一种基于激光扫描的螺丝残留检测方法及检测系统与流程
本发明属于紧固件生产,具体涉及一种基于激光扫描的螺丝残留检测方法及检测系统。
背景技术:
1、在紧固件(如螺丝、螺钉等)的批量化生产过程中,通常采用周转篮筐进行工序间的搬运与卸料。实际生产中,由于细小螺丝在卸料时极易卡滞于篮筐底部的缝隙、加强筋拐角等区域,导致卸料后常有少量残料留存于篮筐内,难以彻底清空。残料若不及时检出并清除,空篮筐重新回到产线前端装料时,残留的不同批次、不同规格的螺丝将与新物料混在一起,造成批次混料,导致整批次产品报废,引发严重的质量事故和客户投诉。
2、因此,在空篮筐重新进入产线之前,必须对其进行严格的残留物检测。目前行业内针对该环节最普遍的是采用人工目视检查,检测结果高度依赖工人的经验、视力和当时的精神状态,无法保证全检批次之间的判定标准一致,且人工检查效率低,难以匹配自动化产线节拍,影响生产效率和生产成本。部分企业常用ccd相机识别检测,但2d视觉检测高度依赖光照的一致性,车间环境中的自然光变化、相邻设备的光源干扰、篮筐表面油污和灰尘导致的反光特性改变,均会直接影响图像的灰度分布,导致同一物体在不同时刻的成像特征差异巨大,极易产生误报或漏报。并且2d视觉检测无法检测物体的高度信息,当在缝隙深处残留螺丝,在2d图像中仅能看到一个微小的点,无法与底部凹槽的固有纹理特征相区分,并且周转篮筐在实用过程中,不可避免地会出现表面划痕、油污附着等。这些缺陷在2d图像中呈现的灰度特征与螺丝残留物高度相似,传统图像处理算法难以有效区分,导致大量的误报警,严重影响了产线的正常运行效率。
3、因此,亟需一种能够实现全域扫描、抗干扰能力强的全自动化螺丝残留检测方案。
技术实现思路
1、发明目的:为了克服以上不足,本发明提供一种基于激光扫描的螺丝残留检测方法及检测系统,通过二维线激光扫描获取篮筐底部全域三维点云数据,结合基准数据差分比对与多维特征量化判定,实现篮筐底部死角、缝隙处残留紧固件的精准识别,并结合声光报警与分流机构实现检测、预警、分流全流程自动化,避免残料引发的混料问题,降低质检与报废成本。
2、技术方案:为了实现上述目的,本发明提供一种基于激光扫描的螺丝残留检测方法,包括以下步骤:s1:基准建模:获取标准空载周转篮筐底部全域的三维点云数据,作为基准轮廓数据;
3、s2:在线扫描:对待测周转篮筐底部全域进行激光扫描,获取实测三维点云数据;
4、s3:差分预处理:将所述实测点云数据与所述基准点云数据按照空间坐标逐点进行高度差分运算,得到高度差分布图;
5、s4:滤波降噪:对所述高度差分布图进行滤波处理,消除噪声干扰;
6、s5:前景分割:根据滤波后的高度差值与预设高度阈值进行比较,提取高度凸起区域作为候选残料区域;
7、s6:连通域筛选:对所述候选残料区域进行连通域分析,剔除面积小于预设面积阈值的孤立噪点区域;
8、s7:特征量化:对筛选后的各候选残料区域计算多维量化特征,所述多维量化特征包括区域平均凸起高度、区域长短轴比例和区域面积;
9、s8:置信度判定:根据各候选残料区域的所述多维量化特征,分别计算各区域与标准紧固件特征的匹配置信度,并基于各区域置信度确定整篮综合置信度,将所述整篮综合置信度与预设合格判定阈值进行比较,输出判定结果;
10、s9:输出信号:根据判定结果输出对应的控制信号。
11、进一步地,上述的基于激光扫描的螺丝残留检测方法中,步骤s3中所述高度差分运算按照以下公式进行:
12、
13、其中,表示激光扫描数据中沿扫描宽度方向和沿输送方向排列的像素位置坐标,为行索引,为列索引;为所述实测三维点云数据中坐标位置处的高度值,为所述基准轮廓数据中同一坐标位置处的高度值,为坐标位置处的高度差值。高度值以竖直向上为正方向。通过逐像素减去空篮基准高度,有效剔除了篮筐底面、缝隙固有的高度起伏,仅保留异物引起的高度增量。
14、步骤s4中所述滤波处理采用高斯滤波,按照以下公式进行:
15、
16、
17、其中,为滤波后坐标位置处的高度差值,滤波前坐标位置处的高度差值,为高斯核函数在偏移量处的取值,为沿行方向的偏移量,分别沿列方向的偏移量,为高斯核半径,为高斯核的标准差。通过高斯滤波对高度差分布图进行平滑处理,抑制传感器测量噪声及篮筐表面微观粗糙度引起的干扰。
18、进一步地,上述的基于激光扫描的螺丝残留检测方法中,步骤s5中所述前景分割步骤按照以下公式进行:
19、
20、其中,为坐标位置()处的二值化标记值,1表示该像素为前景像素,0表示该像素为背景像素;为所述预设高度阈值,根据篮筐表面粗糙度及扫描模块的测量噪声经标定确定。
