CN116681664A - 一种用于冲压设备作业的检测方法及装置 - Google Patents
一种用于冲压设备作业的检测方法及装置 Download PDFInfo
- Publication number
- CN116681664A CN116681664A CN202310627831.0A CN202310627831A CN116681664A CN 116681664 A CN116681664 A CN 116681664A CN 202310627831 A CN202310627831 A CN 202310627831A CN 116681664 A CN116681664 A CN 116681664A
- Authority
- CN
- China
- Prior art keywords
- area
- stamping
- white
- image
- processing
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 239000000463 material Substances 0.000 claims abstract description 56
- 238000009826 distribution Methods 0.000 claims abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 18
- 238000004140 cleaning Methods 0.000 claims description 17
- 229910044991 metal oxide Inorganic materials 0.000 claims description 4
- 150000004706 metal oxides Chemical class 0.000 claims description 4
- 239000004065 semiconductor Substances 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 13
- 230000000007 visual effect Effects 0.000 abstract description 11
- 239000002699 waste material Substances 0.000 abstract 1
- 238000004080 punching Methods 0.000 description 35
- 239000000284 extract Substances 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D22/00—Shaping without cutting, by stamping, spinning, or deep-drawing
- B21D22/02—Stamping using rigid devices or tools
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于冲压设备作业的检测方法及装置,检测方法包括:获取冲压加工后的加工区域图像进行预处理,得到预处理图像数据;基于设置的低阈值参数和高阈值参数从预处理图像数据中获取白色像素图像;对白色像素图像进行开运算和闭运算,得到若干个白色目标区域;提取每个白色目标区域的面积,根据每个白色目标区域的面积进行过滤,获取白色目标区域对应残留废料的数量和分布位置;判断若干个白色目标区域的面积总和是否达到预设的面积阈值,若是,冲压设备暂停冲压操作,并反馈白色目标区域对应的残留物料的数量和分布位置。对加工区域进行视觉图像检测,通过二值化处理减少图像处理的运算体量,缩短检测时间,提高冲压设备的加工效率。
Description
技术领域
本发明主要涉视觉检测技术领域,具体涉及一种用于冲压设备作业的检测方法及装置。
背景技术
