CN117102977B - 一种基于视觉信息的机器去毛刺轨迹管理系统及方法 - Google Patents

一种基于视觉信息的机器去毛刺轨迹管理系统及方法 Download PDF

Info

Publication number
CN117102977B
CN117102977B CN202311162860.0A CN202311162860A CN117102977B CN 117102977 B CN117102977 B CN 117102977B CN 202311162860 A CN202311162860 A CN 202311162860A CN 117102977 B CN117102977 B CN 117102977B
Authority
CN
China
Prior art keywords
workpiece
image
experimental
burr
deburring
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.)
Active
Application number
CN202311162860.0A
Other languages
English (en)
Other versions
CN117102977A (zh
Inventor
章明
徐林森
于海武
倪福银
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.)
Jiangsu Cascc Intelligent Industrial Equipment Co ltd
Original Assignee
Jiangsu Cascc Intelligent Industrial 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 Jiangsu Cascc Intelligent Industrial Equipment Co ltd filed Critical Jiangsu Cascc Intelligent Industrial Equipment Co ltd
Priority to CN202311162860.0A priority Critical patent/CN117102977B/zh
Publication of CN117102977A publication Critical patent/CN117102977A/zh
Application granted granted Critical
Publication of CN117102977B publication Critical patent/CN117102977B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B9/00—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor
    • B24B9/02—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及机器去毛刺技术领域，具体为一种基于视觉信息的机器去毛刺轨迹管理系统及方法，包括对毛刺拍摄实验组中各个实验工件进行拍摄，得到实验工件中含有毛刺的图像，并记为实验工件毛刺图像；使用不同去毛刺工具对实验工件毛刺图像对应的毛刺位置进行去毛刺，并对去毛刺情况进行评估，得到实验工件毛刺图像对应的去毛刺工具；对当前周期内的工件图像的毛刺情况进行评估，将含有毛刺的工件图像进行保留，并记为毛刺工件图像；基于毛刺工件图像对应的去除毛刺工具，对含有毛刺的工件去毛刺轨迹进行调整，在预定轨迹下使用相应的去毛刺工具对对应的工件进行去毛刺。

Description

一种基于视觉信息的机器去毛刺轨迹管理系统及方法
技术领域
本发明涉及机器去毛刺技术领域，具体为一种基于视觉信息的机器去毛刺轨迹管理系统及方法。
背景技术
视觉信息是由视觉和触觉两个感觉系统提供的综合信息，它是将视觉信息和触觉信息结合起来，形成对周围环境的全面感知；使用视觉信息的机器有以下几点好处，1.提高机器的感知力，视觉信息的结合可以提高机器的感知力，通过视觉和触觉的双重输入，机器人可以更加全面的了解和感知周围的环境，2.增加交互能力，视觉信息的结合可以对帮助机器人更好的理解和响应人类的动作和相应的意图，3.提高决策能力，视觉信息可以为机器提供更多的决策依据，通过触觉信息机器可以更强的感知物体的硬度和材质，通过视觉信息机器可以更强的感知物体的形状和纹理，从而辅助机器在进行决策是更加准确的判断和评估不同决策的优势和劣势。
去毛刺在机械的加工是一项极为重要的加工工序，毛刺的产生会导致用户在使用产品时被划伤，而且毛刺也会影响产品的整体质感和观感，在一些工艺流程中，如在焊接、切割、模具制造等，这些操作可能会导致毛刺的产生，这些工艺流程中去除毛刺是必要的，但是在生产中产品出现毛刺的大小和形状各不相同，如何使用相应的去毛刺工具按照合适的轨迹对产品进行去毛刺，目前来说没有一个有效的方案。
发明内容
本发明的目的在于提供一种基于视觉信息的机器去毛刺轨迹管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于视觉信息的机器去毛刺轨迹管理方法，方法包括：
步骤S100：获取毛刺拍摄实验组；对毛刺拍摄实验组中各个实验工件进行拍摄，得到实验工件中含有毛刺的图像，并记为实验工件毛刺图像；使用不同去毛刺工具对实验工件毛刺图像对应的毛刺位置进行去毛刺，并对去毛刺情况进行评估，得到实验工件毛刺图像对应的去毛刺工具；
