專利名稱：基于機(jī)器視覺的汽車配件尺寸在線自動(dòng)檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及利用機(jī)器視覺和圖像處理技術(shù)進(jìn)行在線檢測的技術(shù)領(lǐng)域，主要涉及在 汽車配件生產(chǎn)現(xiàn)場，利用機(jī)器視覺系統(tǒng)對汽車配件尺寸進(jìn)行在線檢測方法及裝置。
背景技術(shù)：
在汽車配件自動(dòng)化流水線的生產(chǎn)車間，需要對汽車配件的各種尺寸進(jìn)行檢測。目 前，工廠生產(chǎn)中對配件尺寸的檢測主要依靠人工測量的方法。由于自動(dòng)化流水線每分鐘生 產(chǎn)多個(gè)零件，而每個(gè)零件需要對多個(gè)零件尺寸如配件長度、高度、圓的半徑等進(jìn)行檢測，在 兩個(gè)零件生產(chǎn)間隔完成這些測量工作是幾乎不可能完成的。因此，實(shí)際生產(chǎn)中，采用的是產(chǎn) 品抽檢的方法。該方法不能保證未抽檢產(chǎn)品的合格率。而且，由于人工檢測勞動(dòng)強(qiáng)度大，人 工長時(shí)間工作容易產(chǎn)生視覺疲勞，無法保證檢測質(zhì)量，因此也無法保證抽檢產(chǎn)品出廠的合 格率。而且生產(chǎn)效率和成品率較低，產(chǎn)品的一致性較差，同時(shí)操作人員勞動(dòng)強(qiáng)度大，并且對 其技能具有很高的要求。隨著對產(chǎn)品性能、質(zhì)量穩(wěn)定性的要求和產(chǎn)量需求的不斷提高，人工 測量愈來愈難以適應(yīng)。近年來，計(jì)算機(jī)視覺作為一種測量定位手段越來越引起人們的重視， 它是綜合運(yùn)用圖像處理、精密測量、以及模式識別、人工智能等技術(shù)的非接觸檢測方法。在基于機(jī)器視覺的測量技術(shù)中，邊緣檢測的精度和準(zhǔn)確度是圖像測量的關(guān)鍵指 標(biāo)。經(jīng)典的邊緣檢測算法是基于圖像梯度的微分算子方法。這種算子需要對每一個(gè)像素進(jìn) 行計(jì)算，實(shí)際應(yīng)用中常用小區(qū)域模板卷積來進(jìn)行近似計(jì)算。經(jīng)典的算子包括Roberts模板、 Sobel模板I^rewitt模板、Kirsch模板、Laplacian模板等。此類模板的典型特點(diǎn)是簡單， 方便，但抑制噪聲的能力較弱。近些年，隨著智能優(yōu)化技術(shù)的興起，利用智能優(yōu)化技術(shù)對圖像進(jìn)行邊緣檢測研究 引起了人們很大的興趣，出現(xiàn)了基于遺傳算法、粒子群優(yōu)化(簡稱PS0)等許多新的邊緣檢 測方法，基于智能優(yōu)化的邊緣檢測技術(shù)研究是現(xiàn)在邊緣檢測算法的主要研究方向。粒子群優(yōu)化算法是一種基于群體智能方法的演化計(jì)算技術(shù)，該算法最大的優(yōu)勢就 是實(shí)現(xiàn)起來簡單并且沒有許多參數(shù)需要調(diào)整。目前，基于粒子群優(yōu)化進(jìn)行圖像邊緣檢測的 研究主要有張穎等研究的粒子群優(yōu)化算法在柔性邊緣檢測方法選取中的應(yīng)用，石振剛等提 出的將粒子群算法與模糊聚類算法相結(jié)合并應(yīng)用于圖像邊緣檢測的方法，以解決后者的初 值敏感性和易陷入局部極值這兩大缺陷，聶篤憲等提出的應(yīng)用粒子群優(yōu)化算法對邊緣檢測 模板系數(shù)進(jìn)行優(yōu)化的方法。