在板材加工生产行业中,会采用高速冲压设备对板材进行冲压作业,目前的冲压设备在冲压加工之后,容易在冲压加工区域内形成残留物料,对冲压设备的冲压加工造成影响,目前的冲压设备通过视觉检测系统对冲压设备的加工区域进行残留物料的检测,现有的视觉检测系统多采用轮廓识别配合特征提取的方式进行图像处理,从而检测物料的面积和位置,但是这种图像处理方式涉及的运算体量大,影响冲压设备的加工效率。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种用于冲压设备作业的检测方法及装置,所述检测方法对冲压设备冲压加工区域进行视觉图像检测,通过二值化处理减少图像处理的运算体量,降低视觉检测时间,提高冲压设备的冲压加工效率。
本发明提供了一种用于冲压设备作业的检测方法,所述检测方法包括:
S11:获取冲压加工后的加工区域图像,对加工区域图像进行预处理,得到预处理图像数据;
S12:基于设置的低阈值参数和高阈值参数从所述预处理图像数据中获取白色像素图像;
S13:对所述白色像素图像进行开运算和闭运算,得到若干个白色目标区域;
S14:提取每个所述白色目标区域的面积,根据每个所述白色目标区域的面积进行过滤,获取白色目标区域对应的残留物料的数量和分布位置;
S15:判断所述若干个白色目标区域的面积总和是否达到预设的面积阈值,若否,继续执行冲压任务,若是,进入步骤S16;
S16:冲压设备暂停冲压操作,并反馈所述白色目标区域对应的残留物料的数量和分布位置。
进一步的,所述获取冲压加工加工区域图像,对加工区域图像进行预处理,得到预处理图像数据包括:
在冲压设备完成单次冲压任务后,通过CCD摄像单元或CMOS摄像单元拍摄获取冲压设备上加工区域的图像数据。
进一步的,所述对加工区域图像进行预处理,得到预处理图像数据包括:
对加工区域图像进行灰值处理,得到预处理图像数据。
进一步的,基于设置的低阈值参数和高阈值参数从所述预处理图像数据中获取白色像素图像包括:
根据所述预处理图像数据的灰度值数据确定二值化阈值,根据所述二值化阈值对所述预处理图像数据进行二值化处理,获取白色像素图像。
进一步的,所述根据所述预处理图像数据的灰度值数据确定二值化阈值包括:
计算所述预处理图像数据的灰度平均值,根据灰度平均值设定低阈值或高阈值为二值化阈值。
进一步的,所述对所述白色像素图像进行开运算和闭运算,得到若干个白色目标区域包括:
对所述白色像素图像进行开运算,将所述白色像素图像划分为多个白色像素子区域;
对所述白色像素子区域进行闭运算,将白色像素子区域转变为白色目标区域。
进一步的,提取每个所述白色目标区域的面积,根据每个所述白色目标区域的面积进行过滤,获取白色目标区域对应的残留物料的数量和分布位置包括:
获取冲压设备的历史冲压图像数据,根据所述历史冲压图像数据提取冲压后物料的面积轮廓特征,根据所述面积轮廓特征对所述白色目标区域面积特征进行过滤,获取白色目标区域对应的残留物料的数量和分布位置。
进一步的,冲压设备暂停冲压操作,并反馈所述白色目标区域对应残留物料的数量和分布位置包括:
冲压设备暂停执行下一工件的冲压操作,并向清理搬运组件反馈冲压加工区域内所述白色目标区域对应残留物料的数量和分布位置;
或冲压设备暂停执行下一工件的冲压操作,发出警报通知操作人员进行物料清理,并通过显示屏向操作人员反馈冲压加工区域内所述白色目标区域对应残留物料的数量和分布位置。
进一步的,所述检测方法还包括:
将所述预处理图像数据转换为RGB图像,根据所述白色目标区域对应残留物料的数量和分布位置在所述RGB图像中标记出残留物料。
本发明还提供了一种用于冲压设备作业的检测装置,所述检测装置包括:
图像预处理模块:用于获取冲压加工后得加工区域图像,对加工区域图像进行预处理,得到预处理图像数据;
二值化处理模块:用于基于设置的低阈值和高阈值参数从所述预处理图像数据获取白色像素图像;
图像运算模块:用于对所述白色像素图像进行开运算和闭运算,得到若干个白色目标区域;
图像分析模块:用于提取每个所述白色目标区域的面积,根据每个所述白色目标区域的面积进行过滤,获取白色目标区域对应的残留物料的数量和分布位置;
判断模块:用于判断所述若干个白色目标区域的总面积是否达到预设的面积阈值,若否,继续执行冲压任务,若是,反馈调整模块执行操作;
反馈调整模块:用于冲压设备暂停冲压操作,并反馈所述白色目标区域对应残留物料的数量和分布位置。
本发明提供了一种用于冲压设备作业的检测方法及装置,所述检测方法对冲压设备冲压加工区域进行视觉图像检测,通过二值化处理减少图像处理的运算体量,降低视觉检测时间,提高冲压设备的冲压加工效率。
