陷多分类结果为存在表面缺陷，则将所述钣金冲压件的缺陷定位信息和所述冲压质量等级共同作为标识码信息，并通过所述激光打标系统依据所述标识码信息对所述钣金冲压件进行打标，得到冲压质量检测结果，其中，所述缺陷定位信息用于定位所述钣金冲压件的表面缺陷，所述标识码信息具体可以为二维码信息等。
在一种可实施的方式中，所述钣金冲压件的冲压质量等级可包括第一冲压质量等级、第二冲压质量等级、第三冲压质量等级、第四冲压质量等级和第五冲压质量等级，其中，所述第一冲压质量等级表征所述钣金冲压件为良品的冲压质量等级，具体可以用等级A表示，所述第二冲压质量等级为表征所述钣金冲压件为无需进行返工的不良品的冲压质量等级，具体可以用等级B表示，所述第三冲压质量等级为表征所述钣金冲压件为只需进行打磨的不良品的冲压质量等级，具体可以用等级C表示，所述第四冲压质量等级为表征所述钣金冲压件为需反向敲打并打磨的不良品的冲压质量等级，具体可以用等级D表示，所述第五冲压质量等级为表征钣金冲压件为需直接报废的不良品的冲压质量等级，具体可以用等级E表示。
所述表面信息具体包括第一表面信息、第二表面信息和第三表面信息、第四表面信息和第五表面信息，所述第一表面信息为冲压质量等级为B的钣金冲压件的表面信息，所述第二表面信息为冲压质量等级为C的钣金冲压件的表面信息，所述第三表面信息为冲压质量等级为D的钣金冲压件的表面信息，也即，由于当钣金冲压件为等级A或等级E时，均表征所述钣金冲压件无需进行返工操作，进而无需通过视觉监测系统对钣金冲压件的表面信息进行采集，其中，所述表面信息对应的缺陷定位信息均用“XnYn”表示。
进而所述冲压质量检测结果可包括第一冲压质量检测结果、第二冲压质量检测结果、第三冲压质量检测结果、第四冲压质量检测结果和第五冲压质量检测结果，其中，第一冲压质量检测结果为钣金冲压件为良品的质量等级，具体可以用“等级A”表示，第二冲压质量检测结果为所述钣金冲压件为无需进行返工的不良品的质量等级，具体可以用“等级B+XnYn”表示，所述第三冲压质量检测结果为所述钣金冲压件为只需进行打磨的不良品的质量等级，具体可以用“等级C+XnYn”表示，所述第四冲压质量检测结果为表征所述钣金冲压件为需反向敲打并打磨的不良品的质量等级，具体可以用“等级D+XnYn”表示，所述第五冲压质量检测结果为钣金冲压件为报废品的质量等级，具体可以用“等级E”表示。
步骤S30，依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱。
在本实施例中，需要说明的是，所述工件箱为具有定义箱内钣金冲压件的质量的标识信息的箱体，箱体的类型与钣金冲压件的冲压质量检测结果相对应，在此不作限定，例如，在一种可实施的方式中，所述工件为具有喷漆标识信息的塑料周转箱，所述喷漆标识信息具体可以为文字信息，所述文字信息具体可以为“待打磨”、“待报废”、“待敲打及打磨”以及“待周转”等。
作为一种示例，步骤S30包括：通过所述信息识别系统识别所述冲压质量检测结果，得到所述冲压质量检测结果对应的指令，根据所述冲压质量检测结果对应的指令，将所述钣金冲压件分拣至对应的工件箱。
其中，所述依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱的步骤包括：
步骤B10，对所述冲压质量检测结果对应的标识码进行扫描，得到标识所述钣金冲压件的冲压质量的标识信息；
步骤B20，依据所述标识信息，将所述钣金冲压件分拣至对应的工件箱。
作为一种示例，步骤B10至步骤B20包括：通过所述信息识别系统对所述冲压质量检测结果对应的标识码进行扫描，得到标识所述钣金冲压件的冲压质量的标识信息；将所述标识信息对应的分拣指令发送至所述自动分拣系统，将所述钣金冲压件分拣至对应的工件箱。
在一种可实施的方式中，所述标识信息包括第一标识信息、第二标识信息、第三标识信息、第四标识信息以及第五标识信息，其中，所述第一标识信息用于标识钣金冲压件的质量为良品，所述第二标识信息用于标识钣金冲压件的质量为无需对待返工区域进行返工的不良品，所述第三标识信息用于标识钣金冲压件的质量为需对钣金冲压件的表面缺陷进行打磨的不良品，所述第四标识信息用于标识钣金冲压件的质量为需对钣金冲压件的表面缺陷进行反向敲打并打磨的不良品，所述第五标识信息用于标识钣金冲压件的质量为报废品。
所述工件箱包括良品箱、第一不良品箱、第二不良品箱、第三不良品箱以及报废品箱，其中，所述良品箱中的钣金冲压件可流转至后续制程，所述第一不良品箱中的钣金冲压件无需进行任何返工，所述第二不良品需进行简单打磨返工，所述第三不良品箱中的钣金冲压件需进行反向敲打及打磨返工，所述报废品箱中的钣金冲压件需进行报废。
进而将第一标识信息对应的钣金冲压件分拣至良品箱，将第二标识信息对应的钣金冲压件分拣至表征无需进行返工的不良品箱，将第三标识信息对应的钣金冲压件分拣至表征进行简单打磨返工的不良品箱，将第四标识信息对应的钣金冲压件分拣至表征进行反向敲打及打磨返工的不良品箱，将第五标识信息对应的钣金冲压件分拣至报废品箱。
其中，在所述依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果的步骤之前，所述基于质量检测的钣金冲压件分拣方法还包括：