然而，由于粒子群優(yōu)化算法存在易早熟、局部搜索能力較差等缺 點(diǎn)，影響了該算法在機(jī)器視覺和邊緣檢測中的廣泛應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是針對現(xiàn)有汽車配件尺寸人工檢測勞動(dòng)強(qiáng)度大及容易 產(chǎn)生視覺疲勞、無法保證檢測質(zhì)量及產(chǎn)品出廠合格率低的問題，提供了一種基于機(jī)器視覺 的汽車配件尺寸在線自動(dòng)檢測方法及裝置，大大降低了工人的檢測勞動(dòng)強(qiáng)度，提高了配件 產(chǎn)品檢測的精確度，可以有效保證出廠產(chǎn)品的合格率。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種基于機(jī)器視覺的汽車配件尺寸 在線自動(dòng)檢測方法，方法為(1)根據(jù)對汽車配件尺寸的精度要求，設(shè)置拍攝清晰汽車配件圖像的攝像機(jī)參 數(shù)；(2)利用工業(yè)攝像機(jī)以及由外部觸發(fā)信號控制所述攝像機(jī)拍攝在線運(yùn)行汽車配件 圖像傳至計(jì)算機(jī)；(3)設(shè)置待檢測汽車配件標(biāo)準(zhǔn)尺寸，根據(jù)要求設(shè)置檢測參量的精度；(4)選擇清晰完整的標(biāo)準(zhǔn)汽車配件圖像作為標(biāo)準(zhǔn)圖像進(jìn)行圖像算法處理，提取圖 像邊緣，計(jì)算汽車配件參量；圖像模板存貯于計(jì)算機(jī)，每個(gè)汽車配件存貯一幅標(biāo)準(zhǔn)圖像模 板；(5)由外部觸發(fā)信號控制攝像機(jī)，實(shí)時(shí)拍攝自動(dòng)化流水線上汽車配件的圖像，并將 拍攝的圖像傳輸至計(jì)算機(jī)供檢測；(6)計(jì)算機(jī)對接收到的實(shí)時(shí)拍攝汽車配件圖像進(jìn)行圖像算法處理，提取圖像邊緣， 計(jì)算汽車配件參量；(7)通過計(jì)算所得汽車配件參量與(3)中設(shè)置的汽車配件標(biāo)準(zhǔn)尺寸比較，根據(jù)要 求設(shè)置的檢測參量精度，在檢測參量精度范圍之內(nèi)的為合格產(chǎn)品，在檢測參量精度范圍之 外的為次品，由計(jì)算機(jī)提示進(jìn)行次品處理。在基于機(jī)器視覺的測量技術(shù)中，邊緣檢測的精度和準(zhǔn)確度是圖像測量的關(guān)鍵指 標(biāo)。針對經(jīng)典的邊緣檢測算法存在精度低，抗噪能力弱等缺點(diǎn)，本發(fā)明提出采用粒子群優(yōu)化 進(jìn)行邊緣檢測的方法。針對粒子群優(yōu)化算法存在易早熟、局部搜索能力較差等缺點(diǎn)。本發(fā) 明提出了基于混沌變異的量子粒子群優(yōu)化(簡稱CMQPS0)算法進(jìn)行圖像邊緣檢測的方法， 該方法將量子門變異技術(shù)融入到量子粒子群優(yōu)化算法當(dāng)中，利用量子非門實(shí)現(xiàn)粒子搜索方 向的變異以避免早熟收斂。并在此基礎(chǔ)上，提出將混沌搜索融入到變異量子粒子群優(yōu)化算 法當(dāng)中，利用混沌搜索的隨機(jī)性、遍歷性來提高算法在局部區(qū)域的細(xì)搜能力，來進(jìn)行精密測 量，提高測量的精度。