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,显而易见的,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它的附图。
图1是本发明实施例中用于冲压设备作业的检测方法流程图;
图2是本发明实施例中用于冲压设备作业的检测装置示意图。
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。
图1示出了本发明实施例中的用于冲压设备作业的检测方法流程图,所述检测方法包括:
S11:获取冲压加工后得加工区域图像,对加工区域图像进行预处理,得到预处理图像数据。
具体的,在冲压设备完成单次冲压操作后,通过CCD摄像单元对冲压设备的加工区域进行拍摄,获取初始图像数据,将所述初始图像数据发送到冲压设备的主控系统,主控系统根据所述初始图像数据的拍摄角度和拍摄范围生成旋转矩形区域,通过旋转矩形区域框选所述初始图像数据中冲压设备加工区域的图像数据,并通过旋转变换调整所述加工区域图像的角度,以便进行输出显示。
进一步的,所述CCD(Charge coupled Device)摄像单元为电荷耦合元件拍摄单元,所述CCD摄像单元设置在冲压设备的侧壁上,所述CCD摄像单元的拍摄方向以预设角度朝向所述冲压设备的加工区域,且所述CCD摄像单元的拍摄范围大于所述加工区域,使得所述CCD摄像单元能够拍摄覆盖全部所述加工区域。
进一步的,所述冲压设备的侧壁上还设置有光照组件,所述光照组件的光照方向朝向所述冲压设备的加工区域,用于为所述CCD摄像单元提供充足的光照条件。
进一步的,还可以通过CMOS摄像单元对冲压设备的加工区域进行拍摄,所述COMS(Complementary Metal Oxide Semiconductor)摄像单元为金属氧化物半导体传感器,具有较高的图像处理速度,可以提高图像捕捉识别的效率。
具体的,所述对加工区域图像进行预处理,得到预处理图像数据包括:
对加工区域图像进行灰值处理,得到预处理图像数据,通过平均算法对所述加工区域图像进行灰度化处理,即对所述加工区域的RGB数值进行平均计算,并将计算得到平均值作为所述加工区域图像的灰度值,对所述加工区域进行灰值处理,所述灰度值的计算公式为:
Gray=(Red+Green+Blue)/3;
其中,Gray为灰度值,Red为红色通道数值,Green为绿色通道数值,Blue为蓝色通道数值。
S12:基于设置的低阈值参数和高阈值参数从所述预处理图像数据中获取白色像素图像。
具体的,根据所述预处理图像数据的灰度值数据确定二值化阈值,根据所述二值化阈值对所述预处理图像数据进行二值化处理,获取白色像素图像。
进一步的,所述根据所述预处理图像数据的灰度值数据确定二值化阈值包括:
计算所述预处理图像数据的灰度平均值,根据灰度平均值设定低阈值为二值化阈值,或设定高阈值为二值化阈值,对所述预处理图像进行二值化处理,简化所述图像处理的计算量。
具体的,所述冲压设备的主控系统提取预处理图像数据的灰度值数据,所述预处理图像数据的灰度值主要分布在第一区间和第二区间,所述第一区间的灰度值对应所述冲压设备加工区域的灰度值数据,所述第二区间的灰度值对应所述加工区域内冲压残留物料的灰度值数据。
将所述第一区间的灰度值和所述第二区间的灰度值进行对比,当所述第一区间灰度值大于所述第二区间的灰度值,设定第一区间内的最小灰度值为高阈值,设定所述第二区间的最大灰度值为低阈值;若所述第一区间的灰度值小于所述第二区间的灰度值,设定第二区间内的最小灰度值为高阈值,设定所述第一区间内的最大灰度值为低阈值。
进一步的,当所述第一区间和第二区间内的会灰度值存在部分叠合的情况,通过计算所述第一区间和第二区间的灰度均值进行高阈值和低阈值的设定标准,即通过比较第一区间的灰度均值和所述第二区间的灰度均值进行高阈值和低阈值的设定。
具体的,对所述预处理图像数据进行灰度值的均值计算,根据计算结果设定高阈值或低阈值为二值化阈值,通过计算预处理图像数据的灰度值进行均值计算,得到灰度平均值,对所述灰度平均值进行差值补偿,得到灰度补偿值,将所述灰度补偿值与所述第二区间对应的高阈值或低阈值进行差值比较,得到比较差值,将所述比较差值与预设的灰度差值进行对比,若所述比较差值小于等于所述灰度差值,设定所述第二区间对应的高阈值或低阈值为二值化阈值;若所述比较差值大于所述灰度差值,设定所述第一区间对应的高阈值或低阈值为二值化阈值。
