CN117309899A - 一种轮胎搭接质量检测系统 - Google Patents
一种轮胎搭接质量检测系统 Download PDFInfo
- Publication number
- CN117309899A CN117309899A CN202311041375.8A CN202311041375A CN117309899A CN 117309899 A CN117309899 A CN 117309899A CN 202311041375 A CN202311041375 A CN 202311041375A CN 117309899 A CN117309899 A CN 117309899A
- Authority
- CN
- China
- Prior art keywords
- boundary
- tail
- region
- head
- image
- 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 claims abstract description 59
- 230000001678 irradiating effect Effects 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims description 68
- 238000005259 measurement Methods 0.000 claims description 26
- 238000007689 inspection Methods 0.000 claims description 8
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 241001270131 Agaricus moelleri Species 0.000 claims 1
- 230000006870 function Effects 0.000 description 11
- 238000000034 method Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000004026 adhesive bonding Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008407 joint function Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/02—Tyres
- G01M17/027—Tyres using light, e.g. infrared, ultraviolet or holographic techniques
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06018—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking one-dimensional coding
- G06K19/06028—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking one-dimensional coding using bar codes
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Nonlinear Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及轮胎搭接质量检测领域，本发明公开了一种轮胎搭接质量检测系统，包括上位机、成型机、PCL、步进电机、检测系统组成，所述成型机包括分体式高速3D视觉传感器和大功率激光发生器，所述分体式高速3D视觉传感器主要用于对检测断面的带束层进行实时拍照，所述大功率激光发生器主要用于照射检测断面，所述上位机用于将检测结果进行融合并绑定条形码，发送给成型机，所述PCL主要用于控制步进电机的移动，所述步进电机主要用于将分体式高速3D视觉传感器和大功率激光发生器移动到指定为止，本发明用以解决在成型机生产过程中自动的测量宽度，是否出现蛇形，以及接头搭接的质量，是否出现搭接过量或者搭接不足的问题。
Description
技术领域
本发明涉及轮胎搭接质量检测领域，具体涉及一种轮胎搭接质量检测系统。
背景技术
我国全钢载重子午线轮胎成型机大约在 2000年才开始发展，经过20年时间发展，我国成型机已与国际最先进设备并驾齐驱。但对于成型机上面临的诸多细节没有进行深入研究与探索，致使目前全钢成型机还存在大量难点亟待解决。比如，半制品胶料自动贴合、自动接头功能未实现，胎圈自动装载功能未实现等难点问题，这些问题的解决将对设备性能、生产、人力等方面产生重大影响。现代工业正逐步趋近无人化、智能化。但全钢成型机仍需3人进行高强度操作，导致人工成本浪费，并很大程度限制生产效率；对于自动贴合胶料，即使实现无人化操作，但是如果缺少视觉智能检测装置的话，必须人工观察判别是否合格，这限制了成型的效率和质量判别的可靠性，现提出一种轮胎搭接质量检测系统用以解决在成型机生产过程中自动的测量宽度，是否出现蛇形，以及接头搭接的质量，是否出现搭接过量或者搭接不足的问题。
