CN115112183A - 一种用于异形机械零件尺寸检测系统 - Google Patents
一种用于异形机械零件尺寸检测系统 Download PDFInfo
- Publication number
- CN115112183A CN115112183A CN202211045150.5A CN202211045150A CN115112183A CN 115112183 A CN115112183 A CN 115112183A CN 202211045150 A CN202211045150 A CN 202211045150A CN 115112183 A CN115112183 A CN 115112183A
- Authority
- CN
- China
- Prior art keywords
- special
- detection
- monitoring
- gray
- coefficient
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于零件检测领域,涉及数据分析技术,用于对现有的用于异形机械零件尺寸检测系统无法结合异形机械零件的表面状态对零件的整体加工质量进行评价的问题,具体是一种用于异形机械零件尺寸检测系统,所述检测平台通信连接有尺寸检测模块、表面检测模块、质量评级模块以及存储模块;所述尺寸检测模块用于对异形机械零件进行加工尺寸精度监测:将进行加工尺寸精度监测的同一批次的异形机械零件标记为监测对象;本发明通过尺寸检测模块可以对异形机械零件进行加工尺寸精度监测,通过图像拍摄与图像分析技术,将监测对象的图像与标准图像进行灰度比对,通过灰度比对结果对零件的尺寸是否合格进行判定,提高尺寸检测精度。
Description
技术领域
本发明属于零件检测领域,涉及数据分析技术,具体是一种用于异形机械零件尺寸检测系统。
背景技术
随着工业生产的发展,为了满足不同机械设备的需求,越来越多的异形零件应运而生,在异形零件生产的过程中因为其外形的独特性,这就导致了异形零件的尺寸难以进行检测。
现有的用于异形机械零件尺寸检测系统仅能够对单个异形机械零件的尺寸进行检测,但是无法结合异形机械零件的表面状态对零件的整体加工质量进行评价。
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种用于异形机械零件尺寸检测系统,用于对现有的用于异形机械零件尺寸检测系统无法结合异形机械零件的表面状态对零件的整体加工质量进行评价的问题;
本发明需要解决的技术问题为:如何提供一种可以对零件的整体加工质量进行评价的异形机械零件尺寸检测系统。
本发明的目的可以通过以下技术方案实现:
一种用于异形机械零件尺寸检测系统,包括检测平台,所述检测平台通信连接有尺寸检测模块、表面检测模块、质量评级模块以及存储模块;
所述尺寸检测模块用于对异形机械零件进行加工尺寸精度监测:将进行加工尺寸精度监测的同一批次的异形机械零件标记为监测对象i,i=1,2,…,n,n为正整数,对监测对象i进行图像拍摄得到监测图像i,将监测图像放大为像素格图像并进行灰度变换得到像素格的灰度值,通过存储模块获取到监测对象i的标准图像i,将监测对象i的像素格灰度值与标准图像i的像素格灰度值进行比较并通过比较结果对监测对象的尺寸检测结果是否合格进行判定;
表面检测模块用于对异形机械零件进行表面污垢与刮痕监测;
所述质量评级模块用于对异形机械零件的整体加工等级进行分析评定。
作为本发明的一种优选实施方式,监测对象i的像素格灰度值与标准图像i的像素格灰度值进行比较的具体过程包括:将监测图像与标准图像进行重合并选取一个像素格并标记为检测格,将检测格在监测图像与标准图像中的灰度值分别标记为监测灰度值JC与标准灰度值BZ,通过公式BZmin=t1*BZ与公式BZmax=t2*BZ得到标准阈值BZmin与BZmax,其中t1与t2均为比例系数,且0.75≤t1≤0.85,1.15≤t2≤1.25;将监测灰度值JC与标准阈值BZmin、BZmax进行比较:若BZmin≤JC≤BZmax,则将对应的检测格标记为正常格;若JC<BZmin或JC>BZmax,则将对应的检测格标记为异常格;将所有的像素格均标记为检测格并进行阈值比较之后,将异常格的数量与正常格的数量的比值标记为异常比YC,通过存储模块获取到异常阈值YCmax,将异常比YC与异常阈值YCmax进行比较:若异常比YC大于等于异常阈值YCmax,则判定监测对象的尺寸检测结果为不合格,尺寸检测模块向检测平台发送尺寸不合格信号;若异常比YC小于异常阈值YCmax,则判定监测对象的尺寸检测结果为合格,尺寸检测模块向检测平台发送尺寸合格信号。