进一步的,所述对灰度平均值进行差值补偿,通过所述第一区间的灰度均值和所述第二区间的灰度均值进行二次均值计算,根据计算结果对预处理后图像数据的灰度平均值进行差值补偿,可以降低所述第一区间和第二区间之间像素点基数差距对二值化阈值设定的影响。
通过对所述第一区间和第二区间内的灰度值进行均值和补偿计算,提高所述二值化阈值的设定的准确性。
S13:对所述白色像素图像进行开运算和闭运算,得到若干个白色目标区域;
具体的,所述对所述白色像素图像进行开运算和闭运算,得到白色目标区域包括:
对所述白色像素图像进行开运算,将所述白色像素图像划分为多个白色像素子区域,通过对所述白色像素图像进行开运算,对白色像素图像先腐蚀,后膨胀,将相邻的白色像素图像之间分隔,得到多个相互独立的白色像素子区域。
进一步的,任一所述白色像素子区域对应一个残留在所述冲压设备加工区域内的物料,即通过对所述白色像素图像进行开运算,可以对所述冲压设备加工区域内残留物料的数量和分布情况进行初步评估。
具体的,对所述白色像素子区域进行闭运算,将白色像素子区域转变为白色目标区域,对所述白色像素子区域进行闭运算,通过对白色像素子区域进行先膨胀,后腐蚀,对白色像素子区域内的缺口进行修补,得到完整的白色目标区域,以便对所述白色目标区域进行标记和处理。
S14:提取每个所述白色目标区域的面积,根据每个所述白色目标区域的面积进行过滤,获取白色目标区域对应的残留物料的数量和分布位置。
具体的,获取冲压设备的历史冲压图像数据,根据所述历史冲压图像数据提取冲压后物料的面积轮廓特征,根据所述面积轮廓特征对所述白色目标区域面积特征进行过滤,获取白色目标区域的数量和分布位置。
进一步的,所述主控系统通过分析所述冲压设备的历史冲压图像数据,提取冲压设备冲压加工后加工区域内残留的物料面积轮廓特征,包括物料的分布位置以及对应的形状,通过提取所述白色目标区域面积特征进行过滤,剔除白色目标区域内的干扰数据,能够准确确定白色目标区域的数量和分布位置,以便进行清理。
S15:判断所述若干个白色目标区域的面积总和是否达到预设的面积阈值,若否,继续执行冲压任务,若是,进入步骤S16;
具体的,所述主控系统对所述若干个白色目标区域的面积总和进行判断,判断所述白色目标区域是否达到预设的面积阈值,所述预设的面积阈值为加工区域的5%,即所述主控系统提取白色目标区域的面积总和,并判断所述白色目标区域的面积总和是否达到加工区域总面积的5%,若否,可以判断所述加工区域内残留的物料不会对所述冲压设备的冲压加工造成影响,所述冲压设备可以继续执行冲压任务。
进一步的,当所述白色目标区域的面积总和大于所述加工区域总面积的5%后,所述主控系统调控所述CCD摄像单元对加工区域进行拍照,并将拍摄获取的照片进行存储,以便操作人员进行后续的维护和故障分析。
S16:冲压设备暂停冲压操作,并反馈所述白色目标区域对应的残留物料数量和分布位置。
具体的,当所述白色目标区域的面积总和大于所述冲压设备加工区域总面积的5%,所述主控系统发出暂停指令,冲压设备暂停执行下一工件的冲压操作,所述主控系统发出清理指令到搬运清理组件,并向清理搬运组件反馈冲压加工区域内白色目标区域的数量和分布位置。
具体的,所述清理搬运组件可以为搬运机械手或工业机器人,所述清理搬运组件接收所述主控系统发出的清理指令,获取主控系统反馈的加工区域内白色目标区域对应的的残留物料数量和分布位置,并根据所述白色目标区域对应的残留物料的数量和分布位置驱动抓取所述加工区域内的残留物料,并将所述残留物料搬运到物料收集箱内。
进一步的,当所述清理搬运组件完成清理工作后,可以向所述主控系统反馈清理完成的信号,所述主控系统通过所述CCD摄像单元对工作区域进行拍摄复核,确保所述加工区域内没有残留物料后,所述主控系统控制所述冲压设备进行下一工件的冲压操作。
具体的,当检测到所述白色目标区域的面积达到所述加工区域总面积的5%,所述主控系统可以生成暂停指令,并控制冲压设备暂停执行下一工件的冲压操作,通过发出警报通知操作人员进行物料清理,并通过显示屏向操作人员反馈冲压加工区域内白色目标区域的数量和分布位置,以便操作人员进行物料清理核实。
进一步的,操作人员完成物料清理后,操作人员可以手动启动所述冲压设备,使得冲压设备可以实现对下一工件的冲压操作。
具体的,所述检测方法还包括:
将所述预处理图像数据转换为RGB图像,根据所述白色目标区域的数量和分布位置在所述RGB图像中标记出白色目标区域。
