CN115903704A - 智能工业产品加工控制方法、系统、介质、设备及应用 - Google Patents
智能工业产品加工控制方法、系统、介质、设备及应用 Download PDFInfo
- Publication number
- CN115903704A CN115903704A CN202211508447.0A CN202211508447A CN115903704A CN 115903704 A CN115903704 A CN 115903704A CN 202211508447 A CN202211508447 A CN 202211508447A CN 115903704 A CN115903704 A CN 115903704A
- Authority
- CN
- China
- Prior art keywords
- product
- module
- processing
- image
- products
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 204
- 238000000034 method Methods 0.000 title claims abstract description 118
- 239000000463 material Substances 0.000 claims abstract description 100
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 230000003993 interaction Effects 0.000 claims description 17
- 238000007599 discharging Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000005303 weighing Methods 0.000 claims description 9
- 238000004886 process control Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000011895 specific detection Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012994 industrial processing Methods 0.000 abstract description 2
- 230000001360 synchronised effect Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012840 feeding operation Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Manipulator (AREA)
Abstract
本发明属于工业加工智能控制技术领域,公开了一种智能工业产品加工控制方法、系统、介质、设备及应用,包括中央处理和控制模块、物料选取模块、上料模块、传输模块、定位模块、产品加工模块、移出模块、产品检测模块、下料模块、自动摆放模块和人机交互模块。本发明可以根据设定程序选择不同型号规格的产品物料进行使用,可以适用于多规格产品的同步生产,原理简单、智能化程度高、适应范围广,在多规格产品加工中,利用变量参数直接控制参数化实体以及直接或间接控制加工程序,从而达到减少冗余工作,提高加工效率的效果;而且通过产品检测模块可以基于机器视觉对产品的外观质量进行检测,与传统的人工检测相比,检测速度更快,检测精度更高,检测标准更规范。
Description
技术领域
本发明属于工业加工智能控制技术领域,尤其涉及一种智能工业产品加工控制方法、系统、介质、设备及应用。
背景技术
目前:在产品进行工业生产时,一般会需要进行不同程度和工序的加工。随着工业4.0、人工智能等领域的发展,基于大数据平台计算机运算的各类方法应运而生。尤其在机械制造行业领域,通过高效利用软件对产品设计、工艺及编程加工过程进行实时控制成为趋势,由此带来的提高生产质量、降低劳动成本并缩短过程周期逐渐成为企业核心竞争力,也是未来企业发展的必然趋势。
随着市场的继续扩大以及科技的不断发展,对产品适用的范围以及要求也就更广。根据使用对象和需求不同,同类型不同规格的产品也逐渐增多,从而使得多规格类产品的设计建模、编程加工工作基于一个成熟的工艺系统下就变得冗余且繁杂。因此,能够简化多规格产品建模编程过程,提高工作效率、降低劳动成本,且提高设计、加工产品的准确性将变得尤为重要。但是,现有的加工系统中,只能对单一种类和型号的产品进行批量加工,生产效率低,降低了加工系统的实用性。而且现有的加工系统只能进行产品加工操作,在对产品外观进行检测时还需要人为进行检测,效率低下,容易出现遗漏。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有的加工系统中,只能对单一种类和型号的产品进行批量加工,生产效率低,降低了加工系统的实用性。
