CN116474976A - 一种具备视觉检测的高速喷涂系统 - Google Patents

一种具备视觉检测的高速喷涂系统 Download PDF

Info

Publication number
CN116474976A
CN116474976A CN202310429216.9A CN202310429216A CN116474976A CN 116474976 A CN116474976 A CN 116474976A CN 202310429216 A CN202310429216 A CN 202310429216A CN 116474976 A CN116474976 A CN 116474976A
Authority
CN
China
Prior art keywords
spraying
plc
spray
image
component
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
Application number
CN202310429216.9A
Other languages
English (en)
Inventor
徐全军
熊志平
蒋明威
易见求
李新宇
毛明相
赵毅
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.)
Wuhan Jingshan Light Machine Intelligent Equipment Co ltd
Original Assignee
Wuhan Jingshan Light Machine Intelligent Equipment 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 Wuhan Jingshan Light Machine Intelligent Equipment Co ltd filed Critical Wuhan Jingshan Light Machine Intelligent Equipment Co ltd
Priority to CN202310429216.9A priority Critical patent/CN116474976A/zh
Publication of CN116474976A publication Critical patent/CN116474976A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B13/00—Machines or plants for applying liquids or other fluent materials to surfaces of objects or other work by spraying, not covered by groups B05B1/00 - B05B11/00
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
    • B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
    • B05B12/12—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to conditions of ambient medium or target, e.g. humidity, temperature position or movement of the target relative to the spray apparatus
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B13/00—Machines or plants for applying liquids or other fluent materials to surfaces of objects or other work by spraying, not covered by groups B05B1/00 - B05B11/00
    • B05B13/02—Means for supporting work; Arrangement or mounting of spray heads; Adaptation or arrangement of means for feeding work
    • B05B13/0221—Means for supporting work; Arrangement or mounting of spray heads; Adaptation or arrangement of means for feeding work characterised by the means for moving or conveying the objects or other work, e.g. conveyor belts
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B15/00—Details of spraying plant or spraying apparatus not otherwise provided for; Accessories
    • B05B15/60—Arrangements for mounting, supporting or holding spraying apparatus
    • B05B15/68—Arrangements for adjusting the position of spray heads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05D—PROCESSES FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05D1/00—Processes for applying liquids or other fluent materials
    • B05D1/02—Processes for applying liquids or other fluent materials performed by spraying
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K3/00—Tools, devices, or special appurtenances for soldering, e.g. brazing, or unsoldering, not specially adapted for particular methods
    • B23K3/08—Auxiliary devices therefor
    • B23K3/082—Flux dispensers; Apparatus for applying flux
    • 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
    • G06T5/70—
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • G06T2207/30152—Solder
    • 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
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种具备视觉检测的高速喷涂系统，视觉组件(1)：包括工业相机、工业镜头和同轴光源，用于采集喷涂点位照片；传感器：用于检测焊带进料，当进料完成后传输完成信号给PLC；喷头组件(2)：包括喷头、电磁阀和喷涂控制卡，用于响应PLC触发及延时信号，实现不同的喷涂效果；工控机：用于接收视觉组件获取的图像，并通过视觉算法计算，将结果传至PLC；本发明优点是：相比浸泡方案的泡沫涂抹，本专利喷涂效果完全可控，通过调整PLC触发和通断延时参数，可以实现0.5‑5mm²的喷涂面积。