进一步的,通过将所述预处理图像数据转换为RGB图像,在得到的RGB图像上根据所述白色目标区域的轮廓位置进行标记,绘制所述加工区域内残留物料分布的位置和形状,并通过显示屏输出显示,使得操作人员可以直观获取检测结果。
本发明实施例提供了一种用于冲压设备作业的检测方法,所述检测方法通过设定高阈值和低阈值对图像进行二值化处理,降低视觉识别图像处理的计算体量,降低视觉检测时间,提高冲压设备的冲压加工效率。配合开运算和闭运算获取白色目标区域,提高冲压后加工区域内残留物料的视觉检测准确性。
图2示出了本发明实施例中用于冲压设备作业的检测装置示意图,所述检测装置包括:
图像预处理模块10:用于获取冲压加工后得加工区域图像,对加工区域图像进行预处理,得到预处理图像数据。
具体的,所述对加工区域图像进行预处理,得到预处理图像数据包括:
对加工区域图像进行灰值处理,得到预处理图像数据,通过平均算法对所述加工区域图像进行灰度化处理,即对所述加工区域的RGB数值进行平均计算,并将计算得到平均值作为所述加工区域图像的灰度值,对所述加工区域进行灰值处理,所述灰度值的计算公式为:
Gray=(Red+Green+Blue)/3;
其中,Gray为灰度值,Red为红色通道数值,Green为绿色通道数值,Blue为蓝色通道数值。
二值化处理模块20:用于基于设置的低阈值参数和高阈值参数从所述预处理图像数据中获取白色像素图像。
具体的,根据所述预处理图像数据的灰度值数据确定二值化阈值,根据所述二值化阈值对所述预处理图像数据进行二值化处理,获取白色像素图像。
进一步的,所述根据所述预处理图像数据的灰度值数据确定二值化阈值包括:
计算所述预处理图像数据的灰度平均值,根据灰度平均值设定低阈值为二值化阈值,或设定高阈值为二值化阈值,对所述预处理图像进行二值化处理,简化所述图像处理的计算量。
具体的,所述冲压设备的主控系统提取预处理图像数据的灰度值数据,所述预处理图像数据的灰度值主要分布在第一区间和第二区间,所述第一区间的灰度值对应所述冲压设备加工区域的灰度值数据,所述第二区间的灰度值对应所述加工区域内冲压残留物料的灰度值数据。
将所述第一区间的灰度值和所述第二区间的灰度值进行对比,当所述第一区间灰度值大于所述第二区间的灰度值,设定第一区间内的最小灰度值为高阈值,设定所述第二区间的最大灰度值为低阈值;若所述第一区间的灰度值小于所述第二区间的灰度值,设定第二区间内的最小灰度值为高阈值,设定所述第一区间内的最大灰度值为低阈值。
进一步的,当所述第一区间和第二区间内的会灰度值存在部分叠合的情况,通过计算所述第一区间和第二区间的灰度均值进行高阈值和低阈值的设定标准,即通过比较第一区间的灰度均值和所述第二区间的灰度均值进行高阈值和低阈值的设定。
具体的,对所述预处理图像数据进行灰度值的均值计算,根据计算结果设定高阈值或低阈值为二值化阈值,通过计算预处理图像数据的灰度值进行均值计算,得到灰度平均值,对所述灰度平均值进行差值补偿,得到灰度补偿值,将所述灰度补偿值与所述第二区间对应的高阈值或低阈值进行差值比较,得到比较差值,将所述比较差值与预设的灰度差值进行对比,若所述比较差值小于等于所述灰度差值,设定所述第二区间对应的高阈值或低阈值为二值化阈值;若所述比较差值大于所述灰度差值,设定所述第一区间对应的高阈值或低阈值为二值化阈值。
图像运算模块30:对所述白色像素图像进行开运算和闭运算,得到若干个白色目标区域。
对所述白色像素图像进行开运算,将所述白色像素图像划分为多个白色像素子区域,通过对所述白色像素图像进行开运算,对白色像素图像先腐蚀,后膨胀,将相邻的白色像素图像之间分隔,得到多个相互独立的白色像素子区域。
对所述白色像素子区域进行闭运算,将白色像素子区域转变为白色目标区域,对所述白色像素子区域进行闭运算,通过对白色像素子区域进行先膨胀,后腐蚀,对白色像素子区域内的缺口进行修补,得到完整的白色目标区域,以便对所述白色目标区域进行标记和处理。
图像分析模:40:提取每个所述白色目标区域的面积,根据每个所述白色目标区域的面积进行过滤,获取白色目标区域对应的残留物料的数量和分布位置。
具体的,获取冲压设备的历史冲压图像数据,根据所述历史冲压图像数据提取冲压后物料的面积轮廓特征,根据所述面积轮廓特征对所述白色目标区域面积特征进行过滤,获取白色目标区域的数量和分布位置。
