一种异型钢模具磨损量在线视觉检测方法与流程

本发明涉及模具视觉检测，具体为一种异型钢模具磨损量在线视觉检测方法。

背景技术：

1、异型钢模具在长期连续生产过程中，其工作带、分流孔、焊合室以及型腔圆角等区域持续受到材料流动摩擦、热循环及生产载荷作用，模具表面会逐渐产生磨损，尤其是在模具长期服役的早期阶段，磨损通常表现为表面纹理、微观划痕密度及局部形貌的缓慢变化，尚未形成明显的轮廓缺失、裂纹或尺寸突变，因此，对异型钢模具进行在线视觉检测时，需要从连续检测数据中识别此类渐进式磨损变化；

2、现有的异型钢模具磨损量在线视觉检测方法，采用单帧图像静态比对检测模具磨损，对于渐进均匀磨损，其磨损量小于表面粗糙度峰谷差，磨损信号被噪声完全淹没，导致严重漏检，同时固定阈值无法适应不同区域、不同批次粗糙度基线差异，易将正常粗糙度随机波动误判为磨损，造成误报，此外，缺乏时序演化分析手段，难以区分磨损的单向趋势与粗糙度的随机振荡，且基准图长期不更新导致系统性偏差，无法适应模具良性老化，最终影响检测准确性与可靠性，其实用性存在一定的局限性。

技术实现思路

1、本发明提供了一种异型钢模具磨损量在线视觉检测方法，通过对不同工况下正常状态的异型钢模具表面图像进行采集并建立正常纹理特征基准，将在线采集的模具表面图像转换为深层纹理特征，并基于连续检测形成的特征偏离时序变化识别渐进磨损趋势，同时通过定向漂移与变异稳定性进行联合校验，降低正常表面粗糙度随机变化及环境干扰造成的误判，并通过正常记忆库的动态更新适应模具长期服役过程中的正常纹理变化，解决了现有异型钢模具视觉检测过程中渐进均匀磨损与正常表面粗糙度随机变化难以区分、单帧检测对早期微小磨损变化不敏感以及长期检测过程中基准失配导致误判的问题。

2、本发明提供如下技术方案：一种异型钢模具磨损量在线视觉检测方法，包括：

3、在模具检测工位设置工业相机、远心镜头及可控光源，通过定位机构将模具移动至检测位置，采集不同工况下正常状态模具表面图像，建立覆盖多个检测区域的基准图像库；

4、基于基准图像库训练特征编码模型，提取正常模具表面纹理对应的隐向量特征，并根据隐向量特征构建正常纹理特征记忆库；

5、在线检测时同步触发图像采集，获取标准参照图像，根据标准参照图像确定光度补偿参数，并对模具图像进行光度归一化处理；

6、将归一化后的模具图像划分为多个检测分区及多尺度图像块，通过特征编码模型获取对应隐向量，并根据当前隐向量与正常纹理特征记忆库之间的特征偏移关系，生成各检测分区对应的时序偏离曲线；

