CN208125628U - 一种基于机器视觉的电机换向器质量检测系统 - Google Patents

一种基于机器视觉的电机换向器质量检测系统 Download PDF

Info

Publication number
CN208125628U
CN208125628U CN201620530306.2U CN201620530306U CN208125628U CN 208125628 U CN208125628 U CN 208125628U CN 201620530306 U CN201620530306 U CN 201620530306U CN 208125628 U CN208125628 U CN 208125628U
Authority
CN
China
Prior art keywords
detection
shape
commutator
examination criteria
learning
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
CN201620530306.2U
Other languages
English (en)
Inventor
许亮
肖开文
梁瑜
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.)
Guangdong University of Technology
Original Assignee
Guangzhou Kai Xing Xing Intelligent Technology 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 Guangzhou Kai Xing Xing Intelligent Technology Co Ltd filed Critical Guangzhou Kai Xing Xing Intelligent Technology Co Ltd
Priority to CN201620530306.2U priority Critical patent/CN208125628U/zh
Application granted granted Critical
Publication of CN208125628U publication Critical patent/CN208125628U/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本实用新型是一种基于机器视觉的电机换向器质量检测系统。包括检测标准模型学习系统(1)、形状和上下端面检测系统(2)、侧面检测系统(3)、上料系统(4)、抓取输送机构(5)、上下端面检测平台(6)、侧面检测平台(7)和产品分拣机构(8),形状和上下端面检测系统(1)和侧面检测系统(2)通过图像采集与数据接口(9)与检测标准模型学习系统(1)连接,检测标准模型学习系统通过学习和人工设定提供本系统所需各种检测标准参数。本实用新型针对换向器质量检测存在的规格多种、产品加工工艺多变、检测标准多样化等难题,运用机器视觉技术,并设计先学习后检测的检测模式,使该系统具备自学习、自适应和动态调整检测标准等能力,实现换向器形状、端面和侧面自动检测,提高生产效率,保证产品质量检测的一致性,解决电机换向器产品质量检测问题,实用性强。

