專(zhuān)利名稱(chēng)：觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種自動(dòng)化檢測(cè)技術(shù)領(lǐng)域的系統(tǒng)，具體是一種觸點(diǎn)零件形貌 機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)。
背景技術(shù)：
金屬觸點(diǎn)是繼電器的主要部件之一，它關(guān)系到繼電器的可靠性和使用壽命， 因此在生產(chǎn)過(guò)程中需要對(duì)其逐一進(jìn)行嚴(yán)格的質(zhì)量檢測(cè)，其中外觀形貌檢測(cè)是最重 要的一個(gè)檢測(cè)內(nèi)容。由于觸點(diǎn)的形狀一般不規(guī)則，且型式、尺寸多樣，很難實(shí)現(xiàn) 自動(dòng)檢測(cè)，目前企業(yè)在生產(chǎn)過(guò)程中大多是通過(guò)人的目測(cè)進(jìn)行檢驗(yàn)，主要缺點(diǎn)有 l.檢測(cè)速度慢，生產(chǎn)效率低；2.檢測(cè)主觀性大，沒(méi)有嚴(yán)格統(tǒng)一的質(zhì)量標(biāo)準(zhǔn)；勞動(dòng) 強(qiáng)度大造成的身體不適，視覺(jué)疲勞等原因容易造成大量的漏檢誤檢。
觸點(diǎn)類(lèi)零件作為產(chǎn)量規(guī)模巨大的工業(yè)主要零件之一，檢測(cè)需求量也很大。因 此，尋找有效的在線自動(dòng)檢測(cè)方法，對(duì)金屬觸點(diǎn)零件生產(chǎn)進(jìn)行在線檢測(cè)，可以大 大提高生產(chǎn)效率和檢測(cè)可靠性，提高產(chǎn)品合格率。
計(jì)算機(jī)視覺(jué)檢測(cè)可以利用計(jì)算機(jī)代替人眼來(lái)進(jìn)行測(cè)量和判斷，實(shí)現(xiàn)對(duì)人類(lèi)視 覺(jué)功能的擴(kuò)展，它集測(cè)量技術(shù)和圖像傳感、處理技術(shù)于一體。目前，計(jì)算機(jī)視覺(jué) 檢測(cè)已在醫(yī)學(xué)、工業(yè)、農(nóng)業(yè)和軍事等許多領(lǐng)域得到廣泛應(yīng)用，取得了巨大的經(jīng)濟(jì) 和社會(huì)效益。特別是在工業(yè)生產(chǎn)中，用計(jì)算機(jī)視覺(jué)代替人的視覺(jué)進(jìn)行質(zhì)量檢測(cè)有 不言而喻的優(yōu)越性，尤其在需要重復(fù)、單調(diào)的依靠視覺(jué)獲取信息的場(chǎng)合，如大批 量的產(chǎn)品質(zhì)量檢驗(yàn)、分級(jí)，能夠達(dá)到快速、準(zhǔn)確、無(wú)損等人工無(wú)法比擬的效果， 提高檢測(cè)效率和自動(dòng)化水平。計(jì)算機(jī)檢測(cè)系統(tǒng)在工業(yè)檢測(cè)中常見(jiàn)的應(yīng)用有光學(xué) 字符檢測(cè)/識(shí)別(0CV/0CP)、幾何尺寸檢測(cè)、表面質(zhì)量檢測(cè)、玻璃制品質(zhì)量檢測(cè)。 在進(jìn)一步的檢索中，尚未發(fā)現(xiàn)任何關(guān)于觸點(diǎn)類(lèi)元件在線自動(dòng)檢測(cè)系統(tǒng)專(zhuān)利的報(bào) 道。
而經(jīng)過(guò)對(duì)現(xiàn)有技術(shù)的文件檢索發(fā)現(xiàn)，中國(guó)專(zhuān)利名稱(chēng)為"流水式機(jī)器視覺(jué)檢測(cè) 儀"，實(shí)用新型專(zhuān)利號(hào)為ZL200620014167.0的，該專(zhuān)利中提出一種流水式機(jī)器視 覺(jué)檢測(cè)儀，可用于批量產(chǎn)品的外觀和外形檢測(cè)。但針對(duì)于觸點(diǎn)零件的檢測(cè)，其不足在于單條流水線的設(shè)計(jì)結(jié)構(gòu)不能滿足一次性對(duì)零件進(jìn)行雙面檢測(cè)的要求；所 采用的快速正規(guī)化相關(guān)匹配算法只能判斷零件的判定狀況，而不能對(duì)零件缺陷特 征進(jìn)行進(jìn)一步的分類(lèi)，不利于后續(xù)的生產(chǎn)分析；按其結(jié)構(gòu)，沒(méi)有有效的自動(dòng)篩選 裝置。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提供一種觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng) 檢測(cè)系統(tǒng)，取代了現(xiàn)有的觸點(diǎn)類(lèi)零件人工檢測(cè)的模式，并將特征提取選擇單元和 基于支持向量機(jī)的模式識(shí)別方法與系統(tǒng)硬件結(jié)合。與現(xiàn)有的觸點(diǎn)類(lèi)零件檢測(cè)方法 相比，大大提高檢測(cè)的效率和準(zhǔn)確性，實(shí)現(xiàn)生產(chǎn)過(guò)程檢測(cè)的自動(dòng)化和智能化；與 現(xiàn)有的其它流水線批量檢測(cè)技術(shù)相比，能實(shí)現(xiàn)一次流程完成零件的雙面檢測(cè)，且 能對(duì)零件缺陷進(jìn)行分類(lèi)，有利于后續(xù)的產(chǎn)品生產(chǎn)分析。
