一种基于机器视觉的装配在线检测平台的制作方法

本发明涉及图像数据处理，尤其涉及一种基于机器视觉的装配在线检测平台。

背景技术：

1、装配在线检测技术作为一种先进的质量控制手段，应用于现代化制造环境中，旨在实时监测装配过程，确保产品符合规定的质量和性能标准。该技术利用机器视觉、传感器网络、物联网（iot）等技术手段，对装配线上的零部件组装、焊接、紧固等操作进行实时数据采集、分析与反馈，及时发现并纠正装配过程中的异常，防止不良品产生，提升整体生产效率与产品质量。

2、当前主流的装配在线检测平台普遍采用基于大数据建模训练的方法。这类平台收集海量历史装配数据，包括图像、传感器读数、工艺参数等多元信息，通过深度学习、机器学习等先进算法构建复杂的预测模型。这些模型经过训练后，能够对实时采集的装配数据进行高效分析，识别出潜在的装配缺陷、工艺偏差或设备故障，为实时决策和质量控制提供数据支持。

3、然而，这种依赖深度学习等算法对大量历史数据进行训练的方法导致了高昂的数据采集成本、模型泛化能力局限、对大量计算资源的需求以及实时性受限等问题，成为装配检测技术进一步发展与广泛应用的关键瓶颈。

技术实现思路

1、为了解决上述提出的至少一个技术问题，本发明提供一种基于机器视觉的装配在线检测平台，以解决目前检测流程需要大量数据训练复杂模型导致成本高实时性受限的问题。

2、提供了一种基于机器视觉的装配在线检测平台，包括：多个图像采集模块、差异图像定位模块、差异图像分割模块和零部件图像比对模块；

3、图像采集模块，用于获取每个装配步骤完成后装配件的第一俯视装配件图像和第一正视装配件图像，以及获取每个装配步骤对应装配零部件的第一俯视零部件图像和第一正视零部件图像；

4、差异图像定位模块，用于对当前装配步骤和前一装配步骤的第一俯视装配件图像进行第一像素差异比对处理，得到俯视差异区域图像，以及对当前装配步骤和前一装配步骤的第一正视装配件图像进行第二像素差异比对处理，得到正视差异区域图像；

5、差异图像分割模块，用于依据俯视差异区域图像，在第一俯视装配件图像中分割出当前装配步骤涉及零部件的第二俯视零部件图像，以及依据正视差异区域图像，在第一正视装配件图像中分割出当前装配步骤涉及零部件的第二正视零部件图像；

6、图像分析模块，用于比对第一俯视零部件图像与第二俯视零部件图像，得出错漏装数据，以及比对第一正视零部件图像与第二正视零部件图像，得到装配偏差数据。

7、优选地，对当前装配步骤和前一装配步骤的第一俯视装配件图像进行第一像素差异比对处理，得到俯视差异区域图像，以及对当前装配步骤和前一装配步骤的第一正视装配件图像进行第二像素差异比对处理，得到正视差异区域图像，包括：

8、将当前装配步骤与前一装配步骤的第一俯视装配件图像进行逐像素减法运算，得到第一像素差值数据；

9、将第一像素差值数据中绝对值大于预设的第一阈值的像素点的数值置为1，剩余像素点的数值置为0，构建俯视差异区域图像；

10、将当前装配步骤与前一装配步骤的第一正视装配件图像进行逐像素减法运算，得到第二像素差值数据；

11、将第二像素差值数据中绝对值大于预设的第二阈值的像素点的数值置为1，剩余像素点的数值置为0，构建正视差异区域图像。

12、优选地，依据俯视差异区域图像，在第一俯视装配件图像中分割出当前装配步骤涉及零部件的第二俯视零部件图像，以及依据正视差异区域图像，在第一正视装配件图像中分割出当前装配步骤涉及零部件的第二正视零部件图像，包括：

