[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115953397A - 一种圆锥轴承保持器的工艺制备流程的监测方法及设备 - Google Patents

一种圆锥轴承保持器的工艺制备流程的监测方法及设备 Download PDF

Info

Publication number
CN115953397A
CN115953397A CN202310231627.7A CN202310231627A CN115953397A CN 115953397 A CN115953397 A CN 115953397A CN 202310231627 A CN202310231627 A CN 202310231627A CN 115953397 A CN115953397 A CN 115953397A
Authority
CN
China
Prior art keywords
image
conical bearing
bearing retainer
defective
workpiece
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.)
Granted
Application number
CN202310231627.7A
Other languages
English (en)
Other versions
CN115953397B (zh
Inventor
郑广会
郑金宇
赵培振
郑金秀
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.)
Shandong Golden Empire Precision Machinery Technology Co Ltd
Original Assignee
Shandong Golden Empire Precision Machinery 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 Shandong Golden Empire Precision Machinery Technology Co Ltd filed Critical Shandong Golden Empire Precision Machinery Technology Co Ltd
Priority to CN202310231627.7A priority Critical patent/CN115953397B/zh
Publication of CN115953397A publication Critical patent/CN115953397A/zh
Application granted granted Critical
Publication of CN115953397B publication Critical patent/CN115953397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种圆锥轴承保持器的工艺制备流程的监测方法及设备,属于图像处理技术领域,用于解决现有圆锥轴承保持器的工艺制备流程中,难以识别出每个流程环节的残次品,容易对整个工艺制备流程造成影响,降低了成品合格率的技术问题。包括:对预制金属板材的边缘厚度进行异常检测,然后对圆锥碗形工件图像进行金属表面裂痕特征提取,得到第一残次图像;将初始圆锥轴承保持器图像进行图像形状的匹配处理,确定出第二残次图像;对精加工圆锥轴承保持器图像进行表面缺陷特征图像识别,确定出第三残次图像;将第一、第二以及第三残次图像所对应的异常工件进行异常标记,得到标记工件信息。

Description

一种圆锥轴承保持器的工艺制备流程的监测方法及设备
技术领域
本申请涉及图像处理与联动控制领域,尤其涉及一种圆锥轴承保持器的工艺制备流程的监测方法及设备。
背景技术
圆锥轴承保持器的主要作用是避免滚动体之间的直接接触,相互隔开滚动体且引导滚动体滚动。现有的圆锥轴承保持器一般采用机加工或者整体冲压的方式进行制造。
现有的圆锥轴承保持器,在采用单一的制备方法时,容易在精度、圆度以及成本等方面造成一定的负面影响,同时,在圆锥轴承保持器的工艺制备流程中,难以对每个流程环节进行实时的质量监控,使有问题的工件会一直进行运作,增加了保持器的制作成本,降低了圆锥轴承保持器的成品合格率,并且在整个工艺流程中,由于工艺流程进行的比较快速,每个环节的残次品难以准确的识别出来,有可能会影响后续工艺环节,造成一些工艺流程上的不必要损失。
发明内容
本申请实施例提供了一种圆锥轴承保持器的工艺制备流程的监测方法及设备,用于解决如下技术问题:现有圆锥轴承保持器的工艺制备流程中,难以识别出每个流程环节的残次品,容易对整个工艺制备流程造成影响,降低了圆锥轴承保持器的成品合格率。
本申请实施例采用下述技术方案:
一方面,本申请实施例提供了一种圆锥轴承保持器的工艺制备流程的监测方法,包括:通过预设面阵CCD摄像机,对预制金属板材进行边缘厚度的图像获取;并对边缘厚度图像进行异常检测,得到所述边缘厚度图像的板材边缘检测结果;其中,所述预制金属板材为制备圆锥轴承保持器的待加工金属材料;基于所述板材边缘检测结果,将由预设摄像机采集的冲压成型的圆锥碗形工件图像进行金属表面裂痕特征提取,得到裂痕图像特征;并根据预设分类识别模型,对所述裂痕图像特征进行裂痕种类的分类识别,得到第一残次图像;将剩余的圆锥碗形工件进行铣孔加工,得到初始圆锥轴承保持器;并根据预设图像形状匹配模板库,将预获取的初始圆锥轴承保持器图像进行图像形状的匹配处理,确定出第二残次图像;其中,所述剩余的圆锥碗形工件为没有残次的圆锥碗形工件;将剩余的初始圆锥轴承保持器进行表面喷砂,得到精加工圆锥轴承保持器;并对预获取的精加工圆锥轴承保持器图像进行有关表面缺陷特征的图像识别,确定出第三残次图像;其中,所述剩余的初始圆锥轴承保持器为没有残次的初始圆锥轴承保持器;将所述第一残次图像、所述第二残次图像以及所述第三残次图像所对应的异常工件进行异常标记,得到标记工件信息;根据所述标记工件信息,对输送带中全部工件进行成品工件的分类,得到若干符合标准的成品圆锥轴承保持器信息。
本申请实施例通过对圆锥轴承保持器的待加工金属材料进行边缘厚度的检测,以及对主要工艺制备流程中的拉伸冲压、车边、车底、铣孔、表面处理等工艺流程中的未成品工件进行残次工件的图像检测,通过圆锥轴承保持器中每个环节获取的未成品工件图像,结合图像识别以及相关尺寸和易受损部位的检测,能够更好的在工艺制备流程中,准确的识别出每个流程环节的残次品,同时将识别出的残次品不再进行后续环节的处理,让其一直跟随传输带运动,使整个工艺流程更加的顺畅,不会中途暂停,使整个工艺制备流程的影响降到最低。同时利用对残次品的标记识别,能够更好的对成品圆锥轴承保持器记性分类识别,大大提高了圆锥轴承保持器的成品合格率。