作为本发明的一种优选实施方式,表面检测模块对异形机械零件进行表面污垢与刮痕监测的具体过程包括:通过存储模块获取到灰度阈值,将监测图像i的灰度值逐一与灰度阈值进行比较:若灰度值大于等于灰度阈值,则将对应的像素格标记为干净格;若灰度值小于灰度阈值,则将对应的像素格标记为污染格;获取污染格的数量并将污染格的数量与像素格的总数量的比值标记为污染比WR;获取监测对象表面的刮痕数量并标记为GH,通过对WR与GH进行数值计算得到监测对象的表面系数BM;通过存储模块获取到表面阈值BMmax,将监测对象的表面系数BM与表面阈值BMmax进行比较并通过比较结果对监测对象的表面检测结果是否合格进行判定。
作为本发明的一种优选实施方式,监测对象的表面系数BM与表面阈值BMmax进行比较的具体过程包括:若表面系数BM小于表面阈值BMmax,则判定监测对象的表面检测结果合格,表面检测模块向检测平台发送表面合格信号;若表面系数BM大于等于表面阈值BMmax,则判定监测对象的表面检测结果不合格,表面检测模块向检测平台发送表面不合格信号。
作为本发明的一种优选实施方式,质量评级模块对异形机械零件的整体加工等级进行分析评定的具体过程包括:获取监测对象的异常比YC与表面系数BM,通过对异常比YC与表面系数BM进行数值计算得到监测对象的评级系数PJ;通过存储模块获取到评级阈值PJmin、PJmax,将评级系数PJ与评级阈值PJmin、PJmax进行比较:若PJ≤PJmin,则判定监测对象的质量等级标记为一等级;若PJmin<PJ<PJmax,则判定监测对象的质量等级标记为二等级;若PJ≥PJmax,则判定监测对象的质量等级标记为三等级;在同一批次的异形机械零件全部通过尺寸检测与表面检测之后,将质量等级为一等级、二等级以及三等级的监测对象的数量分别标记为YD、ED以及SD;通过对YD、ED以及SD进行数值计算得到整体系数ZT,通过存储模块获取到整体阈值ZTmin,将整体系数ZT与整体阈值ZTmin进行比较并通过比较结果对异形机械零件的整体质量检测结果是否合格进行判定。
作为本发明的一种优选实施方式,整体系数ZT与整体阈值ZTmin进行比较的具体过程包括:若整体系数ZT小于整体阈值ZTmin,则判定异形机械零件的整体加工质量不合格,质量评级模块向检测平台发送质量不合格信号;若整体系数ZT大于等于整体阈值ZTmin,则判定异形机械零件的整体加工质量合格,质量评级模块向检测平台发送质量合格信号。
作为本发明的一种优选实施方式,该用于异形机械零件尺寸检测系统的工作方法,包括以下步骤:
步骤一:对异形机械零件进行加工尺寸精度监测,将进行加工尺寸精度监测的同一批次的异形机械零件标记为监测对象,对监测对象进行图像拍摄得到监测图像,将监测图像放大为像素格图像并进行灰度变换得到像素格的灰度值,通过存储模块获取到监测对象的标准图像,将监测对象的像素格灰度值与标准图像的像素格灰度值进行比较并得到异常比,通过异常比的数值大小对监测对象的尺寸检测结果是否合格进行判定;
步骤二:对异形机械零件进行表面污垢与刮痕监测,通过存储模块获取到灰度阈值,将监测图像的灰度值逐一与灰度阈值进行比较并通过比较结果将像素格标记为干净格或污染格,通过污染格在总像素格中的数量占比对监测对象的表面检测结果是否合格进行判定;
步骤三:对异形机械零件的整体加工等级进行分析并得到评级系数,通过评级系数的数值大小将监测对象的质量等级标记为一等级、二等级或三等级;通过对质量等级为一等级、二等级以及三等级的监测对象的数量进行数值计算得到整体系数,通过整体系数的数值大小对整体质量检查是否合格进行判定。
本发明具备下述有益效果:
1、通过尺寸检测模块可以对异形机械零件进行加工尺寸精度监测,通过图像拍摄与图像分析技术,将监测对象的图像与标准图像进行灰度比对,通过灰度比对结果对零件的尺寸是否合格进行判定,提高尺寸检测精度;
2、通过表面检测模块可以对异形机械零件进行表面污垢与刮痕监测,通过对污染比与刮痕数量进行数值计算得到监测对象的表面系数,通过表面系数的数值大小对异形机械零件的表面污垢、刮痕状态是否满足要求进行判定;
3、通过质量评级模块可以对异形机械零件的整体加工等级进行分析评定,将监测对象的质量等级按照评级系数的数值大小标记为一等级、二等级或三等级,进而通过一等级、二等级以及三等级的监测对象的数量对异形机械零件的整体加工质量进行评价。