本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括數(shù)據(jù)處理與控制模塊、零 件傳輸及翻轉(zhuǎn)模塊、圖像采集模塊以及零件篩選模塊，其中數(shù)據(jù)處理與控制模 塊的輸出端與圖像采集模塊相連接以傳輸采集指令，圖像采集模塊的輸出端連接 至數(shù)據(jù)處理與控制模塊以傳輸被測(cè)零件圖像，數(shù)據(jù)處理與控制模塊的輸出端連接 至零件篩選模塊以傳輸判定信號(hào)，從而實(shí)現(xiàn)對(duì)待測(cè)零件的檢測(cè)及翻轉(zhuǎn)。
所述的數(shù)據(jù)處理與控制模塊包括圖像預(yù)處理單元、特征提取選擇單元和分 類(lèi)識(shí)別單元，其中圖像預(yù)處理單元分別與兩個(gè)圖像采集模塊的輸出端相連接接 收被測(cè)零件圖像并輸出去噪分割圖像，特征提取選擇單元與圖像預(yù)處理單元的輸 出端相連接接收去噪分割圖像并輸出判據(jù)特征矢量，分類(lèi)識(shí)別單元分別連接圖像 預(yù)處理單元和零件篩選模塊，接收判據(jù)特征矢量并輸出判定信號(hào)。
所述的特征提取選擇單元包括特征提取組件和特征選擇組件，其中特征 提取組件的輸入端與圖像預(yù)處理單元的輸出端相連接以接收去噪分割圖像，特征 提取組件的輸出端與特征選擇組件連接以輸出零件特征，特征選擇組件的輸出端 與分類(lèi)識(shí)別單元相連接以輸出判據(jù)特征矢量。
所述的特征提取組件將輸入的待測(cè)零件圖像通過(guò)特征提取算法生成零件特 征輸出至特征選擇組件；
所述的零件特征包括零件的幾何特征、結(jié)構(gòu)特征和紋理特征；
所述的特征選擇組件將零件特征經(jīng)過(guò)特征選擇算法生成判據(jù)特征矢量輸出 至分類(lèi)識(shí)別單元；所述的特征選擇算法采用信息論方法選擇原始判據(jù)特征矢量，經(jīng)過(guò)相應(yīng)線性 變換后，從原始特征集中保留信息內(nèi)容大，對(duì)分類(lèi)貢獻(xiàn)較大的特征，構(gòu)造出能表 達(dá)樣本零件或被測(cè)零件全部或主要信息的特征集，刪除一些對(duì)分類(lèi)貢獻(xiàn)較小的特
征，進(jìn)一步壓縮特征空間的維數(shù)。
所述的分類(lèi)識(shí)別單元采用基于支持向量機(jī)的模式識(shí)別法來(lái)設(shè)計(jì)分類(lèi)器，該分
類(lèi)識(shí)別單元的輸入為經(jīng)過(guò)特征選擇組件后所構(gòu)造的判據(jù)特征矢量；輸出為待測(cè)零
件缺陷判定的結(jié)果；
所述的零件傳輸及翻轉(zhuǎn)模塊包括兩個(gè)相同結(jié)構(gòu)的零件傳送帶、步進(jìn)電機(jī)及 驅(qū)動(dòng)器和傳送板，其中第一零件傳送帶和第二零件傳送帶分別上下平行設(shè)置并 部分重疊，步進(jìn)電機(jī)及驅(qū)動(dòng)器的輸入端連接數(shù)據(jù)處理與控制模塊的輸出端，第一 零件傳送帶和第二零件傳送帶上均分別設(shè)有一個(gè)圖像采集模塊和一個(gè)零件篩選 模塊以實(shí)現(xiàn)對(duì)待測(cè)零件的正面和反面的檢測(cè)運(yùn)輸，傳送板位于第一零件傳送帶的 末端與第二零件傳送帶的首端之間；第一零件傳送帶及第二零件傳送帶上依次分 布檢測(cè)區(qū)域、篩選區(qū)域、通過(guò)區(qū)域；
所述的圖像采集模塊包括光源、CCD攝像頭、感應(yīng)觸發(fā)器和圖像數(shù)據(jù)采集 卡，其中光源、CCD攝像頭安裝于檢測(cè)區(qū)域的上方，感應(yīng)觸發(fā)器安裝在檢測(cè)區(qū) 域下方，圖像數(shù)據(jù)采集卡的輸入端與CCD攝像頭連接，圖像數(shù)據(jù)采集卡的輸出端 與數(shù)據(jù)處理與控制模塊連接。
所述的光源實(shí)現(xiàn)對(duì)被測(cè)零件的照明，滿足系統(tǒng)對(duì)圖像采集質(zhì)量的保證；
所述的CCD攝像頭實(shí)現(xiàn)對(duì)被測(cè)零件的圖像攝?。?br> 所述的圖像數(shù)據(jù)采集卡實(shí)現(xiàn)對(duì)零件的圖像采集及數(shù)字化，并經(jīng)過(guò)數(shù)字化后送 入數(shù)據(jù)處理與控制模塊，由其進(jìn)行圖像預(yù)處理、特征提取和模式識(shí)別。