步骤S200：获取普通实验工件拍摄组；在当前周期内使用工业相机对普通实验工件拍摄组中各个普通实验工件进行拍摄，将得到不含毛刺的实验工件图像，记为正常实验工件图像；对生产的各个工件进行拍摄，将拍摄出的图像记为工件图像；对当前周期内的工件图像的毛刺情况进行评估，将含有毛刺的工件图像进行保留，并记为毛刺工件图像；
步骤S300：对毛刺工件图像进行边缘检测，得到毛刺工件图像对应的边缘信息；获取实验工件毛刺图像对应的边缘信息；基于实验工件毛刺图像对应的边缘信息，对毛刺工件图像边缘信息进行评估，得到毛刺工件图像对应的去毛刺工具；
步骤S400：获取各个毛刺工件图像对应的去除毛刺工具；基于毛刺工件图像对应的去除毛刺工具，对含有毛刺的工件去毛刺轨迹进行调整，在预定轨迹下使用相应的去毛刺工具对对应的工件进行去毛刺。
进一步的，步骤S100包括：
步骤S101：由工作人员对生产出来的工件进行毛刺检查，并将含有毛刺的工件进行汇集，记为毛刺拍摄实验组；对毛刺拍摄实验组中各个实验工件的毛刺位置，使用工件相机进行拍摄，得到实验工件中毛刺位置的图像，记为实验工件毛刺图像；
步骤S102：将各个含有毛刺位置的实验工件图像交由后台系统，后台系统将实验工件图像交由工作人员分别对各个实验工件图像进行评估，得到各个实验工件图像对应的去毛刺工具；使用实验工件图像对应的去毛刺工具，对实验工件图像对应的实验工件毛刺位置进行去毛刺，得到去除毛刺后的实验工件；对去除毛刺后的实验工件再次交由工作人员进行去毛刺检查，得到不含毛刺的实验工件位置，并记为去除毛刺成功的实验工件位置；
步骤S103：获取去除毛刺成功后的实验工件位置对应的实验工件毛刺图像；获取实验工件毛刺图像对应的去除毛刺工具；基于去毛刺工具对实验工件毛刺图像进行分类，将去毛刺工具相同的实验工件毛刺图像进行汇集，得到实验工件毛刺图像集合F＝{F1、F2、...、Fn}；其中，F1、F2、...、Fn分别为同一去毛刺工具对应的第1、2、...、n个实验工件毛刺图像。
进一步的，步骤S200包括：
步骤S201：从生产出中各个工件中选取出若干个不含毛刺的工件进行汇集，并记为正常实验工件；对正常实验工件的各个位置进行拍摄，得到正常实验工件中各个不含毛刺的工件图像，记为正常实验工件图像；
步骤S202：将正常实验工件中各个位置对应的正常实验工件图像进行获取；将某一工件位置对应的正常实验工件图像进行汇集，得到某一工件位置对应正常实验工件图像集合G＝{G1、G2、...、Gx}；其中，G1、G2、...、Gx分别为工件中某一工件位置对应的第1、2、...、x个正常实验工件图像；
步骤S203：获取正常实验工件图像集合G中各个正常实验工件图像的rgb值之和；获取正常实验工件图像集合G中正常实验工件图像的rgb值之和的最大值，并记为rgbGmax；获取正常实验工件图像集合G中正常实验工件图像的rgb值之和的最小值，并记为rgbGmin；计算某一工件位置对应正常实验工件图像的rgb值之和变化范围rgbGsum∈[rgbGmin,rgbGmax]；
步骤S204：使用工业相机对生产的工件各个位置进行拍摄，将拍摄的工件各个位置图像，记为工件图像；获取正常实验工件图像的图像尺寸；获取工件图像的图像尺寸；获取工件图像中各个像素点的rgb值；当工件图像对应的图像尺寸小于正常实验工件图像的图像尺寸时，计算填充像素点rgb值rgbt：
其中，rgbi为工件图像中第i个像素点对应的rgb值；c为工件图像对应的像素点总数；
步骤S205：当工件图像的图像尺寸小于正常实验工件图像的图像尺寸时，将工件图像的右下角最后一个像素点与正常实验工件图像右下角最后一个像素点进行对齐，将工件图像与正常实验工件图像进行比较，将工件图像对于正常实验工件图像空缺位置的像素点，记为工件图像的缺失像素点；使用工件图像对应的填充像素点对应的rgb值，作为工件图像的缺失像素点rgbo的rgb值；其中，rgbo＝rgbt；计算工件图像各个像素点之和rgbsum：
其中，rgbi为工件图像中第i个像素点对应的rgb值；c为工件图像对应的像素点总数；rgbo为工件图像中缺失像素点对应的rgb值；r为工件图像对于正常实验工件图像空缺位置的像素点的总个数；
步骤S206：获取工件图像对应的工件位置；获取工件位置对应的对应正常实验工件图像的rgb值之和；当工件图像各个像素点之和对应数值，在工件位置对应正常实验工件图像的rgb值之和变化范围之内，判断工件图像对应的工件位置，为没有毛刺的正常工件位置，并将工件图像进行剔除，将保留的工件图像作为含有毛刺的工件图像，并记为毛刺工件图像；
上述步骤中正常实验工件图像的图像尺寸均大于工件图像，是因为可能存在正常实验工件图像和工件图像对应的图像尺寸不一致，这就使得在工件图像对应的相像素点个数小于正常实验工件图像像素点，为了在后续可以使用像素点rgb之和，作为判断图像是否一致的决定因素，所以需要将工件图像对于正常实验工件图像空缺位置的像素点，使用填充像素点rgb值对空缺位置的像素点的rgb进行赋值，使用图像对应的像素点对应的rgb值之和，作为判断图像是否一致的依据，是因为在拍摄环境一致条件下，对同一类工件的相同位置进行拍摄，那么这两张图像各个像素点对应的rgb值之和对应的数值，应该很相似，其中，正常实验工件图像的rgb值之和的最大值，表示的是rgb值之和中rgb值的三项数据对应数值相加的最大值，并且rgb值之和仅仅是表示对将各个像素点三项数据对应数值进行累加，并不有对应的颜色含义。
进一步的，步骤S300包括：
步骤S301：对毛刺工件图像进行边缘检测，提取出毛刺工件图像中的边缘信息；边缘信息包括毛刺工件图像对应边缘的强度；获取边缘信息中各项信息对应特征向量，分别记为毛刺工件图像对应的边缘强度特征向量；