在一种可行的实施方式中,通过预设面阵CCD摄像机,对预制金属板材进行边缘厚度的图像获取;并对边缘厚度图像进行异常检测,得到所述边缘厚度图像的板材边缘检测结果,具体包括:通过若干所述面阵CCD摄像机,对所述预制金属板材的侧面边缘区域进行多角度拍摄,得到所述边缘厚度图像;其中,所述边缘厚度图像为预制金属板的若干边缘端口图像;获取所述边缘端口图像中与所述预制金属板材厚度相关的平面像素图像;对所述平面像素图像进行灰度处理,得到初始灰度对比图像,并通过预设线性拟合函数,将所述初始灰度对比图像中若干不同像素灰度值的分界点进行点位识别,得到所述初始灰度对比图像中分界点坐标集合;根据所述分界点坐标集合,将若干分界点进行点位曲线拟合,得到灰度值分界曲线;并对所述灰度值分界曲线进行曲率大小的判断;若所述灰度值分界曲线的曲率值为假分数,则所述预制金属板材的侧面边缘区域为翘头区域;若所述灰度值分界曲线的曲率值为真分数,则所述预制金属板材的侧面边缘区域为扣尾区域;将所述翘头区域或者所述扣尾区域确定为边缘异常区域,其余板材边缘区域确定为边缘正常区域;其中,所述板材边缘检测结果包括:所述边缘异常区域以及所述边缘正常区域。
本申请实施例通过对圆锥轴承保持器前期制备工艺中的预制金属板材进行边缘厚度的识别,能够更好的在下料过程中对金属板材的翘头和扣尾情况进行准确的检测识别,从而避免对这些边缘异常区域进行后续异常的加工,提高了圆锥轴承保持器的成品率。
在一种可行的实施方式中,基于所述板材边缘检测结果,将由预设摄像机采集的冲压成型的圆锥碗形工件图像进行金属表面裂痕特征提取,得到裂痕图像特征,具体包括:通过预设金属液压拉伸机,将所述板材边缘检测结果中边缘正常区域所对应的金属板材进行板材拉伸,并通过预设金属冲压机,对拉伸后的金属板材进行圆锥碗形的冲压,得到圆锥碗形工件;通过预设摄像机对所述圆锥碗形工件的工件表面拍照,得到所述圆锥碗形工件图像;获取所述圆锥碗形工件图像中有关碗身区域的碗壁图像;其中,所述碗壁图像包括:内碗壁图像以及外碗壁图像;对所述碗壁图像进行像素的灰度处理,并通过Gabor图像变换,对灰度处理后的碗壁图像进行各个方向像素的金属表面裂痕特征提取,得到所述碗壁图像的纹理结构特征以及异常曲线特征;其中,所述各个方向包括:横向、纵向以及对角方向;根据预设Grouplet 峭度算法,对所述碗壁图像的纹理结构特征进行不规则纹理结构特征的识别,得到异常纹理结构特征;并根据Grouplet 峭度中关联域的系数变换,对所述异常纹理结构特征进行加权关联,得到基于异常纹理结构特征关联域的系数;将所述系数与所述异常曲线特征中的各个像素点进行对应关联,确定出所述碗壁图像中的裂痕图像特征。
在一种可行的实施方式中,根据预设分类识别模型,对所述裂痕图像特征进行裂痕种类的分类识别,得到第一残次图像,具体包括:通过预训练的KNN分类模型,对所述裂痕图像特征中的裂痕种类进行分类识别判断:将所述裂痕图像特征所对应的灰度像素区域进行像素颜色深浅判断;若所述灰度像素区域中存在若干浅色区域,则所述裂痕图像特征为裂口图像特征,并将所述裂口图像特征所对应的裂痕图像确定为第一残次图像;基于所述圆锥碗形工件中预设的铣孔窗口位置,将所述裂痕图像特征所对应的裂痕像素长度以及裂痕像素宽度进行像素密集区域的位置判断;若所述像素密集区域的位置与所述铣孔窗口位置为重叠状态,且所述裂痕像素长度以及所述裂痕像素宽度小于或等于铣孔窗口尺寸,则将所述裂痕图像特征所对应的所述裂痕图像,确定为第一正常图像;其中,所述铣孔窗口尺寸包括:窗口高度以及窗口宽度;若所述像素密集区域的位置与所述铣孔窗口位置不为重叠状态,或者所述裂痕像素长度以及所述裂痕像素宽度大于所述铣孔窗口尺寸,则将所述裂痕图像确定为第一残次图像。
本申请实施例通过对圆锥碗形工件的金属裂痕情况的图像识别,能够更好的监测该未成品工件的合格情况,同时对于一些细小裂痕或者不影响后续铣孔、车边以及车底情况的微小裂纹实现通过处理,最大程度的保证了产品的合格情况,同时又兼顾了成本上的节约,提高了最后成品的合格率。
在一种可行的实施方式中,将剩余的圆锥碗形工件进行铣孔加工,得到初始圆锥轴承保持器;并根据预设图像形状匹配模板库,将预获取的初始圆锥轴承保持器图像进行图像形状的匹配处理,确定出第二残次图像,具体包括:将所述第一残次图像所对应的若干所述圆锥碗形工件确定为第一残次工件,并根据识别出的所述第一残次工件,将剩余的圆锥碗形工件确定为正常圆锥碗形工件;通过预设机加工车床,对所述正常圆锥碗形工件进行铣孔处理,得到所述初始圆锥轴承保持器;其中,第一残次工件不进行铣孔处理;通过预安装于输送带上方的摄像机,获取初始圆锥轴承保持器图像以及初始圆锥轴承保持器图像尺寸;其中,所述初始圆锥轴承保持器图像尺寸包括:图像长度以及图像宽度;根据预设矩形框,对所述初始圆锥轴承保持器图像中的窗口、窗梁以及端环进行统一图像截取,得到第一裁剪图像;并对所述第一裁剪图像进行所述窗口的灰度方差判断;其中所述窗口的灰度方差为窗口内部的灰度像素范围;若所述灰度方差小于或者等于第一预设阈值,则所述第一裁剪图像为正常窗口图像;否则,所述第一裁剪图像为异常窗口图像;对所述第一裁剪图像中的窗梁进行像素数量的获取,得到窗梁像素值;对所述第一裁剪图像中的端环像素点进行圆周函数拟合,得到基于所述端环像素点的圆周函数曲线,并确定出所述函数曲线的端环圆周曲率;基于所述初始圆锥轴承保持器的不同型号,根据标准尺寸下初始圆锥轴承保持器的多种姿态,获取与所述多种姿态一一对应的正常窗口图像集合、窗梁像素值集合以及端环圆周曲率集合,并建立基于标准尺寸下初始圆锥轴承保持器的图像形状匹配模板库;将所述初始圆锥轴承保持器图像中的所述正常窗口图像、所述窗梁像素值以及端环圆周率与所述图像形状匹配模板库中对应的标准尺寸进行形状模板的匹配,得到匹配结果;若配一致,则将所述初始圆锥轴承保持器图像确定为第二正常图像,若匹配不一致或者所述第一裁剪图像为异常窗口图像,则将所述初始圆锥轴承保持器图像确定为第二残次图像。
本申请实施例通过对铣孔后的初始圆锥轴承保持器的窗口、窗梁以及圆度的监测,并基于标准的图像形状匹配模板,能够快速准确的监测出在该工艺阶段的残次品,由于输送带运动的比较快,通过形状匹配模板,能够简便快捷准确的识别出有问题的工件,然后后续流程不再处理该问题工件,降低成本的消耗,提高了生产效率。
在一种可行的实施方式中,将所述初始圆锥轴承保持器图像中的所述正常窗口图像、所述窗梁像素值以及端环圆周率与所述图像形状匹配模板库中对应的标准尺寸进行形状模板的匹配,得到匹配结果,具体包括:基于所述图像形状匹配模板库中的HALCON算法,提取所述图像形状匹配模板库中正常窗口图像集合、窗梁像素值集合以及端环圆周曲率集合,并根据HALCON算法中的模板算子,确定出若干原始形状匹配模板;将所述初始圆锥轴承保持器图像中的所述正常窗口图像、所述窗梁像素值以及端环圆周率进行模板的生成,得到目标形状匹配模板;将所述目标形状匹配模板与所述若干原始形状匹配模板进行数据层面的覆盖匹配,并根据数据覆盖的相似程度,确定出所述匹配结果。