步骤C10，获取所述钣金冲压件的钣金冲压件图像，依据所述钣金冲压件图像，检测所述钣金冲压件是否为不良钣金件；
步骤C20，若是，则获取所述钣金冲压件的表面缺陷在所述钣金冲压件的冲压总表面中的冲压分表面；
步骤C30，依据所述冲压分表面的预设定位信息，建立所述钣金冲压件的表面信息。
在本实施例中，需要说明的是，所述不良钣金件为不良品的钣金冲压件，所述钣金冲压件图像为所述视觉监测系统采集的钣金冲压件的图像，包括第一钣金冲压件图像和第二钣金冲压件图像，其中，第一钣金冲压件图像为所述视觉监测系统采集的钣金冲压件的正面图像，所述第二钣金冲压件图像为所述视觉监测系统采集的钣金冲压件的反面图像，可通过传输系统将钣金冲压件图像传输至视觉软件，进而运算分析出不良钣金件。
另外地，需要说明的是，所述冲压总表面为所述视觉监测系统对钣金冲压件图像进行网格化定位的总面积，所述冲压分表面用于表征所述钣金冲压件的表面缺陷在所述冲压总表面的定位网格，其中，所述表面缺陷可以为一处或多处，导致所述钣金冲压件存在表面缺陷的原因可以为一个或多个，参照图2，图2为表示所述视觉监测系统为钣金冲压件的图像进行网格化定位的示意图，其中，“X1-X10”和“Y1-Y10”为预设定位信息，阴影部分为所述冲压总表面，任一“XnYn”所定位的小网格均可以表征冲压分表面，其中，所述预设定位信息用于定位所述冲压总表面的任一冲压分表面。
作为一种示例，步骤C10至步骤C30包括：通过所述视觉监测系统的视觉监测机获取所述钣金冲压件的第一钣金冲压图像和第二钣金冲压图像，进而通过传输系统将所述第一钣金冲压件图像和所述第二钣金冲压图像传输至所述视觉监测系统的视觉软件，监测所述钣金冲压件是否为不良钣金件；若检测出所述的钣金冲压件为所述不良钣金件，则获取所述钣金冲压件的表面缺陷在所述钣金冲压件的冲压总表面中的冲压分表面；将所述冲压分表面的预设定位信息作为所述钣金冲压件的表面信息。
本申请实施例提供了一种基于质量检测的钣金冲压件分拣方法，应用于钣金冲压件分拣系统，也即，本申请首先获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级，也即，实现了在对待检测钣金件进行冲压的过程中得到钣金冲压件的冲压质量等级的目的；进而依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果，也即，由于表面信息能够准确反映钣金冲压件是否存在表面缺陷，进而实现了根据钣金冲压件的表面信息和所述冲压质量等级，精准检测钣金冲压件的冲压质量的目的，进而依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱，实现了根据冲压质量检测结果为钣金加工件匹配对应的工件箱的目的。由于本方法应用于钣金冲压件分拣系统，也即，对于钣金冲压件全过程实现自动化，工作人员仅需将待检测钣金件输入钣金冲压件分拣系统，进而根据工件箱即可实现准确知晓钣金件的质量的目的，而非通过肉眼对钣金冲压件进行冲压质量判别，进而将钣金冲压件分拣至相应的工件想，克服了现有技术中由于受限于质检人员的主观性、局限性以及延续性等原因，导致质检人员进行钣金冲压件分拣的分拣准确性低的技术缺陷，所以，提升了质检人员进行钣金冲压件分拣的分拣准确性。
实施例二
进一步地，参照图3，在本申请另一实施例中，与上述实施例一相同或相似的内容，可以参考上文介绍，后续不再赘述。在此基础上，所述依据所述钣金冲压件图像，检测所述钣金冲压件是否为不良钣金件的步骤包括：
步骤D10，依据预设图像特征提取模型，对所述钣金冲压件图像进行图像特征提取，得到所述钣金冲压件图像的至少一个第一图像特征；
步骤D20，获取标准钣金件图像对应的第二图像特征；
步骤D30，依据所述至少一个第一图像特征和所述第二图像特征，判断所述钣金冲压件中是否为不良钣金件。
在本实施例中，需要说明的是，所述标准钣金件图像为不表征为不良品的钣金冲压件的图像，具体可包括标准良品钣金件图像或标准报废品钣金件图像，可通过钣金冲压件图像和标准钣金件图像之间的相似度和预设相似度阈值之间的大小关系，来判别钣金冲压件是否为标准钣金件图像，若钣金冲压件图像不为标准钣金件图像，则其经过了与标准良品钣金件图像和标准报废品钣金件图像进行一一对比的流程。
作为一种示例，步骤D10至步骤D30包括：通过将所述钣金冲压件图像输入预设图像特征提取模型，得到所述钣金冲压件图像的至少一个第一图像特征，其中，在一种可实施的方式中，将所述钣金冲压件图像均等划分为n个区域后，得到不同图像区域一一对应的各第一图像特征，其中，n可设置为2、3以及4等自然数；通过将所述标准钣金件图像对应的特征提取模型，对整个所述标准钣金件图像进行特征提取，得到所述标准钣金件图像的对应的第二图像特征；分别将各所述第一图像特征和所述第二图像特征进行相似度对比，进而依据相似度对比结果，判断所述钣金冲压件中是否为不良钣金件。
其中，依据相似度对比结果，判断所述钣金冲压件中是否为不良钣金件的步骤包括：
依据相似度对比结果，判断各所述第一图像特征中是否存在与所述第二图像特征相似度大于预设相似度阈值的图像特征，若存在，则判定所述钣金冲压件为不良钣金件，若不存在，则判定所述钣金冲压件不为不良钣金件。