(2)现有的加工系统只能进行产品加工操作,在对产品外观进行检测时还需要人为进行检测,效率低下,容易出现遗漏。
发明内容
针对现有技术存在的问题,本发明提供了一种智能工业产品加工控制方法、系统、介质、设备及应用。
本发明是这样实现的,一种智能工业产品加工控制方法,所述智能工业产品加工控制方法包括:
步骤一,将不同的物料放置在不同的放置区,通过人机交互模块对所需加工的工件的物料信息和系统的控制参数进行预设输入;通过短时傅里叶变换谱图法(SPEC)对预设输入信号r进行处理,先对信号进行短时傅里叶变换,对结果进行取模及平方运算得到信号谱图,再对谱图取时域最大值得到预设输入信号的粗估计时频脊线r1,其中使用短时傅里叶变换谱图法得到谱图SPEC(t,f):
SPEC(t,f)=|STFT(t,f)|2;
其中STFTs(t,f)是对接收预设输入信号信号做短时傅里叶变换,SPECs(t,f)为短时傅里叶变换的平方,h(t)为窗函数;对得到的粗估的时频脊线r1作一阶差分,凸显信号的跳变位置,差分后的预设输入信号为r2;
步骤二,通过物料选取模块根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取,通过上料模块的上料机械手对选取的物料进行上料操作;
步骤三,通过传送带将上料后的产品移动到不同的加工工序,产品移动到加工工序的对应位置后,通过行程开关控制传送带停止移动,进行产品的定位;
步骤四,通过产品加工模块的多个不同的加工工序对产品进行不同工序的加工,在产品通过某一加工工序加工完毕后,通过移出模块将产品在加工工位移动到传送带上;
步骤五,通过产品检测模块的工业摄像头对产品的外观图像进行采集,并基于机器视觉对产品的外观质量进行检测;工业摄像头利用卡通纹理分解算法将图像的显著性边缘结构信息和纹理细节信息进行有效区分;利用特征相似性算法对图像的卡通分量进行模糊评价,得到模糊评价因子;基于卡通分量的模糊评价;包括:
计算每个像素的相位一致性值,分别得到两幅图像的相位一致性图PC1和PC2;
计算每个像素的梯度值,获取两幅图像的梯度矩阵G1和G2;
计算参考图像和降质图像的相位相似性图SPC和梯度相似性图SG;
式(1)和式(2)中,T1、T2为正常数,用来增加SPC和SG稳定性,其取值为T1=0.85、T2=160,其取值分别是由PC、G值的动态范围和实验调试共同决定的;
计算参考图像和降质图像的相似性图SL;
SL=SPC·SG;
将表示图像信息相对重要性的相位一致性指标作为权重,最终建立图像的质量评价模型;
式中,PCm(x)=max(PC1(x),PC2(x));
步骤六,通过下料模块的下料机械手对检测后的产品在传送带上移出到待分配区,通过自动摆放模块的摆放机械手对放置在待分配区的产品放置到对应的位置。
进一步,步骤四中,所述多个不同的加工工序对产品进行不同工序的加工时,具体包括:
(1)传送带上的产品在移动到设定的加工工序位置时,触碰传送带侧面的行程开关,传送带停止移动;
(2)通过产品加工模块的产品拾取单元对停止在传送带上的产品拾取到加工工位,并通过位置检测单元对产品的放置位置的准确度进行检测;
(3)当产品的放置位置符合加工要求时,通过产品加工模块的操作单元对加工工位的产品进行当前工序的加工操作;
(4)加工完毕后,通过移出模块将产品移动到传送带上,移动到下一加工工序,依次加工处理。
进一步,步骤(3)中,所述位置检测单元对产品的放置位置的准确度进行检测时,采用的检测方法包括:
1)通过相对设置在上端的第一红外线发光源和第二红外线发光源发出红外线,通过设置在产品底部的面型光源检测器进行红线线接收;
2)检测第一红外线发光源以及第二红外线发光源所投射在所述面型光源检测器的亮点,以得到第一坐标值以及第二坐标值;
3)根据第一坐标值和第二坐标值与预设的产品位置的坐标值进行比对,当两者重合时,判断产品的位置放置无误。
进一步,步骤五中,所述基于机器视觉对产品的外观质量进行检测时,采用的具体检测方法为:
(1)获取产品外观图像,对所述产品外观图像进行灰度化,得到第一灰度图像;
(2)对所述第一灰度图像进行二值化,得到第二灰度图像;
(3)从所述第二灰度图像进行轮廓提取,并进行筛选得到轮廓组合;
(4)获取轮廓组合的最小外接矩形,根据最小外接矩形通过神经网络完成产品外观图像的外观特征分类,根据分类结果识别外观不良产品。
进一步,所述步骤(4)具体包括:
生成所述轮廓组合的最小外接矩形,并获取所述最小外接矩形的特征参数,其中,特征参数包括:中心位置、尺寸大小、旋转角度以及最小外接矩形中的点集;
根据所述最小外接矩形的特征参数旋转所述轮廓组合得到第一子图像;
根据所述最小外接矩形剪裁所述第一子图像,得到第二子图像;
根据所述第二子图像,通过神经网络完成所述产品外观图像的外观特征分类,根据分类结果识别外观不良产品。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
步骤一,将不同的物料放置在不同的放置区,通过人机交互模块对所需加工的工件的物料信息和系统的控制参数进行预设输入;