Description

一种具备视觉检测的高速喷涂系统
技术领域
本发明涉及智能制造领域，具体涉及一种具备视觉检测的高速喷涂系统。
背景技术
目前，随着新能源行业的发展，光伏产业的需求逐年提升，产业链的升级也对光伏产品的质量提出了更高的要求。助焊剂喷涂作为光伏焊接的关键工艺，其喷涂质量直接关乎焊接效果。
现有助焊剂喷涂工艺多采用浸泡法。该方法通过预浸泡助焊剂的海绵块接触涂抹，存在设备易结晶、涂抹不全、焊接良率低、助焊剂浪费等问题。也有少数喷涂工艺采用非标定制，该方法根据焊带形状定制夹具，在喷涂点位安装多组喷头点动喷涂，存在硬件成本高、节拍慢、漏喷无法检测等问题。针对上述问题，本专利提出了一种具备视觉检测的高速喷涂系统。
发明内容
本发明的目的就是针对目前上述之不足，而提供一种具备视觉检测的高速喷涂系统。
本发明包括，
视觉组件：包括工业相机、工业镜头和同轴光源，用于采集喷涂点位照片；
传感器：用于检测焊带进料，当进料完成后传输完成信号给PLC；
喷头组件：包括喷头、电磁阀和喷涂控制卡，用于响应PLC触发及延时信号，实现不同的喷涂效果；
工控机：用于接收视觉组件获取的图像，并通过视觉算法计算，将结果传至PLC；
运动组件：带动喷头组件和视觉组件运动到指定喷涂和拍照位置；
PLC：分别与视觉组件、传感器组件、喷头组件和工控机组成通信连接，用于接收传感器和视觉软件结果，以控制运动组件、喷涂组件和视觉组件实现相应动作。
丝杆直线运动模组。
传感器是光电开关。
具体步骤如下：
a、焊带进料，送料机构输送一段冲压完成的焊带到喷涂工位，光电开关检测到进料完成后，发送PLC信号；
b、PLC接收进料完成信号后，触发工业相机采集图像，视觉软件通过标定算法，与示教模板位置对比，给出偏移值，若偏移值超出焊带预设尺寸，给PLC发送NG信号，系统重复动作a，送入下一段焊带；若偏移值正常，则由PLC发送至运动组件；
c、运动组件响应PLC给出的偏移值，移动喷头和视觉组件到喷涂起始位，PLC触发喷涂控制卡，喷头开始喷涂，同时触发相机采集喷涂后图片；
d、工控机接收采集图像，视觉软件通过检测算法判断每个喷涂点质量，最后汇总所有点位给出整条焊带的检测结果。
具体步骤如下：
1）图像预处理
a）对采集图像使用高斯滤波去噪，根据焊带边缘特征进行计算，图像计算如下式所示：，其中，/>为高斯卷积核半径；/>为方差；p为图像坐标；
b）对滤波后图像采用如下公式计算xy两个方向的一阶差分：，
梯度模值G和方向θ为：，
则P点的梯度模值G：；
c）对步骤b）中计算的梯度值进行设定，获得喷涂区域的轮廓信息；
d）计算喷涂区域轮廓的归一化矩：，
其中G为图像坐标(x,y)处梯度值，、/>，/> 分别为轮廓点集的x、y坐标和，/>为轮廓点集总数，/>；
e）计算模板和匹配对象的L1范占模板模值的比例作为轮廓匹配损失函数：
，
为模板轮廓矩、/>为匹配轮廓矩，k 为ij取值组，设L置阈值，小于阈值即认为轮廓匹配；
f）由步骤e）中获取轮廓的点集拟合最小外接矩形，根据喷涂点位特征，以外接矩形为中心裁剪设定尺寸，剪设定尺寸分辨率作为分类模型输入；
g）输入图片长宽，避免图像拉伸裁剪造成的特征损失，新图像分辨率如下式所示，空白部分填充灰度值0，
；
2）构建分类模型
a）模型基础模块Bn包括两个分支Bna和Bnb，Bna是一层参数为[k,b,p,s]的卷积层，Bnb为一层直连输出，模块Bn输出如下式所示：
，
其中，[k,b,p,s]分别表示卷积核、维数、补齐值和步长，
模型基础模块BN包括两个分支BNa、BNb，BNa由两个参数为[1,b,0,1]、[3,b,1,1]的Bn模块构成，BNb直接与BNa求和输出，模块BN输出如下式所示：
，
其中BNa =Bn2(Bn1(Bn))，BNb=Bn；
b）模型第一部分B1由两个参数为[6,16,2,2]、[3,32,2,1]的Bn模块组成，B1输出两个分支B1a、B1b；