進(jìn)一步，所述的中的圖像算法處理為基于混沌變異量子粒子群優(yōu)化進(jìn)行圖像 算法處理，并計(jì)算配件參量，具體為(4a)對實(shí)時(shí)拍攝的汽車配件圖像進(jìn)行灰度化操作；(4b)對圖像進(jìn)行3*3均值濾波；(4c)利用混沌變異量子粒子群優(yōu)化算法白適應(yīng)搜索閾值，并以此作為邊緣檢測算 子的門限值；(4d)對灰度圖像進(jìn)行二值化處理；(4e)基于混沌變異量子粒子群優(yōu)化算法設(shè)計(jì)Sobel算子模板設(shè)計(jì)；(4f)基于Sobel算子進(jìn)行邊緣檢測；(4g)零件參量測量；(4h)最優(yōu)閾值和Sobel算子保存。其中Ge)參照Ge)的算法，Sobel算子模板具有如下的運(yùn)算形式 e(n) = YjWj(Ti)X^n) (1)，其中e(n)代表了邊緣特征，Wj代表了模板的不同權(quán)重，\代表了圖像的灰度值。圖像的邊緣檢測問題可以轉(zhuǎn)化為邊緣檢測濾波器系數(shù)\的尋優(yōu)問題，基 于混沌變異量子粒子群優(yōu)化算法進(jìn)行最優(yōu)Sobel算子設(shè)計(jì)的主要步驟如下 初始化邊緣模板系數(shù)，在允許的范圍W，255]內(nèi)隨即設(shè)置初始化粒子群； 用模板對標(biāo)準(zhǔn)測試圖像進(jìn)行檢測，并與理想邊緣比較，根據(jù)式(1)確定適用值； 根據(jù)要求，大部分粒子按量子粒子群算法更新粒子的位置和速度；部分粒子按 量子非門進(jìn)行變異更新； 確定全局最優(yōu)粒子和個(gè)體最優(yōu)粒子，對全局最優(yōu)粒子進(jìn)行混沌搜索。 檢查終止條件，輸出最佳模板系數(shù)，算法結(jié)束，否則回到第二步。進(jìn)一步，所述的(6)中的圖像算法處理為基于混沌變異量子粒子群優(yōu)化進(jìn)行圖像 算法處理，并計(jì)算配件參量，具體為(6a)對實(shí)時(shí)拍攝汽車配件的圖像進(jìn)行灰度化操作；(6b)對圖像進(jìn)行3*3均值濾波；(6c)利用4(c)確定的最優(yōu)閾值對灰度圖像進(jìn)行二值化處理；(6d)利用4 (e)確定的最優(yōu)Sobel算子進(jìn)行邊緣檢測；(6e)基于標(biāo)準(zhǔn)零件定位，進(jìn)行零件參量計(jì)算?！N基于機(jī)器視覺的汽車配件尺寸在線自動(dòng)檢測裝置，具有位于汽車配件生產(chǎn)線 上方的攝像機(jī)、連接在攝像機(jī)上的計(jì)算機(jī)，計(jì)算機(jī)上連接有具有不合格產(chǎn)品進(jìn)行報(bào)警的報(bào) 警裝置，攝像機(jī)上連接有安裝在汽車配件生產(chǎn)線上控制攝像機(jī)的光電開關(guān)和位于汽車配件 生產(chǎn)線上方與光電開關(guān)配套使用的的光源。當(dāng)有汽車配件經(jīng)過時(shí)，由于感應(yīng)裝置的感應(yīng)控 制攝像機(jī)進(jìn)行拍攝，然后將拍攝的圖像傳于計(jì)算機(jī)進(jìn)行計(jì)算，合格則通過，不合格啟動(dòng)報(bào)警 裝置進(jìn)行處理。本發(fā)明的有益效果是本發(fā)明的基于機(jī)器視覺的汽車配件尺寸在線自動(dòng)檢測方法 及裝置，采用機(jī)器視覺系統(tǒng)對汽車配件進(jìn)行在線檢測，取代人工抽檢，如有次品出現(xiàn)，則通 過人機(jī)界面在計(jì)算機(jī)中提示，并進(jìn)行報(bào)警，操作工據(jù)此進(jìn)行次品處理，大大降低工人的檢測 勞動(dòng)強(qiáng)度；提高了生產(chǎn)效率和產(chǎn)品合格率。本發(fā)明可根據(jù)用戶要求設(shè)置所述檢測參量的精 度范圍，既能達(dá)到用戶要求，又能有效提高檢測速度。