[发明专利]一种水泵叶轮叶片视觉识别方法有效

专利信息
申请号: 201911399429.1 申请日: 2019-12-30
公开(公告)号: CN111242894B 公开(公告)日: 2022-12-16
发明(设计)人: 徐昌军;于福才;陈健;高云峰;曹雏清 申请(专利权)人: 芜湖哈特机器人产业技术研究院有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/13;G06T7/60;G06T7/62
代理公司: 安徽省蚌埠博源专利商标事务所(普通合伙) 34113 代理人: 杨晋弘
地址: 241007 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 水泵 叶轮 叶片 视觉 识别 方法
【说明书】:

发明公开一种水泵叶轮叶片视觉识别方法,包括以下步骤:S1、采集水泵叶轮卡盘水平面的原图像;S2、将采集的原图像转换为灰度图像;S3、在原图像中截取矩形图像区域,获取卡盘圆心位置;S4、创建一个与原图像大小相同、灰度值为0的CV_8UC1图像矩阵;将卡盘圆心位置坐标通过坐标转换到所述图像矩阵中,获取掩膜模板,对原图像通过掩膜模板处理得到分割图像;S5、对分割图像二值化、形态学处理,然后检索轮廓,得到最终轮廓;S6、在原图像中绘制步骤S5得到的最终轮廓,根据最终轮廓判断卡盘内是否插入叶轮叶片;本方法自动地对叶轮叶片进行识别,避免人为因素,便于后续的冲压点焊作业。

技术领域

本发明涉及水泵制造技术领域,具体是一种水泵叶轮叶片视觉识别方法。

背景技术

在泵体制造业中,叶轮是泵体的核心部件。水泵叶轮用铸铁制成。水泵叶轮上的叶片又起主要作用。在实际生产中,一般人工操作将泵体叶轮叶片放置在生产线卡盘工装叶片槽内,确保槽内都放置好叶片后进行相应的冲压点焊作业。卡盘工装叶片槽内是否都放置叶片一般依靠人眼目测检查,效率低且容易出错造成大量的不合格品,造成材料浪费和效益上的受损。

发明内容

本发明的目的在于提供一种水泵叶轮叶片视觉识别方法,该方法能够自动地对叶轮叶片进行识别,避免人为因素,便于后续的冲压点焊作业。

本发明解决其技术问题所采用的技术方案是:

一种水泵叶轮叶片视觉识别方法,包括以下步骤:

S1、利用工业相机采集水泵叶轮卡盘水平面的原图像;

S2、将采集的原图像转换为灰度图像;

S3、在原图像中截取矩形图像区域,矩形图像区域含有卡盘中心圆,并检索卡盘中心圆轮廓;

S4、创建一个与原图像大小相同、灰度值为0的CV_8UC1图像矩阵,并转换卡盘圆心位置坐标得到掩膜模板,对原图像通过掩膜模板处理得到分割图像;

S5、遍历筛选轮廓,再对对筛选后的轮廓集合进行最小矩形包围,得到每个轮廓包围矩形的参数;

S6、在原图像中绘制步骤S5得到的最终轮廓,根据最终轮廓判断卡盘内是否插入叶轮叶片。

进一步的,步骤S3检索卡盘中心圆轮廓时,对矩形图像区域进行二值化、形态学处理,然后检索轮廓,根据轮廓大小阈值法筛选得到矩形图像区域的卡盘中心最外圆的轮廓信息,再对得到的轮廓信息进行最小外围圆处理,得到最小外围圆的圆心坐标即卡盘圆心位置。

进一步的,步骤S4转换卡盘圆心位置坐标时,将卡盘圆心位置坐标通过坐标转换到所述图像矩阵中;以卡盘圆心坐标为中心,r1为半径画圆,以圆心坐标为seed点进行填充色为白色的泛洪算法处理;以卡盘圆心坐标为中心,r2为半径画圆,以圆心坐标为seed点进行填充色为黑色的泛洪算法处理,得到掩膜模板,r1>r2;

进一步的,步骤S5执行时对分割图像二值化、形态学处理,然后检索轮廓,并遍历所有轮廓;根据轮廓大小阈值法筛选剔除干扰轮廓。

进一步的,步骤S5执行时对筛选后的轮廓集合进行最小矩形包围,得到每个轮廓包围矩形的参数。

进一步的,步骤S5执行时根据最小包围矩形的长宽比阈值与面积阈值对轮廓进行再次筛选,得到最终轮廓。

本发明的有益效果是,通过本方法能够通过采集卡盘的图像,并对图像进行一系列的识别与处理,最终判断出卡盘内是否插入叶轮叶片,本方法自动地对叶轮叶片进行识别,避免人为因素,便于后续的冲压点焊作业。

附图说明

下面结合附图和实施例对本发明进一步说明:

图1是本发明的流程示意图;

图2是本发明步骤S1的示意图;

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芜湖哈特机器人产业技术研究院有限公司,未经芜湖哈特机器人产业技术研究院有限公司许可,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/201911399429.1/2.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