[发明专利]一种应用于智能制造车间的故障在线检测系统及检测方法在审

专利信息
申请号: 201811651018.2 申请日: 2018-12-31
公开(公告)号: CN109840900A 公开(公告)日: 2019-06-04
发明(设计)人: 沈治;朱丽霞 申请(专利权)人: 常州轻工职业技术学院
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/13;G06T7/62;G06T7/70;G06T5/00
代理公司: 常州市权航专利代理有限公司 32280 代理人: 蒋鸣娜
地址: 213100 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 智能制造 制造 故障在线检测 制造信息 车间 神经网络构建 神经网络模型 实时图像采集 图像处理技术 维修数据库 标准样本 参考信息 产品制造 车间制造 缺陷识别 缺陷图像 缺陷预测 图像采集 维修策略 训练学习 制造过程 自动执行 图像库 应用 分析 分类 检测
【权利要求书】:

1.一种故障在线检测系统,其特征在于,包括工件检测平台、图像采集单元、图像处理单元、特征向量提取单元、深度神经网络单元以及计算机控制单元,其中,

所述工件检测平台包括检测工位,所述图像采集单元内的面阵相机采集检测工位上工件检测平台的图像,并发送至图像处理单元;

所述图像处理单元对接收到的图像进行分辨率扫描,获得当前检测工位的敏感区域图像,且对敏感区域图像进行去噪,再将去噪后的敏感区域图像发送至特征向量提取单元;

特征向量提取单元对敏感区域图像进行边缘检测,形成目标区域,并分别通过公式(1)至(3)计算获得目标区域的边缘面积、边缘形状因子以及目标区域平均半径,再加上前3维的Hu不变矩,构成具有四个特征变量的敏感区域的特征向量,以反映当前工件检测平台的工件质量信息,特征向量作为输入层发送至深度神经网络单元;

上式中,参数M和N为目标区域的边缘点个数,其中t(x,y)为各边缘点的灰度值;参数L为目标区域的周长,可采用图像处理技术中的链码法进行计算获得,参考K为目标区域边界上的边缘点个数,(xk,yk)表示位于目标区域边界上的像素坐标,表示目标区域的质心坐标,可通过如下公式进行计算:

其中,参数A表示敏感区域的面积,且适于在图像处理中识别到敏感区域时获得其大小;

深度神经网络单元基于神经网络算法构建制造缺陷预测模型,对工件检测平台的图像特征向量进行训练、学习与分类,识别当前工件检测平台上的待测工件的制造缺陷类型,并将分类结果反馈给计算机控制单元。

2.根据权利要求1所述的故障在线检测系统,其特征在于,

所述工件检测平台还包括接近开关、智能定位与放行机构,在检测工位的一侧设置有沿着柔性生产线连续布置的背景标板,背景标板上设置有多个对应当前检测工位的标记点,检测工位的另一侧设置有LED面光源矩阵,该LED面光源矩阵与计算机控制单元通信连接,背景标板与LED面光源矩阵共同构成背光照明环境;以及

所述工件检测平台的接近开关、智能定位与放行机构均与计算机控制单元通信连接,其中所述智能定位与放行机构接收计算机控制单元的控制指令,带动待测工件在检测工位上运动使其到达预设的检测位置并接近面阵相机的拍摄视野中心,触发接近开关并发送触发信号至所述计算机控制单元,由所述计算机控制单元启动所述图像采集单元进行图像采集。

3.根据权利要求1所述的故障在线检测系统,其特征在于,

所述图像采集单元包括与面阵相机依次通信连接的第一光电转换元件、光纤滑环、第二光电转换元件,其中面阵相机的感光镜头轴线与检测工位流转方向垂直设置,面阵相机采集的图像经过光电转换后,由第二光电转换元件将图像的电信号发送至图像处理单元;

所述图像采集单元的第一光电转换元件和第二光电转换元件均设置有相同数量的输入端和多个输出端,所述光纤滑环的数量与之对应,所述第一光电转换元件的每一个输入端分别与所述面阵相机连接,所述第一光电转换元件的每一个输出端分别通过一个光纤滑环与所述第二光电转换元件的输入端连接,所述第二光电转换元件的每一个输出端均与所述图像处理单元连接。

4.根据权利要求1所述的故障在线检测系统,其特征在于,

所述图像处理单元自动定位出图像上的多个标记点的中心位置,确定出所述背景标板与水平方向的夹角,从而计算出所述面阵相机与所述背景标板之间的偏转角度,所述图像处理单元控制该图像沿着所述偏转角度进行分辨率扫描,从而完成对当前检测工位的敏感区域的识别。

5.根据权利要求1所述的故障在线检测系统,其特征在于,

所述计算机控制单元包括PLC控制器,并与工件检测平台、图像采集单元和深度神经网络单元分别通信连接,所述计算机控制单元接收到工件检测平台的制造缺陷信息后,自动生成维修策略,并发出工作指令给PLC控制器,由PLC控制器执行具体的维修操作。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于常州轻工职业技术学院,未经常州轻工职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811651018.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top