[发明专利]一种基于TegraK1的模具智能检测方法

摘要

一种基于Tegra K1的模具智能检测方法，包括如下步骤A、在注塑成型后对模腔进行异常检测，过程如下A1确认注塑机安全门是否关闭，等待注塑机开模到位信号；A2使用红外相机对产品成型后的模腔拍摄图像，与基准图像对比判断是否存在图像偏移，若存在则进行位置补偿；A3将拍摄到的图像与当前场景下的背景模型进行比较，判断是否存在异常情况；若正常，则使能允许顶针的I/O信号，并更新背景模型；若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域；B、在动模落料后对模腔进行异常检测。本发明提供了一种提升运算效率、提高准确性的基于Tegra K1的模具智能检测方法。

主权项

一种基于Tegra K1的模具智能检测方法，其特征在于：所述检测方法包括如下步骤：A、在注塑成型后对模腔进行异常检测，过程如下：A1:确认注塑机安全门是否关闭，等待注塑机开模到位信号；A2:使用红外相机对产品成型后的模腔拍摄图像，与基准图像对比判断是否存在图像偏移，若存在则进行位置补偿；A3:将拍摄到的图像与当前场景下的背景模型进行比较，判断是否存在异常情况；若正常，则使能允许顶针的I/O信号，并更新背景模型；若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域；B、在动模落料后对模腔进行异常检测，过程如下：B1:确认注塑机安全门是否关闭，等待注塑机顶针完成信号；B2:使用红外相机对产品落料的模腔拍摄图像，与基准图像对比判断是否存在图像偏移，若存在则进行位置补偿；B3:将拍摄到的图像与当前场景下的背景模型进行比较，判断是否存在异常情况；若正常，则使能允许合模I/O信号，并更新背景模型；若异常，则禁止使能该I/O信号，且在液晶屏上圈出异常区域；所述步骤A3和B3中，判断是否存在异常情况的过程如下：首先，对背景图像进行采集，然后对背景图像进行处理，包括滤波和均衡化，然后将处理好的背景图像保存为Buffer1；第二步，对当前图像进行采集也进行滤波和均衡化，保存为Buffer2；第三步，将背景图像与当前图像进行差分，接着由差分结果判断模具表面是否正常，即是否有异物存在；如果正常则经过背景维护算法之后返回第二步继续执行；否则进入第四步；第四步，低通滤波；第五步，采用基于Otsu的二值化算法对得到的差分图像进行二值化；然后由二值化得到的图像判断模具表面是否正常，若正常则经背景维护算法之后返回第二步继续执行；若不正常则进入第六步；第六步，对得到的二值化图像进行腐蚀和膨胀操作来排除一些干扰点；最后，对经上述步骤处理的图像进行空穴检测，以此为据判断模具表面能是否正常，若正常则经过背景维护算法之后返回第二步继续执行，若不正常则将异常区域根据LBP特征异常检测算法再次进行检验若正常则经过背景维护算法之后返回第二步继续执行，若不正常则认定模具表面存在异物。