一种基于视觉检测的清洗机清洗质量检测方法与流程

摘要: 本发明涉及清洗机清洗质量检测,具体为一种基于视觉检测的清洗机清洗质量检测方法。背景技术:1、清洗机清洗质量检测是智能制造与工业自动化生产流程中的关键质量控制环节...
一种基于视觉检测的清洗机清洗质量检测方法与流程

本发明涉及清洗机清洗质量检测,具体为一种基于视觉检测的清洗机清洗质量检测方法。

背景技术:

1、清洗机清洗质量检测是智能制造与工业自动化生产流程中的关键质量控制环节,其核心任务是对经过清洗工序的工件进行客观、量化的质量评估,以科学判定工件表面清洁度是否满足预设工艺标准,该技术广泛应用于汽车零部件制造、航空航天精密加工、半导体器件制备、航标维护以及医疗器械生产等领域,随着工业视觉技术的发展,清洗质量检测已从传统的人工目视抽检逐步向基于机器视觉的自动化、智能化检测方向演进。

2、现有技术中已存在多种基于视觉的清洗质量检测方案,例如:

3、中国专利cn114653687a通过采集清洗后工件表面图像,检测金属杂质颗粒直径并与预设固定阈值比对以判定清洗是否合格;

4、中国专利cn119963514a将工件划分为多个子区域,提取各子区域清洗前后的脏污信息及工件整体的功能性指标,分别与预设固定阈值比对,并计算历次清洗的指标变化趋势以实现可持续性评价;

5、在实际使用过程中,脏污信息通常仅以分布区域数量和面积等笼统指标表征,未对油污、锈迹、加工残留物等不同类型脏污进行精细化区分和结构化表征,影响脏污统计数据的准确性,且未考虑不同类型脏污在清洗难度和对工件功能危害程度上的差异,导致评价指标无法客观反映实际清洗效果,并且评价指标阈值均为预设固定值,直接以实际检测值与固定阈值比对来判定清洗是否合格,难以适应不同工件类型、不同表面状态及清洗工艺变化等复杂工况,故而提出一种基于视觉检测的清洗机清洗质量检测方法来解决上述的问题。

技术实现思路

1、针对现有技术的不足,本发明提供了一种基于视觉检测的清洗机清洗质量检测方法,具备适应不同工件类型、不同表面状态及清洗工艺变化等复杂工况等优点,解决了在实际使用过程中,脏污信息通常仅以分布区域数量和面积等笼统指标表征,未对油污、锈迹、加工残留物等不同类型脏污进行精细化区分和结构化表征,影响脏污统计数据的准确性,且未考虑不同类型脏污在清洗难度和对工件功能危害程度上的差异,导致评价指标无法客观反映实际清洗效果,并且评价指标阈值均为预设固定值,直接以实际检测值与固定阈值比对来判定清洗是否合格,难以适应不同工件类型、不同表面状态及清洗工艺变化等复杂工况的问题。

2、为实现上述目的,本发明提供如下技术方案:一种基于视觉检测的清洗机清洗质量检测方法,包括以下步骤:

3、s1.获取清洗前、后工件的初始图像,并进行图像分析处理,得到数据图像,基于深度学习的语义分割网络提取数据图像中代表工件的所有像素点,并构建全区域点集,获取全区域点集中每一个像素点的工件信息;

4、其中,工件信息至少包括有空间坐标信息、几何特征、功能区域类别;

5、s2.根据工件信息中空间坐标信息对全区域点集中的像素点进行聚类,然后依据几何特征进行分割,最后基于功能区域类别进行合并,从而构建若干个子区域点集,并获取子区域点集中每一个像素点的脏污信息;

6、s3.提取历史清洗质量合格工件数据库中已标注工件信息和脏污信息的历史子区域点集,并构建训练样本集,然后利用训练样本集训练预测模型,将取清洗前工件的数据图像输入至训练好的预测模型中,输出预测数据图像;

7、对预测数据图像依次执行s1和s2的步骤,得到预测数据图像、预测全区域点集、预测子区域点集、预测工件信息、预测脏污信息;