其中，所述依据所述至少一个第一图像特征和所述第二图像特征，判断所述钣金冲压件中是否为不良钣金件的步骤包括：
步骤E10，分别计算各所述第一图像特征和所述第二图像特征之间的特征相似度；
步骤E20，依据所述特征相似度，判断所述钣金冲压件中是否为不良钣金件。
作为一种示例，步骤E10至步骤E20包括：分别计算各所述第一图像特征和所述第二图像特征之间的特征相似度，其中，所述特征相似度为钣金冲压件图像与标准钣金件图像之间的相似程度，所述计算的方式具体可以为通过曼哈顿距离或明可夫斯基等进行计算的方式；将各所述特征相似度与预设特征相似度阈值进行比对，若各所述特征相似度存在至少一个特征相似度大于预设特征相似度阈值，则判定所述钣金冲压件为不良钣金件，若各所述特征相似度均不大于预设特征相似度阈值，则判定所述钣金冲压件不为不良钣金件。
其中，在所述依据预设图像特征提取模型，对所述钣金冲压件图像进行图像特征提取，得到所述钣金冲压件图像的至少一个第一图像特征的步骤之前，基于质量检测的钣金冲压件分拣方法还包括：
步骤F10，获取训练图像样本对应的正例图像样本和对应的至少一个负例图像样本；
步骤F20，基于所述标准钣金件图像对应的图像特征提取模型，对所述正例图像样本进行特征提取，得到正例图像特征；
步骤F30，基于待训练图像特征提取模型，对所述训练图像样本以及各所述负例图像样本进行特征提取，获得所述训练图像样本对应的训练图像特征和各所述负例图像样本对应的负例图像特征；
步骤F40，基于所述训练图像特征和所述正例图像特征之间的差异度以及所述训练图像特征与各所述负例图像特征之间的差异度，构建对比学习损失；
步骤F50，基于所述对比学习损失，迭代优化所述待训练图像特征提取模型，获得预设图像特征提取模型。
在本实施例中，需要说明的是，正例样本为与训练样本隶属同一图像类别的图像样本，负例样本为不与训练隶属同一图像类别的图像样本，所述标准钣金件图像对应的图像特征提取模型为训练好的神经网络提取模型，正例图像特征为标准钣金件图像特征，所述待训练图像特征提取模型为未训练好的神经网络模型。
作为一种示例，步骤F10至步骤F50包括：获取训练图像样本对应的正例图像样本和对应的至少一个负例图像样本；通过将所述正例样本输入至所述标准钣金件图像对应的图像特征提取模型，对所述正例图像样本进行特征提取，以所述正例图像样本映射至预设特征维度，得到所述正例图像样本对应的正例图像特征；通过将所述训练图像样本输入待训练图像特征提取模型，以将训练图像样本映射至预设特征维度，对所述训练图像样本进行特征提取，获得所述训练图像样本对应的训练图像特征，相同，通过将各所述负例图像样本输入待训练图像特征提取模型，以将各所述负例图像样本至预设特征维度，对所述负例图像样本进行特征提取，获得所述负例图像样本对应的负例图像特征；依据所述训练图像特征与所述正例图像特征之间的差异度以及所述训练图像特征与各所述负例图像特征之间的差异度，通过预设对比学习损失计算公式构建对比学习损失；判断所述对比学习的损失是否收敛，若收敛，则将所述待训练图像特征提取模型作为预设图像特征提取模型，若未收敛，则依据所述对比学习损失计算得到的模型梯度以及预设模型更新方法，更新所述待训练图像特征提取模型，其中，所述预设模型更新方法包括梯度下降法和梯度上升法。
本申请实施例提供了一种钣金冲压件图像检测方法，也即，依据预设图像特征提取模型，对所述钣金冲压件图像进行图像特征提取，得到所述钣金冲压件图像的至少一个第一图像特征；获取标准钣金件图像对应的第二图像特征；依据所述至少一个第一图像特征和所述第二图像特征，判断所述钣金冲压件中是否为不良钣金件。由于标准钣金件图像的图像特征能够准确反映钣金件不为不良品时具备的特征，进而通过钣金冲压件图像的图像特征和标准钣金件图像的图像特征，能够准确的判别钣金冲压件中是否为不良钣金件，而非只是进行简单地运算分析，以判断钣金冲压件是否为不良钣金件，所以，克服了现有技术中对钣金冲压件的质量判断准确性低的技术缺陷，所以，为提升对钣金件质量的检测效果奠定了基础。
实施例三
本申请实施例还提供一种基于质量检测的钣金冲压件分拣装置，应用于钣金冲压件分拣系统，所述基于质量检测的钣金冲压件分拣装置包括：
冲压模块，用于获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级；
质量检测模块，用于依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果；
分拣模块，用于依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱。
可选地，所述质量检测模块还用于：
依据所述表面信息，对所述钣金冲压件进行表面缺陷分类，得到表面缺陷分类结果；
依据所述表面缺陷分类结果和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果。
可选地，所述分拣模块还用于：
对所述冲压质量检测结果对应的标识码进行扫描，得到标识所述钣金冲压件的冲压质量的标识信息；
依据所述标识信息，将所述钣金冲压件分拣至对应的工件箱。
可选地，所述基于质量检测的钣金冲压件分拣装置还用于：
