一种注塑件电镀质量视觉模型构建方法与流程
本发明涉及电镀质量视觉模型构建,具体为一种注塑件电镀质量视觉模型构建方法。
背景技术:
1、电镀质量视觉模型构建技术,是指利用机器视觉与人工智能方法,建立一种能够自动、精确、可量化地检测与评估注塑件电镀表面质量的方法。
2、现有的电镀质量视觉模型构建技术通常仅对注塑件进行模型构建,然后通过人工检测电镀质量是否合格,或是电镀质量的检测无法有效映射于模型内,工作人员无法有效观察电镀质量不合格的区域,同时,由于注塑件自身的构造以及灯光的照射等因素,注塑件在电镀后的表面依旧存在不同的阴影,这类阴影极易影响电镀质量的判断,而现有的电镀质量视觉模型构建技术无法有效剔除阴影部分的影响,导致对于电镀质量的判断存在一定误差,现有的电镀质量视觉模型构建技术还存在无法有效剔除电镀表面存在的阴影对于电镀质量检测的影响,导致对于电镀质量的判断易出现误差的问题。
技术实现思路
1、本发明旨在至少在一定程度上解决现有技术中的技术问题之一,通过构建采集平台以及拍摄装置,将注塑件放置于采集平台的平台中心并对注塑件进行3d扫描建模,得到注塑件的3d白模,然后通过线阵相机对注塑件进行拍摄,得到注塑件的线阵表面图像并基于拍摄的先后顺序对线阵表面图像进行组合,得到单面表面图像,再将单面表面图像映射于3d白模的表面,得到3d模型,获取无缺陷的注塑件作为参考样本,将参考样本中的像素值转换为色差矩阵,然后对色差矩阵进行特征分析,提取参考样本的电镀表面特征,再基于所有参考样本的电镀表面特征分析参考样本的表面共性,最后基于表面共性对注塑件的电镀质量进行判断,将注塑件的电镀质量异常的区域标注于3d模型中,以解决现有的电镀质量视觉模型构建技术还存在无法有效剔除电镀表面存在的阴影对于电镀质量检测的影响,导致对于电镀质量的判断易出现误差的问题。
2、为实现上述目的,本技术提供一种注塑件电镀质量视觉模型构建方法,包括如下步骤:
3、构建采集平台以及拍摄装置,将注塑件放置于采集平台的平台中心并对注塑件进行3d扫描建模,得到注塑件的3d白模;
4、通过线阵相机对注塑件进行拍摄,得到注塑件的线阵表面图像并基于拍摄的先后顺序对线阵表面图像进行组合,得到单面表面图像;
5、将单面表面图像映射于3d白模的表面,得到3d模型;
6、获取无缺陷的注塑件作为参考样本,对参考样本进行特征分析,提取参考样本的电镀表面特征;
7、基于所有参考样本的电镀表面特征分析参考样本的表面共性;
8、基于表面共性对注塑件的电镀质量进行判断,将注塑件的电镀质量异常的区域标注于3d模型中。
9、进一步地,构建采集平台以及拍摄装置,将注塑件放置于采集平台的平台中心并对注塑件进行3d扫描建模,得到注塑件的3d白模包括如下子步骤:
10、所述采集平台采用纯黑色作为背景颜色,且在采集平台顶部安装有环形光源组;
11、所述拍摄装置为线阵相机以及传送带,其中,所述线阵相机固定于采集平台的侧面,同时与采集平台形成第一角度的夹角,所述传送带用于移动注塑件,且所述传送带的移动方向与所述线阵相机的镜头方向属于垂直关系;
12、将注塑件放置于采集平台上的传送带上,同时通过环形光源组对注塑件进行照射;
13、通过3d扫描建模技术对注塑件进行3d扫描,得到注塑件的3d白模。
14、进一步地,通过线阵相机对注塑件进行拍摄,得到注塑件的线阵表面图像并基于拍摄的先后顺序对线阵表面图像进行组合,得到单面表面图像包括如下子步骤:
15、通过线阵相机对注塑件进行拍摄,每次拍摄均得到一份线阵表面图像,在拍摄过程中,按照从左到右的顺序进行拍摄,对线阵表面图像进行编号,按照拍摄的先后顺序将线阵表面图像标记为ptn,其中,n为非零自然数且n为pt的序号;
16、将ptn+1放置于ptn的右侧,组合得到单面表面图像,对注塑件的每个面独立进行拍摄和分析,得到不同的单面表面图像,所述单面表面图像不包含纯黑色的背景颜色。
17、进一步地,将单面表面图像映射于3d白模的表面,得到3d模型包括如下子步骤:
18、将3d白模中单面表面图像对应的面命名为目标侧面;
19、获取目标侧面的正视图,命名为目标视图,提取目标视图最外围的轮廓,命名为目标轮廓;
20、提取单面表面图像的轮廓,命名为单面轮廓,将单面表面图像与目标侧面重叠并贴合,且确保目标轮廓与单面轮廓重叠,将所有单面表面图像贴合于对应的目标侧面后,3d白模由无色转换为有色,得到3d模型。
21、进一步地,获取无缺陷的注塑件作为参考样本,对参考样本进行特征分析,提取参考样本的电镀表面特征包括如下子步骤:
22、获取无缺陷的注塑件作为参考样本,将参考样本中的像素值转换为色差矩阵;
23、对色差矩阵进行特征分析,提取参考样本的电镀表面特征。
24、进一步地,获取无缺陷的注塑件作为参考样本,将参考样本中的像素值转换为色差矩阵包括如下子步骤:
25、获取无缺陷的注塑件作为参考样本,获取参考样本的单面表面图像,命名为参考表面图像,将属于注塑件同一侧面的参考表面图像归纳为同一组侧面参考组;
26、对任意侧面参考组进行分析时,将其命名为目标参考组,将目标参考组中的参考表面图像命名为目标参考图像,对目标参考图像中的像素点进行编号,通过符号h(i,j)表示,其中,i和j均为非零自然数且(i,j)为h的序号,h(i,j)代表在目标参考图像中处于第i行第j列,将h(i,j)处对应的灰度值标记为g(i,j);
27、在目标参考图像中,h(i-1,j-1)、h(i-1,j)、h(i-1,j+1)、h(i,j-1)、h(i,j+1)、h(i+1,j-1)、h(i+1,j)以及h(i+1,j+1)视为与h(i,j)相邻,查找g(i-1,j-1)、g(i-1,j)、g(i-1,j+1)、g(i,j-1)、g(i,j+1)、g(i+1,j-1)、g(i+1,j)以及g(i+1,j+1)中与g(i,j)相差最大的灰度值,标记为gf(i,j),计算|g(i,j)-gf(i,j)|,将计算结果标记为gr(i,j);
28、获取i和j的最大值,分别标记为i和j,构建i×j的矩阵,将gr(i,j)填入矩阵的第i行第j列中,得到色差矩阵。
29、进一步地,对色差矩阵进行特征分析,提取参考样本的电镀表面特征包括如下子步骤:
30、分析所有目标参考图像的所有gr(i,j),对gr(i,j)进行聚类分析,得到不同的灰度差聚类,统计灰度差聚类中gr(i,j)的数量,命名为聚类差值数,将聚类差值数最大的灰度差聚类命名为正常聚类,将剩余的灰度差聚类命名为待识别聚类;
31、获取待识别聚类中gr(i,j)的最小值,命名为偏差阈值,将色差矩阵中小于偏差阈值的值替换为0,将色差矩阵中大于等于偏差阈值的值替换为1,最终得到一个二值化矩阵;
32、查找连续相邻的数字1,若连续相邻的数字1围成了一个闭合区域,则将连续相邻的数字1所构成的轮廓命名为待分析轮廓,提取所有的待分析轮廓,所述待分析轮廓即为所述电镀表面特征。
33、进一步地,基于所有参考样本的电镀表面特征分析参考样本的表面共性包括如下子步骤:
34、若任意两个目标参考图像中的任意两个待分析轮廓之间存在相同的h(i,j),则将对应的两个待分析轮廓合并,得到新的待分析轮廓;
35、对所有存在相同的h(i,j)的待分析轮廓进行合并,更新待分析轮廓,将最终的待分析轮廓命名为表面共性。
36、进一步地,基于表面共性对注塑件的电镀质量进行判断,将注塑件的电镀质量异常的区域标注于3d模型中包括如下子步骤:
37、提取注塑件的电镀表面特征,若电镀表面特征全部处于表面共性内,则输出表面正常信号,否则输出表面异常信号;
38、若输出表面正常信号,则标记注塑件表面不存在缺陷,若输出表面异常信号,则标记注塑件表面存在缺陷;
39、在注塑件表面存在缺陷时,将注塑件的电镀质量异常的区域标注于3d模型中。
40、进一步地,在注塑件表面存在缺陷时,将注塑件的电镀质量异常的区域标注于3d模型中包括如下子步骤:
41、将不处于表面共性内的电镀表面特征的区域命名为异常区域;
42、获取异常区域在单面表面图像中所处的h(i,j),将单面表面图像中对应的h(i,j)标注为红色。
43、本发明的有益效果:本发明通过构建采集平台以及拍摄装置,将注塑件放置于采集平台的平台中心并对注塑件进行3d扫描建模,得到注塑件的3d白模,然后通过线阵相机对注塑件进行拍摄,得到注塑件的线阵表面图像并基于拍摄的先后顺序对线阵表面图像进行组合,得到单面表面图像,再将单面表面图像映射于3d白模的表面,得到3d模型,优势在于,将3d模型与后续分析电镀质量的单面表面图像相关联,无需进行重定位,后续若存在电镀质量异常的问题能够根据像素点的位置在3d模型中直接显示,提高了电镀质量视觉模型构建的有效性以及便捷性;
44、本发明通过获取无缺陷的注塑件作为参考样本,将参考样本中的像素值转换为色差矩阵,然后对色差矩阵进行特征分析,提取参考样本的电镀表面特征,再基于所有参考样本的电镀表面特征分析参考样本的表面共性,最后基于表面共性对注塑件的电镀质量进行判断,将注塑件的电镀质量异常的区域标注于3d模型中,优势在于,通过转换色差矩阵的方式能够有效剔除电镀表面存在的阴影对于电镀质量检测的影响,然后根据色差矩阵中不同位置的像素点之间的灰度值的变化分析注塑件表面的电镀表面特征,而在拍摄环境固定、光照固定以及拍摄角度固定的条件下,注塑件应具有相同的电镀表面特征,即表面共性,若存在差异,则代表注塑件的电镀质量存在异常,提高了电镀质量检测的准确性以及有效性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com