在一种可行的实施方式中,将剩余的初始圆锥轴承保持器进行表面喷砂,得到精加工圆锥轴承保持器;并对预获取的精加工圆锥轴承保持器图像进行有关表面缺陷特征的图像识别,确定出第三残次图像,具体包括:将所述第二残次图像所对应的若干所述初始圆锥轴承保持器确定为第二残次工件,并根据识别出的所述第二残次工件,将剩余的初始圆锥轴承保持器确定为正常初始圆锥轴承保持器;通过预设多角度的喷砂机,对所述正常初始圆锥轴承保持器进行喷砂,得到所述精加工圆锥轴承保持器;其中,所述第二残次工件以及第一残次工件不进行喷砂处理;根据可调光源系统的多角度照射,通过预设摄像机,获取多角度下的所述精加工圆锥轴承保持器图像;并对所述精加工圆锥轴承保持器图像进行灰度处理,得到所述精加工圆锥轴承保持器的灰度图;通过图像边缘检测微分算子,对所述灰度图进行边缘信息的识别,得到边缘特征;根据所述边缘特征的中心边缘算子与所述灰度图中的边缘卷积微分,进行所述灰度图的非极大值抑制插值处理,并基于高斯函数的梯度分布特性,得到基于所述灰度图的灰度直方图;根据预设像素灰度级,对所述灰度直方图进行上下限阈值的区域划分,确定出所述灰度图的平均灰度值;将所述平均灰度值与第一预设阈值比较,确定出所述第三残次图像;其中,所述第三残次图像为具有表面缺陷特征的精加工圆锥轴承保持器图像。
本申请实施例通过对喷砂后工件的多角度表面缺陷特征的识别,有利于识别出具有表面缺陷,即喷砂过程中产生的残次品工件的识别,能够进一步地保障后续成品工件的合格率,同时基于多角度的喷砂以及表面缺陷特征的识别,还能跟好的监测出隐藏的缺陷盲点,并基于对灰度直方图的阈值划分,能够更准确快速进行识别判断。
在一种可行的实施方式中,将所述第一残次图像、所述第二残次图像以及所述第三残次图像所对应的异常工件进行异常标记,得到标记工件信息,具体包括:将所述第一残次图像对应的若干异常圆锥碗形工件、所述第二残次图像对应的若干异常初始圆锥轴承保持器以及所述第三残次图像对应的异常若干精加工圆锥轴承保持器进行二进制形式工件序号的生成处理,得到工件标记序号;生成与所述工件标记序号相对应的十进制形式的偶数序号;根据所述偶数序号,对异常工件进行异常序号的标记,确定出与所述异常工件对应的所述标记工件信息。
本申请实施例通过先用二进制形式的工件序号标注,能够更好的解决逻辑运算的问题,进一步扩展成数学数字运算,可以更好的适应车间复杂的环境,具有较强的干扰性和可靠性,有利于对异常工件进行初步的标记,之后再转化为有利于工作人员查看的十进制偶数序号,即形成直观易懂的异常序号,然后最终再生成异常工件的标记工件信息。
在一种可行的实施方式中,根据所述标记工件信息,对输送带中全部工件进行成品工件的分类,得到若干符合标准的成品圆锥轴承保持器信息,具体包括:根据预设3D物体跟踪算法,将若干所述标记工件信息进行实时跟踪,确定出每个异常工件的实时位置;通过激光制导系统,对所述每个异常工件的实时位置进行激光标记,得到激光标记工件信息;基于预设时间间隔,将输送带中的所述激光标记工件信息进行分类剔除处理,以筛选出对应的所述成品工件,并得到若干符合标准的所述成品圆锥轴承保持器信息。
另一方面,本申请实施例还提供了一种圆锥轴承保持器的工艺制备流程的监测设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有能够被所述至少一个处理器执行的指令,以使所述至少一个处理器能够执行上述任一实施例所述的一种圆锥轴承保持器的工艺制备流程的监测方法。
本申请实施例通过对圆锥轴承保持器的待加工金属材料进行边缘厚度的检测,以及对主要工艺制备流程中的拉伸冲压、车边、车底、铣孔、表面处理等工艺流程中的未成品工件进行残次工件的图像检测,通过圆锥轴承保持器中每个环节获取的未成品工件图像,结合图像识别以及相关尺寸和易受损部位的检测,能够更好的在工艺制备流程中,准确的识别出每个流程环节的残次品,同时将识别出的残次品不再进行后续环节的处理,让其一直跟随传输带运动,使整个工艺流程更加的顺畅,不会中途暂停,使整个工艺制备流程的影响降到最低。同时利用对残次品的标记识别,能够更好的对成品圆锥轴承保持器记性分类识别,大大提高了圆锥轴承保持器的成品合格率。
附图说明
为了更清楚地说明本申请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,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,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他的附图。在附图中:
图1为本申请实施例提供的一种圆锥轴承保持器的工艺制备流程的监测方法流程图;
图2为本申请实施例提供的一种圆锥轴承保持器的工艺制备流程的监测设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本说明书实施例,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他实施例,都应当属于本申请保护的范围。
本申请实施例提供了一种圆锥轴承保持器的工艺制备流程的监测方法,如图1所示,圆锥轴承保持器的工艺制备流程的监测方法具体包括步骤S101-S106:
S101、通过预设面阵CCD摄像机,对预制金属板材进行边缘厚度的图像获取。并对边缘厚度图像进行异常检测,得到边缘厚度图像的板材边缘检测结果。其中,预制金属板材为制备圆锥轴承保持器的待加工金属材料。
具体地,通过若干面阵CCD摄像机,对预制金属板材的侧面边缘区域进行多角度拍摄,得到边缘厚度图像。其中,边缘厚度图像为预制金属板的若干边缘端口图像。获取边缘端口图像中与预制金属板材厚度相关的平面像素图像。对平面像素图像进行灰度处理,得到初始灰度对比图像,并通过预设线性拟合函数,将初始灰度对比图像中若干不同像素灰度值的分界点进行点位识别,得到初始灰度对比图像中分界点坐标集合。
进一步地,根据分界点坐标集合,将若干分界点进行点位曲线拟合,得到灰度值分界曲线。并对灰度值分界曲线进行曲率大小的判断。若灰度值分界曲线的曲率值为假分数,则预制金属板材的侧面边缘区域为翘头区域。若灰度值分界曲线的曲率值为真分数,则预制金属板材的侧面边缘区域为扣尾区域。将翘头区域或者扣尾区域确定为边缘异常区域,其余板材边缘区域确定为边缘正常区域。
其中,板材边缘检测结果包括:边缘异常区域以及边缘正常区域。
在一个实施例中,通过激光下料机内部的若干面阵CCD摄像机,对放入到金属板材进行板材边缘厚度的曲线检测,根据获取的与金属板材厚度相关的平面像素图像,对图像中若干不同像素灰度值的分界点进行点位识别,得到不同像素分界点的坐标集合,然后构建灰度值分界曲线,根据曲线的曲率值大小,来得到金属板材边缘是否存在翘头或者扣尾情况,并将这些异常曲率值对应的边缘图像区域确定为边缘异常区域。