c）模型第二部分B2包括两个分支B2a、B2b，B2a的输入为B1a，包括三个b=64的BN模块，B2b的输入为B1b，包括一个参数为[1,64,0,1]的Bn模块，B2a和B2b在b通道拼接输出；
d）将步骤b、c模块组合为BC，依次设置参数b=128、b=256，重复堆叠两次，模型最终结构包括三组BC；
e）模型输出经一层参数为[k,256,0,1]的均值卷积输出，将输出压缩为（1*n）维向量，其中k为模型输出特征图尺寸，n为检测类别数，
最终通过损失函数计算，clsID为最大概率类别指针，
3）训练分类模型
a）数据集由ok图片和ng图片构成，另有混合ok、ng图片用作测试；
b）动态学习率为，其中/>，b=70，int()为取整除法；
c)对于训练结果，依据混淆矩阵准确率公式评价：
，其中TP：检测为ok，标签也为ok；FP：检测为ng，标签为ok；TN：检测为ng，标签为ng；FN：检测为ng，标签为ok。
训练平台采用Xeon Gold 6326，pytorch框架；
本发明优点是：
（1）相比浸泡方案的泡沫涂抹，本专利喷涂效果完全可控，通过调整PLC触发和通断延时参数，可以实现0.5-5mm²的喷涂面积；
（2）相比浸泡方案的泡沫涂抹，本专利只喷涂在焊带焊接点位，减少了设备结晶和助焊剂浪费；
（3）相比非标方案PLC控制多组喷头，本专利采用单喷头和喷涂控制卡，控制卡最高响应频率可达24.13khz，喷涂控制系统反应时间≤2ms（从PLC给出触发到开始喷涂），节省了喷头成本并且响应速度更高；
（4）相比非标方案定制夹具，本专利采用视觉辅助纠偏，引导喷头在预定焊接点喷涂，精度可达0.05mm，无需定制夹具并且可以扩展至不同喷涂需求的产品；
（5）相比非标方案无漏喷检测，本专利加入了基于深度学习的视觉检测系统，可以检测喷涂质量和焊带冲压问题，提高焊接良率，焊带产品不良率低于0.5%。
附图说明
图1是本发明结构示意图。
图2是本发明流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”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，或者是该发明产品使用时惯常摆放的方位或位置关系，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。此外，本发明的描述中若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“连接”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。
如图所示，本发明设备基本功能包括两部分，助焊剂喷涂及视觉检测，喷涂系统可实现焊带的助焊剂高速定位喷涂，视觉检测系统用于定位纠偏和喷涂质量检测。
具体包括：
（1）运动组件3：滚珠丝杆直线运动模组，用于响应PLC给出的运动数据，控制喷头和视觉组件运动到指定的喷涂和拍照位置；
（2）视觉组件1：包括工业相机、工业镜头和同轴光源，用于采集喷涂点位照片；
（3）传感器组件：光电开关，用于检测焊带进料并传输完成信号给PLC；
（4）喷头组件2：包括喷头、电磁阀和喷涂控制卡，用于响应PLC触发及延时信号，实现不同的喷涂效果；
（5）工控机：用于接收视觉组件获取的图像，并通过视觉算法计算，将结果传至PLC；
（6）PLC：与上述所有组件组成通信连接，用于接收传感器和视觉软件结果，控制运动组件、喷涂组件和视觉组件实现相应动作。
3.4 系统喷涂及检测方法
具体动作如下：
（1）焊带进料，送料机构输送一段冲压完成的焊带到喷涂工位，光电开关检测到进料完成后，发送PLC信号；
（2）PLC接收进料完成信号后，触发工业相机采集图像，视觉软件通过标定算法，与示教模板位置对比，给出偏移值。若偏移值超出焊带预设尺寸，给PLC发送NG信号，系统重复动作（1），送入下一段焊带；若偏移值正常，则由PLC发送至运动组件；