所述的零件篩選模塊包括篩選器、感應(yīng)觸發(fā)器，該篩選器分別安裝在第一 零件傳送帶、第二零件傳送帶距離檢測(cè)區(qū)域后一定距離的篩選區(qū)域上方，感應(yīng)觸 發(fā)器位于篩選器的內(nèi)側(cè)頂部。兩個(gè)篩選器的輸入端分別與數(shù)據(jù)處理與控制模塊相 連接以接收分類(lèi)信號(hào)，并實(shí)現(xiàn)對(duì)零件的缺陷篩選，進(jìn)而對(duì)缺陷進(jìn)行分類(lèi)。
本發(fā)明所述的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，工作時(shí)分為在線自學(xué)習(xí) 和在線檢測(cè)兩種工作模式；檢測(cè)前，由在線自學(xué)習(xí)模式對(duì)樣本零件進(jìn)行學(xué)習(xí)訓(xùn)練； 檢測(cè)時(shí)，由在線檢測(cè)模式對(duì)待測(cè)零件進(jìn)行在線檢測(cè)，得出結(jié)果。
本發(fā)明采用特殊的運(yùn)輸及翻轉(zhuǎn)機(jī)構(gòu)，一次檢測(cè)流程中完成觸點(diǎn)類(lèi)零件的翻轉(zhuǎn)和雙面檢測(cè)；同時(shí)設(shè)計(jì)對(duì)多類(lèi)缺陷進(jìn)行識(shí)別的篩選器，能針對(duì)多類(lèi)缺陷進(jìn)行有效 的分類(lèi)和識(shí)別。針對(duì)各種觸點(diǎn)類(lèi)零件形狀及外貌多樣化的特點(diǎn)，對(duì)零件外貌特征 進(jìn)行自學(xué)習(xí)和智能特征提取。解決了現(xiàn)有的零件自動(dòng)檢測(cè)設(shè)備針對(duì)性強(qiáng)，檢測(cè)對(duì) 象單一的缺點(diǎn)。并且，針對(duì)零件缺陷多類(lèi)別的特點(diǎn)，采用基于支持向量機(jī)的的模
式識(shí)別方法，通過(guò)支持向量機(jī)的多級(jí)二叉樹(shù)結(jié)構(gòu)實(shí)現(xiàn)零件缺陷的多類(lèi)別分類(lèi)，并 建立缺陷數(shù)據(jù)庫(kù)，以進(jìn)一步改進(jìn)生產(chǎn)工藝。本發(fā)明與傳統(tǒng)的觸點(diǎn)類(lèi)零件人工檢測(cè) 方法相比，大大提高了生產(chǎn)效率以及檢測(cè)的準(zhǔn)確性和有效性。


圖l為實(shí)施例功能模塊圖2為本發(fā)明圖像采集模塊結(jié)構(gòu)示意圖3為本發(fā)明零件篩選模塊結(jié)構(gòu)示意圖4為零件傳輸及翻轉(zhuǎn)模塊結(jié)構(gòu)示意圖5為實(shí)施例工作流程圖6為多類(lèi)別分類(lèi)的SVM多級(jí)二叉樹(shù)結(jié)構(gòu)。
具體實(shí)施例方式
下面對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下 進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限 于下述的實(shí)施例。
如圖1所示，本實(shí)施例包括數(shù)據(jù)處理與控制模塊、圖像采集模塊、零件傳 輸及翻轉(zhuǎn)模塊和零件篩選模塊。其中圖像采集模塊包括兩個(gè)結(jié)構(gòu)完全相同的第 一圖像采集模塊、第二圖像采集模塊，零件篩選模塊包括兩個(gè)結(jié)構(gòu)完全相同的第 一零件篩選模塊、第二零件篩選模塊。
如圖1所示，圖像采集模塊和零件篩選模塊分別設(shè)置于零件傳輸及翻轉(zhuǎn)模塊 的兩側(cè)，數(shù)據(jù)處理與控制模塊的輸出端與圖像采集模塊相連接以傳輸采集指令， 第一圖像采集模塊和第二圖像采集模塊的輸出端分別連接至數(shù)據(jù)處理與控制模 塊以傳輸被測(cè)零件圖像，數(shù)據(jù)處理與控制模塊的輸出端分別連接至第一零件篩選 模塊和第二零件篩選模塊以傳輸判定信號(hào)。
所述的數(shù)據(jù)處理與控制模塊包括圖像預(yù)處理單元、特征提取選擇單元和分 類(lèi)識(shí)別單元，其中圖像預(yù)處理單元實(shí)現(xiàn)對(duì)待測(cè)零件圖像的去噪和邊緣分割，特
征提取選擇單元與圖像預(yù)處理單元的輸出端相連接實(shí)現(xiàn)對(duì)待測(cè)零件圖像特征的提取和選擇，分類(lèi)識(shí)別單元分別與圖像預(yù)處理單元和零件篩選模塊相連接實(shí)現(xiàn)對(duì) 缺陷的識(shí)別及分類(lèi)。