步骤二,通过物料选取模块根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取,通过上料模块的上料机械手对选取的物料进行上料操作;
步骤三,通过传送带将上料后的产品移动到不同的加工工序,产品移动到加工工序的对应位置后,通过行程开关控制传送带停止移动,进行产品的定位;
步骤四,通过产品加工模块的多个不同的加工工序对产品进行不同工序的加工,在产品通过某一加工工序加工完毕后,通过移出模块将产品在加工工位移动到传送带上;
步骤五,通过产品检测模块的工业摄像头对产品的外观图像进行采集,并基于机器视觉对产品的外观质量进行检测;
步骤六,通过下料模块的下料机械手对检测后的产品在传送带上移出到待分配区,通过自动摆放模块的摆放机械手对放置在待分配区的产品放置到对应的位置。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
步骤一,将不同的物料放置在不同的放置区,通过人机交互模块对所需加工的工件的物料信息和系统的控制参数进行预设输入;
步骤二,通过物料选取模块根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取,通过上料模块的上料机械手对选取的物料进行上料操作;
步骤三,通过传送带将上料后的产品移动到不同的加工工序,产品移动到加工工序的对应位置后,通过行程开关控制传送带停止移动,进行产品的定位;
步骤四,通过产品加工模块的多个不同的加工工序对产品进行不同工序的加工,在产品通过某一加工工序加工完毕后,通过移出模块将产品在加工工位移动到传送带上;
步骤五,通过产品检测模块的工业摄像头对产品的外观图像进行采集,并基于机器视觉对产品的外观质量进行检测;
步骤六,通过下料模块的下料机械手对检测后的产品在传送带上移出到待分配区,通过自动摆放模块的摆放机械手对放置在待分配区的产品放置到对应的位置。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现所述的智能工业产品加工控制方法。
本发明的另一目的在于提供一种实施所述智能工业产品加工控制方法的智能工业产品加工控制系统,所述智能工业产品加工控制系统包括:
物料选取模块,与中央处理和控制模块连接,用于根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取;
上料模块,与中央处理和控制模块连接,用于通过上料机械手对选取的物料进行上料操作;
传输模块,与中央处理和控制模块连接,用于通过传送带将上料后的产品移动到不同的加工工序;
定位模块,与中央处理和控制模块连接,用于在传送带上的产品移动到加工工序后,通过行程开关控制传送带停止移动,进行产品的定位;
产品加工模块,与中央处理和控制模块连接,用于通过多个不同的加工工序对产品进行不同工序的加工;
移出模块,与中央处理和控制模块连接,用于在产品通过某一加工工序加工完毕后,将产品在加工工位移动到传送带上;
产品检测模块,与中央处理和控制模块连接,用于通过工业摄像头对产品的外观图像进行采集,基于机器视觉对产品的外观质量进行检测;
下料模块,与中央处理和控制模块连接,用于通过下料机械手对检测后的产品在传送带上移出到待分配区;
自动摆放模块,与中央处理和控制模块连接,用于通过摆放机械手对放置在待分配区的产品放置到对应的位置;
中央处理和控制模块,与物料选取模块、上料模块、传输模块、定位模块、产品加工模块、移出模块、产品检测模块、下料模块、自动摆放模块和人机交互模块连接,用于通过控制主机对采集信息进行处理,并根据处理结果和预设参数对各个受控模块进行控制;
人机交互模块,与中央处理和控制模块连接,用于通过触摸显示屏进行人机交互,对预设参数进行输入,并对系统的工作状态进行实时显示。
进一步,所述产品加工模块包括:
产品拾取单元,用于将停止在传送带上的产品拾取到加工工位;
位置检测单元,用于通过红外线检测器对产品的放置位置的准确度进行检测;
操作单元,用于对加工工位的产品进行当前工序的加工操作;
所述物料选取模块包括:
取料单元,用于通过取料装置对放置在特定位置的物料进行取料操作;
计数单元,用于对需要按数量计量的物料的取料数量进行记录;
称量单元,用于通过称重装置对按重量计量的物料的定量称取。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过物料选取模块根据预设的物料信息进行物料的选择和提取,可以根据设定程序选择不同型号规格的产品物料进行使用,通过依次设置多个不同的加工工序,可以适用于多规格产品的同步生产,原理简单、智能化程度高、适应范围广,在多规格产品加工中,利用变量参数直接控制参数化实体以及直接或间接控制加工程序,从而达到减少冗余工作,提高加工效率的效果;而且通过产品检测模块可以基于机器视觉对产品的外观质量进行检测,与传统的人工检测相比,检测速度更快,检测精度更高,检测标准更规范。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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是本发明实施例提供的智能工业产品加工控制方法流程图。