（3）运动组件响应PLC给出的偏移值，移动喷头和视觉组件到喷涂起始位，PLC触发喷涂控制卡，喷头开始喷涂，同时触发相机采集喷涂后图片；
（4）工控机接收采集图像，视觉软件通过检测算法判断每个喷涂点质量，最后汇总所有点位给出整条焊带的检测结果；
1）图像预处理
对采集图像使用高斯滤波去噪，根据焊带边缘特征，高斯卷积核半径选择5，方差/>选取1.2，p为图像坐标(x,y)处的灰度值，图像计算如下式所示：
，
b）对滤波后图像采用如下公式计算xy两个方向的一阶差分：
，
梯度模值G和方向θ为：
，
则P点的梯度模值G：
，
c）对步骤b中计算的梯度值设定40阈值，并连接距离小于20的边缘，即焊带喷涂区域的轮廓信息；
d）计算喷涂区域轮廓的归一化矩：
，
其中G为图像坐标(x,y)处梯度值，、/>，/> 分别为轮廓点集的x、y坐标和，/>为轮廓点集总数，/>；
e）计算模板和匹配对象的L1范占模板模值的比例作为轮廓匹配损失函数：
，
为模板轮廓矩、/>为匹配轮廓矩，k 为ij取值组合共7组，设L置阈值0.1，小于阈值即认为轮廓匹配；
f）由步骤e中获取轮廓的点集拟合最小外接矩形，根据喷涂点位特征，以外接矩形为中心裁剪400*250分辨率作为分类模型输入；
g）输入图片长宽比例8：5，而模型输入只支持1：1，避免图像拉伸裁剪造成的特征损失，新图像分辨率如下式所示，空白部分填充灰度值0，；
2）构建分类模型
a）模型基础模块Bn包括两个分支Bna和Bnb，Bna是一层参数为[k,b,p,s]的卷积层，Bnb为一层直连输出，模块Bn输出如下式所示：，
其中，[k,b,p,s]分别表示卷积核、维数、补齐值和步长。
模型基础模块BN包括两个分支BNa、BNb，BNa由两个参数为[1,b,0,1]、[3,b,1,1]的Bn模块构成，BNb直接与BNa求和输出，模块BN输出如下式所示：
，
其中BNa =Bn2(Bn1(Bn))，BNb=Bn；
b）模型第一部分B1由两个参数为[6,16,2,2]、[3,32,2,1]的Bn模块组成，B1输出两个分支B1a、B1b；
c）模型第二部分B2包括两个分支B2a、B2b，B2a的输入为B1a，包括三个b=64的BN模块，B2b的输入为B1b，包括一个参数为[1,64,0,1]的Bn模块，B2a和B2b在b通道拼接输出；
d）将步骤b、c模块组合为BC，依次设置参数b=128、b=256，重复堆叠两次，模型最终结构包括三组BC；
e）模型输出经一层参数为[k,256,0,1]的均值卷积输出，将输出压缩为（1*n）维向量，其中k为模型输出特征图尺寸，n为检测类别数，最终通过损失函数计算，clsID为最大概率类别指针；
3）训练分类模型
a）数据集由26618张ok图片和5315张ng图片构成，另1000张混合ok、ng图片用作测试；
b）训练平台采用Xeon Gold 6326，128G内存，RTX3090 24G，win10系统，pytorch框架；
c）训练参数：batchsize=64、epoch =210，随机梯度惯量为0.9，动态学习率为，其中/>，b=70，int()为取整除法；
d)对于训练结果，依据混淆矩阵准确率公式评价：，其中TP：检测为ok，标签也为ok；FP：检测为ng，标签为ok；TN：检测为ng，标签为ng；FN：检测为ng，标签为ok。
4）算法实施
a）工控机平台采用intel i7 4770，8G内存，win10系统；
b）检测模型阈值设定0.85，1000张样本算法平均耗时40ms，准确率99%。
（5）若焊带存在部分点位漏喷、喷涂不良，工控机发送补喷信号和NG点位到PLC，进行补喷；若焊带喷涂点位存在冲压不良或尺寸不良，工控机发送PLC NG信号；若满足喷涂质量需求，即完成一次喷涂检测流程。