附图说明
为了更清楚地说明本发明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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一的系统框图;
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明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前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
如图1所示,一种用于异形机械零件尺寸检测系统,包括检测平台,检测平台通信连接有尺寸检测模块、表面检测模块、质量评级模块以及存储模块。
尺寸检测模块用于对异形机械零件进行加工尺寸精度监测:将进行加工尺寸精度监测的同一批次的异形机械零件标记为监测对象i,i=1,2,…,n,n为正整数,对监测对象i进行图像拍摄得到监测图像i,将监测图像放大为像素格图像并进行灰度变换得到像素格的灰度值,通过存储模块获取到监测对象i的标准图像i,将监测对象i的像素格灰度值与标准图像i的像素格灰度值进行比较:将监测图像与标准图像进行重合并选取一个像素格并标记为检测格,将检测格在监测图像与标准图像中的灰度值分别标记为监测灰度值JC与标准灰度值BZ,通过公式BZmin=t1*BZ与公式BZmax=t2*BZ得到标准阈值BZmin与BZmax,其中t1与t2均为比例系数,且0.75≤t1≤0.85,1.15≤t2≤1.25;将监测灰度值JC与标准阈值BZmin、BZmax进行比较:若BZmin≤JC≤BZmax,则将对应的检测格标记为正常格;若JC<BZmin或JC>BZmax,则将对应的检测格标记为异常格;将所有的像素格均标记为检测格并进行阈值比较之后,将异常格的数量与正常格的数量的比值标记为异常比YC,通过存储模块获取到异常阈值YCmax,将异常比YC与异常阈值YCmax进行比较:若异常比YC大于等于异常阈值YCmax,则判定监测对象的尺寸检测结果为不合格,尺寸检测模块向检测平台发送尺寸不合格信号;若异常比YC小于异常阈值YCmax,则判定监测对象的尺寸检测结果为合格,尺寸检测模块向检测平台发送尺寸合格信号;对异形机械零件进行加工尺寸精度监测,通过图像拍摄与图像分析技术,将监测对象的图像与标准图像进行灰度比对,通过灰度比对结果对零件的尺寸是否合格进行判定,提高尺寸检测精度。
表面检测模块用于对异形机械零件进行表面污垢与刮痕监测:通过存储模块获取到灰度阈值,将监测图像i的灰度值逐一与灰度阈值进行比较:若灰度值大于等于灰度阈值,则将对应的像素格标记为干净格;若灰度值小于灰度阈值,则将对应的像素格标记为污染格;获取污染格的数量并将污染格的数量与像素格的总数量的比值标记为污染比WR;获取监测对象表面的刮痕数量并标记为GH,通过公式BM=α1*WR+α2*GH得到监测对象的表面系数BM,其中α1与α2均为比例系数,且α1>α2>1;通过存储模块获取到表面阈值BMmax,将监测对象的表面系数BM与表面阈值BMmax进行比较:若表面系数BM小于表面阈值BMmax,则判定监测对象的表面检测结果合格,表面检测模块向检测平台发送表面合格信号;若表面系数BM大于等于表面阈值BMmax,则判定监测对象的表面检测结果不合格,表面检测模块向检测平台发送表面不合格信号;对异形机械零件进行表面污垢与刮痕监测,通过对污染比与刮痕数量进行数值计算得到监测对象的表面系数,通过表面系数的数值大小对异形机械零件的表面污垢、刮痕状态是否满足要求进行判定。
质量评级模块用于对异形机械零件的整体加工等级进行分析评定:获取监测对象的异常比YC与表面系数BM,通过公式PJ=β1*YC+α2*BM得到监测对象的评级系数PJ,其中β1与β2均为比例系数,且β1>β2>1;通过存储模块获取到评级阈值PJmin、PJmax,将评级系数PJ与评级阈值PJmin、PJmax进行比较:若PJ≤PJmin,则判定监测对象的质量等级标记为一等级;若PJmin<PJ<PJmax,则判定监测对象的质量等级标记为二等级;若PJ≥PJmax,则判定监测对象的质量等级标记为三等级;在同一批次的异形机械零件全部通过尺寸检测与表面检测之后,将质量等级为一等级、二等级以及三等级的监测对象的数量分别标记为YD、ED以及SD;通过公式ZT=γ1*