Description

一种基于机器视觉的电机换向器质量检测系统
技术领域
本实用新型是一种产品质量的视觉检测系统,特别是一种基于机器视觉的电机换向器质量检测系统,属于电机换向器产品质量视觉检测系统的创新技术。
背景技术
电机作为工业、交通、国防及日常生活中不可或缺的重要基本设备。换向器作为电机的核心器件之一,其质量好坏严重影响电机的质量。换向器的外观质量检测是换向器生产线中一个重要的工序。目前,换向器的质量检测仍然采用人工检测的方式,这就会导致检测的效率低、误判率和漏检率高,而且有人工干涉,也会对测量的尺寸精度产生影响。此外,人工检测需要大量的劳动力,换向器的质量检测工序占全部生产劳动力的20%-30%,而且人工检测容易疲劳,检测准确率低,成本高,产品的一致性差。因此,采用先进的机器视觉技术、人工智能技术、自动化技术和机电一体化技术,设计并开发换向器质量视觉自动检测系统是一个必然选择,也是当前市场的迫切需求。
发明内容
本实用新型的目的在于考虑解决上述问题的一种检测精度高、漏检率低、检测速度快、实用型强,以及可以代替人工检测方式的基于机器视觉的电机换向器质量检测系统。本实用新型实现换向器形状、端面和侧面的非接触式视觉检测,自动分拣缺陷产品,提高检测速度和精度,提高生产效率。
本实用新型的技术方案是:本实用新型的基于机器视觉的电机换向器质量检测系统,包括检测标准模型学习系统、形状和上下端面检测系统、侧面检测系统、上料系统、抓取输送机构、上下端面检测平台、侧面检测平台和产品分拣机构,其中形状和上下端面检测系统和侧面检测系统通过图像采集与数据接口与检测标准模型学习系统连接,检测标准模型学习系统通过学习和人工设定提供本系统所需各种检测标准参数。
本实用新型综合采用光机电一体化和机器视觉技术,开发换向器质量在线视觉检测自动化设备,用来实现对换向器的形状、沟槽、上下端面以及侧面的综合检测及分拣。该系统运用图像处理技术和机器视觉技术,实识别缺陷换向器,并结合机电设备进行分拣,可以代替现有的人工检测模式,排除人工检测主观因素干扰,提高检测效率、准确率和自动化程度,降低生产成本,产品品质更加稳定。解决了人工检测所带来的品质不稳定、检测成本高、工作效率低等问题。
附图说明
图1为本实用新型实施例系统图;
图2为本实用新型实施例中检测标准模型学习系统结构图;
图3为本实用新型实施例中形状与端面检测系统结构图;
图4为本实用新型实施例中侧面检测系统结构图。
具体实施方式
本实用新型的系统结构示意图如图1所示,本实用新型基于机器视觉的电机换向器质量检测系统,包括检测标准模型学习系统1、形状和上下端面检测系统2、侧面检测系统3、上料系统4、抓取输送机构5、上下端面检测平台6、侧面检测平台7和产品分拣机构8,其中形状和上下端面检测系统2和侧面检测系统3通过图像采集与数据接口9与检测标准模型学习系统1连接,检测标准模型学习系统1通过学习和人工设定提供本系统所需各种检测标准参数。
上述检测标准模型学习系统1通过学习算法获取各种检测标准参数,这些检测标准参数通过图像采集与数据接口9传输给形状和上下端面检测系统2及侧面检测系统3,形状和上下端面检测系统2及侧面检测系统3通过计算对比分析,得到检测结果。
图2是检测标准模型学习系统1的原理图,包括图像采集接口11、形状检测参数学习系统12、端面检测参数学习系统13、侧面检测参数学习系统14、检测标准学习模型库15、数据接口16和人工设定检测标准模型库17;其中形状检测参数学习系统12、端面检测参数学习系统13和侧面检测参数学习系统14通过图像采集接口11,获取良品换向器图像数据,经学习算法提取换向器形状、端面和侧面的标准参数,并保存到检测标准学习模型库15;同时,根据人工检测的经验知识,设定不同规格换向器的检测标准,保存到人工设定检测标准模型库17;检测标准学习模型库15与人工设定检测标准模型库17之间通过数据接口16连接,向各种检测提供所需的检测标准参数。本实用新型检测标准模型学习系统1通过学习和人工设定提供本系统所需各种检测标准参数。检测标准模型学习系统1在学习时,换向器在上下端面检测平台上,通过图像采集,形状和端面检测参数学习得到相应的检测标准参数,并保存到检测标准学习模型库;当换向器在侧面检测平台上,通过图像采集,侧面检测参数学习得到相应的检测标准参数,并保存到检测标准学习模型库;同时,把人工检测的经验知识也可以保存到人工设定检测标准模型库;通过数据接口,为各种检测提供检测标准参数。
上述形状和上下端面检测系统2的原理图如图3所示,包括形状视觉光源系统21、形状检测图像采集系统22、孔径检测系统23、形状检测系统24、端面检测光源系统25、端面检测图像采集系统26和上下端面检测系统27;其中形状视觉光源系统21提供检测所需的底光源;形状检测图像采集系统22利用在线获取换向器的图像,传递给孔径检测系统23进行换向器孔径检测,孔径检测算法利用检测标准模型学习系统中的标准检测参数,和实际检测值对比,得出孔径合格、偏大和偏小结果并输出;同时,形状检测图像采集系统22把采集的图像传递给形状检测系统24,形状检测算法对换向器的钩槽、分度、外径、钩型等外观形状进行计算分析,并和检测标准模型学习系统中的标准检测参数对比,判断是良品或者缺陷产品及输出结果;端面检测光源系统25提供检测端面所需光源;端面检测图像采集系统26采集换向器上下端面图像,并传递给上下端面检测系统27进行检测,该算法利用检测标准模型学习系统。