步骤S302：获取毛刺工件图像对应的工件位置；获取工件位置对应的实验工件毛刺图像；获取实验工件毛刺图像对应的边缘信息；获取边缘信息对应特征向量，分别记为实验工件毛刺图像对应的边缘强度特征向量；
步骤S303：对毛刺工件图像对应的边缘强度特征向量，与实验工件毛刺图像边缘信息对应的边缘强度特征向量进行余弦相似度计算，得到两个特征向量之间的余弦相似度；获取毛刺工件图像的边缘强度特征向量，与各个实验工件毛刺图像对应的边缘特征向量之间的余弦相似度；选取与毛刺工件图像余弦相似度最大的实验工件毛刺图像，作为毛刺工件图像对应的实验工件毛刺图像，并将实验工件毛刺图像对应的去毛刺工具，作为毛刺工件图像对应去毛刺工具；
上述步骤中使用对毛刺工件图像进行边缘检测，提取出毛刺工件图像中的边缘信息，获取工件位置对应的实验工件毛刺图像；获取实验工件毛刺图像对应的边缘信息，是因为毛刺通常是工件表面上的尖锐位置，边缘信息基本上就是等同于毛刺信息，对毛刺工件图像对应的边缘强度特征向量，与实验工件毛刺图像边缘信息对应的边缘强度特征向量进行余弦相似度计算，得到两个特征向量之间的余弦相似度，是因为要是想判断两个特征向量是否相似的常用手段是计算两个特征向量之间的余弦相似度，余弦相似度越接近于1表示两个特征向量越相似，并且余弦相似度取值范围为负1到正1，所以才选取与毛刺工件图像余弦相似度最大的实验工件毛刺图像，作为毛刺工件图像对应的实验工件毛刺图像。
进一步的，步骤S400包括：
步骤S401：获取生产工件各个位置对应的工件图像；当生产工件各个位置对应的工件图像中存在被判定为毛刺工件图像时，获取毛刺工件图像对应的去毛刺工具；
步骤S402：获取毛刺工件图像对应的工件位置，将工件位置作为工件中含毛刺的工件位置；对工件中各个含有毛刺的工件位置进行获取；获取工件中含有毛刺的各个工件位置对应去毛刺工具；去毛刺后台对含有毛刺的工件，进行制定相应的去毛刺轨迹；对含有毛刺的工件使用相应的去毛刺工具，按照预先制定的轨迹对工件进行去毛刺。
为了更好实现上述方法还提出了机器去毛刺轨迹管理系统，轨迹管理系统包括实验工件毛刺图像模块、毛刺工件图像模块、去毛刺工具模块、去毛刺模块；
实验工件毛刺图像模块，用于对毛刺拍摄实验组中各个实验工件中含有毛刺位置使用工业相机进行拍摄，得到实验工件中含有毛刺位置的图像，并记为实验工件毛刺图像；
毛刺工件图像模块，用于对使用工业相机对生产的工件进行拍摄，得到工件图像；基于工件图像，将不含毛刺的工件图像进行剔除，将保留的工件图像，记为毛刺工件图像；
去毛刺工具模块，用于对毛刺工件图像对应的边缘信息进行获取；基于实验工件毛刺图像对应的边缘信息，对毛刺工件图像的边缘信息进行评估，得到毛刺工件图像对应的实验工件毛刺图像；将实验工件毛刺图像的去毛刺工具，记为毛刺工件图像对应去毛刺工具；
去毛刺模块，用于基于毛刺工件图像，获取含有毛刺部分的工件；获取含有毛刺工件中各个毛刺位置对应的去毛刺工具；使用工件对应的去毛刺工具，对工件进行去毛刺。
进一步的，实验工件毛刺图像模块包括实验工件毛刺图像单元、去毛刺工具配对单元；
实验工件毛刺图像单元，用于对毛刺拍摄实验组中各个实验工件的毛刺位置，使用工件相机进行拍摄，得到实验工件中毛刺位置的图像，记为实验工件毛刺图像；
去毛刺工具配对单元，用于使用实验工件图像对应的去毛刺工具，对实验工件图像对应的实验工件毛刺位置进行去毛刺，得到去除毛刺后的实验工件；获取去除毛刺成功的实验工件位置对应的实验工件图像，将去毛刺工具，记为实验工件图像对应的去毛刺工具。
进一步的，毛刺工件图像模块包括正常实验工件图像单元、毛刺工件图像单元；
正常实验工件图像单元，用于正常实验工件的各个位置进行拍摄，得到正常实验工件中各个不含毛刺的工件图像，记为正常实验工件图像；
毛刺工件图像单元，用于使用工业相机对生产的工件各个位置进行拍摄，将拍摄的工件各个位置图像，记为工件图像；获取工件图像对应的工件位置；获取工件位置对应的对应正常实验工件图像的rgb值之和；当工件图像中被判定为不含毛刺时，将工件图像进行剔除，将保留的工件图像记为毛刺工件图像。
进一步的，去毛刺工具模块包括边缘信息单元、去毛刺工具单元；
边缘信息单元，用于对毛刺工件图像对应的边缘信息进行获取；获取边缘信息对应的边缘特征向量，并记为毛刺工件图像对应的边缘强度特征向量；
去毛刺工具单元，用于获取实验工件毛刺图像对应的边缘强度特征向量；基于毛刺工件图像和实验工件毛刺图像对应的边缘强度特征向量，对毛刺工件图像进行评估，得到毛刺工件图像对应的实验工件毛刺图像；将实验工件毛刺图像对应的去毛刺工具，作为毛刺工件图像对应去毛刺工具。
进一步的，去毛刺模块包括去毛刺轨迹管理单元；
去毛刺轨迹管理单元，用于对工件中含有毛刺位置进行获取；基于工件中各个含有毛刺位置，去毛刺后台对含有毛刺的工件，制定相应的去毛刺轨迹；对含有毛刺的工件使用相应的去毛刺工具，按照预先制定的轨迹对工件进行去毛刺。
与现有技术相比，本发明所达到的有益效果是：本发明实现了对工件进行毛刺智能化检查，能够准确找出含有毛刺部分的工件，并基于工件图像对工件的毛刺进行判定，选取出对于含有毛刺的工件最合适的去毛刺工具，从而避免错误使用去毛刺工具对工件进行去毛刺，导致浪费人力和财力，并且可以会出现去除毛刺不干净的现象。
附图说明
附图用来提供对本发明的进步理解，并且构成说明书的位置，与本发明的实施例起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于视觉信息的机器去毛刺轨迹管理系统及方法的方法流程图；
图2是本发明一种基于视觉信息的机器去毛刺轨迹管理系统及方法的模块示意图。
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位置实施例，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。