图2是本发明实施例提供的多个不同的加工工序对产品进行不同工序的加工的方法流程图。
图3是本发明实施例提供的位置检测单元对产品的放置位置的准确度进行检测的方法流程图。
图4是本发明实施例提供的基于机器视觉对产品的外观质量进行检测的方法流程图。
图5是本发明实施例提供的智能工业产品加工控制系统结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种智能工业产品加工控制方法、系统、介质、设备及应用,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的智能工业产品加工控制方法包括:
S101,将不同的物料放置在不同的放置区,通过人机交互模块对所需加工的工件的物料信息和系统的控制参数进行预设输入;
S102,通过物料选取模块根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取,通过上料模块的上料机械手对选取的物料进行上料操作;
S103,通过传送带将上料后的产品移动到不同的加工工序,产品移动到加工工序的对应位置后,通过行程开关控制传送带停止移动,进行产品的定位;
S104,通过产品加工模块的多个不同的加工工序对产品进行不同工序的加工,在产品通过某一加工工序加工完毕后,通过移出模块将产品在加工工位移动到传送带上;
S105,通过产品检测模块的工业摄像头对产品的外观图像进行采集,并基于机器视觉对产品的外观质量进行检测;
S106,通过下料模块的下料机械手对检测后的产品在传送带上移出到待分配区,通过自动摆放模块的摆放机械手对放置在待分配区的产品放置到对应的位置。
步骤一,将不同的物料放置在不同的放置区,通过人机交互模块对所需加工的工件的物料信息和系统的控制参数进行预设输入;通过短时傅里叶变换谱图法(SPEC)对预设输入信号r进行处理,先对信号进行短时傅里叶变换,对结果进行取模及平方运算得到信号谱图,再对谱图取时域最大值得到预设输入信号的粗估计时频脊线r1,其中使用短时傅里叶变换谱图法得到谱图SPEC(t,f):
SPEC(t,f)=|STFT(t,f)|2;
其中STFTs(t,f)是对接收预设输入信号信号做短时傅里叶变换,SPECs(t,f)为短时傅里叶变换的平方,h(t)为窗函数;对得到的粗估的时频脊线r1作一阶差分,凸显信号的跳变位置,差分后的预设输入信号为r2;
步骤二,通过物料选取模块根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取,通过上料模块的上料机械手对选取的物料进行上料操作;
步骤三,通过传送带将上料后的产品移动到不同的加工工序,产品移动到加工工序的对应位置后,通过行程开关控制传送带停止移动,进行产品的定位;
步骤四,通过产品加工模块的多个不同的加工工序对产品进行不同工序的加工,在产品通过某一加工工序加工完毕后,通过移出模块将产品在加工工位移动到传送带上;
步骤五,通过产品检测模块的工业摄像头对产品的外观图像进行采集,并基于机器视觉对产品的外观质量进行检测;工业摄像头利用卡通纹理分解算法将图像的显著性边缘结构信息和纹理细节信息进行有效区分;利用特征相似性算法对图像的卡通分量进行模糊评价,得到模糊评价因子;基于卡通分量的模糊评价;包括:
计算每个像素的相位一致性值,分别得到两幅图像的相位一致性图PC1和PC2;
计算每个像素的梯度值,获取两幅图像的梯度矩阵G1和G2;
计算参考图像和降质图像的相位相似性图SPC和梯度相似性图SG;
式(1)和式(2)中,T1、T2为正常数,用来增加SPC和SG稳定性,其取值为T1=0.85、T2=160,其取值分别是由PC、G值的动态范围和实验调试共同决定的;
计算参考图像和降质图像的相似性图SL;
SL=SPC·SG;
将表示图像信息相对重要性的相位一致性指标作为权重,最终建立图像的质量评价模型;
式中,PCm(x)=max(PC1(x),PC2(x));
步骤六,通过下料模块的下料机械手对检测后的产品在传送带上移出到待分配区,通过自动摆放模块的摆放机械手对放置在待分配区的产品放置到对应的位置。
本发明实施例中的步骤S104中,所述多个不同的加工工序对产品进行不同工序的加工时,具体包括:
S201,传送带上的产品在移动到设定的加工工序位置时,触碰传送带侧面的行程开关,传送带停止移动;
S202,通过产品加工模块的产品拾取单元对停止在传送带上的产品拾取到加工工位,并通过位置检测单元对产品的放置位置的准确度进行检测;
S203,当产品的放置位置符合加工要求时,通过产品加工模块的操作单元对加工工位的产品进行当前工序的加工操作;
S204,加工完毕后,通过移出模块将产品移动到传送带上,移动到下一加工工序,依次加工处理。
本发明实施例中的步骤S203中,所述位置检测单元对产品的放置位置的准确度进行检测时,采用的检测方法包括:
S301,通过相对设置在上端的第一红外线发光源和第二红外线发光源发出红外线,通过设置在产品底部的面型光源检测器进行红线线接收;
S302,检测第一红外线发光源以及第二红外线发光源所投射在所述面型光源检测器的亮点,以得到第一坐标值以及第二坐标值;