另外，為克服經(jīng)典圖像處理技術(shù)存在 的缺點(diǎn)，本發(fā)明提出了基于粒子群優(yōu)化算法進(jìn)行圖像處理的方法，針對粒子群優(yōu)化算法存 在易早熟、局部搜索能力較差等缺點(diǎn)。本發(fā)明提出了基于混沌變異的量子粒子群優(yōu)化(簡 稱CMQPS0)算法進(jìn)行圖像邊緣檢測的方法，該方法將量子門變異技術(shù)融入到量子粒子群優(yōu) 化算法當(dāng)中，利用量子非門實(shí)現(xiàn)粒子搜索方向的變異以避免早熟收斂。并在此基礎(chǔ)上，將混 沌搜索融入該改進(jìn)算法，利用混沌搜索的隨機(jī)性、遍歷性來提高算法在局部區(qū)域的細(xì)搜能 力，實(shí)現(xiàn)精密計(jì)算。這些技術(shù)，大大提高了測量的精度。


下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步說明。圖1是自動(dòng)檢測裝置的結(jié)構(gòu)示意圖；圖2是汽車配件的一個(gè)結(jié)構(gòu)示意圖；圖3是圖2待測參量示意圖；圖4是自動(dòng)檢測工藝步驟圖5是標(biāo)準(zhǔn)汽車配件圖像處理算法流程圖；圖6是待測汽車配件圖像處理算法流程圖。圖中1、汽車配件生產(chǎn)線，2、攝像機(jī)，3、計(jì)算機(jī)，4、報(bào)警裝置，51、光電開關(guān)，52、光 源，6、汽車配件。
具體實(shí)施例方式現(xiàn)在結(jié)合附圖和優(yōu)選實(shí)施例對本發(fā)明作進(jìn)一步的說明。這些附圖均為簡化的示意 圖，僅以示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。如圖1所示一種基于機(jī)器視覺的汽車配件尺寸在線自動(dòng)檢測裝置，具有位于汽車 配件生產(chǎn)線1上方的攝像機(jī)2、連接在攝像機(jī)2上的計(jì)算機(jī)3，計(jì)算機(jī)3上連接有具有不合 格產(chǎn)品進(jìn)行報(bào)警的報(bào)警裝置4，攝像機(jī)2上連接有安裝在汽車配件生產(chǎn)線1上控制攝像機(jī)2 的光電開關(guān)51和位于汽車配件生產(chǎn)線1上方與光電開關(guān)51配套使用的的光源52。圖2是汽車配件的一個(gè)結(jié)構(gòu)示意圖；圖3是圖2待測參量示意圖；圖4是自動(dòng)檢測 工藝步驟圖；圖5是標(biāo)準(zhǔn)汽車配件圖像處理算法流程圖；圖6是待測汽車配件圖像處理算 法流程圖。具體實(shí)施過程為1.將北京大恒圖像設(shè)備公司的型號為DH-HV1303UC的彩色攝像機(jī)2，固定在汽車 配件自動(dòng)化流水線正上方1. 6m處，攝像機(jī)2使用日本Computer M0814-MP鏡頭，光圈調(diào)到 最大值，增益(其決定圖像的反差效果)調(diào)為8 ；觸發(fā)模式選1 (外觸發(fā))，采用白色30W大 功率LED面光源52，正上方照射，以便能比較穩(wěn)定地拍攝到清晰的汽車配件圖像，并顯示在 計(jì)算機(jī)3屏幕上。2.對每個(gè)標(biāo)準(zhǔn)圖像設(shè)置檢測點(diǎn)位置并設(shè)定標(biāo)準(zhǔn)尺寸，按客戶要求設(shè)置汽車各配件 的精度要求，如配件的長度、寬度、圓的半徑的相對誤差均應(yīng)該小于等于0. 25%等，如超出 要求精度，則判定為不合格產(chǎn)品或次品。3.