上述形状和上下端面检测系统2在检测换向器时,形状视觉光源系统21上部安放待检换向器,与形状检测图像采集系统22处于换向器两侧,为形状检测图像采集系统22提供背景光;形状检测图像采集系统22利用面阵工业相机,获取待检换向器的图像,并传输给形状检测系统24,形状检测系统24调用检测标准模板学习系统1中与形状检测有关标准模型参数,进行分析对比,确定检测结果输出;同时,采集的图像传输给孔径检测系统23,孔径检测系统23调用检测标准模板学习系统1中与孔径检测有关标准参数,进行分析对比,确定检测结果输出。端面检测光源系统25采用环形光源,与端面检测图像采集系统26处于同侧,为端面图像采集提供正面光源;端面检测图像采集系统26利用面阵工业相机,获取待检换向器的端面图像,并传输给上下端面检测系统27,调用检测标准模板学习系统1中与端面检测有关标准模型参数,进行分析对比,确定检测结果输出。
上述侧面检测系统3的原理图如图4所示,包括侧面视觉光源系统31、侧面自动旋转结构32、侧面图像采集系统33和侧面检测数据处理系统34;其中侧面视觉光源系统提供侧面检测所需的线性光源,侧面图像采集系统33利用线阵工业相机,以线扫描方式,获取侧面自动旋转结构32上多个匀速旋转的待检换向器图像,并传递给侧面检测数据处理系统34;同时,侧面检测数据处理系统34通过数据访问接口获得检测标准模型学习系统35中侧面检测的标准参数,进行对比分析,得到检测结果。
上述侧面视觉光源系统31采用线型光源,多个换向器安装在侧面自动旋转结构,并定速旋转,侧面图像采集利用线阵工业相机,以线扫描方式,获取侧面图像;所采集图像传输给侧面检测,由侧面检测调用检测标准模板学习系统1中与侧面检测有关标准模型参数,进行分析对比,确定检测结果输出。
此外,本实用新型还包括有上料系统4、抓取输送机构5、上下端面检测平台6、侧面检测平台7和产品分拣机构8。
本实用新型基于机器视觉的电机换向器质量检测系统的检测方法,包括如下步骤:
1)学习过程:首先检测标准模型学习系统1通过学习算法,获取各种检测标准参数;
2)检测过程:检测标准模型学习系统1通过学习算法获取的各种检测标准参数通过图像采集与数据接口9传输给形状和上下端面检测系统2及侧面检测系统3,形状和上下端面检测系统2及侧面检测系统3通过计算对比分析,得到检测结果。
上述学习算法包括以下步骤:
1)图像预处理;
2)检测标准特征提取,针对形状、端面和侧面不同检测问题,分别采用基于几何特征方法提取形状检测特征参数,基于灰度统计特征数据和能量熵提取端面检测特征参数以及基于几何特征和灰度统计特征提取侧面检测特征参数;
3)运用统计计算方法结合支持向量机建立检测标准参数。
上述图像预处理包括图像分割、滤除噪声以及轮廓提取步骤。
本实用新型的工作原理如下:所述换向器质量视觉检测系统,分为两个过程:学习过程和检测过程。在学习时,由上料结构自动排序并输送换向器到换向器的固定顶起位置,再由抓取输送结构,逐个抓取换向器并以此输送到上下端面检测平台和侧面检测平台;形状与端面检测系统和侧面检测系统学习良品换向器的标准参数,并通过图像采集与数据接口传输给检测标准模板学习系统保存;在检测时,由上料结构自动排序并输送换向器到换向器的固定顶起位置,再由抓取输送结构,逐个抓取换向器并以此输送到上下端面检测平台和侧面检测平台;形状与端面检测系统和侧面检测系统通过图像采集与数据接口获取检测标准模板学习系统中的标准参数,然后进行分析对比,输出检测结果;根据检测结果,再由产品分拣结构进行分拣。
所述图检测标准模型学习系统,在学习时,换向器逐个放在在上下端面检测平台和侧面检测平台,通过图像采集,形状检测参数学习、端面检测参数学习和侧面检测参数学习,经计算得到相应的检测标准参数,并保存到检测标准学习模型库;同时,把人工检测的经验知识也可以保存到人工设定检测标准模型库;通过数据接口,为各种检测提供检测标准参数。
所述形状与端面检测系统,当换向器检测时,逐个安放在上下端面检测平台,图像采集利用面阵工业相机,获取待检换向器的图像,并传输给形状检测,形状检测调用检测标准模板学习系统1中与形状检测有关标准模型参数,进行分析对比,确定检测结果输出;同时,采集的图像传输给孔径检测,孔径检测调用检测标准模板学习系统1中与孔径检测有关标准参数,进行分析对比,确定检测结果输出;在上下端面检测时,端面图像采集利用面阵工业相机,获取待检换向器的端面图像,并传输给上下端面检测,调用检测标准模板学习系统1中与端面检测有关标准模型参数,进行分析对比,确定检测结果输出。
所述侧面检测系统,当换向器检测时,多个换向器安装在侧面自动旋转结构,并定速旋转,侧面图像采集利用线阵工业相机,以线扫描方式,获取侧面图像;所采集图像传输给侧面检测,由侧面检测调用检测标准模板学习系统1中与侧面检测有关标准模型参数,进行分析对比,确定检测结果输出。
该系统以机器视觉技术、分布式控制技术、机电一体化、面向对象的软件开发等技术实现了整个系统的图像采集、形状和端面检测、侧面检测和产品上料、分拣等功能;该系统运行方式为:先学习检测标准,构建检测标准学习模板库,然后再利用学习所得标准参数进行形状、端面和侧面检测。