S303,根据第一坐标值和第二坐标值与预设的产品位置的坐标值进行比对,当两者重合时,判断产品的位置放置无误。
本发明实施例中的步骤S105中,所述基于机器视觉对产品的外观质量进行检测时,采用的具体检测方法为:
S401,获取产品外观图像,对所述产品外观图像进行灰度化,得到第一灰度图像;
S402,对所述第一灰度图像进行二值化,得到第二灰度图像;
S403,从所述第二灰度图像进行轮廓提取,并进行筛选得到轮廓组合;
S404,获取轮廓组合的最小外接矩形,根据最小外接矩形通过神经网络完成产品外观图像的外观特征分类,根据分类结果识别外观不良产品。
本发明实施例中的步骤S404具体包括:
生成所述轮廓组合的最小外接矩形,并获取所述最小外接矩形的特征参数,其中,特征参数包括:中心位置、尺寸大小、旋转角度以及最小外接矩形中的点集;
根据所述最小外接矩形的特征参数旋转所述轮廓组合得到第一子图像;
根据所述最小外接矩形剪裁所述第一子图像,得到第二子图像;
根据所述第二子图像,通过神经网络完成所述产品外观图像的外观特征分类,根据分类结果识别外观不良产品。
如图5所示,本发明实施例提供的智能工业产品加工控制系统包括:
物料选取模块1,与中央处理和控制模块连接,用于根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取;
上料模块2,与中央处理和控制模块连接,用于通过上料机械手对选取的物料进行上料操作;
传输模块3,与中央处理和控制模块连接,用于通过传送带将上料后的产品移动到不同的加工工序;
定位模块4,与中央处理和控制模块连接,用于在传送带上的产品移动到加工工序后,通过行程开关控制传送带停止移动,进行产品的定位;
产品加工模块5,与中央处理和控制模块连接,用于通过多个不同的加工工序对产品进行不同工序的加工;
移出模块6,与中央处理和控制模块连接,用于在产品通过某一加工工序加工完毕后,将产品在加工工位移动到传送带上;
产品检测模块7,与中央处理和控制模块连接,用于通过工业摄像头对产品的外观图像进行采集,基于机器视觉对产品的外观质量进行检测;
下料模块8,与中央处理和控制模块连接,用于通过下料机械手对检测后的产品在传送带上移出到待分配区;
自动摆放模块9,与中央处理和控制模块连接,用于通过摆放机械手对放置在待分配区的产品放置到对应的位置;
中央处理和控制模块10,与物料选取模块、上料模块、传输模块、定位模块、产品加工模块、移出模块、产品检测模块、下料模块、自动摆放模块和人机交互模块连接,用于通过控制主机对采集信息进行处理,并根据处理结果和预设参数对各个受控模块进行控制;
人机交互模块11,与中央处理和控制模块连接,用于通过触摸显示屏进行人机交互,对预设参数进行输入,并对系统的工作状态进行实时显示。
本发明实施例中的产品加工模块包括:
产品拾取单元,用于将停止在传送带上的产品拾取到加工工位;
位置检测单元,用于通过红外线检测器对产品的放置位置的准确度进行检测;
操作单元,用于对加工工位的产品进行当前工序的加工操作。
本发明实施例中的物料选取模块包括:
取料单元,用于通过取料装置对放置在特定位置的物料进行取料操作;
计数单元,用于对需要按数量计量的物料的取料数量进行记录;
称量单元,用于通过称重装置对按重量计量的物料的定量称取。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明较优的具体的实施方式,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,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种智能工业产品加工控制方法,其特征在于,所述智能工业产品加工控制方法包括:
步骤一,将不同的物料放置在不同的放置区,通过人机交互模块对所需加工的工件的物料信息和系统的控制参数进行预设输入;通过短时傅里叶变换谱图法(SPEC)对预设输入信号r进行处理,先对信号进行短时傅里叶变换,对结果进行取模及平方运算得到信号谱图,再对谱图取时域最大值得到预设输入信号的粗估计时频脊线r1,其中使用短时傅里叶变换谱图法得到谱图SPEC(t,f):
SPEC(t,f)=|STFT(t,f)|2;
其中STFTs(t,f)是对接收预设输入信号信号做短时傅里叶变换,SPECs(t,f)为短时傅里叶变换的平方,h(t)为窗函数;对得到的粗估的时频脊线r1作一阶差分,凸显信号的跳变位置,差分后的预设输入信号为r2;
步骤二,通过物料选取模块根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取,通过上料模块的上料机械手对选取的物料进行上料操作;
步骤三,通过传送带将上料后的产品移动到不同的加工工序,产品移动到加工工序的对应位置后,通过行程开关控制传送带停止移动,进行产品的定位;
步骤四,通过产品加工模块的多个不同的加工工序对产品进行不同工序的加工,在产品通过某一加工工序加工完毕后,通过移出模块将产品在加工工位移动到传送带上;