YD+γ2*ED+γ3*SD得到整体系数ZT,其中γ1、γ2以及γ3均为比例系数,且γ1>γ2>γ3>1;通过存储模块获取到整体阈值ZTmin,将整体系数ZT与整体阈值ZTmin进行比较:若整体系数ZT小于整体阈值ZTmin,则判定异形机械零件的整体加工质量不合格,质量评级模块向检测平台发送质量不合格信号;若整体系数ZT大于等于整体阈值ZTmin,则判定异形机械零件的整体加工质量合格,质量评级模块向检测平台发送质量合格信号;对异形机械零件的整体加工等级进行分析评定,将监测对象的质量等级按照评级系数的数值大小标记为一等级、二等级或三等级,进而通过一等级、二等级以及三等级的监测对象的数量对异形机械零件的整体加工质量进行评价。
实施例二
如图2所示,一种用于异形机械零件尺寸检测方法,包括以下步骤:
步骤一:对异形机械零件进行加工尺寸精度监测,将进行加工尺寸精度监测的同一批次的异形机械零件标记为监测对象,对监测对象进行图像拍摄得到监测图像,将监测图像放大为像素格图像并进行灰度变换得到像素格的灰度值,通过存储模块获取到监测对象的标准图像,将监测对象的像素格灰度值与标准图像的像素格灰度值进行比较并得到异常比,通过异常比的数值大小对监测对象的尺寸检测结果是否合格进行判定;
步骤二:对异形机械零件进行表面污垢与刮痕监测,通过存储模块获取到灰度阈值,将监测图像的灰度值逐一与灰度阈值进行比较并通过比较结果将像素格标记为干净格或污染格,通过污染格在总像素格中的数量占比对监测对象的表面检测结果是否合格进行判定;
步骤三:对异形机械零件的整体加工等级进行分析并得到评级系数,通过评级系数的数值大小将监测对象的质量等级标记为一等级、二等级或三等级;通过对质量等级为一等级、二等级以及三等级的监测对象的数量进行数值计算得到整体系数,通过整体系数的数值大小对整体质量检查是否合格进行判定。
一种用于异形机械零件尺寸检测系统,工作时,对异形机械零件进行加工尺寸精度监测,将进行加工尺寸精度监测的同一批次的异形机械零件标记为监测对象,对监测对象进行图像拍摄得到监测图像,将监测图像放大为像素格图像并进行灰度变换得到像素格的灰度值,通过存储模块获取到监测对象的标准图像,将监测对象的像素格灰度值与标准图像的像素格灰度值进行比较并得到异常比,通过异常比的数值大小对监测对象的尺寸检测结果是否合格进行判定;对异形机械零件进行表面污垢与刮痕监测,通过存储模块获取到灰度阈值,将监测图像的灰度值逐一与灰度阈值进行比较并通过比较结果将像素格标记为干净格或污染格,通过污染格在总像素格中的数量占比对监测对象的表面检测结果是否合格进行判定;对异形机械零件的整体加工等级进行分析并得到评级系数,通过评级系数的数值大小将监测对象的质量等级标记为一等级、二等级或三等级;通过对质量等级为一等级、二等级以及三等级的监测对象的数量进行数值计算得到整体系数,通过整体系数的数值大小对整体质量检查是否合格进行判定。
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。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式ZT=γ1*YD+γ2*ED+γ3*SD;由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的整体系数;将设定的整体系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到γ1、γ2以及γ3的取值分别为5.27、3.42和2.35;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的有害系数;只要不影响参数与量化后数值的比例关系即可,如整体系数与一等级的监测对象的数量成正比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、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。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种用于异形机械零件尺寸检测系统,包括检测平台,其特征在于,所述检测平台通信连接有尺寸检测模块、表面检测模块、质量评级模块以及存储模块;