发明内容
针对现有技术的不足，本发明解决其技术问题所采用的技术方案是：本发明所述的一种轮胎搭接质量检测系统，包括上位机、成型机、PCL、步进电机、检测系统组成，所述成型机包括分体式高速3D视觉传感器和大功率激光发生器；
所述分体式高速3D视觉传感器主要用于对检测断面的带束层进行实时拍照，并通过图像处理技术，将带束层搭接数据分析出来，所述大功率激光发生器主要用于照射检测断面；
所述上位机用于将检测结果进行融合并绑定条形码，发送给成型机，所述PCL主要用于控制步进电机的移动，所述步进电机主要用于将分体式高速3D视觉传感器和大功率激光发生器移动到指定为止；
所述检测系统的工作流程如下：
步骤一：提取材料区域；
所述步骤一中由于材料和成型鼓之间存在很大的差异，采用了灰度垂直投影的方式来确定材料的像素边界，图像纵向绝对投影为图像上i列的像素灰度和；
（i为图像横坐标，j为图像纵坐标，n为图像的高度）
为了能够得到跟图像灰度范围稳定的一个相对投影值，对投影做了归一化处理，得到每列的相对投影值；
，其中m为图形的宽度；
然后将投影数据拟合成一维函数，再对一维函数进行平滑，材料的边界出现在突变的区域，突变可以体现为二阶导数过零点，作为疑似边缘，然后排出干扰边界，得到结果；
材料边缘的测量步骤为：
（1）生成小测量区：根据涂布的前景提取边缘，生成20-60个小范围测量区域；
（2）对每个测量区域进行纵向投影，获得灰度离散一维数组；
（3）拟合函数：将离散的一维数组通过最小二值法拟合为连续函数；
（4）得到疑似边界：求取同时满足函数的一阶倒数大于边缘阈值，二阶倒数为零的点,作为疑似边缘；
（5）排除干扰边界：分析各个测量区的测量结果排除受到干扰的错误测量结果；
（6）得到结果：得到边缘的测量结果；
得到粗略边界以后，由于材料头尾会存在斜角，根据材料宽度和角度值，可以把材料的头尾角度位置去掉，然后根据粗略边界从上往下拆分为多个区域；
设置每个区域的边缘梯度阈值和极性（边缘从亮到暗或者边缘从暗到亮），采用测量矩便可以得到每个区域内的材料的左右坐标和宽度值，假设每个区域的左边界为,右边界/>,宽度值为/>,/>为测量区域的索引，N为测量区域的数量，则材料的宽度为：
；
材料蛇形指的是每段测量区域中心点的偏差超过材料中心的公差，当认为材料出现蛇形：
；
假设每段测量区域的中心点为，材料的中心为/>,假设公差为/>，当出现/>，则认为材料在局部出现了蛇形。
步骤二：查找头部边界，由于成像方案中确定了材料的头部位置，设置图像上部区域作为感兴趣区域；
在感兴趣区域内对盲区的区域做滤除，去除盲区；
由于边缘位置处于高频位置，使用canny检测算法对边界进行提取，canny检测的原理如下：
S1：高斯滤波图像去噪，使用高斯滤波进行图像去噪，处理后的图像与原始图像相比稍微有些模糊。这样单独的一个像素噪声在经过高斯滤波的图像上变得几乎没有影响；
S2： 计算图像梯度，Canny算法的基本思想是找寻一幅图相中灰度强度变化最强的位置。所谓变化最强，即指梯度方向。对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数[图像梯度][和]。根据得到的这两幅梯度图（和）找到边界的梯度和方向；
梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和两个对角线。
S3：非极大值抑制，在获得梯度的方向和大小之后，应该对整幅图像做一个扫描，去除那些非边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的；
如图5所示，图中的数字代表了像素点的梯度强度，箭头方向代表了梯度方向。以第二排第三个像素点为例，由于梯度方向向上，则将这一点的强度[7]与其上下两个像素点的强度[5和4]比较，由于这一点强度最大，则保留。
S4：滞后阈值，现在要确定那些边界才是真正的边界。这时我们需要设置两个阈值：minVal和maxVal。当图像的灰度梯度高于maxVal时被认为是真的边界，那些低于minVal的边界会被抛弃。如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是就抛弃；
如图6所示，A高于阈值maxVal所以是真正的边界点，C虽然低于maxVal但高于minVal并且与A相连，所以也被认为是真正的边界点。而B就会被抛弃，因为它不仅低于maxVal而且不与真正的边界点相连。所以选择合适的maxVal和minVal对于能否得到好的结果非常重要。在这一步一些小的噪声点也会被除去，因为我们假设边界都是一些长的线段，根据设置的材料角度值和斜边大于直角边，筛选得到头部边界。
所述步骤三根据头部边界，自动拆分尾部边界，获的尾部的多区域感兴趣区域。
所述步骤四：尾部边界边界查找，在生成的ROI区域内，使用测量矩得到每个区域的边界位置，将边界位置的中心点进行直线拟合，得到尾部每段区域的直线边界。