步骤五,通过产品检测模块的工业摄像头对产品的外观图像进行采集,并基于机器视觉对产品的外观质量进行检测;工业摄像头利用卡通纹理分解算法将图像的显著性边缘结构信息和纹理细节信息进行有效区分;利用特征相似性算法对图像的卡通分量进行模糊评价,得到模糊评价因子;基于卡通分量的模糊评价;包括:
计算每个像素的相位一致性值,分别得到两幅图像的相位一致性图PC1和PC2;
计算每个像素的梯度值,获取两幅图像的梯度矩阵G1和G2;
计算参考图像和降质图像的相位相似性图SPC和梯度相似性图SG;
式(1)和式(2)中,T1、T2为正常数,用来增加SPC和SG稳定性,其取值为T1=0.85、T2=160,其取值分别是由PC、G值的动态范围和实验调试共同决定的;
计算参考图像和降质图像的相似性图SL;
SL=SPC·SG;
将表示图像信息相对重要性的相位一致性指标作为权重,最终建立图像的质量评价模型;
式中,PCm(x)=max(PC1(x),PC2(x));
步骤六,通过下料模块的下料机械手对检测后的产品在传送带上移出到待分配区,通过自动摆放模块的摆放机械手对放置在待分配区的产品放置到对应的位置。
2.如权利要求1所述的智能工业产品加工控制方法,其特征在于,步骤四中,所述多个不同的加工工序对产品进行不同工序的加工时,具体包括:
(1)传送带上的产品在移动到设定的加工工序位置时,触碰传送带侧面的行程开关,传送带停止移动;
(2)通过产品加工模块的产品拾取单元对停止在传送带上的产品拾取到加工工位,并通过位置检测单元对产品的放置位置的准确度进行检测;
(3)当产品的放置位置符合加工要求时,通过产品加工模块的操作单元对加工工位的产品进行当前工序的加工操作;
(4)加工完毕后,通过移出模块将产品移动到传送带上,移动到下一加工工序,依次加工处理。
3.如权利要求2所述的智能工业产品加工控制方法,其特征在于,步骤(3)中,所述位置检测单元对产品的放置位置的准确度进行检测时,采用的检测方法包括:
1)通过相对设置在上端的第一红外线发光源和第二红外线发光源发出红外线,通过设置在产品底部的面型光源检测器进行红线线接收;
2)检测第一红外线发光源以及第二红外线发光源所投射在所述面型光源检测器的亮点,以得到第一坐标值以及第二坐标值;
3)根据第一坐标值和第二坐标值与预设的产品位置的坐标值进行比对,当两者重合时,判断产品的位置放置无误。
4.如权利要求1所述的智能工业产品加工控制方法,其特征在于,步骤五中,所述基于机器视觉对产品的外观质量进行检测时,采用的具体检测方法为:
(1)获取产品外观图像,对所述产品外观图像进行灰度化,得到第一灰度图像;
(2)对所述第一灰度图像进行二值化,得到第二灰度图像;
(3)从所述第二灰度图像进行轮廓提取,并进行筛选得到轮廓组合;
(4)获取轮廓组合的最小外接矩形,根据最小外接矩形通过神经网络完成产品外观图像的外观特征分类,根据分类结果识别外观不良产品。
5.如权利要求4所述的智能工业产品加工控制方法,其特征在于,所述步骤(4)具体包括:
生成所述轮廓组合的最小外接矩形,并获取所述最小外接矩形的特征参数,其中,特征参数包括:中心位置、尺寸大小、旋转角度以及最小外接矩形中的点集;
根据所述最小外接矩形的特征参数旋转所述轮廓组合得到第一子图像;
根据所述最小外接矩形剪裁所述第一子图像,得到第二子图像;
根据所述第二子图像,通过神经网络完成所述产品外观图像的外观特征分类,根据分类结果识别外观不良产品。
6.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
步骤一,将不同的物料放置在不同的放置区,通过人机交互模块对所需加工的工件的物料信息和系统的控制参数进行预设输入;
步骤二,通过物料选取模块根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取,通过上料模块的上料机械手对选取的物料进行上料操作;
步骤三,通过传送带将上料后的产品移动到不同的加工工序,产品移动到加工工序的对应位置后,通过行程开关控制传送带停止移动,进行产品的定位;
步骤四,通过产品加工模块的多个不同的加工工序对产品进行不同工序的加工,在产品通过某一加工工序加工完毕后,通过移出模块将产品在加工工位移动到传送带上;
步骤五,通过产品检测模块的工业摄像头对产品的外观图像进行采集,并基于机器视觉对产品的外观质量进行检测;
步骤六,通过下料模块的下料机械手对检测后的产品在传送带上移出到待分配区,通过自动摆放模块的摆放机械手对放置在待分配区的产品放置到对应的位置。
7.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
步骤一,将不同的物料放置在不同的放置区,通过人机交互模块对所需加工的工件的物料信息和系统的控制参数进行预设输入;
步骤二,通过物料选取模块根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取,通过上料模块的上料机械手对选取的物料进行上料操作;
步骤三,通过传送带将上料后的产品移动到不同的加工工序,产品移动到加工工序的对应位置后,通过行程开关控制传送带停止移动,进行产品的定位;
步骤四,通过产品加工模块的多个不同的加工工序对产品进行不同工序的加工,在产品通过某一加工工序加工完毕后,通过移出模块将产品在加工工位移动到传送带上;