S102、基于板材边缘检测结果,将由预设摄像机采集的冲压成型的圆锥碗形工件图像进行金属表面裂痕特征提取,得到裂痕图像特征。并根据预设分类识别模型,对裂痕图像特征进行裂痕种类的分类识别,得到第一残次图像。
具体地,通过预设金属液压拉伸机,将板材边缘检测结果中边缘正常区域所对应的金属板材进行板材拉伸,并通过预设金属冲压机,对拉伸后的金属板材进行圆锥碗形的冲压,得到圆锥碗形工件。通过预设摄像机对圆锥碗形工件的工件表面拍照,得到圆锥碗形工件图像。获取圆锥碗形工件图像中有关碗身区域的碗壁图像。其中,碗壁图像包括:内碗壁图像以及外碗壁图像。对碗壁图像进行像素的灰度处理,并通过Gabor图像变换,对灰度处理后的碗壁图像进行各个方向像素的金属表面裂痕特征提取,得到碗壁图像的纹理结构特征以及异常曲线特征。其中,各个方向包括:横向、纵向以及对角方向。
进一步地,根据预设Grouplet 峭度算法,对碗壁图像的纹理结构特征进行不规则纹理结构特征的识别,得到异常纹理结构特征。并根据Grouplet 峭度中关联域的系数变换,对异常纹理结构特征进行加权关联,得到基于异常纹理结构特征关联域的系数。将系数与异常曲线特征中的各个像素点进行对应关联,确定出碗壁图像中的裂痕图像特征。
进一步地,通过预训练的KNN分类模型,对裂痕图像特征中的裂痕种类进行分类识别判断:将裂痕图像特征所对应的灰度像素区域进行像素颜色深浅判断。若灰度像素区域中存在若干浅色区域,则裂痕图像特征为裂口图像特征,并将裂口图像特征所对应的裂痕图像确定为第一残次图像。
基于圆锥碗形工件中预设的铣孔窗口位置,将裂痕图像特征所对应的裂痕像素长度以及裂痕像素宽度进行像素密集区域的位置判断:
若像素密集区域的位置与铣孔窗口位置为重叠状态,且裂痕像素长度以及裂痕像素宽度小于或等于铣孔窗口尺寸,则将裂痕图像特征所对应的裂痕图像,确定为第一正常图像。其中,铣孔窗口尺寸包括:窗口高度以及窗口宽度。
若像素密集区域的位置与铣孔窗口位置不为重叠状态,或者裂痕像素长度以及裂痕像素宽度大于铣孔窗口尺寸,则将裂痕图像确定为第一残次图像。
在一个实施例中,通过金属液压拉伸机,对拉伸后的金属板材进行圆锥碗形的冲压,得到圆锥碗形工件,通过预设摄像机对圆锥碗形工件的拍照,得到圆锥碗形工件图像,然后对获取的内碗壁图像以及外碗壁图像对应的金属表面图像进行金属表面裂痕特征的种类识别,以判断出不同的裂痕图像特征,然后基于KNN分类模型,将裂痕图像特征所对应的灰度像素区域进行像素颜色深浅判断,确定出裂痕图像中是否存在断裂或者裂口的图像,并将这些图像确定为第一残次图像,即,残次工件,然后再对裂痕像素长度与铣孔窗口位置判断,从而判断出该金属裂痕是否属于无关裂痕,若不影响后续铣孔的工序,则将该裂痕图像判断为正常图像,继续进行后续的工序加工,若影响后续的铣孔处理,则判断为无法继续加的金属裂痕图像,并确定为第一残次图像。
S103、将剩余的圆锥碗形工件进行铣孔加工,得到初始圆锥轴承保持器。并根据预设图像形状匹配模板库,将预获取的初始圆锥轴承保持器图像进行图像形状的匹配处理,确定出第二残次图像。其中,剩余的圆锥碗形工件为没有残次的圆锥碗形工件。
具体地,将第一残次图像所对应的若干圆锥碗形工件确定为第一残次工件,并根据识别出的第一残次工件,将剩余的圆锥碗形工件确定为正常圆锥碗形工件。通过预设机加工车床,对正常圆锥碗形工件进行铣孔处理,得到初始圆锥轴承保持器。其中,第一残次工件不进行铣孔处理。通过预安装于输送带上方的摄像机,获取初始圆锥轴承保持器图像以及初始圆锥轴承保持器图像尺寸。其中,初始圆锥轴承保持器图像尺寸包括:图像长度以及图像宽度。
进一步地,根据预设矩形框,对初始圆锥轴承保持器图像中的窗口、窗梁以及端环进行统一图像截取,得到第一裁剪图像。并对第一裁剪图像进行窗口的灰度方差判断。其中窗口的灰度方差为窗口内部的灰度像素范围。若灰度方差小于或者等于第一预设阈值,则第一裁剪图像为正常窗口图像。否则,第一裁剪图像为异常窗口图像。对第一裁剪图像中的窗梁进行像素数量的获取,得到窗梁像素值。对第一裁剪图像中的端环像素点进行圆周函数拟合,得到基于端环像素点的圆周函数曲线,并确定出函数曲线的端环圆周曲率。
进一步地,基于初始圆锥轴承保持器的不同型号,根据标准尺寸下初始圆锥轴承保持器的多种姿态,获取与多种姿态一一对应的正常窗口图像集合、窗梁像素值集合以及端环圆周曲率集合,并建立基于标准尺寸下初始圆锥轴承保持器的图像形状匹配模板库。
进一步地,将初始圆锥轴承保持器图像中的正常窗口图像、窗梁像素值以及端环圆周率与图像形状匹配模板库中对应的标准尺寸进行形状模板的匹配,得到匹配结果。若配一致,则将初始圆锥轴承保持器图像确定为第二正常图像,若匹配不一致或者第一裁剪图像为异常窗口图像,则将初始圆锥轴承保持器图像确定为第二残次图像。
其中,基于图像形状匹配模板库中的HALCON算法,提取图像形状匹配模板库中正常窗口图像集合、窗梁像素值集合以及端环圆周曲率集合,并根据HALCON算法中的模板算子,确定出若干原始形状匹配模板。将初始圆锥轴承保持器图像中的正常窗口图像、窗梁像素值以及端环圆周率进行模板的生成,得到目标形状匹配模板。将目标形状匹配模板与若干原始形状匹配模板进行数据层面的覆盖匹配,并根据数据覆盖的相似程度,确定出匹配结果。
在一个实施例中,第一裁剪图像包括:步骤1:输入初始圆锥轴承保持器图像I0,尺寸为
Figure SMS_1
。步骤2:用尺寸为
Figure SMS_2
的矩形框对初始圆锥轴承保持器图像I0进行裁剪, 矩形框长度方向含初始圆锥轴承保持器图像中的窗口a、窗梁b以及端环c。步骤3:以初始圆锥轴承保持器图像左上角为原点,图像宽度为横坐标,长度为纵坐标。设定矩形框顶端初始纵坐标为S,S一般满足如下条件:S =(W0- W1)/2,计算纵坐标为S处窗口内部的灰度像素范围的灰度方差。步骤4:根据灰度方差判断是否属于正常裁剪(即窗口内部的灰度像素值是否满足预设阈值),并进行下一步操作,若灰度方差小于或者等于第一预设阈值,则第一裁剪图像为正常窗口图像。否则,第一裁剪图像为异常窗口图像。
在一个实施例中,通过机加工车床,对上一工序识别出的正常圆锥碗形工件进行,车边、车底以及铣孔操作,而对于与第一残次图像对应的圆锥碗形工件则不进行任何操作,继续跟随输送带移动,机加工车床只对正常的圆锥碗形工件进行后续的处理,然后得到初始圆锥轴承保持器,并根据预设的监测摄像头,对其进行拍照,获取初始圆锥轴承保持器图像,然后根据预设矩形框,对初始圆锥轴承保持器图像进行图像的截取,然后进行窗口的灰度方差判断,判断出初始圆锥轴承保持器图像中窗口尺寸是否符合预设标准,然后再对窗梁像素值以及端环圆周曲率进行获取,再基于HALCON算法中的模板算子,将初始圆锥轴承保持器图像中的正常窗口图像、窗梁像素值以及端环圆周率与若干原始形状匹配模板进行数据层面的覆盖匹配,根据数据能够相互覆盖的相似度,来确定出匹配程度,然后将匹配不一致或者第一裁剪图像确定为异常窗口图像,并将对应的初始圆锥轴承保持器图像确定为第二残次图像。