所述的特征提取選擇單元包括特征提取組件和特征選擇組件，其中特征 提取組件的輸入端與圖像預(yù)處理單元的輸出端相連接以接收去噪分割圖像，特征 提取組件的輸出端經(jīng)特征選擇組件連接至分類(lèi)識(shí)別單元以輸出判據(jù)特征矢量。
特征提取組件將輸入的待測(cè)零件圖像通過(guò)特征提取算法后，將零件特征輸出 至特征選擇組件；該特征提取組件針對(duì)觸點(diǎn)類(lèi)零件規(guī)格、形狀多樣的特點(diǎn)，在事 先無(wú)法確定選取哪些特征作為判斷標(biāo)準(zhǔn)的情況下，全面的提取觸點(diǎn)類(lèi)零件的幾何 特征、結(jié)構(gòu)特征、紋理特征等幾類(lèi)外貌特征，避免漏掉一些重要的判據(jù)特征；特 征選擇組件將特征提取后的零件特征經(jīng)過(guò)特征選擇算法后，生成判據(jù)特征矢量， 并輸出至分類(lèi)識(shí)別單元；該特征選擇算法采用信息論方法選擇原始判據(jù)特征矢 量，經(jīng)過(guò)相應(yīng)線性變換后，從原始特征集中保留信息內(nèi)容大，對(duì)分類(lèi)貢獻(xiàn)較大的 特征，構(gòu)造出能表達(dá)樣本零件或被測(cè)零件全部或主要信息的特征集，刪除一些對(duì) 分類(lèi)貢獻(xiàn)較小的特征，進(jìn)一步壓縮特征空間的維數(shù)。
所述的分類(lèi)識(shí)別單元采用基于支持向量機(jī)的模式識(shí)別法來(lái)設(shè)計(jì)分類(lèi)器，該分 類(lèi)識(shí)別單元的輸入為經(jīng)過(guò)特征選擇組件后所構(gòu)造的判據(jù)特征矢量；輸出為待測(cè)零 件缺陷判定的結(jié)果；
如圖1所示，圖像采集模塊包括第一圖像采集模塊，對(duì)零件實(shí)現(xiàn)正面圖像采 集，第二圖像采集模塊，對(duì)零件實(shí)現(xiàn)反面圖像采集；零件傳輸及翻轉(zhuǎn)模塊實(shí)現(xiàn)對(duì) 被測(cè)零件的傳輸及翻轉(zhuǎn)；零件篩選模塊包括第一零件篩選模塊，對(duì)零件實(shí)現(xiàn)第一 次的正面篩選；第二零件篩選模塊,對(duì)零件實(shí)現(xiàn)第二次的反面篩選。
當(dāng)系統(tǒng)處于自學(xué)習(xí)模式時(shí)，第一零件篩選模塊、第二零件篩選模塊、第二零
件采集模塊和零件傳輸及翻轉(zhuǎn)模塊關(guān)閉；自學(xué)習(xí)模式能對(duì)樣本零件進(jìn)行學(xué)習(xí)訓(xùn) 練，其工作流程為
a、 由數(shù)據(jù)處理與控制模塊向第一圖像采集模塊發(fā)送采集信號(hào)；
b、 第一圖像采集模塊接收到采集信號(hào)后，采集樣本零件圖像，并將采集到 的零件圖像輸入數(shù)據(jù)處理與控制模塊；
C、數(shù)據(jù)處理與控制模塊對(duì)圖像進(jìn)行預(yù)處理和分割及特征提取，綜合樣本的 特征信息后，通過(guò)比較和映射轉(zhuǎn)換，自動(dòng)選出最適合分類(lèi)器設(shè)計(jì)、對(duì)分類(lèi)最 有效的特征作為判據(jù)特征矢量，并利用判據(jù)特征矢量對(duì)樣本進(jìn)行識(shí)別訓(xùn)練，得出分類(lèi)器的相關(guān)參數(shù)，完成智能學(xué)習(xí)過(guò)程。
如圖l所示，當(dāng)系統(tǒng)處于在線檢測(cè)工作模式時(shí)，所有模塊都打開(kāi)；在線檢測(cè) 模式對(duì)待測(cè)零件進(jìn)行在線實(shí)時(shí)檢測(cè)，其工作流程為
a、 數(shù)據(jù)處理與控制模塊向第一 圖像采集模塊發(fā)送采集指令；
b、 第一圖像采集模塊接收到采集指令后，采集被測(cè)零件圖像，并將采集到 的零件圖像輸入數(shù)據(jù)處理與控制模塊；
c、 數(shù)據(jù)處理與控制模塊對(duì)輸入待測(cè)圖像先進(jìn)行預(yù)處理和分割，選擇及提取 判據(jù)特征，并采用學(xué)習(xí)訓(xùn)練過(guò)程中得到的模式識(shí)別方法對(duì)特征進(jìn)行識(shí)別，得出檢 測(cè)結(jié)果，將判定信號(hào)發(fā)送給第一零件篩選模塊；
d、 第一零件篩選模塊接到判定信號(hào)后，對(duì)被測(cè)零件進(jìn)行第一次篩選。合格 時(shí)，讓其通過(guò)，不合格時(shí)，按照缺陷類(lèi)別對(duì)不合格零件進(jìn)行分類(lèi)；
e、 正面合格零件通過(guò)零件傳輸及翻轉(zhuǎn)模塊翻轉(zhuǎn)后，輸出翻轉(zhuǎn)后零件；
f、 第二圖像采集模塊采集翻轉(zhuǎn)后的零件圖像，將采集 到得零件圖像輸入數(shù) 據(jù)處理與控制模塊；