判断模块50:判断所述白色目标区域的面积总和是否达到预设的面积阈值,若否,继续执行冲压任务,若是,反馈调整模块执行操作。
具体的,所述主控系统对所述白色目标区域的面积总和进行判断,判断所述白色目标区域的面积总和是否达到预设的面积阈值,所述预设的面积阈值为加工区域的5%,即所述主控系统提取白色目标区域的面积总和,并判断所述白色目标区域的面积总和是否达到加工区域总面积的5%,若否,可以判断所述加工区域内残留的物料不会对所述冲压设备的冲压加工造成影响,所述冲压设备可以继续执行冲压任务。
反馈调整模块60:冲压设备暂停冲压操作,并反馈所述白色目标区域对应的残留物料的数量和分布位置。
冲压设备暂停执行下一工件的冲压操作,并向清理搬运组件反馈冲压加工区域内白色目标区域的数量和分布位置;
或冲压设备暂停执行下一工件的冲压操作,发出警报通知操作人员进行物料清理,并通过显示屏向操作人员反馈冲压加工区域内白色目标区域的数量和分布位置。
具体的,所述检测装置还包括图像输出模块,所述图像输出模块用于将所述预处理图像数据转换为RGB图像,根据所述白色目标区域的数量和分布位置在所述RGB图像中标记出白色目标区域。
本发明实施例提供了一种用于冲压设备作业的检测装置,所述检测装置通过设定高阈值和低阈值对图像进行二值化处理,降低视觉识别图像处理的计算体量,降低视觉检测时间,提高冲压设备的冲压加工效率。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,ReadOnly Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的一种用于冲压设备作业的检测方法及装置进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种用于冲压设备作业的检测方法,其特征在于,所述检测方法包括:
S11:获取冲压加工后的加工区域图像,对加工区域图像进行预处理,得到预处理图像数据;
S12:基于设置的低阈值参数和高阈值参数从所述预处理图像数据中获取白色像素图像;
S13:对所述白色像素图像进行开运算和闭运算,得到若干个白色目标区域;
S14:提取每个所述白色目标区域的面积,根据每个所述白色目标区域的面积进行过滤,获取白色目标区域对应的残留物料的数量和分布位置;
S15:判断所述若干个白色目标区域的面积总和是否达到预设的面积阈值,若否,继续执行冲压任务,若是,进入步骤S16;
S16:冲压设备暂停冲压操作,并反馈所述白色目标区域对应的残留物料的数量和分布位置。
2.如权利要求1所述的用于冲压设备作业的检测方法,其特征在于,所述获取冲压加工加工区域图像,对加工区域图像进行预处理,得到预处理图像数据包括:
在冲压设备完成单次冲压任务后,通过CCD摄像单元或CMOS摄像单元拍摄获取冲压设备上加工区域的图像数据。
3.如权利要求1所述的用于冲压设备作业的检测方法,其特征在于,所述对加工区域图像进行预处理,得到预处理图像数据包括:
对加工区域图像进行灰值处理,得到预处理图像数据。
4.如权利要求1所述的用于冲压设备作业的检测方法,其特征在于,基于设置的低阈值参数和高阈值参数从所述预处理图像数据中获取白色像素图像包括:
根据所述预处理图像数据的灰度值数据确定二值化阈值,根据所述二值化阈值对所述预处理图像数据进行二值化处理,获取白色像素图像。
5.如权利要求4所述的用于冲压设备作业的检测方法,其特征在于,所述根据所述预处理图像数据的灰度值数据确定二值化阈值包括:
计算所述预处理图像数据的灰度平均值,根据灰度平均值设定低阈值或高阈值为二值化阈值。
6.如权利要求1所述的用于冲压设备作业的检测方法,其特征在于,所述对所述白色像素图像进行开运算和闭运算,得到若干个白色目标区域包括:
对所述白色像素图像进行开运算,将所述白色像素图像划分为多个白色像素子区域;
对所述白色像素子区域进行闭运算,将白色像素子区域转变为白色目标区域。
7.如权利要求1所述的用于冲压设备作业的检测方法,其特征在于,提取每个所述白色目标区域的面积,根据每个所述白色目标区域的面积进行过滤,获取白色目标区域对应的残留物料的数量和分布位置包括:
获取冲压设备的历史冲压图像数据,根据所述历史冲压图像数据提取冲压后物料的面积轮廓特征,根据所述面积轮廓特征对所述白色目标区域面积特征进行过滤,获取白色目标区域对应的残留物料的数量和分布位置。