在一个实施例中,根据不同型号的圆锥轴承保持器,在初始圆锥轴承保持器还会对窗梁进行压坡面处理,然后再次获取压坡面处理后的初始圆锥轴承保持器图像,对图像中的坡面斜度对应的像素坐标体系,进行识别判断,将不符合斜面坡度要求的初始圆锥轴承保持器图像也判断为第二残次图像,剩余所有合格的初始圆锥轴承保持器图像对应的初始圆锥轴承保持器继续进行后续表面处理工序,而第二残次图像对应的初始圆锥轴承保持器不参加后的表面喷砂处理工序,会一直跟随输送带运动,直至判定为异常工件分类出去。
S104、将剩余的初始圆锥轴承保持器进行表面喷砂,得到精加工圆锥轴承保持器。并对预获取的精加工圆锥轴承保持器图像进行有关表面缺陷特征的图像识别,确定出第三残次图像。其中,剩余的初始圆锥轴承保持器为没有残次的初始圆锥轴承保持器。
具体地,将第二残次图像所对应的若干初始圆锥轴承保持器确定为第二残次工件,并根据识别出的第二残次工件,将剩余的初始圆锥轴承保持器确定为正常初始圆锥轴承保持器。通过预设多角度的喷砂机,对正常初始圆锥轴承保持器进行喷砂,得到精加工圆锥轴承保持器。其中,第二残次工件以及第一残次工件不进行喷砂处理。
进一步地,根据可调光源系统的多角度照射,通过预设摄像机,获取多角度下的精加工圆锥轴承保持器图像。并对精加工圆锥轴承保持器图像进行灰度处理,得到精加工圆锥轴承保持器的灰度图。通过图像边缘检测微分算子,对灰度图进行边缘信息的识别,得到边缘特征。
进一步地,根据边缘特征的中心边缘算子与灰度图中的边缘卷积微分,进行灰度图的非极大值抑制插值处理,并基于高斯函数的梯度分布特性,得到基于灰度图的灰度直方图。
进一步地,根据预设像素灰度级,对灰度直方图进行上下限阈值的区域划分,确定出灰度图的平均灰度值。将平均灰度值与第一预设阈值比较,确定出第三残次图像。其中,第三残次图像为具有表面缺陷特征的精加工圆锥轴承保持器图像。
在一个实施例中,在对初始圆锥轴承保持器进行喷砂处理前,还可以选择对窗孔进行扩张处理,然后进行喷砂处理,然后对精加工圆锥轴承保持器图像进行图像边缘检测微分算子,识别出灰度图的边缘特征,再根据预设像素灰度级,对灰度直方图进行上下限阈值的区域划分,确定出灰度图的平均灰度值,当平均灰度值大于第一预设阈值时,则可判断出该精加工圆锥轴承保持器图像存在表面缺陷特征,并将该精加工圆锥轴承保持器图像确定为第三残次图像,否则就是工件的正常图像。对于第三残次图像对应的精加工圆锥轴承保持器还可选择二次喷砂处理,然后根据边缘特征的中心边缘算子与灰度图中的边缘卷积微分,继续进行有关表面缺陷特征的图像识别,若依然为第三残次图像,则自动结束喷砂处理,进行后续工序。
S105、将第一残次图像、第二残次图像以及第三残次图像所对应的异常工件进行异常标记,得到标记工件信息。
具体地,将第一残次图像对应的若干异常圆锥碗形工件、第二残次图像对应的若干异常初始圆锥轴承保持器以及第三残次图像对应的异常若干精加工圆锥轴承保持器进行二进制形式工件序号的生成处理,得到工件标记序号。生成与工件标记序号相对应的十进制形式的偶数序号。
进一步地,根据偶数序号,对异常工件进行异常序号的标记,确定出与异常工件对应的标记工件信息。
在一个实施例中,在喷砂处理后,输送带中保留了第一残次图像对应的若干异常圆锥碗形工件、第二残次图像对应的若干异常初始圆锥轴承保持器以及第三残次图像对应的异常若干精加工圆锥轴承保持器,统称为异常工件,然后将这些异常工件进行二进制形式工件序号的生成处理,再转化为易于工作人员查看的二进制形式工件序号的生成处理,最终确定出与异常工件对应的标记工件信息。
S106、根据标记工件信息,对输送带中全部工件进行成品工件的分类,得到若干符合标准的成品圆锥轴承保持器信息。
具体地,根据预设3D物体跟踪算法,将若干标记工件信息进行实时跟踪,确定出每个异常工件的实时位置。通过激光制导系统,对每个异常工件的实时位置进行激光标记,得到激光标记工件信息。
进一步地,基于预设时间间隔,将输送带中的激光标记工件信息进行分类剔除处理,以筛选出对应的成品工件,并得到若干符合标准的成品圆锥轴承保持器信息。
在一个实施例中,激光制导系统对异常工件进行激光标记,并生成对应的激光标记工件信息,然后工作人员便可根据激光标记工件信息,对每个异常工件进行筛选,最终输送带以及对应系统中只保留了若干符合标准的成品圆锥轴承保持器信息。
另外,本申请实施例还提供了一种圆锥轴承保持器的工艺制备流程的监测设备,如图2所示,圆锥轴承保持器的工艺制备流程的监测设备200具体包括:
至少一个处理器201。以及,与至少一个处理器201通信连接的存储器202;其中,存储器202存储有能够被至少一个处理器201执行的指令,以使至少一个处理器201能够执行:
通过预设面阵CCD摄像机,对预制金属板材进行边缘厚度的图像获取;并对边缘厚度图像进行异常检测,得到边缘厚度图像的板材边缘检测结果;其中,预制金属板材为制备圆锥轴承保持器的待加工金属材料;
基于板材边缘检测结果,将由预设摄像机采集的冲压成型的圆锥碗形工件图像进行金属表面裂痕特征提取,得到裂痕图像特征;并根据预设分类识别模型,对裂痕图像特征进行裂痕种类的分类识别,得到第一残次图像;
将剩余的圆锥碗形工件进行铣孔加工,得到初始圆锥轴承保持器;并根据预设图像形状匹配模板库,将预获取的初始圆锥轴承保持器图像进行图像形状的匹配处理,确定出第二残次图像;其中,剩余的圆锥碗形工件为没有残次的圆锥碗形工件;
将剩余的初始圆锥轴承保持器进行表面喷砂,得到精加工圆锥轴承保持器;并对预获取的精加工圆锥轴承保持器图像进行有关表面缺陷特征的图像识别,确定出第三残次图像;其中,剩余的初始圆锥轴承保持器为没有残次的初始圆锥轴承保持器;
将第一残次图像、第二残次图像以及第三残次图像所对应的异常工件进行异常标记,得到标记工件信息;
根据标记工件信息,对输送带中全部工件进行成品工件的分类,得到若干符合标准的成品圆锥轴承保持器信息。
本申请实施例通过对圆锥轴承保持器的待加工金属材料进行边缘厚度的检测,以及对主要工艺制备流程中的拉伸冲压、车边、车底、铣孔、表面处理等工艺流程中的未成品工件进行残次工件的图像检测,通过圆锥轴承保持器中每个环节获取的未成品工件图像,结合图像识别以及相关尺寸和易受损部位的检测,能够更好的在工艺制备流程中,准确的识别出每个流程环节的残次品,同时将识别出的残次品不再进行后续环节的处理,让其一直跟随传输带运动,使整个工艺流程更加的顺畅,不会中途暂停,使整个工艺制备流程的影响降到最低。同时利用对残次品的标记识别,能够更好的对成品圆锥轴承保持器记性分类识别,大大提高了圆锥轴承保持器的成品合格率。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请的实施例可以有各种更改和变化。凡在本申请实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种圆锥轴承保持器的工艺制备流程的监测方法,其特征在于,所述方法包括:
通过预设面阵CCD摄像机,对预制金属板材进行边缘厚度的图像获取;并对边缘厚度图像进行异常检测,得到所述边缘厚度图像的板材边缘检测结果;其中,所述预制金属板材为制备圆锥轴承保持器的待加工金属材料;
基于所述板材边缘检测结果,将由预设摄像机采集的冲压成型的圆锥碗形工件图像进行金属表面裂痕特征提取,得到裂痕图像特征;并根据预设分类识别模型,对所述裂痕图像特征进行裂痕种类的分类识别,得到第一残次图像;
将剩余的圆锥碗形工件进行铣孔加工,得到初始圆锥轴承保持器;并根据预设图像形状匹配模板库,将预获取的初始圆锥轴承保持器图像进行图像形状的匹配处理,确定出第二残次图像;其中,所述剩余的圆锥碗形工件为没有残次的圆锥碗形工件;
将剩余的初始圆锥轴承保持器进行表面喷砂,得到精加工圆锥轴承保持器;并对预获取的精加工圆锥轴承保持器图像进行有关表面缺陷特征的图像识别,确定出第三残次图像;其中,所述剩余的初始圆锥轴承保持器为没有残次的初始圆锥轴承保持器;
将所述第一残次图像、所述第二残次图像以及所述第三残次图像所对应的异常工件进行异常标记,得到标记工件信息;
根据所述标记工件信息,对输送带中全部工件进行成品工件的分类,得到若干符合标准的成品圆锥轴承保持器信息。
2.根据权利要求1所述的一种圆锥轴承保持器的工艺制备流程的监测方法,其特征在于,通过预设面阵CCD摄像机,对预制金属板材进行边缘厚度的图像获取;并对边缘厚度图像进行异常检测,得到所述边缘厚度图像的板材边缘检测结果,具体包括:
通过若干所述面阵CCD摄像机,对所述预制金属板材的侧面边缘区域进行多角度拍摄,得到所述边缘厚度图像;其中,所述边缘厚度图像为预制金属板的若干边缘端口图像;
获取所述边缘端口图像中与所述预制金属板材厚度相关的平面像素图像;
对所述平面像素图像进行灰度处理,得到初始灰度对比图像,并通过预设线性拟合函数,将所述初始灰度对比图像中若干不同像素灰度值的分界点进行点位识别,得到所述初始灰度对比图像中分界点坐标集合;
根据所述分界点坐标集合,将若干分界点进行点位曲线拟合,得到灰度值分界曲线;并对所述灰度值分界曲线进行曲率大小的判断;
若所述灰度值分界曲线的曲率值为假分数,则所述预制金属板材的侧面边缘区域为翘头区域;若所述灰度值分界曲线的曲率值为真分数,则所述预制金属板材的侧面边缘区域为扣尾区域;
将所述翘头区域或者所述扣尾区域确定为边缘异常区域,其余板材边缘区域确定为边缘正常区域;
其中,所述板材边缘检测结果包括:所述边缘异常区域以及所述边缘正常区域。
3.根据权利要求1所述的一种圆锥轴承保持器的工艺制备流程的监测方法,其特征在于,基于所述板材边缘检测结果,将由预设摄像机采集的冲压成型的圆锥碗形工件图像进行金属表面裂痕特征提取,得到裂痕图像特征,具体包括:
通过预设金属液压拉伸机,将所述板材边缘检测结果中边缘正常区域所对应的金属板材进行板材拉伸,并通过预设金属冲压机,对拉伸后的金属板材进行圆锥碗形的冲压,得到圆锥碗形工件;通过预设摄像机对所述圆锥碗形工件的工件表面拍照,得到所述圆锥碗形工件图像;
获取所述圆锥碗形工件图像中有关碗身区域的碗壁图像;其中,所述碗壁图像包括:内碗壁图像以及外碗壁图像;
对所述碗壁图像进行像素的灰度处理,并通过Gabor图像变换,对灰度处理后的碗壁图像进行各个方向像素的金属表面裂痕特征提取,得到所述碗壁图像的纹理结构特征以及异常曲线特征;其中,所述各个方向包括:横向、纵向以及对角方向;
根据预设Grouplet 峭度算法,对所述碗壁图像的纹理结构特征进行不规则纹理结构特征的识别,得到异常纹理结构特征;并根据Grouplet 峭度中关联域的系数变换,对所述异常纹理结构特征进行加权关联,得到基于异常纹理结构特征关联域的系数;
将所述系数与所述异常曲线特征中的各个像素点进行对应关联,确定出所述碗壁图像中的裂痕图像特征。
4.根据权利要求1所述的一种圆锥轴承保持器的工艺制备流程的监测方法,其特征在于,根据预设分类识别模型,对所述裂痕图像特征进行裂痕种类的分类识别,得到第一残次图像,具体包括:
通过预训练的KNN分类模型,对所述裂痕图像特征中的裂痕种类进行分类识别判断;
将所述裂痕图像特征所对应的灰度像素区域进行像素颜色深浅判断;若所述灰度像素区域中存在若干浅色区域,则所述裂痕图像特征为裂口图像特征,并将所述裂口图像特征所对应的裂痕图像确定为第一残次图像;
基于所述圆锥碗形工件中预设的铣孔窗口位置,将所述裂痕图像特征所对应的裂痕像素长度以及裂痕像素宽度进行像素密集区域的位置判断;
若所述像素密集区域的位置与所述铣孔窗口位置为重叠状态,且所述裂痕像素长度以及所述裂痕像素宽度小于或等于铣孔窗口尺寸,则将所述裂痕图像特征所对应的所述裂痕图像,确定为第一正常图像;其中,所述铣孔窗口尺寸包括:窗口高度以及窗口宽度;
若所述像素密集区域的位置与所述铣孔窗口位置不为重叠状态,或者所述裂痕像素长度以及所述裂痕像素宽度大于所述铣孔窗口尺寸,则将所述裂痕图像确定为第一残次图像。
5.根据权利要求1所述的一种圆锥轴承保持器的工艺制备流程的监测方法,其特征在于,将剩余的圆锥碗形工件进行铣孔加工,得到初始圆锥轴承保持器;并根据预设图像形状匹配模板库,将预获取的初始圆锥轴承保持器图像进行图像形状的匹配处理,确定出第二残次图像,具体包括:
将所述第一残次图像所对应的若干所述圆锥碗形工件确定为第一残次工件,并根据识别出的所述第一残次工件,将剩余的圆锥碗形工件确定为正常圆锥碗形工件;
通过预设机加工车床,对所述正常圆锥碗形工件进行铣孔处理,得到所述初始圆锥轴承保持器;其中,第一残次工件不进行铣孔处理;
通过预安装于输送带上方的摄像机,获取初始圆锥轴承保持器图像以及初始圆锥轴承保持器图像尺寸;其中,所述初始圆锥轴承保持器图像尺寸包括:图像长度以及图像宽度;
根据预设矩形框,对所述初始圆锥轴承保持器图像中的窗口、窗梁以及端环进行统一图像截取,得到第一裁剪图像;并对所述第一裁剪图像进行所述窗口的灰度方差判断;其中所述窗口的灰度方差为窗口内部的灰度像素范围;
若所述灰度方差小于或者等于第一预设阈值,则所述第一裁剪图像为正常窗口图像;否则,所述第一裁剪图像为异常窗口图像;
对所述第一裁剪图像中的窗梁进行像素数量的获取,得到窗梁像素值;
对所述第一裁剪图像中的端环像素点进行圆周函数拟合,得到基于所述端环像素点的圆周函数曲线,并确定出所述函数曲线的端环圆周曲率;
基于所述初始圆锥轴承保持器的不同型号,根据标准尺寸下初始圆锥轴承保持器的多种姿态,获取与所述多种姿态一一对应的正常窗口图像集合、窗梁像素值集合以及端环圆周曲率集合,并建立基于标准尺寸下初始圆锥轴承保持器的图像形状匹配模板库;
将所述初始圆锥轴承保持器图像中的所述正常窗口图像、所述窗梁像素值以及端环圆周率与所述图像形状匹配模板库中对应的标准尺寸进行形状模板的匹配,得到匹配结果;若配一致,则将所述初始圆锥轴承保持器图像确定为第二正常图像,若匹配不一致或者所述第一裁剪图像为异常窗口图像,则将所述初始圆锥轴承保持器图像确定为第二残次图像。