g、 數(shù)據(jù)處理與控制模塊再次對(duì)輸入待測(cè)圖像進(jìn)行預(yù)處理和分割，選擇及提 取判據(jù)特征，并采用學(xué)習(xí)訓(xùn)練過(guò)程中得到的模式識(shí)別方法對(duì)特征進(jìn)行識(shí)別，得出 二次檢測(cè)結(jié)果，將判定信號(hào)發(fā)送給第二零件篩選模塊；
h、 第二零件篩選模塊接收到判定信號(hào)后，對(duì)被測(cè)零件進(jìn)行第二次篩選。合 格時(shí)，讓其通過(guò)進(jìn)入下一工序，不合格時(shí)，按照缺陷類(lèi)別對(duì)不合格零件進(jìn)行分類(lèi)， 一次檢測(cè)流程結(jié)束；
如圖2所示，為本實(shí)施例第一圖像采集模塊的結(jié)構(gòu)示意圖，分別由CCD攝像 頭2、光源3、圖像采集卡1及感應(yīng)觸發(fā)器4組成；其中CCD攝像頭2和光源3 安裝于第一零件傳送帶8的檢測(cè)區(qū)域上方，感應(yīng)觸發(fā)器4安裝于檢測(cè)區(qū)域下方， 圖像數(shù)據(jù)采集卡1的輸入端與CCD攝像頭2連接，圖像數(shù)據(jù)采集卡1的輸出端與 數(shù)據(jù)處理與控制模塊連接；由數(shù)據(jù)處理與控制模塊發(fā)送采集信號(hào)控制第一圖像采 集模塊的啟動(dòng)，并將采集到的圖像數(shù)據(jù)輸出給數(shù)據(jù)處理與控制模塊；
第二圖像采集模塊以相同的組成結(jié)構(gòu)安裝在第二零件傳送帶9的檢測(cè)區(qū)域上方。
所述的光源3實(shí)現(xiàn)對(duì)被測(cè)零件的照明，滿足系統(tǒng)對(duì)圖像采集質(zhì)量的保證； 所述的CCD攝像頭2實(shí)現(xiàn)對(duì)被測(cè)零件的圖像攝??；所述的感應(yīng)觸發(fā)器4檢測(cè)零件是否到達(dá)檢測(cè)區(qū)域；當(dāng)零件進(jìn)入檢測(cè)區(qū)域時(shí)感 應(yīng)觸發(fā)器4發(fā)送感應(yīng)信號(hào)給數(shù)據(jù)處理與控制模塊，數(shù)據(jù)處理與控制模塊發(fā)送采集 信號(hào)啟動(dòng)CCD攝像頭2拍照；
所述的圖像數(shù)據(jù)采集卡1實(shí)現(xiàn)對(duì)零件的圖像采集及圖像數(shù)字化，并經(jīng)過(guò)數(shù)字 化后送入數(shù)據(jù)處理與控制模塊，由其進(jìn)行圖像預(yù)處理、特征提取和模式識(shí)別。
如圖3a和圖3b所示，為本實(shí)施例第一零件篩選模塊的結(jié)構(gòu)示意圖，包括俯 視圖3a和正視圖3b;第一零件篩選模塊由篩選器5、感應(yīng)觸發(fā)器6構(gòu)成，其中， 篩選器5包含氣動(dòng)伸縮的篩選刷7。第一零件篩選模塊安裝于第一零件傳送帶8 上距檢測(cè)區(qū)域后一定距離的篩選區(qū)域的上端，感應(yīng)觸發(fā)器6位于篩選器5的內(nèi)側(cè) 頂部，篩選器5左右兩邊各有一個(gè)可氣動(dòng)伸縮的篩選刷7;
第二零件篩選模塊以相同的結(jié)構(gòu)和組成安裝于第二零件傳送帶9上位于檢測(cè) 區(qū)域后面一定距離的篩選區(qū)域上端。
如圖3b所示，Dl為被測(cè)零件的長(zhǎng)寬高中的最大值；D2:D3為第一零件傳送 帶8邊緣與篩選器左右邊之間的間隙；D4為第一零件傳送帶8的寬度；D5為篩 選刷的運(yùn)動(dòng)行程距離，其中D2和D3大于1.5倍的D1; D5等于D2與D4之和。
當(dāng)數(shù)據(jù)處理與控制模塊對(duì)被測(cè)零件的圖像檢測(cè)完成后將判定信號(hào)傳入篩選
器5;感應(yīng)觸發(fā)器6感受到被測(cè)零件時(shí)，啟動(dòng)篩選器5工作當(dāng)為合格信號(hào)時(shí)， 篩選器5讓其通過(guò)；當(dāng)為不合格信號(hào)時(shí)，根據(jù)不合格信號(hào)中包含的缺陷種類(lèi)信息， 由篩選刷7將缺陷零件往右傳送或往左傳送。如當(dāng)為缺陷1時(shí)，左邊篩選刷彈
出，將缺陷零件掃入右邊的間隙中；同理，當(dāng)為缺陷2時(shí)，右邊篩選刷彈出，將 缺陷零件掃入左邊的間隙中。
如圖4所示，為零件傳輸及翻轉(zhuǎn)模塊結(jié)構(gòu)示意圖；所述的零件傳輸及翻轉(zhuǎn)模 塊包括第一零件傳送帶8和第二零件傳送帶9、傳送板IO、步進(jìn)電機(jī)及驅(qū)動(dòng)器 11，其中第一零件傳送帶8和第二零件傳送帶9分別上下平行設(shè)置并部分重疊，