21、步骤s6中,所述连通域分析包括,对=1的前景像素做8邻域连通域提取,得到k个独立连通域,,…,,按照以下公式计算各连通域的面积:
22、
23、其中,为第个连通域的面积;
24、将面积小于所述预设面积阈值的连通域剔除,保留面积≥的连通域构成有效残料区域集合m={|≥,k=1,2,…,k}。面积小于的微小孤立区域视为噪声点(如粉尘、金属碎屑等),直接予以剔除。
25、进一步地,上述的基于激光扫描的螺丝残留检测方法中,步骤s7中所述多维量化特征中:第个有效残料区域的区域平均凸起高度按照以下公式计算:
26、
27、第个有效残料区域的区域长短轴比例按照以下公式计算:
28、其中,为第个有效残料区域的最小外接矩形的长轴尺寸,为第个有效残料区域的最小外接矩形的短轴尺寸。
29、进一步地,上述的基于激光扫描的螺丝残留检测方法中,所述步骤s8中,各有效残料区域与标准紧固件特征的匹配置信度按照一下公式计算:
30、
31、
32、
33、其中,为标准残留紧固件平均凸起高度,为标准紧固件长短轴均值比例,为标准紧固件成像平均像素面积;、、分别为高度特征、外形比例特征、面积特征的标准差。上述匹配分采用高斯核函数计算,值域为(0,1],特征值越接近标定紧固件的特征均值,匹配分越接近1。
34、第个有效残料区域的单区域置信度按照以下公式计算:
35、
36、其中,、、分别为高度特征、外形比例特征、面积特征的权重,且满足。各权重根据实际工艺需求通过标定赋值。
37、进一步地,上述的基于激光扫描的螺丝残留检测方法中,步骤s8中所述整篮综合置信度按照以下公式计算:
38、
39、取所有有效残料区域中单区域置信度的最大值作为整篮综合置信度,其中,为有效残料区域集合,为所述有效残料区域集合中的第个连通域,为第个连通域的单区域置信度。
40、所述判定逻辑如下:
41、当时,判定所述待测周转篮筐内存在残留紧固件,输出不合格信号;
42、当时,判定所述待测周转篮筐内不存在残留紧固件,输出合格信号;
43、当有效残料区域集合为空集时,直接判定所述待测周转篮筐内不存在残留紧固件,输出合格信号;
44、其中,为所述预设合格判定阈值。
45、进一步地,上述的基于激光扫描的螺丝残留检测方法中,当判定所述待测周转篮筐内存在残留紧固件时,按照以下公式计算残料区域的物理中心坐标:
46、
47、
48、其中,为坐标位置对应的输送方向物理坐标,为坐标位置对应的宽度方向物理坐标;和分别为第个残料区域在篮筐内的中心坐标,用于联动分拣机构进行定位隔离。
49、进一步地,上述的基于激光扫描的螺丝残留检测方法中,所述基准建模步骤中,预存有与多种规格周转篮筐分别对应的多组基准轮廓数据,检测前根据当前待测篮筐的规格调取对应的基准轮廓数据。
50、进一步地,上述的基于激光扫描的螺丝残留检测方法中,还包括数据追溯:将每次检测的判定结果、残料区域的物理中心坐标和各区域置信度予以记录上传至生产管理系统,实现检测数据的可追溯。
51、一种基于激光扫描的周转篮筐螺丝残留检测系统,包括:输送线,用于承载并传送周转篮筐;激光扫描模块,通过支架安装于输送线上方,用于对篮筐底部全域进行激光扫描并采集实测三维点云数据;存储单元,用于预存标准空载周转篮筐底部全域的基准三维点云数据;数据处理单元,分别与所述二维激光扫描模块和所述存储单元连接,所述数据处理单元执行上述的检测方法,输出残料判定信号;声光报警装置,与所述数据处理单元4连接,用于在所述残料判定信号为不合格时发出声光警报;分流机构,设置于所述输送线的下游,与所述数据处理单元连接,用于根据所述残料判定信号将含有残留紧固件的周转篮筐导向清理区域。
52、上述技术方案可以看出,本发明具有如下有益效果:
53、①本发明基于激光扫描的螺丝残留检测方法及检测系统,采用二维线激光扫描模块对周转篮筐底部进行全域扫描,激光线覆盖篮筐宽度方向,配合输送线的匀速运动覆盖长度方向,合成覆盖整个篮筐底部的面域扫描,实现了对篮筐底部全域的覆盖,消除了检测盲区。
54、②本发明不受篮筐表面油污、颜色变化、光照强度变化等环境因素的干扰,具有良好的环境适应性。
55、③本发明通过高度匹配分、外形比例匹配分、面积匹配分的多维特征融合置信度计算,能够有效区分紧固件与粉尘、金属碎屑等其他杂物,在保证高检出率的同时大幅降低误报率,实现了对残留紧固件的全量化判定。
56、④本发明集成了在线检测、声光报警、自动分流及数据追溯功能,实现了从检测到处置的全流程自动化运行,无需人工干预,杜绝了残料混入下一批次的风险,降低了人力成本与报废成本。
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