6.根据权利要求5所述的一种圆锥轴承保持器的工艺制备流程的监测方法,其特征在于,将所述初始圆锥轴承保持器图像中的所述正常窗口图像、所述窗梁像素值以及端环圆周率与所述图像形状匹配模板库中对应的标准尺寸进行形状模板的匹配,得到匹配结果,具体包括:
基于所述图像形状匹配模板库中的HALCON算法,提取所述图像形状匹配模板库中正常窗口图像集合、窗梁像素值集合以及端环圆周曲率集合,并根据HALCON算法中的模板算子,确定出若干原始形状匹配模板;
将所述初始圆锥轴承保持器图像中的所述正常窗口图像、所述窗梁像素值以及端环圆周率进行模板的生成,得到目标形状匹配模板;
将所述目标形状匹配模板与所述若干原始形状匹配模板进行数据层面的覆盖匹配,并根据数据覆盖的相似程度,确定出所述匹配结果。
7.根据权利要求1所述的一种圆锥轴承保持器的工艺制备流程的监测方法,其特征在于,将剩余的初始圆锥轴承保持器进行表面喷砂,得到精加工圆锥轴承保持器;并对预获取的精加工圆锥轴承保持器图像进行有关表面缺陷特征的图像识别,确定出第三残次图像,具体包括:
将所述第二残次图像所对应的若干所述初始圆锥轴承保持器确定为第二残次工件,并根据识别出的所述第二残次工件,将剩余的初始圆锥轴承保持器确定为正常初始圆锥轴承保持器;
通过预设多角度的喷砂机,对所述正常初始圆锥轴承保持器进行喷砂,得到所述精加工圆锥轴承保持器;其中,所述第二残次工件以及第一残次工件不进行喷砂处理;
根据可调光源系统的多角度照射,通过预设摄像机,获取多角度下的所述精加工圆锥轴承保持器图像;并对所述精加工圆锥轴承保持器图像进行灰度处理,得到所述精加工圆锥轴承保持器的灰度图;
通过图像边缘检测微分算子,对所述灰度图进行边缘信息的识别,得到边缘特征;
根据所述边缘特征的中心边缘算子与所述灰度图中的边缘卷积微分,进行所述灰度图的非极大值抑制插值处理,并基于高斯函数的梯度分布特性,得到基于所述灰度图的灰度直方图;
根据预设像素灰度级,对所述灰度直方图进行上下限阈值的区域划分,确定出所述灰度图的平均灰度值;
将所述平均灰度值与第一预设阈值比较,确定出所述第三残次图像;其中,所述第三残次图像为具有表面缺陷特征的精加工圆锥轴承保持器图像。
8.根据权利要求1所述的一种圆锥轴承保持器的工艺制备流程的监测方法,其特征在于,将所述第一残次图像、所述第二残次图像以及所述第三残次图像所对应的异常工件进行异常标记,得到标记工件信息,具体包括:
将所述第一残次图像对应的若干异常圆锥碗形工件、所述第二残次图像对应的若干异常初始圆锥轴承保持器以及所述第三残次图像对应的异常若干精加工圆锥轴承保持器进行二进制形式工件序号的生成处理,得到工件标记序号;
生成与所述工件标记序号相对应的十进制形式的偶数序号;
根据所述偶数序号,对异常工件进行异常序号的标记,确定出与所述异常工件对应的所述标记工件信息。
9.根据权利要求1所述的一种圆锥轴承保持器的工艺制备流程的监测方法,其特征在于,根据所述标记工件信息,对输送带中全部工件进行成品工件的分类,得到若干符合标准的成品圆锥轴承保持器信息,具体包括:
根据预设3D物体跟踪算法,将若干所述标记工件信息进行实时跟踪,确定出每个异常工件的实时位置;
通过激光制导系统,对所述每个异常工件的实时位置进行激光标记,得到激光标记工件信息;
基于预设时间间隔,将输送带中的所述激光标记工件信息进行分类剔除处理,以筛选出对应的所述成品工件,并得到若干符合标准的所述成品圆锥轴承保持器信息。
10.一种圆锥轴承保持器的工艺制备流程的监测设备,其特征在于,所述设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有能够被所述至少一个处理器执行的指令,以使所述至少一个处理器能够执行根据权利要求1-9任一项所述的一种圆锥轴承保持器的工艺制备流程的监测方法。
CN202310231627.7A 2023-03-13 2023-03-13 一种圆锥轴承保持器的工艺制备流程的监测方法及设备 Active CN115953397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310231627.7A CN115953397B (zh) 2023-03-13 2023-03-13 一种圆锥轴承保持器的工艺制备流程的监测方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310231627.7A CN115953397B (zh) 2023-03-13 2023-03-13 一种圆锥轴承保持器的工艺制备流程的监测方法及设备

Publications (2)

Publication Number Publication Date
CN115953397A true CN115953397A (zh) 2023-04-11
CN115953397B CN115953397B (zh) 2023-06-02

Family

ID=85896310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310231627.7A Active CN115953397B (zh) 2023-03-13 2023-03-13 一种圆锥轴承保持器的工艺制备流程的监测方法及设备

Country Status (1)

Country Link
CN (1) CN115953397B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109633A (zh) * 2023-04-12 2023-05-12 山东金帝精密机械科技股份有限公司 一种轴承保持器的窗口检测方法及设备
CN116586925A (zh) * 2023-07-19 2023-08-15 山东金帝精密机械科技股份有限公司 一种基于图像的大型轴承保持器生产方法、设备及介质
CN116665138A (zh) * 2023-08-01 2023-08-29 临朐弘泰汽车配件有限公司 一种汽车配件冲压加工视觉检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111724126A (zh) * 2020-06-12 2020-09-29 北京科技大学顺德研究生院 一种工艺流程质量异常精准追溯方法及系统
CN112837302A (zh) * 2021-02-09 2021-05-25 广东拓斯达科技股份有限公司 模具的状态监测方法、装置、工控机、存储介质及系统
CN113591790A (zh) * 2021-08-16 2021-11-02 上海铂端科技有限公司 基于计算机视觉实现生产线装配流程行为监测的系统、方法、装置、处理器及其存储介质