获取所述钣金冲压件的钣金冲压件图像，依据所述钣金冲压件图像，检测所述钣金冲压件是否为不良钣金件；
若是，则获取所述钣金冲压件的表面缺陷在所述钣金冲压件的冲压总表面中的冲压分表面；
依据所述冲压分表面的预设定位信息，建立所述钣金冲压件的表面信息。可选地，所述基于质量检测的钣金冲压件分拣装置还用于：
依据预设图像特征提取模型，对所述钣金冲压件图像进行图像特征提取，得到所述钣金冲压件图像的至少一个第一图像特征；
获取标准钣金件图像对应的第二图像特征；
依据所述至少一个第一图像特征和所述第二图像特征，判断所述钣金冲压件中是否为不良钣金件。
可选地，所述基于质量检测的钣金冲压件分拣装置还用于：
分别计算各所述第一图像特征和所述第二图像特征之间的特征相似度；
依据所述特征相似度，判断所述钣金冲压件中是否为不良钣金件。
可选地，所述基于质量检测的钣金冲压件分拣装置还用于：
获取训练图像样本对应的正例图像样本和对应的至少一个负例图像样本；
基于所述标准钣金件图像对应的图像特征提取模型，对所述正例图像样本进行特征提取，得到正例图像特征；
基于待训练图像特征提取模型，对所述训练图像样本以及各所述负例图像样本进行特征提取，获得所述训练图像样本对应的训练图像特征和各所述负例图像样本对应的负例图像特征；
基于所述训练图像特征和所述正例图像特征之间的差异度以及所述训练图像特征与各所述负例图像特征之间的差异度，构建对比学习损失；
基于所述对比学习损失，迭代优化所述待训练图像特征提取模型，获得预设图像特征提取模型。
本发明提供的基于质量检测的钣金冲压件分拣装置，采用上述实施例中的基于质量检测的钣金冲压件分拣方法，解决了质检人员进行钣金冲压件分拣的分拣准确性低的技术问题。与现有技术相比，本发明实施例提供的基于质量检测的钣金冲压件分拣装置的有益效果与上述实施例提供的基于质量检测的钣金冲压件分拣方法的有益效果相同，且该基于质量检测的钣金冲压件分拣装置中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
实施例四
本发明实施例提供一种电子设备，电子设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例一中的基于质量检测的钣金冲压件分拣方法。
下面参考图4，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备可以包括处理装置（例如中央处理器、图形处理器等），其可以根据存储在只读存储器（ROM）中的程序或者从存储装置加载到随机访问存储器（RAM）中的程序而执行各种适当的动作和处理。在RAM中，还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出（I/O）接口也连接至总线。
通常，以下系统可以连接至I/O接口：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置；包括例如磁带、硬盘等的存储装置；以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备，但是应理解的是，并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从ROM被安装。在该计算机程序被处理装置执行时，执行本公开实施例的方法中限定的上述功能。
本发明提供的电子设备，采用上述实施例中的基于质量检测的钣金冲压件分拣方法，解决了质检人员进行钣金冲压件分拣的分拣准确性低的技术问题。与现有技术相比，本发明实施例提供的电子设备的有益效果与上述实施例提供的基于质量检测的钣金冲压件分拣方法的有益效果相同，且该电子设备中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到变化或替换，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所述权利要求的保护范围为准。
实施例五
本实施例提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令，计算机可读程序指令用于执行上述实施例一中的基于质量检测的钣金冲压件分拣方法。
本发明实施例提供的计算机可读存储介质例如可以是U盘，但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的；也可以是单独存在，而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被电子设备执行时，使得电子设备：获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级；依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果；依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。
本发明提供的计算机可读存储介质，存储有用于执行上述基于质量检测的钣金冲压件分拣方法的计算机可读程序指令，解决了质检人员进行钣金冲压件分拣的分拣准确性低的技术问题。与现有技术相比，本发明实施例提供的计算机可读存储介质的有益效果与上述实施例提供的基于质量检测的钣金冲压件分拣方法的有益效果相同，在此不做赘述。
