基于机器视觉轮廓特征的点胶路径智能规划方法及系统与流程
本发明涉及工艺视觉检测,特别涉及基于机器视觉轮廓特征的点胶路径智能规划方法及系统。
背景技术:
1、精密点胶广泛应用于电子封装、零部件密封加工,胶线成型质量直接决定产品良率,依托视觉智能实现点胶路径自适应调控成为行业刚需。现有视觉闭环点胶方案仅依靠刚性坐标补偿,仅修正胶线位置偏差,难以适配透明胶体流动波动引发的铺展、堆积、断裂缺陷。传统视觉手段仅事后检测成型胶线,无法判别胶体流动前沿状态,不能根据实时形貌自适应调整后续路径工艺参数。传统视觉补偿方式无法预判流体缺陷对后续胶路的持续影响,无法按缺陷远近渐变调节点胶速度、胶头高度、驻留时间,易出现连续成型不良,检测调控数据单一滞后,难以实现点胶全流程精准动态管控。
技术实现思路
1、本申请提供了基于机器视觉轮廓特征的点胶路径智能规划方法及系统,解决了现有点胶控制只能事后补偿位置偏差,无法根据胶体实时流动状态主动调整后续工艺参数的技术问题。
2、本申请的第一个方面,提供了基于机器视觉轮廓特征的点胶路径智能规划方法,所述方法包括:获取待点胶工件的初始轮廓,生成初始点胶路径,并基于所述初始点胶路径进行点胶执行;在点胶执行过程中,通过视觉传感模组连续采集已成型胶线图像,并对所述已成型胶线图像进行亚像素级边缘提取,获得胶线的实时轮廓数据;根据所述实时轮廓数据,判别胶体当前的流动前沿状态,所述流动前沿状态至少包括铺展态、堆积态和断裂态;基于所述流动前沿状态,计算后续待点胶路径段的修正权重,并基于所述修正权重对所述待点胶路径段进行渐变式修正,生成第一修正点胶路径;控制点胶机构按照所述第一修正点胶路径执行作业,并循环迭代视觉采集与路径修正过程。
3、本申请的第二个方面,提供了基于机器视觉轮廓特征的点胶路径智能规划系统,所述系统包括:初始点胶路径获取模块,用于获取待点胶工件的初始轮廓,生成初始点胶路径,并基于所述初始点胶路径进行点胶执行;胶线轮廓数据获取模块,用于在点胶执行过程中,通过视觉传感模组连续采集已成型胶线图像,并对所述已成型胶线图像进行亚像素级边缘提取,获得胶线的实时轮廓数据;流动前沿状态判别模块,用于根据所述实时轮廓数据,判别胶体当前的流动前沿状态,所述流动前沿状态至少包括铺展态、堆积态和断裂态;修正点胶路径生成模块,基于所述流动前沿状态,计算后续待点胶路径段的修正权重,并基于所述修正权重对所述待点胶路径段进行渐变式修正,生成第一修正点胶路径;修正点胶路径执行模块,用于控制点胶机构按照所述第一修正点胶路径执行作业,并循环迭代视觉采集与路径修正过程。
4、本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
5、本申请通过采集实时成型胶线图像,提取轮廓形貌特征并判定胶体流动工况,结合缺陷位置计算影响权重,依照影响强弱动态调整剩余加工路径对应的工艺参数并持续循环更新,从而自适应调控后续点胶作业过程,降低成型缺陷持续扩散造成的不良,实现点胶加工全流程闭环精准控制,达到了持续感知胶体铺展状况并逐段平滑调整后续工序的执行参数,实现胶线成型质量的闭环自适应控制的技术效果。
1.基于机器视觉轮廓特征的点胶路径智能规划方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于机器视觉轮廓特征的点胶路径智能规划方法,其特征在于,根据所述实时轮廓数据,判别胶体当前的流动前沿状态,包括:
3.如权利要求1所述的基于机器视觉轮廓特征的点胶路径智能规划方法,其特征在于,基于所述流动前沿状态,计算后续待点胶路径段的修正权重,包括:
4.如权利要求3所述的基于机器视觉轮廓特征的点胶路径智能规划方法,其特征在于,所述修正权重的映射范围覆盖当前点胶位置之后的n个连续路径段,且所述修正权重沿路径延伸方向呈指数衰减分布,其中,距离异常发生点越近的路径段,修正权重越高。
5.如权利要求4所述的基于机器视觉轮廓特征的点胶路径智能规划方法,其特征在于,基于所述修正权重对所述待点胶路径段进行渐变式修正,生成第一修正点胶路径,包括:
6.如权利要求5所述的基于机器视觉轮廓特征的点胶路径智能规划方法,其特征在于,将所述子路径段对应的修正权重,分别与所述基础运行参数中的点胶速度、胶头z轴高度及起停驻留时间进行耦合运算,包括:
7.如权利要求6所述的基于机器视觉轮廓特征的点胶路径智能规划方法,其特征在于,控制点胶机构按照所述第一修正点胶路径执行作业,并循环迭代所述视觉采集与路径修正过程,包括:
8.如权利要求1所述的基于机器视觉轮廓特征的点胶路径智能规划方法,其特征在于,所述方法还包括边缘粗糙度的计算,包括:
9.如权利要求1所述的基于机器视觉轮廓特征的点胶路径智能规划方法,其特征在于,所述初始点胶路径的生成,还包括:
10.基于机器视觉轮廓特征的点胶路径智能规划系统,其特征在于,用于实施权利要求1-9任意一项所述的基于机器视觉轮廓特征的点胶路径智能规划方法,所述系统包括:
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