8.如权利要求1所述的用于冲压设备作业的检测方法,其特征在于,冲压设备暂停冲压操作,并反馈所述白色目标区域对应残留物料的数量和分布位置包括:
冲压设备暂停执行下一工件的冲压操作,并向清理搬运组件反馈冲压加工区域内所述白色目标区域对应残留物料的数量和分布位置;
或冲压设备暂停执行下一工件的冲压操作,发出警报通知操作人员进行物料清理,并通过显示屏向操作人员反馈冲压加工区域内所述白色目标区域对应残留物料的数量和分布位置。
9.如权利要求1所述的用于冲压设备作业的检测方法,其特征在于,所述检测方法还包括:
将所述预处理图像数据转换为RGB图像,根据所述白色目标区域对应残留物料的数量和分布位置在所述RGB图像中标记出残留物料。
10.一种用于冲压设备作业的检测装置,其特征在于,所述检测装置包括:
图像预处理模块:用于获取冲压加工后得加工区域图像,对加工区域图像进行预处理,得到预处理图像数据;
二值化处理模块:用于基于设置的低阈值和高阈值参数从所述预处理图像数据获取白色像素图像;
图像运算模块:用于对所述白色像素图像进行开运算和闭运算,得到若干个白色目标区域;
图像分析模块:用于提取每个所述白色目标区域的面积,根据每个所述白色目标区域的面积进行过滤,获取白色目标区域对应的残留物料的数量和分布位置;
判断模块:用于判断所述若干个白色目标区域的总面积是否达到预设的面积阈值,若否,继续执行冲压任务,若是,反馈调整模块执行操作;
反馈调整模块:用于冲压设备暂停冲压操作,并反馈所述白色目标区域对应残留物料的数量和分布位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310627831.0A CN116681664A (zh) | 2023-05-30 | 2023-05-30 | 一种用于冲压设备作业的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310627831.0A CN116681664A (zh) | 2023-05-30 | 2023-05-30 | 一种用于冲压设备作业的检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116681664A true CN116681664A (zh) | 2023-09-01 |
Family
ID=87784738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310627831.0A Pending CN116681664A (zh) | 2023-05-30 | 2023-05-30 | 一种用于冲压设备作业的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116681664A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117655209A (zh) * | 2024-01-31 | 2024-03-08 | 成都工业职业技术学院 | 一种金属板材切割装置及其切割预警方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355590A (zh) * | 2016-11-23 | 2017-01-25 | 河北工业大学 | 一种基于图像作差的模具残留物视觉检测方法及装置 |
CN112651923A (zh) * | 2020-11-11 | 2021-04-13 | 北京平恒智能科技有限公司 | 一种基于面积比的剔除细小残留物的胶粘薄膜褶皱缺陷检测方法 |
CN115909353A (zh) * | 2022-12-07 | 2023-04-04 | 中国工商银行股份有限公司 | 一种图像二值化处理方法和装置 |
-
2023
- 2023-05-30 CN CN202310627831.0A patent/CN116681664A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355590A (zh) * | 2016-11-23 | 2017-01-25 | 河北工业大学 | 一种基于图像作差的模具残留物视觉检测方法及装置 |