请参阅图1-图2，本发明提供技术方案：一种基于视觉信息的机器去毛刺轨迹管理方法，方法包括：
步骤S100：获取毛刺拍摄实验组；对毛刺拍摄实验组中各个实验工件进行拍摄，得到实验工件中含有毛刺的图像，并记为实验工件毛刺图像；使用不同去毛刺工具对实验工件毛刺图像对应的毛刺位置进行去毛刺，并对去毛刺情况进行评估，得到实验工件毛刺图像对应的去毛刺工具；
其中，步骤S100包括：
步骤S101：由工作人员对生产出来的工件进行毛刺检查，并将含有毛刺的工件进行汇集，记为毛刺拍摄实验组；对毛刺拍摄实验组中各个实验工件的毛刺位置，使用工件相机进行拍摄，得到实验工件中毛刺位置的图像，记为实验工件毛刺图像；
步骤S102：将各个含有毛刺位置的实验工件图像交由后台系统，后台系统将实验工件图像交由工作人员分别对各个实验工件图像进行评估，得到各个实验工件图像对应的去毛刺工具；使用实验工件图像对应的去毛刺工具，对实验工件图像对应的实验工件毛刺位置进行去毛刺，得到去除毛刺后的实验工件；对去除毛刺后的实验工件再次交由工作人员进行去毛刺检查，得到不含毛刺的实验工件位置，并记为去除毛刺成功的实验工件位置；
步骤S103：获取去除毛刺成功后的实验工件位置对应的实验工件毛刺图像；获取实验工件毛刺图像对应的去除毛刺工具；基于去毛刺工具对实验工件毛刺图像进行分类，将去毛刺工具相同的实验工件毛刺图像进行汇集，得到实验工件毛刺图像集合F＝{F1、F2、...、Fn}；其中，F1、F2、...、Fn分别为同一去毛刺工具对应的第1、2、...、n个实验工件毛刺图像；
步骤S200：获取普通实验工件拍摄组；在当前周期内使用工业相机对普通实验工件拍摄组中各个普通实验工件进行拍摄，将得到不含毛刺的实验工件图像，记为正常实验工件图像；对生产的各个工件进行拍摄，将拍摄出的图像记为工件图像；对当前周期内的工件图像的毛刺情况进行评估，将含有毛刺的工件图像进行保留，并记为毛刺工件图像；
其中，步骤S200包括：
步骤S201：从生产出中各个工件中选取出若干个不含毛刺的工件进行汇集，并记为正常实验工件；对正常实验工件的各个位置进行拍摄，得到正常实验工件中各个不含毛刺的工件图像，记为正常实验工件图像；
步骤S202：将正常实验工件中各个位置对应的正常实验工件图像进行获取；将某一工件位置对应的正常实验工件图像进行汇集，得到某一工件位置对应正常实验工件图像集合G＝{G1、G2、...、Gx}；其中，G1、G2、...、Gx分别为工件中某一工件位置对应的第1、2、...、x个正常实验工件图像；
步骤S203：获取正常实验工件图像集合G中各个正常实验工件图像的rgb值之和；获取正常实验工件图像集合G中正常实验工件图像的rgb值之和的最大值，并记为rgbGmax；获取正常实验工件图像集合G中正常实验工件图像的rgb值之和的最小值，并记为rgbGmin；计算某一工件位置对应正常实验工件图像的rgb值之和变化范围rgbGsum∈[rgbGmin,rgbGmax]；
步骤S204：使用工业相机对生产的工件各个位置进行拍摄，将拍摄的工件各个位置图像，记为工件图像；获取正常实验工件图像的图像尺寸；获取工件图像的图像尺寸；获取工件图像中各个像素点的rgb值；当工件图像对应的图像尺寸小于正常实验工件图像的图像尺寸时，计算填充像素点rgb值rgbt：
其中，rgbi为工件图像中第i个像素点对应的rgb值；c为工件图像对应的像素点总数；
例如，工件图像中像素点对应的rgb值分别为(230，222，231)、(230，226，230)、(233，221，238)；计算填充像素点rgb值rgbt：
步骤S205：当工件图像的图像尺寸小于正常实验工件图像的图像尺寸时，将工件图像的右下角最后一个像素点与正常实验工件图像右下角最后一个像素点进行对齐，将工件图像与正常实验工件图像进行比较，将工件图像对于正常实验工件图像空缺位置的像素点，记为工件图像的缺失像素点；使用工件图像对应的填充像素点对应的rgb值，作为工件图像的缺失像素点rgbo的rgb值；其中，rgbo＝rgbt；计算工件图像各个像素点之和rgbsum：
其中，rgbi为工件图像中第i个像素点对应的rgb值；c为工件图像对应的像素点总数；rgbo为工件图像中缺失像素点对应的rgb值；r为工件图像对于正常实验工件图像空缺位置的像素点的总个数；
步骤S206：获取工件图像对应的工件位置；获取工件位置对应的对应正常实验工件图像的rgb值之和；当工件图像各个像素点之和对应数值，在工件位置对应正常实验工件图像的rgb值之和变化范围之内，判断工件图像对应的工件位置，为没有毛刺的正常工件位置，并将工件图像进行剔除，将保留的工件图像作为含有毛刺的工件图像，并记为毛刺工件图像；
步骤S300：对毛刺工件图像进行边缘检测，得到毛刺工件图像对应的边缘信息；获取实验工件毛刺图像对应的边缘信息；基于实验工件毛刺图像对应的边缘信息，对毛刺工件图像边缘信息进行评估，得到毛刺工件图像对应的去毛刺工具；
其中，步骤S300包括：
步骤S301：对毛刺工件图像进行边缘检测，提取出毛刺工件图像中的边缘信息；边缘信息包括毛刺工件图像对应边缘的强度；获取边缘信息中各项信息对应特征向量，分别记为毛刺工件图像对应的边缘强度特征向量；
步骤S302：获取毛刺工件图像对应的工件位置；获取工件位置对应的实验工件毛刺图像；获取实验工件毛刺图像对应的边缘信息；获取边缘信息对应特征向量，分别记为实验工件毛刺图像对应的边缘强度特征向量；
步骤S303：对毛刺工件图像对应的边缘强度特征向量，与实验工件毛刺图像边缘信息对应的边缘强度特征向量进行余弦相似度计算，得到两个特征向量之间的余弦相似度；获取毛刺工件图像的边缘强度特征向量，与各个实验工件毛刺图像对应的边缘特征向量之间的余弦相似度；选取与毛刺工件图像余弦相似度最大的实验工件毛刺图像，作为毛刺工件图像对应的实验工件毛刺图像，并将实验工件毛刺图像对应的去毛刺工具，作为毛刺工件图像对应去毛刺工具；