步骤五,通过产品检测模块的工业摄像头对产品的外观图像进行采集,并基于机器视觉对产品的外观质量进行检测;
步骤六,通过下料模块的下料机械手对检测后的产品在传送带上移出到待分配区,通过自动摆放模块的摆放机械手对放置在待分配区的产品放置到对应的位置。
8.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现权利要求1~5任意一项所述的智能工业产品加工控制方法。
9.一种实施权利要求1~5任意一项所述智能工业产品加工控制方法的智能工业产品加工控制系统其特征在于,所述智能工业产品加工控制系统包括:
物料选取模块,与中央处理和控制模块连接,用于根据预设的物料信息,在特定的物料放置位置进行物料的选择和提取;
上料模块,与中央处理和控制模块连接,用于通过上料机械手对选取的物料进行上料操作;
传输模块,与中央处理和控制模块连接,用于通过传送带将上料后的产品移动到不同的加工工序;
定位模块,与中央处理和控制模块连接,用于在传送带上的产品移动到加工工序后,通过行程开关控制传送带停止移动,进行产品的定位;
产品加工模块,与中央处理和控制模块连接,用于通过多个不同的加工工序对产品进行不同工序的加工;
移出模块,与中央处理和控制模块连接,用于在产品通过某一加工工序加工完毕后,将产品在加工工位移动到传送带上;
产品检测模块,与中央处理和控制模块连接,用于通过工业摄像头对产品的外观图像进行采集,基于机器视觉对产品的外观质量进行检测;
下料模块,与中央处理和控制模块连接,用于通过下料机械手对检测后的产品在传送带上移出到待分配区;
自动摆放模块,与中央处理和控制模块连接,用于通过摆放机械手对放置在待分配区的产品放置到对应的位置;
中央处理和控制模块,与物料选取模块、上料模块、传输模块、定位模块、产品加工模块、移出模块、产品检测模块、下料模块、自动摆放模块和人机交互模块连接,用于通过控制主机对采集信息进行处理,并根据处理结果和预设参数对各个受控模块进行控制;
人机交互模块,与中央处理和控制模块连接,用于通过触摸显示屏进行人机交互,对预设参数进行输入,并对系统的工作状态进行实时显示。
10.如权利要求9所述的智能工业产品加工控制系统,其特征在于,所述产品加工模块包括:
产品拾取单元,用于将停止在传送带上的产品拾取到加工工位;
位置检测单元,用于通过红外线检测器对产品的放置位置的准确度进行检测;
操作单元,用于对加工工位的产品进行当前工序的加工操作;
所述物料选取模块包括:
取料单元,用于通过取料装置对放置在特定位置的物料进行取料操作;
计数单元,用于对需要按数量计量的物料的取料数量进行记录;
称量单元,用于通过称重装置对按重量计量的物料的定量称取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211508447.0A CN115903704A (zh) | 2022-11-29 | 2022-11-29 | 智能工业产品加工控制方法、系统、介质、设备及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211508447.0A CN115903704A (zh) | 2022-11-29 | 2022-11-29 | 智能工业产品加工控制方法、系统、介质、设备及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115903704A true CN115903704A (zh) | 2023-04-04 |
Family
ID=86474453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211508447.0A Pending CN115903704A (zh) | 2022-11-29 | 2022-11-29 | 智能工业产品加工控制方法、系统、介质、设备及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115903704A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110385618A (zh) * | 2019-08-05 | 2019-10-29 | 中国科学院重庆绿色智能技术研究院 | 微小型压铸件打磨检测的柔性生产系统 |
CN111453332A (zh) * | 2020-04-14 | 2020-07-28 | 西安精雕精密机械工程有限公司 | 一种自动上下料生产线及其控制方法 |
CN111861990A (zh) * | 2020-06-10 | 2020-10-30 | 宜通世纪物联网研究院(广州)有限公司 | 一种产品不良外观检测的方法、系统及存储介质 |
CN112691920A (zh) * | 2020-12-08 | 2021-04-23 | 湖北博微瑞天信息技术有限公司 | 一种多信息融合的机器视觉识别系统 |
-
2022