实施例六
本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的基于质量检测的钣金冲压件分拣方法的步骤。
本申请提供的计算机程序产品解决了质检人员进行钣金冲压件分拣的分拣准确性低的技术问题。与现有技术相比，本发明实施例提供的计算机程序产品的有益效果与上述实施例提供的基于质量检测的钣金冲压件分拣方法的有益效果相同，在此不做赘述。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利处理范围内。
Claims (10)
1.一种基于质量检测的钣金冲压件分拣方法，其特征在于，应用于钣金冲压件分拣系统，所述基于质量检测的钣金冲压件分拣方法包括：
获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级；
依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果；
依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱。
2.如权利要求1所述基于质量检测的钣金冲压件分拣方法，其特征在于，所述依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果的步骤包括：
依据所述表面信息，对所述钣金冲压件进行表面缺陷分类，得到表面缺陷分类结果；
依据所述表面缺陷分类结果和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果。
3.如权利要求1所述基于质量检测的钣金冲压件分拣方法，其特征在于，所述依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱的步骤包括：
对所述冲压质量检测结果对应的标识码进行扫描，得到标识所述钣金冲压件的冲压质量的标识信息；
依据所述标识信息，将所述钣金冲压件分拣至对应的工件箱。
4.如权利要求1所述基于质量检测的钣金冲压件分拣方法，其特征在于，在所述依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果的步骤之前，所述基于质量检测的钣金冲压件分拣方法还包括：
获取所述钣金冲压件的钣金冲压件图像，依据所述钣金冲压件图像，检测所述钣金冲压件是否为不良钣金件；
若是，则获取所述钣金冲压件的表面缺陷在所述钣金冲压件的冲压总表面中的冲压分表面；
依据所述冲压分表面的预设定位信息，建立所述钣金冲压件的表面信息。
5.如权利要求4所述基于质量检测的钣金冲压件分拣方法，其特征在于，所述依据所述钣金冲压件图像，检测所述钣金冲压件是否为不良钣金件的步骤包括：
依据预设图像特征提取模型，对所述钣金冲压件图像进行图像特征提取，得到所述钣金冲压件图像的至少一个第一图像特征；
获取标准钣金件图像对应的第二图像特征；
依据所述至少一个第一图像特征和所述第二图像特征，判断所述钣金冲压件中是否为不良钣金件。
6.如权利要求5所述基于质量检测的钣金冲压件分拣方法，其特征在于，所述依据所述至少一个第一图像特征和所述第二图像特征，判断所述钣金冲压件中是否为不良钣金件的步骤包括：
分别计算各所述第一图像特征和所述第二图像特征之间的特征相似度；
依据所述特征相似度，判断所述钣金冲压件中是否为不良钣金件。
7.如权利要求5所述基于质量检测的钣金冲压件分拣方法，其特征在于，在所述依据预设图像特征提取模型，对所述钣金冲压件图像进行图像特征提取，得到所述钣金冲压件图像的至少一个第一图像特征的步骤之前，基于质量检测的钣金冲压件分拣方法还包括：
获取训练图像样本对应的正例图像样本和对应的至少一个负例图像样本；
基于所述标准钣金件图像对应的图像特征提取模型，对所述正例图像样本进行特征提取，得到正例图像特征；
基于待训练图像特征提取模型，对所述训练图像样本以及各所述负例图像样本进行特征提取，获得所述训练图像样本对应的训练图像特征和各所述负例图像样本对应的负例图像特征；
基于所述训练图像特征和所述正例图像特征之间的差异度以及所述训练图像特征与各所述负例图像特征之间的差异度，构建对比学习损失；
基于所述对比学习损失，迭代优化所述待训练图像特征提取模型，获得预设图像特征提取模型。
8.一种基于质量检测的钣金冲压件分拣装置，其特征在于，应用于钣金冲压件分拣系统，所述基于质量检测的钣金冲压件分拣装置包括：
冲压模块，用于获取待检测钣金件，对所述待检测钣金件进行冲压，得到钣金冲压件以及所述钣金冲压件的冲压质量等级；
质量检测模块，用于依据所述钣金冲压件的表面信息和所述冲压质量等级，对所述钣金冲压件进行冲压质量检测，得到冲压质量检测结果；