Claims (4)

1.一种基于机器视觉的电机换向器质量检测系统,其特征在于包括检测标准模型学习系统(1)、形状和上下端面检测系统(2)、侧面检测系统(3)、上料系统(4)、抓取输送机构(5)、上下端面检测平台(6)、侧面检测平台(7)和产品分拣机构(8),其中形状和上下端面检测系统(2)和侧面检测系统(3)通过图像采集与数据接口(9)与检测标准模型学习系统(1)连接,检测标准模型学习系统(1)通过学习和人工设定提供本系统所需各种检测标准参数;上述检测标准模型学习系统(1)通过学习算法获取各种检测标准参数,这些检测标准参数通过图像采集与数据接口(9)传输给形状和上下端面检测系统(2)及侧面检测系统(3),形状和上下端面检测系统(2)及侧面检测系统(3)通过计算对比分析,得到检测结果。
2.根据权利要求1所述的基于机器视觉的电机换向器质量检测系统,其特征在于上述检测标准模型学习系统(1)包括图像采集接口(11)、形状检测参数学习系统(12)、端面检测参数学习系统(13)、侧面检测参数学习系统(14)、检测标准学习模型库(15)、数据接口(16)和人工设定检测标准模型库(17);其中形状检测参数学习系统(12)、端面检测参数学习系统(13)和侧面检测参数学习系统(14)通过图像采集接口(11),获取良品换向器图像数据,经学习算法提取换向器形状、端面和侧面的标准参数,并保存到检测标准学习模型库(15);同时,根据人工检测的经验知识,设定不同规格换向器的检测标准,保存到人工设定检测标准模型库(17);检测标准学习模型库(15)与人工设定检测标准模型库(17)之间通过数据接口(16)连接,向各种检测提供所需的检测标准参数。
3.根据权利要求1至2任一项所述的基于机器视觉的电机换向器质量检测系统,其特征在于上述形状和上下端面检测系统(2)包括形状视觉光源系统(21)、形状检测图像采集系统(22)、孔径检测系统(23)、形状检测系统(24)、端面检测光源系统(25)、端面检测图像采集系统(26)和上下端面检测系统(27);其中形状视觉光源系统(21)提供检测所需的底光源;形状检测图像采集系统(22)利用在线获取换向器的图像,传递给孔径检测系统(23)进行换向器孔径检测,形状检测图像采集系统(22)把采集的图像传递给形状检测系统(24),端面检测光源系统(25)提供检测端面所需光源;端面检测图像采集系统(26)采集换向器上下端面图像,并传递给上下端面检测系统(27)进行检测。
4.根据权利要求3所述的基于机器视觉的电机换向器质量检测系统,其特征在于上述侧面检测系统(3)包括侧面视觉光源系统(31)、侧面自动旋转结构(32)、侧面图像采集系统(33)和侧面检测数据处理系统(34);其中侧面视觉光源系统提供侧面检测所需的线性光源,侧面图像采集系统(33)利用线阵工业相机,以线扫描方式,获取侧面自动旋转结构(32)上多个匀速旋转的待检换向器图像,并传递给侧面检测数据处理系统(34);同时,侧面检测数据处理系统(34)通过数据访问接口获得检测标准模型学习系统中侧面检测的标准参数,进行对比分析,得到检测结果。
CN201620530306.2U 2016-06-03 2016-06-03 一种基于机器视觉的电机换向器质量检测系统 Active CN208125628U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201620530306.2U CN208125628U (zh) 2016-06-03 2016-06-03 一种基于机器视觉的电机换向器质量检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201620530306.2U CN208125628U (zh) 2016-06-03 2016-06-03 一种基于机器视觉的电机换向器质量检测系统