所述步骤五根据头尾计算搭接量，假设头尾每个区域的边界位置信息，假设头部区域1的边界线段为HS1，尾部区域的边界线段为BS1，根据当前搭接的的材料为第几层，每层的厚度，成型鼓的直径，可以得到当前材料搭接完全吻合的。
所述步骤六头尾搭接量统计返回，对头尾区域的搭接数据进行统计，得到最大搭接，最小搭接，和平均搭接量。
在检测之前，成型机将当前一段和二段的成型鼓的直径，材料的厚度等产品信息发送给检测系统，检测系统接收到这些信息后，通过PLC控制电机的移动，将分体式高速3D视觉传感器和大功率激光发生器移动到指定位置，在一段和二段位置检测完成后，成型机给出融合信号和当前材料的条形码，上位机接受到信号后，将一段和二段的检测结果进行融合并绑定条形码，发送给成型机，闭环完成整个检测过程。
本发明的有益效果如下：
本发明通过设置分体式高速3D视觉传感器和大功率激光发生器，能够适应高速，高精度的测量方案，能够覆盖目前最快速度的材料检测，通过采集硬件和设备运转过程的同步，很好的延长了3D视觉传感器和红色激光器寿命，而且很好的控制了激光器的发热，根据检测的要求，针对搭接检测，设置特出的成像方案解决了头尾接头覆盖无法直接测量的问题，采用多区域测量拟合的方法，宽度和蛇形的判断也使用了类似方法，提高了整套系统的稳定性和准确性，检测系统与生产设备通过通讯交互，实现了检测系统的自动化。
附图说明
图1是本发明的流程图；
图2是本发明材料边缘的测量流程示意图；
图3是本发明检测系统的工作流程示意图；
图4是本发明canny检测工作流程示意图；
图5是本发明中像素点的示意图；
图6是本发明中图像的灰度梯度示意图；
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
实施例，使用图1-图6对本发明一实施方式的一种轮胎搭接质量检测系统进行如下说明。
如图1-图6所示，本发明所述的一种轮胎搭接质量检测系统，包括上位机、成型机、PCL、步进电机、检测系统组成，成型机包括分体式高速3D视觉传感器和大功率激光发生器；
分体式高速3D视觉传感器主要用于对检测断面的带束层进行实时拍照，并通过图像处理技术，将带束层搭接数据分析出来，大功率激光发生器主要用于照射检测断面；
上位机用于将检测结果进行融合并绑定条形码，发送给成型机，PCL主要用于控制步进电机的移动，步进电机主要用于将分体式高速3D视觉传感器和大功率激光发生器移动到指定为止；
由于成型机在搭接之后会出现头尾覆盖的情况，会导致搭接过后无法找到材料的部分头尾，位置，为解决这个问题，在设计成像方案的时候，采集的起始位置要放置到材料搭接到成型鼓之前一小段距离，这样材料的起始边界便可以比较好的成像出来，来避免头部被尾部覆盖无法识别的情况。
带束层及胎面通过贴合供料结构贴合到带束鼓时，激光光源照射检测断面，智能相机实时对检测断面的带束层进行实时拍照，并通过图像处理技术，将带束层搭接数据分析出来，并将数据通过智能网络传输至可成型机系统，成型机系统将搭接数据与配方数据做比对，以确定接头质量是否符合工艺要求，其通过客观图像数据进行判定，确保带束层搭接效果。
检测系统的工作流程如下：
步骤一提取材料区域，由于材料和成型鼓之间存在很大的差异，采用了灰度垂直投影的方式来确定材料的像素边界，图像纵向绝对投影为图像上i列的像素灰度和；
（i为图像横坐标，j为图像纵坐标，n为图像的高度）
为了能够得到跟图像灰度范围稳定的一个相对投影值，对投影做了归一化处理，得到每列的相对投影值；
，其中m为图形的宽度；
然后将投影数据拟合成一维函数，再对一维函数进行平滑，材料的边界出现在突变的区域，突变可以体现为二阶导数过零点，作为疑似边缘，然后排出干扰边界，得到结果；
材料边缘的测量步骤为：
（1）生成小测量区：根据涂布的前景提取边缘，生成20-60个小范围测量区域；
（2）对每个测量区域进行纵向投影，获得灰度离散一维数组；
（3）拟合函数：将离散的一维数组通过最小二值法拟合为连续函数；
（4）得到疑似边界：求取同时满足函数的一阶倒数大于边缘阈值，二阶倒数为零的点,作为疑似边缘；
（5）排除干扰边界：分析各个测量区的测量结果排除受到干扰的错误测量结果；
（6）得到结果：得到边缘的测量结果；
得到粗略边界以后，由于材料头尾会存在斜角，根据材料宽度和角度值，可以把材料的头尾角度位置去掉，然后根据粗略边界从上往下拆分为多个区域；
设置每个区域的边缘梯度阈值和极性（边缘从亮到暗或者边缘从暗到亮），采用测量矩便可以得到每个区域内的材料的左右坐标和宽度值，假设每个区域的左边界为,右边界/>,宽度值为/>,/>为测量区域的索引，N为测量区域的数量，则材料的宽度为：
；
材料蛇形指的是每段测量区域中心点的偏差超过材料中心的公差，当认为材料出现蛇形：
；
假设每段测量区域的中心点为，材料的中心为/>,假设公差为/>，当出现/>，则认为材料在局部出现了蛇形。
步骤二查找头部边界，由于成像方案中确定了材料的头部位置，设置图像上部区域作为感兴趣区域；
在感兴趣区域内对盲区的区域做滤除，去除盲区；
由于边缘位置处于高频位置，使用canny检测算法对边界进行提取，canny检测的原理如下：
S1：高斯滤波图像去噪，使用高斯滤波进行图像去噪，处理后的图像与原始图像相比稍微有些模糊。这样单独的一个像素噪声在经过高斯滤波的图像上变得几乎没有影响；