采用擴(kuò)散反射型的歐姆龍光電開關(guān)51，型號為E3JK-DS30M。由光電開關(guān)51啟 動(dòng)外部觸發(fā)與控制信號，啟動(dòng)攝相機(jī)拍攝自動(dòng)化流水線上運(yùn)行的汽車配件圖像6，由操作 人員選擇標(biāo)準(zhǔn)產(chǎn)品的清晰完整的汽車配件圖像作為標(biāo)準(zhǔn)圖像，對標(biāo)準(zhǔn)圖像進(jìn)行圖像算法處 理，提取圖像邊緣，計(jì)算汽車配件參量；每個(gè)汽車配件均存貯一幅標(biāo)準(zhǔn)圖像模板于計(jì)算機(jī)3 中。對標(biāo)準(zhǔn)圖像進(jìn)行圖像算法處理的步驟如下(3a)對實(shí)時(shí)拍攝汽車配件的圖像進(jìn)行灰度化操作；(3b)對圖像進(jìn)行3*3均值濾波；(3c)利用混沌變異量子粒子群優(yōu)化算法自適應(yīng)搜索最優(yōu)閾值，并以此作為邊緣檢 測算子的門限值；(3d)對灰度圖像進(jìn)行二值化處理；(3e)基于混沌變異量子粒子群優(yōu)化算法設(shè)計(jì)最優(yōu)Sobel算子模板設(shè)計(jì)；(3f)基于最優(yōu)Sobel算子進(jìn)行邊緣檢測；(3g)零件參量計(jì)算；(3h)最優(yōu)閾值和Sobel算子保存。其中(3c)參照(3e)的算法，Sobel算子模板具有如下的運(yùn)算形式βe{n) = Yjw]{n)x]{n)
“=1 (1)其中，e(n)代表了邊緣特征，Wj代表了模板的不同權(quán)重，Xj代表了圖像的灰度值。 這樣，圖像的邊緣檢測問題可以轉(zhuǎn)化為邊緣檢測濾波器系數(shù)\的尋優(yōu)問題。可總結(jié)基于混 沌變異量子粒子群優(yōu)化算法進(jìn)行最優(yōu)Sobel算子設(shè)計(jì)的主要步驟如下 初始化邊緣模板系數(shù)，在允許的范圍W，255]內(nèi)隨即設(shè)置初始化粒子群； 用模板對標(biāo)準(zhǔn)測試圖像進(jìn)行檢測，并與理想邊緣比較，根據(jù)式(1)確定適用值； 根據(jù)要求，大部分粒子按量子粒子群算法更新粒子的位置和速度；部分粒子按 量子非門進(jìn)行變異更新； 確定全局最優(yōu)粒子和個(gè)體最優(yōu)粒子，對全局最優(yōu)粒子進(jìn)行混沌搜索。檢查終止條件，輸出最佳模板系數(shù)，算法結(jié)束，否則回到第二步。4.由光電開關(guān)51啟動(dòng)外部觸發(fā)信號控制所述拍攝相機(jī)，實(shí)時(shí)拍攝自動(dòng)化流水線 上在線運(yùn)行汽車配件的圖像，并按下述步驟對實(shí)時(shí)拍攝的圖像進(jìn)行處理(4a)對實(shí)時(shí)拍攝汽車配件的圖像進(jìn)行灰度化操作；(4b)對圖像進(jìn)行3*3均值濾波；(4c)利用3 (C)確定的最優(yōu)閾值對灰度圖像進(jìn)行二值化處理；(4d)利用3 (e)確定的最優(yōu)Sobel算子進(jìn)行邊緣檢測；(4e)基于標(biāo)準(zhǔn)零件定位，進(jìn)行零件參量計(jì)算。5.如有檢測參量超出設(shè)定參量精度范圍之外，則由計(jì)算機(jī)3啟動(dòng)報(bào)警裝置4，計(jì)算 機(jī)通過人機(jī)交互界面進(jìn)行提示，提示操作人員進(jìn)行汽車配件次品處理，轉(zhuǎn)第4步繼續(xù)拍攝， 否則直接轉(zhuǎn)第4步繼續(xù)拍攝。