Claims (6)

1.一种具备视觉检测的高速喷涂系统，其特征在于它包括，
视觉组件(1)：包括工业相机、工业镜头和同轴光源，用于采集喷涂点位照片；
传感器：用于检测焊带进料，当进料完成后传输完成信号给PLC；
喷头组件(2)：包括喷头、电磁阀和喷涂控制卡，用于响应PLC触发及延时信号，实现不同的喷涂效果；
工控机：用于接收视觉组件获取的图像，并通过视觉算法计算，将结果传至PLC；
运动组件(3)：带动喷头组件和视觉组件运动到指定喷涂和拍照位置；
PLC：分别与视觉组件、传感器组件、喷头组件和工控机组成通信连接，用于接收传感器和视觉软件结果，以控制运动组件、喷涂组件和视觉组件实现相应动作。
2.根据权利要求1所述的一种具备视觉检测的高速喷涂系统，其特征在于，丝杆直线运动模组。
3.根据权利要求1所述的一种具备视觉检测的高速喷涂系统，其特征在于，传感器是光电开关。
4.一种基于高速喷涂系统的喷涂方法，其特征在于具体步骤如下：
a、焊带进料，送料机构输送一段冲压完成的焊带到喷涂工位，光电开关检测到进料完成后，发送PLC信号；
b、PLC接收进料完成信号后，触发工业相机采集图像，视觉软件通过标定算法，与示教模板位置对比，给出偏移值，若偏移值超出焊带预设尺寸，给PLC发送NG信号，系统重复动作a，送入下一段焊带；若偏移值正常，则由PLC发送至运动组件；
c、运动组件响应PLC给出的偏移值，移动喷头和视觉组件到喷涂起始位，PLC触发喷涂控制卡，喷头开始喷涂，同时触发相机采集喷涂后图片；
d、工控机接收采集图像，视觉软件通过检测算法判断每个喷涂点质量，最后汇总所有点位给出整条焊带的检测结果。
5.一种用于高速喷涂系统的检测算法，其特征在于具体步骤如下：
1）图像预处理
a）对采集图像使用高斯滤波去噪，根据焊带边缘特征进行计算，图像计算如下式所示：，其中，/>为高斯卷积核半径；/>为方差；p为图像坐标；
b）对滤波后图像采用如下公式计算xy两个方向的一阶差分：，
梯度模值G和方向θ为：，
则P点的梯度模值G：
；
c）对步骤b）中计算的梯度值进行设定，获得喷涂区域的轮廓信息；
d）计算喷涂区域轮廓的归一化矩：
，
其中G为图像坐标(x,y)处梯度值，、/>，/>分别为轮廓点集的x、y坐标和，/>为轮廓点集总数，/>；
e）计算模板和匹配对象的L1范占模板模值的比例作为轮廓匹配损失函数：
，
为模板轮廓矩、/>为匹配轮廓矩，k 为ij取值组，设L置阈值，小于阈值即认为轮廓匹配；
f）由步骤e）中获取轮廓的点集拟合最小外接矩形，根据喷涂点位特征，以外接矩形为中心裁剪设定尺寸，剪设定尺寸分辨率作为分类模型输入；
g）输入图片长宽，避免图像拉伸裁剪造成的特征损失，新图像分辨率如下式所示，空白部分填充灰度值0，；
2）构建分类模型
a）模型基础模块Bn包括两个分支Bna和Bnb，Bna是一层参数为[k,b,p,s]的卷积层，Bnb为一层直连输出，模块Bn输出如下式所示：，
其中，[k,b,p,s]分别表示卷积核、维数、补齐值和步长，
模型基础模块BN包括两个分支BNa、BNb，BNa由两个参数为[1,b,0,1]、[3,b,1,1]的Bn模块构成，BNb直接与BNa求和输出，模块BN输出如下式所示：
，
其中BNa =Bn2(Bn1(Bn))，BNb=Bn；
b）模型第一部分B1由两个参数为[6,16,2,2]、[3,32,2,1]的Bn模块组成，B1输出两个分支B1a、B1b；
c）模型第二部分B2包括两个分支B2a、B2b，B2a的输入为B1a，包括三个b=64的BN模块，B2b的输入为B1b，包括一个参数为[1,64,0,1]的Bn模块，B2a和B2b在b通道拼接输出；
d）将步骤b、c模块组合为BC，依次设置参数b=128、b=256，重复堆叠两次，模型最终结构包括三组BC；
e）模型输出经一层参数为[k,256,0,1]的均值卷积输出，将输出压缩为（1*n）维向量，其中k为模型输出特征图尺寸，n为检测类别数，最终通过损失函数计算，clsID为最大概率类别指针，
3）训练分类模型
a）数据集由ok图片和ng图片构成，另有混合ok、ng图片用作测试；
b）动态学习率为，其中/>，b=70，int()为取整除法；
c)对于训练结果，依据混淆矩阵准确率公式评价：，
其中TP：检测为ok，标签也为ok；FP：检测为ng，标签为ok；TN：检测为ng，标签为ng；FN：检测为ng，标签为ok。
6.根据权利要求1所述的一种具备视觉检测的高速喷涂系统，其特征在于，训练平台采用Xeon Gold 6326，pytorch框架。
CN202310429216.9A 2023-04-21 2023-04-21 一种具备视觉检测的高速喷涂系统 Pending CN116474976A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310429216.9A CN116474976A (zh) 2023-04-21 2023-04-21 一种具备视觉检测的高速喷涂系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310429216.9A CN116474976A (zh) 2023-04-21 2023-04-21 一种具备视觉检测的高速喷涂系统