CN112651923A (zh) * | 2020-11-11 | 2021-04-13 | 北京平恒智能科技有限公司 | 一种基于面积比的剔除细小残留物的胶粘薄膜褶皱缺陷检测方法 |
CN115909353A (zh) * | 2022-12-07 | 2023-04-04 | 中国工商银行股份有限公司 | 一种图像二值化处理方法和装置 |
Non-Patent Citations (3)
Title |
---|
任景明 等: "基于光线和位置补偿的注塑机残留物图像检测方法", 《传感器与微系统》, vol. 32, no. 09, pages 12 - 15 * |
邓高生 等: "基于差分图像的滴塑模具残留物检测算法", 《计算机测量与控制》, vol. 24, no. 12, pages 14 - 16 * |
闫世宇 等: "基于手机平台的工件台残余切屑检测方法", 《制造技术与机床》, no. 10, pages 89 - 94 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117655209A (zh) * | 2024-01-31 | 2024-03-08 | 成都工业职业技术学院 | 一种金属板材切割装置及其切割预警方法 |
CN117655209B (zh) * | 2024-01-31 | 2024-04-16 | 成都工业职业技术学院 | 一种金属板材切割装置及其切割预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6029870B2 (ja) | コンクリート表面の変状検出方法及び装置 | |
CN107490582B (zh) | 一种流水线工件检测系统 | |
CN116681664A (zh) | 一种用于冲压设备作业的检测方法及装置 | |
WO2021135675A1 (zh) | 一种棒材自动计数方法及装置 | |
WO2021102741A1 (zh) | 一种免疫层析检测的图像分析方法以及系统 | |
CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
CN109724776A (zh) | 一种烧结机台车的篦条损坏程度的确定方法及装置 | |
CN113822810A (zh) | 一种基于机器视觉的三维空间中工件的定位方法 | |
CN111968100B (zh) | 机器视觉检测方法与系统 | |
CN111307812A (zh) | 基于机器视觉的焊点外观检测方法 | |
CN114235837A (zh) | 基于机器视觉的led封装表面缺陷检测方法、装置、介质及设备 | |
CN113808087A (zh) | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 | |
KR102000907B1 (ko) | 페라이트 외관 비전 검사방법 | |
CN113762427B (zh) | 一种工业自动化检测场景中的上料异常检测方法 | |
CN115953726B (zh) | 机器视觉的集装箱箱面破损检测方法和系统 | |
CN113145473A (zh) | 一种水果智能分拣系统及方法 | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
CN111805533A (zh) | 用于工件下料的装置、基于视觉定位的工件下料的方法 | |
CN116823708A (zh) | 基于机器视觉的pc构件边模识别与定位研究 | |
CN114332069B (zh) | 一种基于机器视觉的接插件检测方法及装置 | |
CN214865375U (zh) | 零件自动检测和拣选系统 | |
JP3187237B2 (ja) | 鉄スクラップ群から銅を含有したスクラップを自動識別する方法 | |
JP7469740B2 (ja) | ベルト検査システムおよびベルト検査プログラム | |
EP3792620A1 (en) | Magnetic particle inspection device | |
CN112871735A (zh) | 零件自动检测和拣选系统及方法 |
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 |