判斷產(chǎn)品尺寸是否在合格范圍內(nèi)，如合格精度要求是0.25%，則當(dāng)配件的長、寬、 和配件中的圓半徑相對誤差均小于0. 25%時(shí)，作為合格產(chǎn)品送入下一工序裝配；若任一尺 寸超出范圍，則通過報(bào)警裝置的聲光電報(bào)警，提示操作人員將其作為不合格產(chǎn)品直接剔除。上述實(shí)施例只為說明本發(fā)明的技術(shù)構(gòu)思及特點(diǎn)，其目的在于讓熟悉此項(xiàng)技術(shù)的人 士能夠了解本發(fā)明的內(nèi)容并加以實(shí)施，并不能以此限制本發(fā)明的保護(hù)范圍，凡根據(jù)本發(fā)明 精神實(shí)質(zhì)所作的等效變化或修飾，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍內(nèi)。
權(quán)利要求
1.一種基于機(jī)器視覺的汽車配件尺寸在線自動(dòng)檢測方法，其特征在于其方法為(1)利用工業(yè)攝像機(jī)以及由外部觸發(fā)信號控制所述攝像機(jī)拍攝在線運(yùn)行汽車配件圖像 傳至計(jì)算機(jī)；(2)根據(jù)對汽車配件尺寸的精度要求，設(shè)置拍攝清晰汽車配件圖像的攝像機(jī)參數(shù)；(3)設(shè)置待檢測汽車配件標(biāo)準(zhǔn)尺寸，根據(jù)要求設(shè)置檢測參量的精度；(4)選擇清晰完整的標(biāo)準(zhǔn)汽車配件圖像作為標(biāo)準(zhǔn)圖像進(jìn)行圖像算法處理，提取圖像邊 緣，計(jì)算汽車配件參量；圖像模板存貯于計(jì)算機(jī)，每個(gè)汽車配件存貯一幅標(biāo)準(zhǔn)圖像模板；(5)由外部觸發(fā)信號控制攝像機(jī)，實(shí)時(shí)拍攝自動(dòng)化流水線上汽車配件的圖像，并將拍攝 的圖像傳輸至計(jì)算機(jī)供檢測；(6)計(jì)算機(jī)對接收到的實(shí)時(shí)拍攝的汽車配件圖像進(jìn)行圖像算法處理，提取圖像邊緣，計(jì) 算汽車配件參量；(7)通過計(jì)算所得汽車配件參量與(3)中設(shè)置的汽車配件標(biāo)準(zhǔn)尺寸比較，根據(jù)設(shè)置的 檢測參量精度，在檢測參量精度范圍之內(nèi)的為合格產(chǎn)品，在檢測參量精度范圍之外的為次 品，由計(jì)算機(jī)提示進(jìn)行次品處理。
2.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的汽車配件尺寸在線自動(dòng)檢測方法，其特征在 于所述的中的圖像算法處理為基于混沌變異量子粒子群優(yōu)化進(jìn)行圖像算法處理，并 計(jì)算配件參量，具體為(4a)對實(shí)時(shí)拍攝的汽車配件圖像進(jìn)行灰度化操作； (4b)對圖像進(jìn)行3*3均值濾波；(4c)利用混沌變異量子粒子群優(yōu)化算法自適應(yīng)搜索閾值，并以此作為邊緣檢測算子的 門限值；(4d)對灰度圖像進(jìn)行二次化處理；(4e)基于混沌變異量子粒子群優(yōu)化算法設(shè)計(jì)Sobel算子模板設(shè)計(jì)；(4f)基于Sobel算子進(jìn)行邊緣檢測；(4g)零件參量計(jì)算；(4h)最優(yōu)閾值和Sobel算子保存。其中Ge)參照Ge)的算法，Sobel算子模板具有如下的運(yùn)算形式 式(1)中e(n)代表了邊緣特征，％代表了模板的不同權(quán)重，\代表了圖像的灰度值。 