WO2022065621A1 (ko) * 2020-09-28 2022-03-31 (주)미래융합정보기술 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템
CN115359053A (zh) * 2022-10-19 2022-11-18 江苏万森绿建装配式建筑有限公司 一种金属板材缺陷智能检测方法及系统
CN115393363A (zh) * 2022-10-31 2022-11-25 山东金帝精密机械科技股份有限公司 一种轴承保持器的生产预警方法、设备及介质
CN115493843A (zh) * 2022-11-18 2022-12-20 聊城市义和轴承配件有限公司 一种基于轴承保持器的质量监测方法及设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111724126A (zh) * 2020-06-12 2020-09-29 北京科技大学顺德研究生院 一种工艺流程质量异常精准追溯方法及系统
WO2022065621A1 (ko) * 2020-09-28 2022-03-31 (주)미래융합정보기술 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템
CN112837302A (zh) * 2021-02-09 2021-05-25 广东拓斯达科技股份有限公司 模具的状态监测方法、装置、工控机、存储介质及系统
CN113591790A (zh) * 2021-08-16 2021-11-02 上海铂端科技有限公司 基于计算机视觉实现生产线装配流程行为监测的系统、方法、装置、处理器及其存储介质
CN115359053A (zh) * 2022-10-19 2022-11-18 江苏万森绿建装配式建筑有限公司 一种金属板材缺陷智能检测方法及系统
CN115393363A (zh) * 2022-10-31 2022-11-25 山东金帝精密机械科技股份有限公司 一种轴承保持器的生产预警方法、设备及介质
CN115493843A (zh) * 2022-11-18 2022-12-20 聊城市义和轴承配件有限公司 一种基于轴承保持器的质量监测方法及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YA. M. KLEBANOV ET.AL: "Dynamic Loading in High-Speed Ball Bearings", 《RUSSIAN ENGINEERING RESEARCH》 *
石炜;王涛;: "基于Canny算法的列车轴承内圈外表面缺陷检测", 数字技术与应用 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109633A (zh) * 2023-04-12 2023-05-12 山东金帝精密机械科技股份有限公司 一种轴承保持器的窗口检测方法及设备
WO2024212377A1 (zh) * 2023-04-12 2024-10-17 山东金帝精密机械科技股份有限公司 一种轴承保持器的窗口检测方法及设备
CN116586925A (zh) * 2023-07-19 2023-08-15 山东金帝精密机械科技股份有限公司 一种基于图像的大型轴承保持器生产方法、设备及介质
CN116586925B (zh) * 2023-07-19 2023-09-19 山东金帝精密机械科技股份有限公司 一种基于图像的大型轴承保持器生产方法、设备及介质
CN116665138A (zh) * 2023-08-01 2023-08-29 临朐弘泰汽车配件有限公司 一种汽车配件冲压加工视觉检测方法及系统
CN116665138B (zh) * 2023-08-01 2023-11-07 临朐弘泰汽车配件有限公司 一种汽车配件冲压加工视觉检测方法及系统

Also Published As

Publication number Publication date
CN115953397B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN115953397B (zh) 一种圆锥轴承保持器的工艺制备流程的监测方法及设备
CN111951237B (zh) 外观视觉检测方法
CN109141232B (zh) 一种基于机器视觉的盘类铸件在线检测方法
CN111292305A (zh) 一种改进型yolo-v3的金属加工表面缺陷检测方法
US9230318B2 (en) Analysis of the digital image of the external surface of a tyre and processing of false measurement points
CN115880248B (zh) 一种表面划痕缺陷识别方法及视觉检测设备
CN111402238A (zh) 一种通过机器视觉实现的缺陷标识系统
CN115984271A (zh) 基于角点检测的金属毛刺识别方法
CN113012098B (zh) 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法
CN114092403A (zh) 基于机器视觉的砂轮磨损检测方法及系统
CN115018846B (zh) 基于ai智能相机的多目标裂纹缺陷检测方法和装置
CN115493843B (zh) 一种基于轴承保持器的质量监测方法及设备
CN114820612B (zh) 基于机器视觉的轧辊表面缺陷检测方法及系统
CN112067618A (zh) 一种基于图形化的产品质量缺陷采集分析系统
CN115035092A (zh) 基于图像的瓶体检测方法、装置、设备及存储介质
CN108268841A (zh) 一种轧钢板热喷字符串识别与验证系统及方法
CN116128873A (zh) 一种基于图像识别的轴承保持器检测方法、设备及介质
CN109584212B (zh) 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
CN113139943B (zh) 开口圆环工件外观缺陷检测方法、系统及计算机存储介质
CN118096760B (zh) 刀具磨损检测方法、设备和可读存储介质
CN114418935A (zh) 用于手机tp框螺丝孔的检测识别方法及螺丝锁付装置
CN117808799B (zh) 基于人工智能的倒角设备加工质量检测方法
CN107121063A (zh) 检测工件的方法
CN115753791A (zh) 基于机器视觉的缺陷检测方法、装置以及系统
CN109272462B (zh) 适用于金属工件识别的图像自校正方法、设备及存储设备

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