步骤S400：获取各个毛刺工件图像对应的去除毛刺工具；基于毛刺工件图像对应的去除毛刺工具，对含有毛刺的工件去毛刺轨迹进行调整，在预定轨迹下使用相应的去毛刺工具对对应的工件进行去毛刺；
其中，步骤S400包括：
步骤S401：获取生产工件各个位置对应的工件图像；当生产工件各个位置对应的工件图像中存在被判定为毛刺工件图像时，获取毛刺工件图像对应的去毛刺工具；
步骤S402：获取毛刺工件图像对应的工件位置，将工件位置作为工件中含毛刺的工件位置；对工件中各个含有毛刺的工件位置进行获取；获取工件中含有毛刺的各个工件位置对应去毛刺工具；去毛刺后台对含有毛刺的工件，进行制定相应的去毛刺轨迹；对含有毛刺的工件使用相应的去毛刺工具，按照预先制定的轨迹对工件进行去毛刺；
为了更好实现上述方法还提出了机器去毛刺轨迹管理系统，轨迹管理系统包括实验工件毛刺图像模块、毛刺工件图像模块、去毛刺工具模块、去毛刺模块；
实验工件毛刺图像模块，用于对毛刺拍摄实验组中各个实验工件中含有毛刺位置使用工业相机进行拍摄，得到实验工件中含有毛刺位置的图像，并记为实验工件毛刺图像；
毛刺工件图像模块，用于对使用工业相机对生产的工件进行拍摄，得到工件图像；基于工件图像，将不含毛刺的工件图像进行剔除，将保留的工件图像，记为毛刺工件图像；
去毛刺工具模块，用于对毛刺工件图像对应的边缘信息进行获取；基于实验工件毛刺图像对应的边缘信息，对毛刺工件图像的边缘信息进行评估，得到毛刺工件图像对应的实验工件毛刺图像；将实验工件毛刺图像的去毛刺工具，记为毛刺工件图像对应去毛刺工具；
去毛刺模块，用于基于毛刺工件图像，获取含有毛刺部分的工件；获取含有毛刺工件中各个毛刺位置对应的去毛刺工具；使用工件对应的去毛刺工具，对工件进行去毛刺；
其中，实验工件毛刺图像模块包括实验工件毛刺图像单元、去毛刺工具配对单元；
实验工件毛刺图像单元，用于对毛刺拍摄实验组中各个实验工件的毛刺位置，使用工件相机进行拍摄，得到实验工件中毛刺位置的图像，记为实验工件毛刺图像；
去毛刺工具配对单元，用于使用实验工件图像对应的去毛刺工具，对实验工件图像对应的实验工件毛刺位置进行去毛刺，得到去除毛刺后的实验工件；获取去除毛刺成功的实验工件位置对应的实验工件图像，将去毛刺工具，记为实验工件图像对应的去毛刺工具；
其中，毛刺工件图像模块包括正常实验工件图像单元、毛刺工件图像单元；
正常实验工件图像单元，用于正常实验工件的各个位置进行拍摄，得到正常实验工件中各个不含毛刺的工件图像，记为正常实验工件图像；
毛刺工件图像单元，用于使用工业相机对生产的工件各个位置进行拍摄，将拍摄的工件各个位置图像，记为工件图像；获取工件图像对应的工件位置；获取工件位置对应的对应正常实验工件图像的rgb值之和；当工件图像中被判定为不含毛刺时，将工件图像进行剔除，将保留的工件图像记为毛刺工件图像；
其中，去毛刺工具模块包括边缘信息单元、去毛刺工具单元；
边缘信息单元，用于对毛刺工件图像对应的边缘信息进行获取；获取边缘信息对应的边缘特征向量，并记为毛刺工件图像对应的边缘强度特征向量；
去毛刺工具单元，用于获取实验工件毛刺图像对应的边缘强度特征向量；基于毛刺工件图像和实验工件毛刺图像对应的边缘强度特征向量，对毛刺工件图像进行评估，得到毛刺工件图像对应的实验工件毛刺图像；将实验工件毛刺图像对应的去毛刺工具，作为毛刺工件图像对应去毛刺工具；
其中，去毛刺模块包括去毛刺轨迹管理单元；
去毛刺轨迹管理单元，用于对工件中含有毛刺位置进行获取；基于工件中各个含有毛刺位置，去毛刺后台对含有毛刺的工件，制定相应的去毛刺轨迹；对含有毛刺的工件使用相应的去毛刺工具，按照预先制定的轨迹对工件进行去毛刺。
需要说明的是，在本文中，诸如第和第二等之类的关系术语仅仅用来将个实体或者操作与另个实体或操作区分开来，而不定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中位置技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于视觉信息的机器去毛刺轨迹管理方法，其特征在于，所述方法包括：
步骤S100：获取毛刺拍摄实验组；对毛刺拍摄实验组中各个实验工件进行拍摄，得到实验工件中含有毛刺的图像，并记为实验工件毛刺图像；使用不同去毛刺工具对实验工件毛刺图像对应的毛刺位置进行去毛刺，并对去毛刺情况进行评估，得到实验工件毛刺图像对应的去毛刺工具；
所述步骤S100包括：
步骤S101：由工作人员对生产出来的工件进行毛刺检查，并将含有毛刺的工件进行汇集，记为毛刺拍摄实验组；对毛刺拍摄实验组中各个实验工件的毛刺位置，使用工件相机进行拍摄，得到实验工件中毛刺位置的图像，记为实验工件毛刺图像；
步骤S102：将各个含有毛刺位置的实验工件图像交由后台系统，后台系统将实验工件图像交由工作人员分别对各个实验工件图像进行评估，得到各个实验工件图像对应的去毛刺工具；使用实验工件图像对应的去毛刺工具，对实验工件图像对应的实验工件毛刺位置进行去毛刺，得到去除毛刺后的实验工件；对去除毛刺后的实验工件再次交由工作人员进行去毛刺检查，得到不含毛刺的实验工件位置，并记为去除毛刺成功的实验工件位置；
步骤S103：获取去除毛刺成功后的实验工件位置对应的实验工件毛刺图像；获取实验工件毛刺图像对应的去除毛刺工具；基于去毛刺工具对实验工件毛刺图像进行分类，将去毛刺工具相同的实验工件毛刺图像进行汇集，得到实验工件毛刺图像集合
；其中，
分别为同一去毛刺工具对应的第1、2、...、n个实验工件毛刺图像；