所述尺寸检测模块用于对异形机械零件进行加工尺寸精度监测:将进行加工尺寸精度监测的同一批次的异形机械零件标记为监测对象i,i=1,2,…,n,n为正整数,对监测对象i进行图像拍摄得到监测图像i,将监测图像放大为像素格图像并进行灰度变换得到像素格的灰度值,通过存储模块获取到监测对象i的标准图像i,将监测对象i的像素格灰度值与标准图像i的像素格灰度值进行比较并通过比较结果对监测对象的尺寸检测结果是否合格进行判定;
表面检测模块用于对异形机械零件进行表面污垢与刮痕监测;
所述质量评级模块用于对异形机械零件的整体加工等级进行分析评定。
2.根据权利要求1所述的一种用于异形机械零件尺寸检测系统,其特征在于,监测对象i的像素格灰度值与标准图像i的像素格灰度值进行比较的具体过程包括:将监测图像与标准图像进行重合并选取一个像素格并标记为检测格,将检测格在监测图像与标准图像中的灰度值分别标记为监测灰度值JC与标准灰度值BZ,通过公式BZmin=t1*BZ与公式BZmax=t2*BZ得到标准阈值BZmin与BZmax,其中t1与t2均为比例系数,且0.75≤t1≤0.85,1.15≤t2≤1.25;将监测灰度值JC与标准阈值BZmin、BZmax进行比较:若BZmin≤JC≤BZmax,则将对应的检测格标记为正常格;若JC<BZmin或JC>BZmax,则将对应的检测格标记为异常格;将所有的像素格均标记为检测格并进行阈值比较之后,将异常格的数量与正常格的数量的比值标记为异常比YC,通过存储模块获取到异常阈值YCmax,将异常比YC与异常阈值YCmax进行比较:若异常比YC大于等于异常阈值YCmax,则判定监测对象的尺寸检测结果为不合格,尺寸检测模块向检测平台发送尺寸不合格信号;若异常比YC小于异常阈值YCmax,则判定监测对象的尺寸检测结果为合格,尺寸检测模块向检测平台发送尺寸合格信号。
3.根据权利要求2所述的一种用于异形机械零件尺寸检测系统,其特征在于,表面检测模块对异形机械零件进行表面污垢与刮痕监测的具体过程包括:通过存储模块获取到灰度阈值,将监测图像i的灰度值逐一与灰度阈值进行比较:若灰度值大于等于灰度阈值,则将对应的像素格标记为干净格;若灰度值小于灰度阈值,则将对应的像素格标记为污染格;获取污染格的数量并将污染格的数量与像素格的总数量的比值标记为污染比WR;获取监测对象表面的刮痕数量并标记为GH,通过对WR与GH进行数值计算得到监测对象的表面系数BM;通过存储模块获取到表面阈值BMmax,将监测对象的表面系数BM与表面阈值BMmax进行比较并通过比较结果对监测对象的表面检测结果是否合格进行判定。
4.根据权利要求3所述的一种用于异形机械零件尺寸检测系统,其特征在于,监测对象的表面系数BM与表面阈值BMmax进行比较的具体过程包括:若表面系数BM小于表面阈值BMmax,则判定监测对象的表面检测结果合格,表面检测模块向检测平台发送表面合格信号;若表面系数BM大于等于表面阈值BMmax,则判定监测对象的表面检测结果不合格,表面检测模块向检测平台发送表面不合格信号。
5.根据权利要求4所述的一种用于异形机械零件尺寸检测系统,其特征在于,质量评级模块对异形机械零件的整体加工等级进行分析评定的具体过程包括:获取监测对象的异常比YC与表面系数BM,通过对异常比YC与表面系数BM进行数值计算得到监测对象的评级系数PJ;通过存储模块获取到评级阈值PJmin、PJmax,将评级系数PJ与评级阈值PJmin、PJmax进行比较:若PJ≤PJmin,则判定监测对象的质量等级标记为一等级;若PJmin<PJ<PJmax,则判定监测对象的质量等级标记为二等级;若PJ≥PJmax,则判定监测对象的质量等级标记为三等级;在同一批次的异形机械零件全部通过尺寸检测与表面检测之后,将质量等级为一等级、二等级以及三等级的监测对象的数量分别标记为YD、ED以及SD;通过对YD、ED以及SD进行数值计算得到整体系数ZT,通过存储模块获取到整体阈值ZTmin,将整体系数ZT与整体阈值ZTmin进行比较并通过比较结果对异形机械零件的整体质量检测结果是否合格进行判定。
6.根据权利要求5所述的一种用于异形机械零件尺寸检测系统,其特征在于,整体系数ZT与整体阈值ZTmin进行比较的具体过程包括:若整体系数ZT小于整体阈值ZTmin,则判定异形机械零件的整体加工质量不合格,质量评级模块向检测平台发送质量不合格信号;若整体系数ZT大于等于整体阈值ZTmin,则判定异形机械零件的整体加工质量合格,质量评级模块向检测平台发送质量合格信号。
7.根据权利要求1-6任一项所述的一种用于异形机械零件尺寸检测系统,其特征在于,该用于异形机械零件尺寸检测系统的工作方法,包括以下步骤:
步骤一:对异形机械零件进行加工尺寸精度监测,将进行加工尺寸精度监测的同一批次的异形机械零件标记为监测对象,对监测对象进行图像拍摄得到监测图像,将监测图像放大为像素格图像并进行灰度变换得到像素格的灰度值,通过存储模块获取到监测对象的标准图像,将监测对象的像素格灰度值与标准图像的像素格灰度值进行比较并得到异常比,通过异常比的数值大小对监测对象的尺寸检测结果是否合格进行判定;
步骤二:对异形机械零件进行表面污垢与刮痕监测,通过存储模块获取到灰度阈值,将监测图像的灰度值逐一与灰度阈值进行比较并通过比较结果将像素格标记为干净格或污染格,通过污染格在总像素格中的数量占比对监测对象的表面检测结果是否合格进行判定;
步骤三:对异形机械零件的整体加工等级进行分析并得到评级系数,通过评级系数的数值大小将监测对象的质量等级标记为一等级、二等级或三等级;通过对质量等级为一等级、二等级以及三等级的监测对象的数量进行数值计算得到整体系数,通过整体系数的数值大小对整体质量检查是否合格进行判定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211045150.5A CN115112183A (zh) | 2022-08-30 | 2022-08-30 | 一种用于异形机械零件尺寸检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211045150.5A CN115112183A (zh) | 2022-08-30 | 2022-08-30 | 一种用于异形机械零件尺寸检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115112183A true CN115112183A (zh) | 2022-09-27 |
Family
ID=83335977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211045150.5A Pending CN115112183A (zh) | 2022-08-30 | 2022-08-30 | 一种用于异形机械零件尺寸检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115112183A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117191809A (zh) * | 2023-08-30 | 2023-12-08 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
CN117893535A (zh) * | 2024-03-14 | 2024-04-16 | 大连保税区金宝至电子有限公司 | 自动调用尺寸检测方法、系统和电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1774721A (zh) * | 2003-04-16 | 2006-05-17 | 热生物之星公司 | 阵列元件的检测、解析及识别 |
CN110345879A (zh) * | 2018-04-02 | 2019-10-18 | 西安电子科技大学 | 一种机械零件在线检测方法与设备 |
CN111189387A (zh) * | 2020-01-02 | 2020-05-22 | 西安工程大学 | 一种基于机器视觉的工业零件尺寸检测方法 |
CN113052830A (zh) * | 2021-04-07 | 2021-06-29 | 深圳市磐锋精密技术有限公司 | 一种基于大数据的产品性能检测系统 |
CN114049035A (zh) * | 2021-11-24 | 2022-02-15 | 深圳市领志光机电自动化系统有限公司 | 一种基于互联网的自动点胶监测系统及方法 |
-
2022
- 2022-08-30 CN CN202211045150.5A patent/CN115112183A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1774721A (zh) * | 2003-04-16 | 2006-05-17 | 热生物之星公司 | 阵列元件的检测、解析及识别 |