步進(jìn)電機(jī)及驅(qū)動(dòng)器11的輸入連接數(shù)據(jù)處理與控制模塊。第一零件傳送帶8實(shí)現(xiàn) 對(duì)待測(cè)零件的正面檢測(cè)運(yùn)輸，第二零件傳送帶9實(shí)現(xiàn)對(duì)待測(cè)零件的反面檢測(cè)運(yùn) 輸，傳送板10設(shè)置于第一零件傳送帶8的末端與第二零件傳送帶9的首端之間。 所述第一零件傳送帶8沿順時(shí)針?lè)较蜻\(yùn)行；第二零件傳送帶9的運(yùn)行方向與 第一零件傳送帶8相反，為逆時(shí)針?lè)较蜻\(yùn)行，第二零件傳送帶9表面為倒三角齒 形結(jié)構(gòu)，傳送板10長(zhǎng)度及傾斜角度均可調(diào)且該傳送板10的傳送面光滑。如圖4所示，本實(shí)施例中零件翻轉(zhuǎn)過(guò)程為被測(cè)零件由第一零件傳送帶8沿 傳送板10滑落至第二零件傳送帶9，到達(dá)第二零件傳送帶9時(shí)邊緣由倒三角齒 卡住，并利用反向運(yùn)動(dòng)的作用力F將零件翻面，然后進(jìn)入第二零件傳送帶9的檢
測(cè)區(qū)域進(jìn)行圖像采集、檢測(cè)及零件篩選。
如圖5所示，為本實(shí)施例工作流程圖，具體步驟如下
首先由特征提取組件進(jìn)行特征矢量提取，提取零件圖像的幾何特征、紋理特 征和結(jié)構(gòu)特征。
然后，特征提取組件經(jīng)樣本信息匯總后，由特征選擇組件采用信息論的方法
選擇原始判據(jù)特征矢量，在原始特征中將選擇信息內(nèi)容最大的n個(gè)特征作為原始 判據(jù)特征，n的值由系統(tǒng)實(shí)時(shí)性和識(shí)別率要求確定。
原始判據(jù)特征的構(gòu)造算法為
設(shè)有g(shù)個(gè)類(lèi)別，第k個(gè)類(lèi)別有 個(gè)學(xué)習(xí)樣本，分別是^'"e&'A'""，其中
均值為A 。設(shè)樣本特征維數(shù)為p。
布l丄
求取類(lèi)平均值的均值，
";》
令:
% 1 v vf
g —1戶l
求取協(xié)方差矩陣Z:
其中， 令:
<formula>formula see original document page 11</formula>
公式i
<formula>formula see original document page 11</formula>公式2
<formula>formula see original document page 11</formula>公式3
<formula>formula see original document page 11</formula>公式4
經(jīng)過(guò)上述線性變換后，矩陣y有d個(gè)特征值，按從大到小排列，排列后特征
值所對(duì)應(yīng)的單位特征向量為""^，A ，Vrf，其中^是最大的特征值對(duì)應(yīng)的單位特征
向量。選擇^，^，八，^的前k個(gè)特征向量集一i，^，A，W構(gòu)成典型變量 (canonical variants),它是所有k維特征向量集中保持原數(shù)據(jù)樣本集類(lèi)間可 分性最好的一個(gè)，能夠確定一組使類(lèi)間盡可能分開(kāi)的新的特征，且對(duì)后面訓(xùn)練模 式識(shí)別的支持向量基有很大的幫助。本實(shí)施例所述系統(tǒng)在檢測(cè)時(shí)，只需提取學(xué)習(xí)過(guò)程中已經(jīng)確定的用于模式識(shí)別 的原始判據(jù)特征，經(jīng)過(guò)典型線性變換，得到最終用于模式識(shí)別的判據(jù)特征矢量。
設(shè)檢測(cè)過(guò)程中提取的原始判據(jù)特征為、典型變量特征集為^，^，A，v"，則最
終判據(jù)特征為
<formula>formula see original document page 12</formula>
公式5
在本實(shí)例中，所述的分類(lèi)識(shí)別單元采用基于支持向量機(jī)的模式識(shí)別方法，分 類(lèi)時(shí)首先對(duì)支持向量機(jī)進(jìn)行訓(xùn)練。由于所述特征提取和選擇的過(guò)程構(gòu)建了典型變
量作為判據(jù)特征矢量，故支持向量機(jī)的訓(xùn)練相對(duì)簡(jiǎn)單，訓(xùn)練過(guò)程為
設(shè)有一個(gè)容量為N的樣本訓(xùn)練集《^，X)，A ，(^，>^)}，其中X的取值為！或 -l，分別表示兩個(gè)類(lèi)別。尋找某個(gè)合適的^和b (表示一個(gè)超平面)使得對(duì)訓(xùn)練 集上的任意一個(gè)樣本都滿足-
<formula>formula see original document page 12</formula>
公式6
經(jīng)過(guò)簡(jiǎn)單推導(dǎo)，可以得到如下的對(duì)偶問(wèn)題:
使 ' 2w=1 最大化公式7
受限于
禾口 '=1
上述問(wèn)題是典型的二次規(guī)劃問(wèn)題。對(duì)所有不為o的"'，計(jì)算"-丄1 "'J'a，