步骤S200：获取普通实验工件拍摄组；在当前周期内使用工业相机对普通实验工件拍摄组中各个普通实验工件进行拍摄，将得到不含毛刺的实验工件图像，记为正常实验工件图像；对生产的各个工件进行拍摄，将拍摄出的图像记为工件图像；对当前周期内的工件图像的毛刺情况进行评估，将含有毛刺的工件图像进行保留，并记为毛刺工件图像；
步骤S300：对毛刺工件图像进行边缘检测，得到毛刺工件图像对应的边缘信息；获取实验工件毛刺图像对应的边缘信息；基于实验工件毛刺图像对应的边缘信息，对毛刺工件图像边缘信息进行评估，得到毛刺工件图像对应的去毛刺工具；
步骤S400：获取各个毛刺工件图像对应的去除毛刺工具；基于毛刺工件图像对应的去除毛刺工具，对含有毛刺的工件去毛刺轨迹进行调整，在预定轨迹下使用相应的去毛刺工具对对应的工件进行去毛刺。
2.根据权利要求1的一种基于视觉信息的机器去毛刺轨迹管理方法，其特征在于，所述步骤S200包括：
步骤S201：从生产出中各个工件中选取出若干个不含毛刺的工件进行汇集，并记为正常实验工件；对正常实验工件的各个位置进行拍摄，得到正常实验工件中各个不含毛刺的工件图像，记为正常实验工件图像；
步骤S202：将正常实验工件中各个位置对应的正常实验工件图像进行获取；将某一工件位置对应的正常实验工件图像进行汇集，得到某一工件位置对应正常实验工件图像集合
；其中，
分别为工件中某一工件位置对应的第1、2、...、x 个正常实验工件图像；
步骤S203：获取正常实验工件图像集合G中各个正常实验工件图像的rgb值之和；获取正常实验工件图像集合G中正常实验工件图像的rgb值之和的最大值，并记为；
获取正常实验工件图像集合G中正常实验工件图像的rgb值之和的最小值，并记为；计算某一工件位置对应正常实验工件图像的rgb值之和变化范围；
步骤S204：使用工业相机对生产的工件各个位置进行拍摄，将拍摄的工件各个位置图像，记为工件图像；获取正常实验工件图像的图像尺寸；获取工件图像的图像尺寸；获取工件图像中各个像素点的rgb值；当工件图像对应的图像尺寸小于正常实验工件图像的图像尺寸时，计算填充像素点rgb值：/>；
其中，为工件图像中第i个像素点对应的rgb值；/>为工件图像对应的像素点总数；
步骤S205：当工件图像的图像尺寸小于正常实验工件图像的图像尺寸时，将工件图像的右下角最后一个像素点与正常实验工件图像右下角最后一个像素点进行对齐，将工件图像与正常实验工件图像进行比较，将工件图像对于正常实验工件图像空缺位置的像素点，记为工件图像的缺失像素点；使用工件图像对应的填充像素点对应的rgb值，作为工件图像的缺失像素点的rgb值；其中，/>；计算工件图像各个像素点之和/>：；
其中，为工件图像中第i个像素点对应的rgb值；/>为工件图像对应的像素点总数；为工件图像中缺失像素点对应的rgb值；r为工件图像对于正常实验工件图像空缺位置的像素点的总个数；
步骤S206：获取工件图像对应的工件位置；获取工件位置对应的对应正常实验工件图像的rgb值之和；当工件图像各个像素点之和对应数值，在工件位置对应正常实验工件图像的rgb值之和变化范围之内，判断工件图像对应的工件位置，为没有毛刺的正常工件位置，并将工件图像进行剔除，将保留的工件图像作为含有毛刺的工件图像，并记为毛刺工件图像。
3.根据权利要求2的一种基于视觉信息的机器去毛刺轨迹管理方法，其特征在于，所述步骤S300包括：
步骤S301：对毛刺工件图像进行边缘检测，提取出毛刺工件图像中的边缘信息；边缘信息包括毛刺工件图像对应边缘的强度；获取边缘信息中各项信息对应特征向量，分别记为毛刺工件图像对应的边缘强度特征向量；
步骤S302：获取毛刺工件图像对应的工件位置；获取工件位置对应的实验工件毛刺图像；获取实验工件毛刺图像对应的边缘信息；获取边缘信息对应特征向量，分别记为实验工件毛刺图像对应的边缘强度特征向量；
步骤S303：对毛刺工件图像对应的边缘强度特征向量，与实验工件毛刺图像边缘信息对应的边缘强度特征向量进行余弦相似度计算，得到两个特征向量之间的余弦相似度；获取毛刺工件图像的边缘强度特征向量，与各个实验工件毛刺图像对应的边缘特征向量之间的余弦相似度；选取与毛刺工件图像余弦相似度最大的实验工件毛刺图像，作为毛刺工件图像对应的实验工件毛刺图像，并将实验工件毛刺图像对应的去毛刺工具，作为毛刺工件图像对应去毛刺工具。
4.根据权利要求1的一种基于视觉信息的机器去毛刺轨迹管理方法，其特征在于，所述步骤S400包括：
步骤S401：获取生产工件各个位置对应的工件图像；当生产工件各个位置对应的工件图像中存在被判定为毛刺工件图像时，获取毛刺工件图像对应的去毛刺工具；
步骤S402：获取毛刺工件图像对应的工件位置，将工件位置作为工件中含毛刺的工件位置；对工件中各个含有毛刺的工件位置进行获取；获取工件中含有毛刺的各个工件位置对应去毛刺工具；去毛刺后台对含有毛刺的工件，进行制定相应的去毛刺轨迹；对含有毛刺的工件使用相应的去毛刺工具，按照预先制定的轨迹对工件进行去毛刺。
5.应用于权利要求1-4中任意项的一种基于视觉信息的机器去毛刺轨迹管理方法的机器去毛刺轨迹管理系统，其特征在于，所述轨迹管理系统包括实验工件毛刺图像模块、毛刺工件图像模块、去毛刺工具模块、去毛刺模块；
所述实验工件毛刺图像模块，用于对毛刺拍摄实验组中各个实验工件中含有毛刺位置使用工业相机进行拍摄，得到实验工件中含有毛刺位置的图像，并记为实验工件毛刺图像；
所述毛刺工件图像模块，用于对使用工业相机对生产的工件进行拍摄，得到工件图像；基于工件图像，将不含毛刺的工件图像进行剔除，将保留的工件图像，记为毛刺工件图像；
所述去毛刺工具模块，用于对毛刺工件图像对应的边缘信息进行获取；基于实验工件毛刺图像对应的边缘信息，对毛刺工件图像的边缘信息进行评估，得到毛刺工件图像对应的实验工件毛刺图像；将实验工件毛刺图像的去毛刺工具，记为毛刺工件图像对应去毛刺工具；