Publications (1)

Publication Number Publication Date
CN116474976A true CN116474976A (zh) 2023-07-25

Family

ID=87217256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310429216.9A Pending CN116474976A (zh) 2023-04-21 2023-04-21 一种具备视觉检测的高速喷涂系统

Country Status (1)

Country Link
CN (1) CN116474976A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422714A (zh) * 2023-12-18 2024-01-19 大陆汽车电子(济南)有限公司 装配检测方法、设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422714A (zh) * 2023-12-18 2024-01-19 大陆汽车电子(济南)有限公司 装配检测方法、设备和存储介质
CN117422714B (zh) * 2023-12-18 2024-03-29 大陆汽车电子(济南)有限公司 装配检测方法、设备和存储介质

Similar Documents

Publication Publication Date Title
CN110497187B (zh) 基于视觉引导的太阳花模组装配系统
US7202957B2 (en) Three-dimensional visual sensor
CN108898634B (zh) 基于双目相机视差对绣花机目标针眼进行精确定位的方法
CN102452081B (zh) 机械手臂系统参数的校正方法与校正装置
CN116474976A (zh) 一种具备视觉检测的高速喷涂系统
CN110865077B (zh) 用于rfid天线生产的外观缺陷视觉检测系统
US20210150700A1 (en) Defect detection device and method
CN105424721B (zh) 一种金属应变计缺陷自动检测系统
CN112729112B (zh) 基于机器人视觉的发动机缸体孔径与孔位检测方法
CN109590952B (zh) 成套工艺装配板的智能检测方法和检测工作台
CN112497219A (zh) 一种基于目标检测和机器视觉的柱状工件分类定位方法
CN106938463A (zh) 一种大型板料定位抓取的方法
CN110596118A (zh) 印刷图案检测方法及印刷图案检测装置
CN112097684B (zh) 一种基于多姿态带结构光的视觉测量系统及测量方法
CN106926241A (zh) 一种基于视觉引导的双臂机器人装配方法及系统
CN112577423B (zh) 包含在运动中进行机器视觉位置定位的方法及其应用
CN112525075A (zh) 一种用于点胶设备的点胶精度测试系统
CN116329738A (zh) 线路板靶标的定位方法、装置、电子设备及存储介质
CN111389750A (zh) 一种视觉测量系统及测量方法
CN114972825B (zh) 一种mmi按键图标矩阵自动检测的实现方法
CN217059974U (zh) 一种固定镂空图案薄金属产品质量在线检测装置
CN112207444B (zh) 一种用于led灯珠不良品标记的超高精度激光打标方法
KR20120071842A (ko) 마킹 위치 인식 장치 및 방법
CN117670887B (zh) 一种基于机器视觉的锡焊高度及缺陷检测方法
TWM619409U (zh) 智慧化加工系統

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