分拣模块，用于依据所述冲压质量检测结果，将所述钣金冲压件分拣至对应的工件箱。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的基于质量检测的钣金冲压件分拣方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有实现基于质量检测的钣金冲压件分拣方法的程序，所述实现基于质量检测的钣金冲压件分拣方法的程序被处理器执行以实现如权利要求1至7中任一项所述基于质量检测的钣金冲压件分拣方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210764222.5A CN114798495B (zh) | 2022-07-01 | 2022-07-01 | 基于质量检测的钣金冲压件分拣方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210764222.5A CN114798495B (zh) | 2022-07-01 | 2022-07-01 | 基于质量检测的钣金冲压件分拣方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114798495A true CN114798495A (zh) | 2022-07-29 |
| CN114798495B CN114798495B (zh) | 2022-11-11 |
Family
ID=82522320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210764222.5A Active CN114798495B (zh) | 2022-07-01 | 2022-07-01 | 基于质量检测的钣金冲压件分拣方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114798495B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116140215A (zh) * | 2023-04-21 | 2023-05-23 | 济南二机床集团有限公司 | 一种汽车钣金件质检单元、质检系统及质检方法 |
| CN116274562A (zh) * | 2023-03-06 | 2023-06-23 | 佛山市顺德区华峻杨铜业有限公司 | 一种铜制品加工的冲压工艺 |
| CN116777861A (zh) * | 2023-06-15 | 2023-09-19 | 昆山市金康电子有限公司 | 一种激光雕刻机打标质量检测方法及系统 |
| CN117583281A (zh) * | 2023-11-29 | 2024-02-23 | 广州赛志系统科技有限公司 | 板件机器人分拣码垛优化方法、控制系统及分拣生产线 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101216436A (zh) * | 2008-01-03 | 2008-07-09 | 东华大学 | 一种基于支持向量数据描述理论的织物瑕疵自动检测方法 |
| CN102023161A (zh) * | 2009-09-09 | 2011-04-20 | 中芯国际集成电路制造(上海)有限公司 | 获取缺陷图像的方法 |
| CN104392432A (zh) * | 2014-11-03 | 2015-03-04 | 深圳市华星光电技术有限公司 | 基于方向梯度直方图的显示面板缺陷检测方法 |
| CN104634741A (zh) * | 2014-10-22 | 2015-05-20 | 南京航空航天大学 | 一种快速定位缺陷的激光超声检测方法及其系统 |
| CN107530997A (zh) * | 2015-07-17 | 2018-01-02 | 小松产机株式会社 | 冲压系统以及冲压系统的控制方法 |
| CN108422321A (zh) * | 2018-04-28 | 2018-08-21 | 睿力集成电路有限公司 | 化学机械研磨的抛光垫图像检测系统及方法 |
| CN108620483A (zh) * | 2017-03-21 | 2018-10-09 | 南京造币有限公司 | 一种金属薄网冲压成形装置 |
| CN109657279A (zh) * | 2018-11-23 | 2019-04-19 | 湖南天汽模汽车模具技术股份有限公司 | 一种考虑制造因素的热成形件性能可靠性设计方法 |
| CN109977808A (zh) * | 2019-03-11 | 2019-07-05 | 北京工业大学 | 一种晶圆表面缺陷模式检测与分析方法 |
| CN209902044U (zh) * | 2019-03-20 | 2020-01-07 | 深圳市明远精密科技有限公司 | 一种电池帽冲压设备 |
| CN111537517A (zh) * | 2020-05-18 | 2020-08-14 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
| CN112108404A (zh) * | 2020-10-14 | 2020-12-22 | 重庆中烟工业有限责任公司 | 一种烟盒折痕检测装置 |
| CN112934717A (zh) * | 2021-01-22 | 2021-06-11 | 厦门莱特宝光电科技有限公司 | 一种显示器生产检测控制系统 |