S2： 计算图像梯度，Canny算法的基本思想是找寻一幅图相中灰度强度变化最强的位置。所谓变化最强，即指梯度方向。对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数[图像梯度][和]。根据得到的这两幅梯度图（和）找到边界的梯度和方向；
梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和两个对角线；
S3：非极大值抑制，在获得梯度的方向和大小之后，应该对整幅图像做一个扫描，去除那些非边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的；
如图5所示，图中的数字代表了像素点的梯度强度，箭头方向代表了梯度方向。以第二排第三个像素点为例，由于梯度方向向上，则将这一点的强度[7]与其上下两个像素点的强度[5和4]比较，由于这一点强度最大，则保留；
S4：滞后阈值，现在要确定那些边界才是真正的边界。这时我们需要设置两个阈值：minVal和maxVal。当图像的灰度梯度高于maxVal时被认为是真的边界，那些低于minVal的边界会被抛弃。如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是就抛弃。
如图6所示，A高于阈值maxVal所以是真正的边界点，C虽然低于maxVal但高于minVal并且与A相连，所以也被认为是真正的边界点。而B就会被抛弃，因为它不仅低于maxVal而且不与真正的边界点相连。所以选择合适的maxVal和minVal对于能否得到好的结果非常重要。在这一步一些小的噪声点也会被除去，因为我们假设边界都是一些长的线段，根据设置的材料角度值和斜边大于直角边，筛选得到头部边界。
步骤三根据头部边界，自动拆分尾部边界，获的尾部的多区域感兴趣区域。
步骤四尾部边界边界查找，在生成的ROI区域内，使用测量矩得到每个区域的边界位置，将边界位置的中心点进行直线拟合，得到尾部每段区域的直线边界。
步骤五根据头尾计算搭接量，假设头尾每个区域的边界位置信息，假设头部区域1的边界线段为HS1，尾部区域的边界线段为BS1，根据当前搭接的的材料为第几层，每层的厚度，成型鼓的直径，可以得到当前材料搭接完全吻合的。
步骤六头尾搭接量统计返回，对头尾区域的搭接数据进行统计，得到最大搭接，最小搭接，和平均搭接量。
在检测之前，成型机将当前一段和二段的成型鼓的直径，材料的厚度等产品信息发送给检测系统，检测系统接收到这些信息后，通过PLC控制电机的移动，将分体式高速3D视觉传感器和大功率激光发生器移动到指定位置，在一段和二段位置检测完成后，成型机给出融合信号和当前材料的条形码，上位机接受到信号后，将一段和二段的检测结果进行融合并绑定条形码，发送给成型机，闭环完成整个检测过程。
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域及相关领域的普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。
Claims (9)
1.一种轮胎搭接质量检测系统，包括上位机、成型机、PCL、步进电机、检测系统组成，所述成型机包括分体式高速3D视觉传感器和大功率激光发生器，其特征在于：所述分体式高速3D视觉传感器主要用于对检测断面的带束层进行实时拍照，并通过图像处理技术，将带束层搭接数据分析出来，所述大功率激光发生器主要用于照射检测断面；
所述上位机用于将检测结果进行融合并绑定条形码，发送给成型机，所述PCL主要用于控制步进电机的移动，所述步进电机主要用于将分体式高速3D视觉传感器和大功率激光发生器移动到指定为止；
所述检测系统的工作流程如下：
步骤一：提取材料区域；
步骤二：查找头部边界；
步骤三：根据头部边界，自动拆分尾部边界，获得尾部的多区域感兴趣区域；
步骤四：尾部边界边界查找；
步骤五：根据头尾计算搭接量；
步骤六：头尾搭接量统计返回。
2.根据权利要求1所述的一种轮胎搭接质量检测系统，其特征在于：所述步骤一中由于材料和成型鼓之间存在很大的差异，采用了灰度垂直投影的方式来确定材料的像素边界，图像纵向绝对投影为图像上i列的像素灰度和；
（i为图像横坐标，j为图像纵坐标，n为图像的高度）
为了能够得到跟图像灰度范围稳定的一个相对投影值，对投影做了归一化处理，得到每列的相对投影值；
，其中m为图形的宽度；
然后将投影数据拟合成一维函数，再对一维函数进行平滑，材料的边界出现在突变的区域，突变可以体现为二阶导数过零点，作为疑似边缘，然后排出干扰边界，得到结果；
得到粗略边界以后，由于材料头尾会存在斜角，根据材料宽度和角度值，可以把材料的头尾角度位置去掉，然后根据粗略边界从上往下拆分为多个区域。
3.根据权利要求1所述的一种轮胎搭接质量检测系统，其特征在于：所述步骤一设置每个区域的边缘梯度阈值和极性（边缘从亮到暗或者边缘从暗到亮），采用测量矩便可以得到每个区域内的材料的左右坐标和宽度值，假设每个区域的左边界为,右边界/>,宽度值为,/>为测量区域的索引，N为测量区域的数量，则材料的宽度为：
；