Publications (1)

Publication Number Publication Date
CN208125628U true CN208125628U (zh) 2018-11-20

Family

ID=64207693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201620530306.2U Active CN208125628U (zh) 2016-06-03 2016-06-03 一种基于机器视觉的电机换向器质量检测系统

Country Status (1)

Country Link
CN (1) CN208125628U (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106248680A (zh) * 2016-06-03 2016-12-21 广东工业大学 一种基于机器视觉的电机换向器质量检测系统及检测方法
CN113406087A (zh) * 2020-03-17 2021-09-17 广东善工科技有限公司 一种视觉检测系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106248680A (zh) * 2016-06-03 2016-12-21 广东工业大学 一种基于机器视觉的电机换向器质量检测系统及检测方法
CN113406087A (zh) * 2020-03-17 2021-09-17 广东善工科技有限公司 一种视觉检测系统

Similar Documents

Publication Publication Date Title
CN106248680A (zh) 一种基于机器视觉的电机换向器质量检测系统及检测方法
CN105388162B (zh) 基于机器视觉的原料硅片表面划痕检测方法
CN109013405A (zh) 一种具有铸件表面自主检测及次品分拣功能的机器人系统
CN107123114A (zh) 一种基于机器学习的布匹缺陷检测方法及装置
CN108109137A (zh) 车辆部件的机器视觉检测系统及方法
CN107389701A (zh) 一种基于图像的pcb表观缺陷自动检测系统及方法
CN105651782A (zh) 一种发动机缸盖表面缺陷机器视觉自动检测设备
CN110216080A (zh) 一种基于图像对比的pcb加工产线的质量监控系统
CN109772724A (zh) 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN109724984A (zh) 一种基于深度学习算法的缺陷检测识别装置和方法
CN110403232A (zh) 一种基于二级算法的烟支质量检测方法
CN108311409A (zh) 一种基于人工智能图像识别的印刷电路板检测系统
CN102175692A (zh) 织物坯布疵点快速检测系统及方法
CN206981462U (zh) 基于三维视觉的冲压件表面缺陷检测装置
CN109840900A (zh) 一种应用于智能制造车间的故障在线检测系统及检测方法
CN111266315A (zh) 基于视觉分析的矿石物料在线分拣系统及其方法
CN110490842A (zh) 一种基于深度学习的带钢表面缺陷检测方法
CN207238542U (zh) 一种基于机器视觉的篾片缺陷在线检测系统
CN107036542A (zh) 一种齿环内外径外观检测方法及装置
CN110096980A (zh) 字符检测识别系统
CN109115775B (zh) 一种基于机器视觉的槟榔等级检测方法
CN113012098B (zh) 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法
CN208125628U (zh) 一种基于机器视觉的电机换向器质量检测系统
CN115144399B (zh) 一种基于机器视觉的装配质量检测方法及装置
CN102890093A (zh) 汽车刹车主缸活塞表面质量机器视觉检测装置

Legal Events

Date Code Title Description
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20191031

Address after: 510030 No. 729 Dongfeng East Road, Guangzhou, Guangdong, Yuexiu District

Patentee after: Guangdong University of Technology

Address before: 510006 room 212, Guangdong University of Technology, science and Technology Museum, 100 West Valley Road, Panyu District, Guangzhou, Guangdong

Patentee before: Guangzhou Kai Xing Xing Intelligent Technology Co., Ltd.

TR01 Transfer of patent right