所述去毛刺模块，用于基于毛刺工件图像，获取含有毛刺部分的工件；获取含有毛刺工件中各个毛刺位置对应的去毛刺工具；使用工件对应的去毛刺工具，对工件进行去毛刺。
6.根据权利要求5的机器去毛刺轨迹管理系统，其特征在于，所述实验工件毛刺图像模块包括实验工件毛刺图像单元、去毛刺工具配对单元；
所述实验工件毛刺图像单元，用于对毛刺拍摄实验组中各个实验工件的毛刺位置，使用工件相机进行拍摄，得到实验工件中毛刺位置的图像，记为实验工件毛刺图像；
所述去毛刺工具配对单元，用于使用实验工件图像对应的去毛刺工具，对实验工件图像对应的实验工件毛刺位置进行去毛刺，得到去除毛刺后的实验工件；获取去除毛刺成功的实验工件位置对应的实验工件图像，将去毛刺工具，记为实验工件图像对应的去毛刺工具。
7.根据权利要求5的机器去毛刺轨迹管理系统，其特征在于，所述毛刺工件图像模块包括正常实验工件图像单元、毛刺工件图像单元；
所述正常实验工件图像单元，用于正常实验工件的各个位置进行拍摄，得到正常实验工件中各个不含毛刺的工件图像，记为正常实验工件图像；
所述毛刺工件图像单元，用于使用工业相机对生产的工件各个位置进行拍摄，将拍摄的工件各个位置图像，记为工件图像；获取工件图像对应的工件位置；获取工件位置对应的对应正常实验工件图像的rgb值之和；当工件图像中被判定为不含毛刺时，将工件图像进行剔除，将保留的工件图像记为毛刺工件图像。
8.根据权利要求5的机器去毛刺轨迹管理系统，其特征在于，所述去毛刺工具模块包括边缘信息单元、去毛刺工具单元；
所述边缘信息单元，用于对毛刺工件图像对应的边缘信息进行获取；获取边缘信息对应的边缘特征向量，并记为毛刺工件图像对应的边缘强度特征向量；
所述去毛刺工具单元，用于获取实验工件毛刺图像对应的边缘强度特征向量；基于毛刺工件图像和实验工件毛刺图像对应的边缘强度特征向量，对毛刺工件图像进行评估，得到毛刺工件图像对应的实验工件毛刺图像；将实验工件毛刺图像对应的去毛刺工具，作为毛刺工件图像对应去毛刺工具。
9.根据权利要求5的机器去毛刺轨迹管理系统，其特征在于，所述去毛刺模块包括去毛刺轨迹管理单元；
所述去毛刺轨迹管理单元，用于对工件中含有毛刺位置进行获取；基于工件中各个含有毛刺位置，去毛刺后台对含有毛刺的工件，制定相应的去毛刺轨迹；对含有毛刺的工件使用相应的去毛刺工具，按照预先制定的轨迹对工件进行去毛刺。
CN202311162860.0A 2023-09-11 2023-09-11 一种基于视觉信息的机器去毛刺轨迹管理系统及方法 Active CN117102977B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311162860.0A CN117102977B (zh) 2023-09-11 2023-09-11 一种基于视觉信息的机器去毛刺轨迹管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311162860.0A CN117102977B (zh) 2023-09-11 2023-09-11 一种基于视觉信息的机器去毛刺轨迹管理系统及方法

Publications (2)

Publication Number Publication Date
CN117102977A CN117102977A (zh) 2023-11-24
CN117102977B true CN117102977B (zh) 2024-02-02

Family

ID=88800024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311162860.0A Active CN117102977B (zh) 2023-09-11 2023-09-11 一种基于视觉信息的机器去毛刺轨迹管理系统及方法

Country Status (1)

Country Link
CN (1) CN117102977B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1527167A (zh) * 2002-12-20 2004-09-08 �ֶ��ع����ɷ����޹�˾ 成套工具的制造设备及方法
JP2011093004A (ja) * 2009-10-27 2011-05-12 Okamoto Machine Tool Works Ltd 機上画像計測システムを備えたｎｃ研削装置
DE102016121058A1 (de) * 2015-11-11 2017-05-11 Fanuc Corporation Werkzeugmaschine
CN110695776A (zh) * 2018-07-10 2020-01-17 苏州百谷数控技术有限公司 一种自动修磨刀具系统及其使用方法
CN111152117A (zh) * 2020-01-16 2020-05-15 佛山市华控电机科技有限公司 一种抛光节能控制系统以及方法
CN112008502A (zh) * 2020-08-14 2020-12-01 科德数控股份有限公司 一种基于刀具光学检测技术的刀具磨削加工控制方法
CN112025099A (zh) * 2020-08-10 2020-12-04 武汉智能装备工业技术研究院有限公司 一种智能化激光去毛刺系统及激光去毛刺方法
CN114211319A (zh) * 2022-02-17 2022-03-22 东莞飞元科技有限公司 一种多工位刀具专用磨床控制方法、系统和存储介质
KR20220111417A (ko) * 2021-02-02 2022-08-09 에스케이실트론 주식회사 연삭 휠 관리 시스템 및 방법