材料蛇形指的是每段测量区域中心点的偏差超过材料中心的公差，当认为材料出现蛇形：
；
假设每段测量区域的中心点为，材料的中心为/>,假设公差为/>，当出现/>，则认为材料在局部出现了蛇形。
4.根据权利要求1所述的一种轮胎搭接质量检测系统，其特征在于：所述步骤二由于成像方案中确定了材料的头部位置，设置图像上部区域作为感兴趣区域。
5.根据权利要求1所述的一种轮胎搭接质量检测系统，其特征在于：所述步骤三根据头部边界，自动拆分尾部边界，获的尾部的多区域感兴趣区域。
6.根据权利要求1所述的一种轮胎搭接质量检测系统，其特征在于：所述步骤四在生成的ROI区域内，使用测量矩得到每个区域的边界位置，将边界位置的中心点进行直线拟合，得到尾部每段区域的直线边界。
7.根据权利要求1所述的一种轮胎搭接质量检测系统，其特征在于：所述步骤五假设头尾每个区域的边界位置信息，假设头部区域1的边界线段为HS1，尾部区域的边界线段为BS1，根据当前搭接的的材料为第几层，每层的厚度，成型鼓的直径，可以得到当前材料搭接完全吻合的。
8.根据权利要求1所述的一种轮胎搭接质量检测系统，其特征在于：所述步骤六对头尾区域的搭接数据进行统计，得到最大搭接，最小搭接，和平均搭接量。
9.根据权利要求4所述的一种轮胎搭接质量检测系统，其特征在于：所述步骤二在感兴趣区域内对盲区的区域做滤除，去除盲区，由于边缘位置处于高频位置，使用canny检测算法对边界进行提取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311041375.8A CN117309899A (zh) | 2023-08-17 | 2023-08-17 | 一种轮胎搭接质量检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311041375.8A CN117309899A (zh) | 2023-08-17 | 2023-08-17 | 一种轮胎搭接质量检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117309899A true CN117309899A (zh) | 2023-12-29 |
Family
ID=89259253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311041375.8A Pending CN117309899A (zh) | 2023-08-17 | 2023-08-17 | 一种轮胎搭接质量检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117309899A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100037938A (ko) * | 2008-10-02 | 2010-04-12 | 금호타이어 주식회사 | 타이어용 벨트드럼의 벨트결함 검출장치 및 그것을 이용한 벨트결함 검출방법 |
| CN104297263A (zh) * | 2014-11-06 | 2015-01-21 | 萨驰华辰机械(苏州)有限公司 | 一种带束层搭接检测分析系统 |
| CN106645198A (zh) * | 2016-10-13 | 2017-05-10 | 青岛软控机电工程有限公司 | 胎面缺陷检测方法及系统 |
| CN108520521A (zh) * | 2017-04-20 | 2018-09-11 | 南京航空航天大学 | 基于图像处理的车轮踏面提取和拼接的方法 |
| CN109532072A (zh) * | 2018-11-27 | 2019-03-29 | 桂林梵玛科机械有限公司 | 用于判断全钢三角胶贴合过程成功与否的视觉监控方法 |
| CN114932292A (zh) * | 2022-05-27 | 2022-08-23 | 华南理工大学 | 一种窄间隙被动视觉焊缝跟踪方法及系统 |
| CN115335676A (zh) * | 2020-04-08 | 2022-11-11 | 横滨橡胶株式会社 | 轮胎信息感测装置 |
-
2023
- 2023-08-17 CN CN202311041375.8A patent/CN117309899A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100037938A (ko) * | 2008-10-02 | 2010-04-12 | 금호타이어 주식회사 | 타이어용 벨트드럼의 벨트결함 검출장치 및 그것을 이용한 벨트결함 검출방법 |
| CN104297263A (zh) * | 2014-11-06 | 2015-01-21 | 萨驰华辰机械(苏州)有限公司 | 一种带束层搭接检测分析系统 |
| CN106645198A (zh) * | 2016-10-13 | 2017-05-10 | 青岛软控机电工程有限公司 | 胎面缺陷检测方法及系统 |