7、对时序偏离曲线进行连续变化趋势分析，根据偏离程度变化方向及持续性识别区别于随机波动的定向漂移特征；

8、基于定向漂移特征对应的变异稳定性进行联合校验，当定向漂移满足持续变化条件且满足稳定性约束条件时，确定对应检测分区存在渐进磨损趋势；

9、利用未确定存在渐进磨损趋势的样本对应隐向量，通过滑动窗口方式更新正常纹理特征记忆库；

10、根据定向漂移强度及稳定性校验结果，对各检测分区的磨损状态进行分级判定，并输出磨损检测结果。

11、优选的，建立覆盖多个检测区域的基准图像库，具体为：

12、将高分辨率工业相机与低畸变远心镜头通过防震固定支架安装于模具开合模工位旁，工业相机的成像光轴垂直于模具待检测表面；

13、在远心镜头出光侧布置多角度可控环形光源；

14、通过伺服定位机构将模具从开合模工位推送至预设检测位，检测伺服定位机构的重复定位误差；

15、若重复定位误差小于或等于第一阈值，则判定定位精度满足要求；

16、若重复定位误差大于第一阈值，则调整伺服定位机构并重新检测，直至重复定位误差小于或等于第一阈值；

17、在环形光源旁固定安装标准灰度参照板；

18、在产线正式运行前，于第一班次执行第一采集操作，于第二班次执行第二采集操作；

19、在第一环境温度下执行第三采集操作，在第二环境温度下执行第四采集操作；

20、在第一光源亮度下执行第五采集操作，在第二光源亮度下执行第六采集操作；

21、将第一采集操作、第二采集操作、第三采集操作、第四采集操作、第五采集操作及第六采集操作获取的图像汇总，形成跨条件图像集合；

22、对跨条件图像集合中的每帧图像进行区域完整性判定；

23、对区域覆盖完整的图像进行质量判定。

24、优选的，根据隐向量特征构建正常纹理特征记忆库，具体为：

25、从建立覆盖多个检测区域的基准图像库中的初始基准图像库中提取正常模具表面图像，将正常模具表面图像划分为大尺度图像块与小尺度图像块；

26、汇总大尺度图像块与小尺度图像块得到训练样本集合；

27、构建卷积自编码器网络；

28、将训练样本集合中的图像块输入卷积自编码器网络，通过编码器获取隐向量，通过解码器获取重建图像块；

29、计算重建图像块与对应输入图像块之间的重建差异值；

30、判定重建差异值与第一重建阈值之间的大小关系；

31、重复执行训练直至全部训练批次均收敛，固定编码器的网络参数，将固定后的编码器作为特征提取器；

32、将建立覆盖多个检测区域的基准图像库中的初始基准图像库中的全部正常样本输入特征提取器，获取每个正常样本对应的隐向量；

33、将全部正常样本对应的隐向量汇总，构建正常记忆库；

34、计算正常记忆库中各隐向量之间的分布范围；

35、判定分布范围与预设边界阈值之间的大小关系。

36、优选的，获取标准参照图像，根据标准参照图像确定光度补偿参数，具体为：

37、检测产线控制系统输出的模具到位信号；

38、若模具到位信号无效，则等待模具到位信号变为有效；

39、若模具到位信号有效，则检测模具当前位置与预设检测位之间的位置偏差；

40、判定位置偏差与第一位置阈值之间的大小关系；

41、启动计时器，在模具到达检测位后的预设稳定时长内，判定模具振动幅度与振动阈值之间的大小关系；

42、在稳定窗口期内，控制工业相机采集标准灰度参照板图像，从标准灰度参照板图像中提取参照板区域的实际亮度值；

43、将实际亮度值与预设基准亮度值进行比对，判定实际亮度值与预设基准亮度值之间的亮度偏差与亮度偏差阈值之间的大小关系；

44、在稳定窗口期内，控制工业相机采集模具表面图像，获取原始模具图像；

45、依据光度补偿系数对原始模具图像进行全局亮度校正，得到光度归一化图像；

46、计算光度归一化图像的全局亮度均值；

47、判定全局亮度均值与预设亮度区间之间的大小关系。

48、优选的，生成各检测分区对应的时序偏离曲线，具体为：