再根據(jù)^(^《")=1，可以計(jì)算出b。
根據(jù)上述訓(xùn)練結(jié)果，對(duì)任意一個(gè)新的樣本特征f，通過(guò)計(jì)算下面的符號(hào)函數(shù)
進(jìn)行分類(lèi)<formula>formula see original document page 13</formula>
如圖6所示，通過(guò)上述基于SVM的訓(xùn)練，對(duì)于多類(lèi)識(shí)別問(wèn)題，其訓(xùn)練結(jié)果為多SVM1， SVM2，…，SVMN。艮卩通過(guò)SVM的多級(jí)二叉樹(shù)結(jié)構(gòu)實(shí)現(xiàn)多類(lèi)別分類(lèi)。對(duì)單個(gè)樣本的檢測(cè)一般可在100-150ms時(shí)間內(nèi)可以完成，可以滿足工程實(shí)時(shí)性要求。要充分發(fā)揮系統(tǒng)的識(shí)別功能，應(yīng)具有一定數(shù)量的學(xué)習(xí)樣本， 一般取20個(gè)左右為宜。
本實(shí)施例中由于觸點(diǎn)零件尺寸不大，是金屬制品，表面反光大，且檢測(cè)距離短，所以采用穩(wěn)定性好，光源發(fā)熱少且功耗較低的LED照明光源3，光源采用環(huán)形分布方式。
根據(jù)觸點(diǎn)類(lèi)零件的特點(diǎn)，選用工業(yè)應(yīng)用較為普遍的CCD相機(jī)對(duì)零件進(jìn)行拍照。相機(jī)選用時(shí)需要綜合考慮相機(jī)的掃描方式、相機(jī)的色彩、相機(jī)的輸出接口形式等因素，可選擇如型號(hào)為松下WV-BP330CCD的圖像傳感器；鏡頭選用時(shí)，需考慮成像面大小、鏡頭的焦距、視角、工作距離及視野等因素，可選用如型號(hào)為Motic K-700Z的CCD專(zhuān)用鏡頭；圖像數(shù)據(jù)采集卡選用時(shí)需綜合考慮系統(tǒng)的功能需求、圖像的采集精度和與CCD攝像頭輸出信號(hào)的匹配等因素，可選用如恒大圖像數(shù)據(jù)采集卡QP300。
為了零件運(yùn)輸?shù)目煽啃?，以及零件翻轉(zhuǎn)單元的正常運(yùn)行，第一零件傳送帶8和第二零件傳送帶9采用表面為倒三角齒形狀的結(jié)構(gòu)，且根據(jù)零件的大小、厚度等因素，調(diào)整傳送帶倒三角齒的角度；聯(lián)結(jié)兩條傳送帶的傳動(dòng)板采用多級(jí)金屬板結(jié)構(gòu)，表面光滑；安裝時(shí)，傳送板10與第一零件傳送帶8和第二零件傳送帶9間留有一定的間隙，使零件能從第一零件傳送帶8順利落入傳送板10，并通過(guò)傳送板10下端的間隙進(jìn)入第二零件傳送帶9;傳送板10與兩條傳送帶之間的夾角根據(jù)被測(cè)零件的長(zhǎng)度、厚度等確定，以達(dá)到最佳翻轉(zhuǎn)性能。
權(quán)利要求
1、一種觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，其特征在于，包括數(shù)據(jù)處理與控制模塊、零件傳輸及翻轉(zhuǎn)模塊、圖像采集模塊以及零件篩選模塊，其中數(shù)據(jù)處理與控制模塊的輸出端與圖像采集模塊相連接以傳輸采集指令，圖像采集模塊的輸出端連接至數(shù)據(jù)處理與控制模塊以傳輸被測(cè)零件圖像，數(shù)據(jù)處理與控制模塊的輸出端連接至零件篩選模塊以傳輸判定信號(hào)，從而實(shí)現(xiàn)對(duì)待測(cè)零件的檢測(cè)及翻轉(zhuǎn)。
2、 根據(jù)權(quán)利要求l所述的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，其特征是， 所述的數(shù)據(jù)處理與控制模塊內(nèi)部設(shè)有數(shù)據(jù)處理與控制模塊，該數(shù)據(jù)處理與控制模 塊通過(guò)網(wǎng)絡(luò)分別與圖像采集模塊、零件傳輸及翻轉(zhuǎn)模塊和零件篩選模塊相連接， 控制幾個(gè)模塊之間的協(xié)調(diào)運(yùn)作。
3、 根據(jù)權(quán)利要求l所述的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，其特征是， 所述的數(shù)據(jù)處理與控制模塊包括圖像預(yù)處理單元、特征提取選擇單元和分類(lèi)識(shí) 別單元，其中圖像預(yù)處理單元與圖像采集模塊的輸出端相連接實(shí)現(xiàn)對(duì)待測(cè)零件 圖像的去噪和邊緣分割，特征提取選擇單元與圖像預(yù)處理單元的輸出端相連接實(shí) 現(xiàn)對(duì)待測(cè)零件圖像特征的提取和選擇，分類(lèi)識(shí)別單元分別連接圖像預(yù)處理單元和 零件篩選模塊相連接實(shí)現(xiàn)對(duì)缺陷的識(shí)別及分類(lèi)。