圖像的邊緣檢測問題可以轉(zhuǎn)化為邊緣檢測濾波器系數(shù)\的尋優(yōu)問題，基于混沌變異量子粒 子群優(yōu)化算法進(jìn)行最優(yōu)Sobel算子設(shè)計(jì)的主要步驟如下 初始化邊緣模板系數(shù)，在允許的范圍W，255]內(nèi)隨即設(shè)置初始化粒子群； 用模板對標(biāo)準(zhǔn)測試圖像進(jìn)行檢測，并與理想邊緣比較，根據(jù)式(1)確定適用值； 眷根據(jù)要求，大部分粒子按量子粒子群算法更新粒子的位置和速度；部分粒子按量子 非門進(jìn)行變異更新； 確定全局最優(yōu)粒子和個(gè)體最優(yōu)粒子，對全局最優(yōu)粒子進(jìn)行混沌搜索。
檢查終止條件，輸出最佳模板系數(shù)，算法結(jié)束，否則回到第二步。
3.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺的汽車配件尺寸在線自動(dòng)檢測方法，其特征在于所述的(6)中的圖像算法處理為基于混沌變異量子粒子群優(yōu)化進(jìn)行圖像算法處理，具 體為(6a)對實(shí)時(shí)拍攝汽車配件的圖像進(jìn)行灰度化操作； (6b)對圖像進(jìn)行3*3均值濾波；(6c)利用4(c)確定的最優(yōu)閾值對灰度圖像進(jìn)行二值化處理； (6d)利用4(e)確定的最優(yōu)Sobel算子進(jìn)行邊緣檢測； (6e)基于標(biāo)準(zhǔn)零件定位，進(jìn)行零件參量計(jì)算
4. 一種用于權(quán)利要求1方法的檢測裝置，其特征在于具有位于汽車配件生產(chǎn)線(1) 上方的攝像機(jī)O)、連接在攝像機(jī)( 上的計(jì)算機(jī)(3)，計(jì)算機(jī)C3)上連接有具有不合格產(chǎn) 品進(jìn)行報(bào)警的報(bào)警裝置，攝像機(jī)( 上連接有安裝在汽車配件生產(chǎn)線(1)上控制攝像機(jī) (2)的光電開關(guān)(51)和位于汽車配件生產(chǎn)線(1)上方與光電開關(guān)(51)配套使用的的光源 (52)。
全文摘要
本發(fā)明涉及利用機(jī)器視覺和圖像處理技術(shù)進(jìn)行在線檢測的技術(shù)領(lǐng)域，一種基于機(jī)器視覺的汽車配件尺寸在線自動(dòng)檢測方法及裝置，為解決人工在線檢測汽車配件尺寸勞動(dòng)強(qiáng)度大及檢測質(zhì)量差的問題，利用工業(yè)相機(jī)對在自動(dòng)化流水線運(yùn)行的汽車配件拍攝的清晰完整的、無瑕疵的標(biāo)準(zhǔn)汽車配件圖像作為標(biāo)準(zhǔn)圖像模板存貯于計(jì)算機(jī)，根據(jù)用戶要求設(shè)置汽車配件檢測參量的精度范圍，利用工業(yè)相機(jī)將實(shí)時(shí)拍攝的在線運(yùn)行的汽車配件圖像傳輸至計(jì)算機(jī)與標(biāo)準(zhǔn)圖像模板進(jìn)行對比處理，并計(jì)算配件尺寸，如配件精度低于設(shè)定要求，則由計(jì)算機(jī)啟動(dòng)報(bào)警，提示操作人員對次品進(jìn)行處理，對汽車配件尺寸檢測精度高、速度快，大大降低人工檢測的勞動(dòng)強(qiáng)度。
文檔編號G06N3/00GK102116610SQ20101056502
公開日2011年7月6日 申請日期2010年11月29日 優(yōu)先權(quán)日2010年11月29日
發(fā)明者沈繼冬, 石建新, 薛云燦 申請人:常州科達(dá)汽車配件有限公司, 科達(dá)斯特恩(常州)汽車塑件系統(tǒng)有限公司