49、获取获取标准参照图像，根据标准参照图像确定光度补偿参数中的光度归一化图像，加载预设感兴趣区域模板；

50、将光度归一化图像划分为若干检测分区；

51、对每个检测分区执行多尺度图像块划分，得到大尺度图像块与小尺度图像块；

52、将大尺度图像块与小尺度图像块依次输入根据隐向量特征构建正常纹理特征记忆库中的特征提取器，通过特征提取器获取每个图像块对应的隐向量；

53、对每个检测分区，从根据隐向量特征构建正常纹理特征记忆库中的正常记忆库中检索与该检测分区位置对应且尺度匹配的参考隐向量集合；

54、分别计算该检测分区内各图像块隐向量与参考隐向量集合中各参考隐向量之间的偏离值，获取该检测分区的最大偏离值与平均偏离值；

55、判定最大偏离值与平均偏离值的预设倍数之间的大小关系；

56、将距离值存入对应检测分区的时序数据队列；

57、判定时序数据队列中的数据量与预设时序长度之间的大小关系。

58、优选的，对时序偏离曲线进行连续变化趋势分析，具体为：

59、获取生成各检测分区对应的时序偏离曲线中的时序曲线，将时序曲线按照预设解析长度划分为若干连续时序段；

60、对每个时序段，依次获取该时序段内相邻数据点之间的变化方向；

61、统计该时序段内变化方向相同的连续数据点数量，得到该时序段的同向持续长度；

62、判定同向持续长度与第一趋势阈值之间的大小关系；

63、判定累积偏移量与第二趋势阈值之间的大小关系；

64、获取当前检测分区的分区标识；

65、判定分区标识与预设高频磨损分区标识是否匹配；

66、若分区标识与预设高频磨损分区标识匹配，则将第一趋势阈值设定为第一数值，将第二趋势阈值设定为第二数值；

67、若分区标识与预设高频磨损分区标识不匹配，则将第一趋势阈值设定为第三数值，将第二趋势阈值设定为第四数值；

68、对标记为疑似磨损状态的时序段，获取其后续相邻时序段的变化方向；

69、判定后续相邻时序段的变化方向与疑似磨损状态时序段的变化方向是否一致；

70、若变化方向一致，则维持疑似磨损状态标记；

71、若变化方向不一致，则将疑似磨损状态标记撤销，恢复为正常粗糙度状态。

72、优选的，基于定向漂移特征对应的变异稳定性进行联合校验，具体为：

73、获取对时序偏离曲线进行连续变化趋势分析中的时序段的状态标记；

74、若状态标记不是疑似磨损状态，则判定该时序段通过双重校验并维持正常粗糙度状态；

75、若状态标记为疑似磨损状态，则提取该时序段对应的时序曲线局部序列；

76、对局部序列执行稳定性分析；

77、获取该时序段的第一通道状态标记与第二通道状态标记；

78、判定第一通道状态标记是否为疑似磨损状态且第二通道状态标记是否为统计显著的单向趋势；

79、若第一通道状态标记不为疑似磨损状态，或第二通道状态标记不为统计显著的单向趋势，则判定双重校验未通过，将该时序段标记为正常粗糙度状态；

80、若第一通道状态标记为疑似磨损状态且第二通道状态标记为统计显著的单向趋势，则判定双重校验通过，将该时序段标记为磨损确认状态。

81、优选的，更新正常纹理特征记忆库，具体为：

82、获取基于定向漂移特征对应的变异稳定性进行联合校验中的双重校验结果，提取状态标记为正常粗糙度状态的样本隐向量，得到待入库正常样本；

83、获取当前模具累计产量计数；

84、判定模具累计产量计数与预设更新产量阈值之间的大小关系；

85、将待入库正常样本隐向量加入正常记忆库；

86、获取正常记忆库中各历史样本隐向量的存储时长，并将存储时长大于预设淡出时长阈值的历史样本隐向量从正常记忆库中移除；

87、判定更新后正常记忆库的样本总量与预设记忆库规模上限之间的大小关系；

88、基于更新后的正常记忆库，重新计算各隐向量之间的分布范围，得到更新后分布边界；

89、计算更新后分布边界与更新前分布边界之间的边界变化量；