8、s4.基于预测脏污信息、清洗前后的脏污信息计算出每一个子区域点集对应的实际清洗质量评价指标、预测清洗质量评价指标;

9、基于预测工件信息、清洗前后的工件信息计算出每一个子区域点集对应的实际外观检测评价指标、预测外观检测评价指标;

10、若每一个子区域点集的实际清洗质量评价指标不小于预测清洗质量评价指标,且实际外观检测评价指标不小于预测外观检测评价指标,则判定工件清洗质量达标;

11、若否,则判定工件清洗质量不达标;

12、s5,将判定为清洗质量达标工件对应的实际清洗质量评价指标、实际外观检测评价指标、全区域点集、工件信息、脏污信息,作为新增合格样本存储至历史清洗质量合格工件数据库。

13、进一步,所述s1中进一步引入工件信息获取机制;

14、对全区域点集中的每一个像素点,采用多任务并行处理方式同步获取其工件信息;

15、根据像素点在图像矩阵中的坐标位置,得到空间坐标信息;

16、基于连通域分析获取像素点所属区域,并利用区域属性计算函数计算出几何特征;

17、利用点云配准技术将像素点映射至工件的不同功能部位,标注每个像素点所属的功能区域类别;

18、其中,功能区域类别至少包括有关键配合面、密封面、非关键外观面;

19、基于空间坐标信息、几何特征、功能区域类别组成工件信息。

20、进一步,所述s2步骤中进一步引入基于工件信息建立全区域点集分割机制和脏污信息获取方法;

21、根据全区域点集中每个像素点的空间坐标信息对相邻像素进行空间聚类,得到聚类结果;

22、结合全区域点集中每个像素点的几何特征对聚类结果进行边界优化,初步分割出工件各部位的轮廓边界,得到初步分割结果;

23、基于全区域点集中每个像素点的功能区域类别对初步分割结果进行区域合并与归类,将属于同一功能区域类别的相邻初步分割结果合并为子区域点集;

24、其中,子区域点集的数量不少于三个,且至少包括有关键配合面区域点集、密封面区域点集、非关键外观面区域点集;

25、将子区域点集每个像素点输入至多分类像素级识别模型,输出每个像素点的脏污类型、脏污置信度;

26、提取子区域点集中同一脏污类型的像素点,基于连通域分析将位置相邻且属于同一脏污类型的像素点聚合为脏污连通域;

27、统计每个脏污连通域中像素点的数量,并作为脏污分布面积;

28、计算所有脏污连通域对应的脏污分布面积之和占据子区域点集中像素点总面积的百分比,作为脏污密集度;

29、基于脏污类型、脏污分布面积、脏污密集度组成脏污信息。

30、进一步,所述s2中进一步引入基于脏污置信度筛选每个子区域点集中有效像素点机制;

31、根据不同子区域点集对应工件部位的精度要求,设定由大到小排列的关键配合面脏污置信度阈值、密封面脏污置信度阈值、非关键外观面脏污置信度阈值;

32、若子区域点集中像素点的脏污置信度不小于对应的脏污置信度阈值,则判断为有效像素点,并保留该有效像素点;

33、若否,则判断该为无效像素点,并剔除该无效像素点。

34、进一步,所述s3中进一步引入基于清洗前、后数据图像和预测数据图像建立索引对应关系;

35、基于每个像素点的空间坐标信息对清洗前、后数据图像进行特征点匹配的图像配准,得到若干组匹配的特征点对;

36、基于特征点对计算出清洗前、后数据图像的几何变换矩阵;

37、利用几何变换矩阵将清洗后数据图像的像素点坐标映射至清洗前数据图像的坐标空间,建立清洗前、后数据图像之间的实际索引对应关系;

38、基于预测数据图像与清洗前数据图像处于同一坐标空间,直接建立预测数据图像与清洗前数据图像之间的预测索引对应关系。

39、进一步,所述s4中进一步引入基于质量评价指标差值、外观评价指标差值判断子区域点集对应区域清洗有效程度;