- 2022-11-29 CN CN202211508447.0A patent/CN115903704A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110385618A (zh) * | 2019-08-05 | 2019-10-29 | 中国科学院重庆绿色智能技术研究院 | 微小型压铸件打磨检测的柔性生产系统 |
CN111453332A (zh) * | 2020-04-14 | 2020-07-28 | 西安精雕精密机械工程有限公司 | 一种自动上下料生产线及其控制方法 |
CN111861990A (zh) * | 2020-06-10 | 2020-10-30 | 宜通世纪物联网研究院(广州)有限公司 | 一种产品不良外观检测的方法、系统及存储介质 |
CN112691920A (zh) * | 2020-12-08 | 2021-04-23 | 湖北博微瑞天信息技术有限公司 | 一种多信息融合的机器视觉识别系统 |
Non-Patent Citations (2)
Title |
---|
墨千: "有噪信号的短时傅里叶变换及其图谱分析", pages 1 - 4, Retrieved from the Internet <URL:www.doc88.com/p-990979016291.html> * |
张飞艳: "基于卡通纹理分解的复合降质图像质量评价", 浙江师范大学学报(自然科学版), pages 273 - 281 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934814B (zh) | 表面缺陷侦测系统及其方法 | |
CN111612737B (zh) | 一种人造板表面瑕疵检测装置及检测方法 | |
US5012524A (en) | Automatic inspection method | |
CN108355981A (zh) | 一种基于机器视觉的电池连接器质量检测方法 | |
CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
CN103134807A (zh) | 用于识别材料中的缺陷的系统和方法 | |
Li et al. | System design for PCB defects detection based on AOI technology | |
CN108694265B (zh) | 设计布局的失效风险的智能型预诊断系统及方法 | |
CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
CN113340909B (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
CN1323369C (zh) | 图像识别装置和方法以及图像识别装置的示教装置和方法 | |
KR20210020065A (ko) | 비전 시스템을 갖는 이미지에서 패턴을 찾고 분류하기 위한 시스템 및 방법 | |
WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
de la Calle Herrero et al. | Inspection system for rail surfaces using differential images | |
Saif et al. | Roundness Holes’ Measurement for milled workpiece using machine vision inspection system based on IoT structure: A case study | |
CN115147363A (zh) | 一种基于深度学习算法的影像缺陷检测和分类方法及系统 | |
CN117085969B (zh) | 人工智能工业视觉检测方法、装置、设备及存储介质 | |
CN110458231B (zh) | 一种陶瓷产品检测方法、装置和设备 | |
Zhou et al. | An adaptive clustering method detecting the surface defects on linear guide rails | |
CN115903704A (zh) | 智能工业产品加工控制方法、系统、介质、设备及应用 | |
CN116625270A (zh) | 一种基于机器视觉的精密车削工件全自动检测系统及方法 | |
CN116342554A (zh) | 采用深度学习的晶圆规则性失效邻近管芯标记方法及相关装置 | |
CN110969357A (zh) | 一种铝合金机加工零件孔洞视觉检测方法 | |
CN113628232B (zh) | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 | |
CN212646436U (zh) | 一种人造板表面瑕疵检测装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230404 |