CN110345879A (zh) * | 2018-04-02 | 2019-10-18 | 西安电子科技大学 | 一种机械零件在线检测方法与设备 |
CN111189387A (zh) * | 2020-01-02 | 2020-05-22 | 西安工程大学 | 一种基于机器视觉的工业零件尺寸检测方法 |
CN113052830A (zh) * | 2021-04-07 | 2021-06-29 | 深圳市磐锋精密技术有限公司 | 一种基于大数据的产品性能检测系统 |
CN114049035A (zh) * | 2021-11-24 | 2022-02-15 | 深圳市领志光机电自动化系统有限公司 | 一种基于互联网的自动点胶监测系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117191809A (zh) * | 2023-08-30 | 2023-12-08 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
CN117191809B (zh) * | 2023-08-30 | 2024-03-22 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
CN117893535A (zh) * | 2024-03-14 | 2024-04-16 | 大连保税区金宝至电子有限公司 | 自动调用尺寸检测方法、系统和电子设备 |
CN117893535B (zh) * | 2024-03-14 | 2024-06-04 | 大连保税区金宝至电子有限公司 | 自动调用尺寸检测方法、系统和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115112183A (zh) | 一种用于异形机械零件尺寸检测系统 | |
CN110555596B (zh) | 一种基于配电物资质量评价的抽检策略制定方法及系统 | |
CN113838054B (zh) | 基于人工智能的机械零件表面损伤检测方法 | |
CN111275307A (zh) | 一种水质自动在线站高频连续观测数据质量控制方法 | |
CN111650346A (zh) | 大气污染监测数据的自动审核方法、装置及电子设备 | |
CN115491861B (zh) | 一种基于大数据的洁净服清洗管理系统 | |
CN117932501B (zh) | 一种电能表运行状态管理方法和系统 | |
CN113406524A (zh) | 一种动力电池系统的不一致性故障诊断方法及系统 | |
CN118051863B (zh) | 一种基于数字计量技术的健康数据采集系统及方法 | |
CN110310258B (zh) | 一种混凝土构件钢筋锈蚀程度的评定方法 | |
CN116844315A (zh) | 人工智能预警方法、系统及存储介质 | |
CN113990477B (zh) | 一种基于云平台的大数据智能健康监护系统 | |
CN112749893B (zh) | 一种基于云计算的数据挖掘服务平台 | |
CN117274827B (zh) | 一种智慧环境环保远程实时监测预警方法及系统 | |
CN113837591A (zh) | 一种面向多工况运行条件的装备健康评估方法 | |
CN114019139A (zh) | 一种农用地土壤重金属异常数据的探测方法 | |
CN116204390B (zh) | 基于数据分析的印章监控管理方法及系统 | |
CN116778520A (zh) | 一种海量证照数据质量检验方法 | |
CN114820611B (zh) | 基于人工智能的机械零件质量评估方法及系统 | |
CN115115626A (zh) | 一种机械零件缺陷检测系统及检测方法 | |
CN114596296A (zh) | 一种高灵敏度的热轧钢卷端面缺陷识别系统及方法 | |
CN112445632A (zh) | 基于故障数据建模的hpc可靠性评估方法 | |
CN117809083B (zh) | 一种基于红外或紫外图像的电缆接头故障检测方法及系统 | |
CN117849556B (zh) | 一种驱动电机位置传感器的局放智能预警系统 | |
CN113689432B (zh) | 识别特殊点状类缺陷的检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220927 |