| CN112966755A (zh) * | 2021-03-10 | 2021-06-15 | 深圳市固电电子有限公司 | 电感缺陷检测方法、设备及可读存储介质 |
| CN113421263A (zh) * | 2021-08-24 | 2021-09-21 | 深圳市信润富联数字科技有限公司 | 零件缺陷检测方法、设备、介质及计算机程序产品 |
| CN113814331A (zh) * | 2021-08-10 | 2021-12-21 | 天津恒兴机械设备有限公司 | 一种汽车生产线异型钣金件智能检测方法 |
| US20220050940A1 (en) * | 2020-08-17 | 2022-02-17 | Metal Industries Research & Development Centre | Method and system for optimizing metal stamping process parameters |
| CN114433656A (zh) * | 2020-10-30 | 2022-05-06 | 深圳富桂精密工业有限公司 | 冲压异常检测系统 |
| CN216560322U (zh) * | 2021-08-23 | 2022-05-17 | 无锡维胜威信息科技有限公司 | 一种汽车用冲压件自动检测装置 |
-
2022
- 2022-07-01 CN CN202210764222.5A patent/CN114798495B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101216436A (zh) * | 2008-01-03 | 2008-07-09 | 东华大学 | 一种基于支持向量数据描述理论的织物瑕疵自动检测方法 |
| CN102023161A (zh) * | 2009-09-09 | 2011-04-20 | 中芯国际集成电路制造(上海)有限公司 | 获取缺陷图像的方法 |
| CN104634741A (zh) * | 2014-10-22 | 2015-05-20 | 南京航空航天大学 | 一种快速定位缺陷的激光超声检测方法及其系统 |
| CN104392432A (zh) * | 2014-11-03 | 2015-03-04 | 深圳市华星光电技术有限公司 | 基于方向梯度直方图的显示面板缺陷检测方法 |
| WO2016070462A1 (zh) * | 2014-11-03 | 2016-05-12 | 深圳市华星光电技术有限公司 | 基于方向梯度直方图的显示面板缺陷检测方法 |
| CN107530997A (zh) * | 2015-07-17 | 2018-01-02 | 小松产机株式会社 | 冲压系统以及冲压系统的控制方法 |
| CN108620483A (zh) * | 2017-03-21 | 2018-10-09 | 南京造币有限公司 | 一种金属薄网冲压成形装置 |
| CN108422321A (zh) * | 2018-04-28 | 2018-08-21 | 睿力集成电路有限公司 | 化学机械研磨的抛光垫图像检测系统及方法 |
| CN109657279A (zh) * | 2018-11-23 | 2019-04-19 | 湖南天汽模汽车模具技术股份有限公司 | 一种考虑制造因素的热成形件性能可靠性设计方法 |
| CN109977808A (zh) * | 2019-03-11 | 2019-07-05 | 北京工业大学 | 一种晶圆表面缺陷模式检测与分析方法 |
| CN209902044U (zh) * | 2019-03-20 | 2020-01-07 | 深圳市明远精密科技有限公司 | 一种电池帽冲压设备 |
| CN111537517A (zh) * | 2020-05-18 | 2020-08-14 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
| US20220050940A1 (en) * | 2020-08-17 | 2022-02-17 | Metal Industries Research & Development Centre | Method and system for optimizing metal stamping process parameters |
| CN112108404A (zh) * | 2020-10-14 | 2020-12-22 | 重庆中烟工业有限责任公司 | 一种烟盒折痕检测装置 |
| CN114433656A (zh) * | 2020-10-30 | 2022-05-06 | 深圳富桂精密工业有限公司 | 冲压异常检测系统 |
| CN112934717A (zh) * | 2021-01-22 | 2021-06-11 | 厦门莱特宝光电科技有限公司 | 一种显示器生产检测控制系统 |
| CN112966755A (zh) * | 2021-03-10 | 2021-06-15 | 深圳市固电电子有限公司 | 电感缺陷检测方法、设备及可读存储介质 |