40、基于每一个子区域点集对应的实际清洗质量评价指标、预测清洗质量评价指标计算出质量评价指标差值;

41、基于每一个子区域点集对应的实际外观检测评价指标、预测外观检测评价指标计算出外观评价指标差值;

42、分别将每一个子区域点集对应质量评价指标差值与预设质量评价指标阈值进行比对,外观评价指标差值与预设外观评价指标阈值进行比对;

43、若质量评价指标差值不大于预设质量评价指标阈值,且外观评价指标差值不大于预设外观评价指标阈值,则判定该子区域点集对应区域清洗有效;

44、若否,则判定子区域点集对应区域清洗无效。

45、进一步,所述s4中进一步引入基于区域清洗有效的子区域点集的面积占比判断工件清洗质量;

46、将判定为清洗无效的子区域点集标记为无效子区域点集;

47、统计无效子区域点集的像素点数量,并作为无效清洗面积;

48、统计全区域点集的像素点数量,并作为总像素点面积;

49、计算无效清洗面积占总像素点面积的百分比,作为无效面积占比;

50、若无效面积占比不大于预设无效面积占比阈值,则判定工件清洗质量达标;

51、若否,则判定工件清洗质量不达标。

52、进一步,所述s5中进一步引入基于实际清洗质量评价指标、实际外观检测评价指标构建综合清洗评分机制;

53、将区域清洗有效的子区域点集对应实际清洗质量评价指标、实际外观检测评价指标作为两个优化目标,构建多目标适应度函数;

54、基于多目标适应度函数计算出工件整体的综合清洗评分;

55、若综合清洗评分大于预设评分,则将实际清洗质量评价指标、实际外观检测评价指标回传至s3步骤中,作为下一个同类型待清洗工件的预测清洗质量评价指标、预测外观检测评价指标;

56、若否,则将实际清洗质量评价指标、实际外观检测评价指标存储至历史清洗质量合格工件数据库。

57、与现有技术相比,本发明提供了一种基于视觉检测的清洗机清洗质量检测方法,具备以下有益效果:

58、1、该基于视觉检测的清洗机清洗质量检测方法,通过多分类像素级识别模型对像素点进行脏污类型识别,并引入置信度阈值筛选滤除误检像素,结合连通域分析将同类型脏污像素聚合为独立连通域,统计脏污分布面积与密集度,将零散像素信息转化为具有物理意义的脏污区域结构信息,有效避免了因模型误判导致的统计数据失真;

59、2、该基于视觉检测的清洗机清洗质量检测方法,通过基于油污、锈迹、加工残留物分别构建独立的脏污权重指数,各权重指数由相应类型脏污的清洗难度系数与危害程度系数组合加权得到,使不同类型脏污的去除效果对评价指标的贡献度差异化,评价指标能够客观反映各类型脏污被去除的实际工程价值;

60、3、该基于视觉检测的清洗机清洗质量检测方法,通过历史合格工件数据训练预测模型,根据当前工件清洗前状态生成预测图像及预测评价指标,以实际指标与预测指标的差值而非实际值与固定阈值的直接对比作为判定依据,并将达标数据回传至数据库周期性重训练模型,使判定基准持续逼近当前最优清洗状态,解决了固定阈值因设备老化、工艺漂移而失效的问题;

61、4、该基于视觉检测的清洗机清洗质量检测方法,通过计算清洗无效子区域面积占全区域总面积的百分比进行整体达标判定,允许非关键区域存在一定容差,同时针对关键配合面、密封面和非关键外观面分别设定差异化的置信度阈值与容忍标准,在保证关键区域质量的前提下兼顾了实际生产中的合理容差需求;

62、5、该基于视觉检测的清洗机清洗质量检测方法,通过多目标适应度函数将实际清洗质量评价指标与外观检测评价指标融合为综合清洗评分,在去污效果与外观保护之间建立量化平衡机制,并将达标工件的实际指标回传至预测模型,使检测系统随生产工艺波动自动进化,实现了判定标准的持续优化。