| CN108520521A (zh) * | 2017-04-20 | 2018-09-11 | 南京航空航天大学 | 基于图像处理的车轮踏面提取和拼接的方法 |
| CN109532072A (zh) * | 2018-11-27 | 2019-03-29 | 桂林梵玛科机械有限公司 | 用于判断全钢三角胶贴合过程成功与否的视觉监控方法 |
| CN115335676A (zh) * | 2020-04-08 | 2022-11-11 | 横滨橡胶株式会社 | 轮胎信息感测装置 |
| CN114932292A (zh) * | 2022-05-27 | 2022-08-23 | 华南理工大学 | 一种窄间隙被动视觉焊缝跟踪方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 吴家勇;王平江;陈吉红;陈芝义;: "激光焊接对接接头间隙宽度视觉测量系统", 焊接学报, no. 08, 25 August 2009 (2009-08-25) * |
| 李庆瑞;申勇;郭优;王欢;: "全钢载重子午线轮胎0°带束层偏出和蛇形的原因分析及解决措施", 轮胎工业, no. 08, 10 August 2017 (2017-08-10) * |
| 林佳佳;吴则举;刘中冬;: "轮胎X射线0号带束层接头检测定位量化算法的研究", 科学技术与工程, no. 25, 8 September 2016 (2016-09-08), pages 3 * |
| 赵冬梅;DENNIS REYNOLDS;: "用3D技术探测轮胎胎坯结构", 现代橡胶技术, no. 02, 15 April 2016 (2016-04-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108355981B (zh) | 一种基于机器视觉的电池连接器质量检测方法 | |
| EP1995553B1 (en) | System and method for identifying a feature of a workpiece | |
| CN106990112B (zh) | 基于多视觉信息融合的多层多道焊接轨迹检测装置及方法 | |
| KR101773791B1 (ko) | 검사대상 물체의 표면 검사 방법 및 장치 | |
| CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
| EP2789970B1 (en) | Tire shape inspection method and tire shape inspection apparatus | |
| US20080055591A1 (en) | Apparatus and methods for two-dimensional and three-dimensional inspection of a workpiece | |
| CN109724984A (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
| CN103687718B (zh) | 胎圈胶条检查设备和胎圈胶条检查方法 | |
| CN109693140B (zh) | 一种智能化柔性生产线及其工作方法 | |
| US7599050B2 (en) | Surface defect inspecting method and device | |
| CN112098419A (zh) | 汽车外覆盖件表面缺陷检测系统、检测方法 | |
| CN110530278A (zh) | 利用多线结构光测量间隙面差的方法 | |
| CN116718616B (zh) | 一种用于瑕疵检测的机器视觉检测系统及检测方法 | |
| EA009923B1 (ru) | Устройство детектирования соединения листов резины | |
| CN115601369B (zh) | 一种输变电工程用变电设备支架质量评估方法 | |
| CN115201208B (zh) | 一种平面包在线瑕疵检测方法及装置 | |
| CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
| CN109544513A (zh) | 一种钢管端面缺陷提取识别的方法 | |
| CN106546185A (zh) | 一种基于机器视觉检测的轮廓质量检测方法 | |
| CN104637049A (zh) | 一种光纤绕环质量的自动检测方法 | |
| CN117309899A (zh) | 一种轮胎搭接质量检测系统 | |
| Laucka et al. | Research of the defects in anesthetic masks | |
| CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
| TWI312705B (zh) |
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 |