CN115446672A (zh) * 2022-09-28 2022-12-09 华侨大学 一种超声空化去除微零件毛刺装置及方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1527167A (zh) * 2002-12-20 2004-09-08 �ֶ��ع����ɷ����޹�˾ 成套工具的制造设备及方法
JP2011093004A (ja) * 2009-10-27 2011-05-12 Okamoto Machine Tool Works Ltd 機上画像計測システムを備えたｎｃ研削装置
DE102016121058A1 (de) * 2015-11-11 2017-05-11 Fanuc Corporation Werkzeugmaschine
CN110695776A (zh) * 2018-07-10 2020-01-17 苏州百谷数控技术有限公司 一种自动修磨刀具系统及其使用方法
CN111152117A (zh) * 2020-01-16 2020-05-15 佛山市华控电机科技有限公司 一种抛光节能控制系统以及方法
CN112025099A (zh) * 2020-08-10 2020-12-04 武汉智能装备工业技术研究院有限公司 一种智能化激光去毛刺系统及激光去毛刺方法
CN112008502A (zh) * 2020-08-14 2020-12-01 科德数控股份有限公司 一种基于刀具光学检测技术的刀具磨削加工控制方法
KR20220111417A (ko) * 2021-02-02 2022-08-09 에스케이실트론 주식회사 연삭 휠 관리 시스템 및 방법
CN114211319A (zh) * 2022-02-17 2022-03-22 东莞飞元科技有限公司 一种多工位刀具专用磨床控制方法、系统和存储介质
CN115446672A (zh) * 2022-09-28 2022-12-09 华侨大学 一种超声空化去除微零件毛刺装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于视觉注意机制的刀具检测方法;窦燕;孔令富;;中国机械工程(第17期);2024-2027 *

Also Published As

Publication number Publication date
CN117102977A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
Mikołajczyk et al. Neural network approach for automatic image analysis of cutting edge wear
CN110717872B (zh) 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取系统
Princely et al. Vision assisted robotic deburring of edge burrs in cast parts
US20140228997A1 (en) Automated cad process for creating mold packages
CN109191367B (zh) 刀具磨损图像的拼接方法及刀具的寿命预测方法
CN107085846A (zh) 工件表面缺陷图像识别方法
CN115035120A (zh) 基于物联网的机床控制方法及系统
CN117102977B (zh) 一种基于视觉信息的机器去毛刺轨迹管理系统及方法
CN115229355A (zh) 高精密冲压锻件用激光切割方法
JP3427389B2 (ja) バリ取り方法及びその装置
CN117226855B (zh) 一种基于三维点云的焊缝打磨轨迹规划方法
DE102020108680B4 (de) Verfahren und Anordnung zur Oberflächenbearbeitung eines Werkstücks
CN111127410B (zh) 一种汽车仪表盘印刷瑕疵的自动检测方法
CN113222080B (zh) 一种基于rfid和计算机视觉的木制家具辅助打磨系统及其使用方法
JP2006315060A (ja) 板金加工システム及び板金加工方法
CN114067121A (zh) 一种基于计算机视觉的有锈板材激光切割方法
JP2023545282A (ja) 空のワークピースキャリアのための基準記録作成
Lee et al. Burr detection by using vision image
CN113634915A (zh) 基于视觉的切割装置及其切割方法
Leo Princely et al. Teach less robotic system for deburring workpieces of various shapes
CN117392133B (zh) 一种基于机器视觉的压铸件毛刺检测系统及方法
CN117313951B (zh) 一种多传感器融合的柔性去毛刺管理方法及系统
KR20200014019A (ko) 공작물의 후처리를 위한 공작물 이미지 분석시스템 및 그 분석방법
TWI763233B (zh) 用於自動生成加工製程特徵的處理方法及其系統
CN116448666B (zh) 一种基于机器视觉的锂电池盒的检测装置及检测方法

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
GR01 Patent grant
GR01 Patent grant