[发明专利]一种模具检测、保护及零件检测、摘取的方法

权利要求书

1.一种模具检测、保护及零件检测、摘取的方法，其特征是包括任务设定步骤和依次执行检测任务的执行步骤，在任务设定步骤，先选择模具、工件要进行表面检测的部分，以及要进行检测的关键形位尺寸，将每个检测内容加入任务列表，然后规划检测任务，设定任务列表中任务的顺序，顺序设定后，机械手（1）预演每项任务，确定检测内容的最佳观测位置和角度，同时存储任务参数，预演时，先计算此项检测任务的最佳观测位置，然后驱动机械手（1）到达目标位置，再旋转相机（2）到达最佳观测角度，相机（2）调焦、成像，存储图像为训练图像，在训练图像中设定表面检测的参数和形位尺寸的位置、种类、允许误差范围、超限处理方法和特征定位方法，任务设定后，将任务列表、任务的各种参数编入程序，下载到机械手（1）和相机（2）的控制器中，控制相机（2）、机械手（1）动作流程并执行任务；在执行检测任务步骤中，对任务列表中的每个任务，机械手（1）先到达任务位置后，按预设旋转角度和预设焦距让相机（2）成像，作为工况图像，在训练图像的对比下进行表面质量分析与形位尺寸测量，并按检测结果对工件分类，然后分拣工件、汇报模具状态。

2.根据权利要求1所述的模具检测、保护及零件检测、摘取的方法，其特征是所述检测表面质量包括斑点类缺陷和广义线状缺陷，所述斑点类缺陷检测步骤为先训练后检测；在训练阶段，对缺陷样本在RGB 彩色空间用K-均值法进行聚类，进行充分分割以降低或消除分割误差，然后，将这些聚类结果变换到CIE-Luv归一化的彩色空间进行合并，即将小的聚类合并为大的聚类，这样对样本完成了与人类感知相一致的区域分割，每种彩色图像被分为一系列二值图象，对每个区域计算其结构特征；在检测阶段，对测试图像的象素在已经定义的种类空间中用最近邻域规则进行分类，无法归类的象素就被认为有缺陷象素；而已经归类的象素又形成一系列的二值图象，对每个区域计算结构特征，再用Mahalanobis 距离测试检测出斑点类缺陷。

3.根据权利要求1或2所述的模具检测、保护及零件检测、摘取的方法，其特征是所述广义线状缺陷检测先对图像进行最大值滤波，清除图像中的暗线，然后再进行最小值滤波，进行补偿，得到第一结果图像A；再对图像进行最小值滤波，清除图像中的亮线，再最大值滤波进行补偿作用，保存第二结果图像B；将第一结果图像A和第二结果图像B差值图像中分析缺陷区域，并采用多分类支持向量机识别缺陷。

4.根据权利要求1或2所述的模具检测、保护及零件检测、摘取的方法，其特征是所述形位尺寸检测先对图像进行二值化，然后用Harris算法提取角点特征，再用随机Hough变换法检测直线和圆，然后根据直线和圆的性质选择最小点集，采用最小二乘法进一步拟合得到精确的直线和圆参数，由训练图像中已知参数的直线和圆，计算出工况图像工件的尺寸数值。

5.根据权利要求3所述的模具检测、保护及零件检测、摘取的方法，其特征是所述形位尺寸检测先对图像进行二值化，然后用Harris算法提取角点特征，再用随机Hough变换法检测直线和圆，然后根据直线和圆的性质选择最小点集，采用最小二乘法进一步拟合得到精确的直线和圆参数，由训练图像中已知参数的直线和圆，计算出工况图像工件的尺寸数值。