13、将俯视差异区域图像与第一俯视装配件图像逐像素乘法运算，得到第二俯视零部件图像；

14、将正视差异区域图像与第一正视装配件图像逐像素乘法运算，得到第二正视零部件图像。

15、优选地，平台还包括：

16、颜色量化模块，用于对第一俯视零部件图像、第二俯视零部件图像、第一正视零部件图像和第二正视零部件图像进行类颜色量化，其中为正整数且。

17、优选地，比对第一俯视零部件图像与第二俯视零部件图像，得出错漏装数据，包括：

18、分别对第一俯视零部件图像和第二俯视零部件图像进行直方图统计处理，得到第一颜色统计数据和第二颜色统计数据；

19、计算第一颜色统计数据与第二颜色统计数据逐类颜色的数量之差，若存在任一类颜色的数量之差大于预设的第三阈值，确定当前检测零件存在错漏装情况并生成错漏装数据。

20、优选地，比对第一正视零部件图像与第二正视零部件图像，得到装配偏差数据，包括：

21、计算第一正视零部件图像与第二正视零部件图像在零部件装配方向上的欧氏距离之差，得到装配偏差距离；

22、当装配偏差距离大于预设的第四阈值时，确定当前检测零件存在安装偏差情况并生成装配偏差数据。

23、优选地，确定当前检测零件存在安装偏差情况并生成装配偏差数据之后，还包括：

24、基于装配偏差距离，向自动化装配设备发送修正指令以进行偏差修正处理。

25、优选地，差异图像定位模块还包括：

26、位置校准单元，用于对当前装配步骤和前一装配步骤的第一俯视装配件图像进行位置校准处理，以及对当前装配步骤和前一装配步骤的第一正视装配件图像进行位置校准处理。

27、优选地，平台还包括：

28、错误标识显示模块，用于在检测到错漏装数据时，在当前装配步骤的第一俯视装配件图像中标注出与第二俯视零部件图像的尺寸相匹配的标记框，以及在检测到装配偏差数据时，在当前装配步骤的第一正视装配件图像中标注出与第二正视零部件图像的尺寸相匹配的标记框。

29、优选地，颜色量化模块采用k-means聚类算法实现类颜色量化。

30、本发明的有益效果在于：

31、（1）与传统依赖大量数据训练复杂模型的检测方法相比，能够直接通过对前后装配步骤图像的像素级比对和零部件图像比对，大大简化了检测流程，无需构建和维护复杂的模型，降低了硬件资源需求和计算成本，提高了系统的响应速度和实用性。

32、（2）通过同时采集俯视和正视两种视角的装配件及零部件图像，确保了检测的全面性，无论装配件在三维空间中的任何方向发生改变，均能被精准识别，避免了单视角检测可能存在的盲区。

33、（3）通过逐像素减法运算和阈值筛选确定差异区域，以及将差异区域与原装配件图像进行逐像素乘法运算分割出零部件图像，实现了对装配过程中细微变化的快速精细化识别和处理，有助于精准定位和分析问题。

34、（4）采用k-means聚类算法实现m类颜色量化，将丰富的色彩信息简化为有限数量的离散类别，有效压缩数据量，提高处理速度，增强抗干扰能力，并利于可视化和人机交互。

35、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

技术特征：

1.一种基于机器视觉的装配在线检测平台，其特征在于，包括：多个图像采集模块、差异图像定位模块、差异图像分割模块和零部件图像比对模块；

2.根据权利要求1所述的一种基于机器视觉的装配在线检测平台，其特征在于，所述对当前装配步骤和前一装配步骤的所述第一俯视装配件图像进行第一像素差异比对处理，得到俯视差异区域图像，以及对当前装配步骤和前一装配步骤的所述第一正视装配件图像进行第二像素差异比对处理，得到正视差异区域图像，包括：

3.根据权利要求2所述的一种基于机器视觉的装配在线检测平台，其特征在于，所述依据所述俯视差异区域图像，在所述第一俯视装配件图像中分割出当前装配步骤涉及零部件的第二俯视零部件图像，以及依据所述正视差异区域图像，在所述第一正视装配件图像中分割出当前装配步骤涉及零部件的第二正视零部件图像，包括：

4.根据权利要求1所述的一种基于机器视觉的装配在线检测平台，其特征在于，所述平台还包括：

5.根据权利要求1所述的一种基于机器视觉的装配在线检测平台，其特征在于，所述比对所述第一俯视零部件图像与所述第二俯视零部件图像，得出错漏装数据，包括：

6.根据权利要求1所述的一种基于机器视觉的装配在线检测平台，其特征在于，所述比对所述第一正视零部件图像与所述第二正视零部件图像，得到装配偏差数据，包括：

7.根据权利要求6所述的一种基于机器视觉的装配在线检测平台，其特征在于，所述确定当前检测零件存在安装偏差情况并生成所述装配偏差数据之后，还包括：

8.根据权利要求1所述的一种基于机器视觉的装配在线检测平台，其特征在于，所述差异图像定位模块还包括：

9.根据权利要求1所述的一种基于机器视觉的装配在线检测平台，其特征在于，所述平台还包括：

10.根据权利要求4所述的一种基于机器视觉的装配在线检测平台，其特征在于，所述颜色量化模块采用k-means聚类算法实现类颜色量化。

技术总结本发明公开了一种基于机器视觉的装配在线检测平台，包括：图像采集模块实时捕获每个装配步骤的俯视与正视装配件及对应零部件图像；差异图像定位模块对当前与前一装配步骤的俯视、正视装配件图像进行像素差异比对，分别确定俯视、正视差异区域图像；差异图像分割模块依据差异区域，从装配件图像中分割出当前步骤涉及的第二俯视与第二正视零部件图像；图像分析模块比对第一与第二俯视零部件图像以计算错漏装数据，比对第一与第二正视零部件图像以计算装配偏差数据。本发明通过对前后装配步骤图像的像素级比对和零部件图像比对得到错漏装数据和装配偏差数据，简化了检测流程，无需构建和维护复杂的模型，降低了硬件资源需求和计算成本。技术研发人员：谢锦友,丁达飞,钟意,陈志锋,毛乾升受保护的技术使用者：广东九通智能装备有限公司技术研发日：技术公布日：2024/7/29