90、若边界变化量大于预设边界变化阈值，则判定基准发生异常偏移，输出基准异常告警信号并暂停当前正常记忆库更新；

91、若边界变化量小于或等于预设边界变化阈值，则判定基准温和适应完成，将更新后分布边界作为新的正常粗糙度分布边界，将模具累计产量计数清零，等待下一次更新触发。

92、优选的，对各检测分区的磨损状态进行分级判定，具体为：

93、获取各检测分区的趋势强度等级与稳定置信度等级；

94、判定趋势强度等级是否为高位且稳定置信度等级是否为高位；

95、若趋势强度等级为高位且稳定置信度等级为高位，则将该检测分区标记为磨损确认态，输出渐进均匀磨损确认信号，生成修模建议指令或更换建议指令；

96、若趋势强度等级不是高位或稳定置信度等级不是高位，则判定趋势强度等级是否为高位且稳定置信度等级是否为中等；

97、若趋势强度等级为高位且稳定置信度等级为中等，则将该检测分区标记为观察态，缩短该检测分区的后续检测间隔时长，提高该检测分区的采样密度，扩大该检测分区的记忆库比对范围，生成加强产品尺寸抽检建议指令；

98、若趋势强度等级不是高位或稳定置信度等级不是中等，则判定趋势强度等级是否为中位且稳定置信度等级是否为中等；

99、若趋势强度等级为中位且稳定置信度等级为中等，则将该检测分区标记为正常粗糙度状态；

100、若趋势强度等级不是中位或稳定置信度等级不是中等，则判定趋势强度等级是否为低位且稳定置信度等级是否为低位；

101、若趋势强度等级为低位且稳定置信度等级为低位，则将该检测分区标记为环境干扰态，生成检查光源系统指令与检查定位机构指令；

102、若趋势强度等级不是低位或稳定置信度等级不是低位，则将该检测分区标记为环境干扰态，生成检查光源系统指令与检查定位机构指令；

103、将各检测分区的状态标记、趋势强度等级、稳定置信度等级及对应生成的指令存入历史趋势数据库，更新模具全生命周期健康档案。

104、本发明具备以下有益效果：

105、1、通过对正常状态模具表面纹理建立隐向量特征记忆库，并将在线检测得到的纹理特征与正常纹理特征进行偏离度比较，将单帧图像中不易直接识别的微小纹理变化转换为可连续分析的特征偏离序列，从而提高对早期渐进磨损变化的感知能力，提高渐进均匀磨损的识别能力。

106、2、通过对连续检测形成的时序偏离曲线进行定向漂移分析，并进一步对疑似磨损时序段进行变异稳定性校验，将持续的定向变化与正常粗糙度产生的随机振荡进行区分，在趋势和稳定性同时满足条件时确认渐进磨损，从而降低随机纹理波动造成的误报警，降低正常粗糙度造成的磨损误判。

107、3、针对工作带、分流孔、焊合室及型腔圆角等检测区域设置相应的检测分区，并根据不同区域的磨损特性设置对应趋势判定参数，使检测过程能够适应异型钢模具不同区域之间的磨损速率差异，降低统一判定条件导致的漏检或误检，提高不同检测区域的检测适应性。

108、4、通过远心成像、定位机构以及标准灰度参照板建立稳定的图像采集条件，并根据参照板亮度确定光度补偿参数，对在线采集的模具图像进行光度归一化处理，提高不同时刻检测图像之间的光度一致性，降低光照和定位变化对检测结果的影响。

109、5、通过筛选经联合校验确定为正常状态的近期样本，并采用滑动窗口方式更新正常纹理特征记忆库，使正常检测基准能够随模具长期服役过程中的正常纹理变化进行适应，同时通过更新前后的特征分布边界变化对异常基准偏移进行识别，降低固定历史基准造成的系统性误判，降低长期服役造成的基准失配。

110、6、根据趋势强度与稳定置信度对不同检测区域进行分级判定，在确认磨损时输出修模或更换建议，在趋势较强但稳定性不足时进入观察状态并提高后续检测密度，在检测结果受到环境因素影响时输出光源及定位机构检查提示，从而减少因单次异常导致的盲目停机，并形成模具检测结果的持续归档，实现磨损检测的分级闭环处理。