| CN113814331A (zh) * | 2021-08-10 | 2021-12-21 | 天津恒兴机械设备有限公司 | 一种汽车生产线异型钣金件智能检测方法 |
| CN216560322U (zh) * | 2021-08-23 | 2022-05-17 | 无锡维胜威信息科技有限公司 | 一种汽车用冲压件自动检测装置 |
| CN113421263A (zh) * | 2021-08-24 | 2021-09-21 | 深圳市信润富联数字科技有限公司 | 零件缺陷检测方法、设备、介质及计算机程序产品 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116274562A (zh) * | 2023-03-06 | 2023-06-23 | 佛山市顺德区华峻杨铜业有限公司 | 一种铜制品加工的冲压工艺 |
| CN116140215A (zh) * | 2023-04-21 | 2023-05-23 | 济南二机床集团有限公司 | 一种汽车钣金件质检单元、质检系统及质检方法 |
| CN116777861A (zh) * | 2023-06-15 | 2023-09-19 | 昆山市金康电子有限公司 | 一种激光雕刻机打标质量检测方法及系统 |
| CN116777861B (zh) * | 2023-06-15 | 2023-11-14 | 昆山市金康电子有限公司 | 一种激光雕刻机打标质量检测方法及系统 |
| CN117583281A (zh) * | 2023-11-29 | 2024-02-23 | 广州赛志系统科技有限公司 | 板件机器人分拣码垛优化方法、控制系统及分拣生产线 |
| CN117583281B (zh) * | 2023-11-29 | 2024-04-19 | 广州赛志系统科技有限公司 | 板件机器人分拣码垛优化方法、控制系统及分拣生产线 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114798495B (zh) | 2022-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114798495B (zh) | 基于质量检测的钣金冲压件分拣方法、装置、设备及介质 | |
| JP7138753B2 (ja) | 画像欠陥検出方法、装置、電子機器、記憶媒体および製品 | |
| JP5718781B2 (ja) | 画像分類装置および画像分類方法 | |
| WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
| CN114926462A (zh) | 一种金属材料表面缺陷的智能检测方法及系统 | |
| CN103544554A (zh) | 在核电站中评估操作人员的程序遵从度的系统以及方法 | |
| CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
| CN114782451A (zh) | 工件缺陷检测方法、装置、电子设备及可读存储介质 | |
| CN117152860A (zh) | 一种施工巡检方法、系统及存储介质 | |
| JP6795562B2 (ja) | 検査装置及び機械学習方法 | |
| KR102701507B1 (ko) | 스크랩 판별 시스템 및, 스크랩 판별 방법 | |
| CN111062827B (zh) | 一种基于人工智能模式的工程监理方法 | |
| CN113218328A (zh) | 基于三维激光扫描的设备检修方法、装置、设备及介质 | |
| CN110826306B (zh) | 数据采集的方法、装置、计算机可读存储介质及电子设备 | |
| CN111562042A (zh) | 一种地下车库施工中的安全信息监控方法及监控系统 | |
| CN113469086B (zh) | 建筑平面图中的区域划分方法、装置、设备及介质 | |
| CN115293735A (zh) | 一种无人工厂工业互联网平台监测管理方法及系统 | |
| CN114255339A (zh) | 一种输电导线断点识别方法、设备及存储介质 | |
| CN114418951A (zh) | 一种焊盘检测方法、装置、计算机设备及存储介质 | |
| CN109358589B (zh) | 可量化光学特性管控方法、装置及可读存储介质 | |
| CN117710118B (zh) | 一种智能理赔分析方法及系统 | |
| CN117056686B (zh) | 一种检测压力容器表面缺陷的告警方法及系统 | |
| CN118521586B (zh) | 基于机器视觉的产品视觉检测装置及方法 | |
| CN112307090B (zh) | 基于隧道安全数据的检测方法及系统 | |
| CN114997995A (zh) | 一种贷款业务数据处理方法及装置 |
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 |