4、 根據(jù)權(quán)利要求3所述的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，其特征是， 所述的特征提取選擇單元包括特征提取組件和特征選擇組件，其中特征提取 組件的輸入端與圖像預(yù)處理單元的輸出端相連接以接收去噪分割圖像，特征提取 組件的輸出端經(jīng)特征選擇組件連接至分類(lèi)識(shí)別單元以輸出判據(jù)特征矢量。
5、 根據(jù)權(quán)利要求3所述的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，其特征是，所述的分類(lèi)識(shí)別單元采用基于支持向量機(jī)的模式識(shí)別法來(lái)設(shè)計(jì)分類(lèi)器，該分類(lèi)識(shí) 別單元的輸入為經(jīng)過(guò)特征選擇組件后所構(gòu)造的判據(jù)特征矢量；輸出為待測(cè)零件缺陷判定的結(jié)果。
6、 根據(jù)權(quán)利要求l所述的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，其特征是， 所述的零件傳輸及翻轉(zhuǎn)模塊包括兩個(gè)相同結(jié)構(gòu)的零件傳送帶、步進(jìn)電機(jī)及驅(qū)動(dòng) 器和傳送板，其中第一零件傳送帶和第二零件傳送帶分別上下平行設(shè)置并部分 重疊，步進(jìn)電機(jī)及驅(qū)動(dòng)器的輸入與數(shù)據(jù)處理與控制模塊連接，第一零件傳送帶實(shí)現(xiàn)對(duì)待測(cè)零件的正面檢測(cè)運(yùn)輸，第二條傳送帶實(shí)現(xiàn)對(duì)待測(cè)零件的反面檢測(cè)運(yùn)輸， 傳送板設(shè)置于第一零件傳送帶的末端與第二零件傳送帶的首端之間。
7、 根據(jù)權(quán)利要求l所述的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，其特征是， 所述的零件篩選模塊是指翻轉(zhuǎn)式篩選器，該篩選器安裝在距離檢測(cè)區(qū)域后一定距 離的零件傳輸及翻轉(zhuǎn)模塊上方，篩選器的輸入端與數(shù)據(jù)處理與控制模塊相連接以 接收分類(lèi)信號(hào)并實(shí)現(xiàn)對(duì)零件的缺陷篩選，進(jìn)而對(duì)缺陷進(jìn)行分類(lèi)。
8、 根據(jù)權(quán)利要求l所述的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，其特征是，所述的圖像采集模塊包括光源、CCD攝像頭、感應(yīng)觸發(fā)器和圖像數(shù)據(jù)采集卡， 其中光源、CCD攝像頭安裝于檢測(cè)區(qū)域的上方，感應(yīng)觸發(fā)器位于零件篩選模塊的內(nèi)側(cè)頂部，圖像數(shù)據(jù)采集卡的輸入端與CCD攝像頭連接，圖像數(shù)據(jù)采集卡的輸 出端與數(shù)據(jù)處理與控制模塊連接。
9、 根據(jù)權(quán)利要求7或8所述的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，其特 征是，所述的零件篩選模塊內(nèi)側(cè)位于感應(yīng)觸發(fā)器的兩邊分別設(shè)有篩選刷。
全文摘要
一種自動(dòng)化檢測(cè)技術(shù)領(lǐng)域的觸點(diǎn)零件形貌機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)，數(shù)據(jù)處理與控制模塊、零件傳輸及翻轉(zhuǎn)模塊、圖像采集模塊以及零件篩選模塊，其中數(shù)據(jù)處理與控制模塊的輸出端與圖像采集模塊相連接以傳輸采集指令，圖像采集模塊的輸出端連接至數(shù)據(jù)處理與控制模塊以傳輸被測(cè)零件圖像，數(shù)據(jù)處理與控制模塊的輸出端連接至零件篩選模塊以傳輸判定信號(hào)，從而實(shí)現(xiàn)對(duì)待測(cè)零件的檢測(cè)及翻轉(zhuǎn)。本發(fā)明與傳統(tǒng)的觸點(diǎn)類(lèi)零件人工檢測(cè)方法相比，大大提高了生產(chǎn)效率以及檢測(cè)的準(zhǔn)確性和有效性。
文檔編號(hào)B07C5/34GK101685006SQ200910053738
公開(kāi)日2010年3月31日 申請(qǐng)日期2009年6月25日 優(yōu)先權(quán)日2009年6月25日
發(fā)明者吉小軍, 宮延偉, 戴舒文, 阮曉虹, 黃峰一 申請(qǐng)人:上海交通大學(xué)