[发明专利]基于视觉检测系统的橱柜调节脚全自动装配控制方法

摘要

基于视觉检测系统的橱柜调节脚全自动装配控制方法，属于全自动装配领域。现有的塑料橱柜调节脚全自动装配过程中，由于采用人工装配方法，存在装配效率低、装配成品误差率高的问题。一种基于视觉检测系统的橱柜调节脚全自动装配控制方法，选取两组工件图片作为训练样本；对选取的训练样本进行图像缩放和去噪声处理，得到两种原始灰度图像，对灰度图像分别进行二值化处理，提取ROI区域，提取ROI区域的轮廓特征得到轮廓图像，利用轮廓图像的像素值计算得到轮廓Hu矩，将轮廓Hu矩作为样本，生成训练模型；对待检测工件进行拍摄，重复上述过程获得待测图像的轮廓Hu矩，利用训练模型惊醒识别判定；若判定结果为需要翻转，通过控制系统实现对待检测调节脚元件进行翻转操作。

主权项

一种基于视觉检测系统的橱柜调节脚全自动装配控制方法，其特征在于：所述翻转判定方法通过以下步骤实现：步骤一、将调节脚元件的两种端口分类为带内螺纹端口和无内螺纹端口，分别选取一组内螺纹端口和一组无内螺纹端口的图片作为训练样本；步骤二、分别对步骤一选取的训练样本进行图像缩放和去噪声处理，得到两种原始灰度图像；步骤三、分别对步骤二得到的原始灰度图像进行二值化处理，并从二值化处理后得到的图像中提取出含有调节脚元件端口的ROI区域；步骤四、分别利用步骤三提取的含有调节脚元件端口的ROI区域，在步骤二得到的原始灰度图像中提取相应的含有调节脚元件端口的ROI区域；步骤五、分别提取步骤四中相应的含有调节脚元件端口的ROI区域的轮廓特征，获得轮廓图像；计算轮廓图像的轮廓Hu矩并进行归一化；步骤六：将步骤五获得的轮廓Hu矩作为样本，利用基于机器学习的分类器对轮廓Hu矩样本进行训练，生成训练集的训练模型：支持向量机SVM分类器和费舍尔判别FDA分类器；步骤七、利用所述塑料橱柜调节脚全自动装配设备的视觉检测箱内部安装的摄像头和红外光源，对传送至视觉检测箱内部的待检测调节脚元件进行拍摄，将拍摄得到待检测调节脚元件的测试图像进行与步骤二至步骤五相同的预处理，以计算测试图像含有调节脚元件端口的ROI区域的轮廓Hu矩，并进行归一化处理，作为待分类样本；步骤八、将步骤七计算得到的归一化后的ROI区域的轮廓Hu矩利用步骤六生成的两个训练模型进行识别，其中，费舍尔判别FDA分类器判别公式为：式中，nj表示第j类观测样本的样本个数，Wu表示经过降维选取的u个FDA向量组成的变换矩阵，表示第j类轮廓Hu矩样本的类内离散度矩阵，xi表示轮廓Hu矩样本的向量，表示第j类样本的平均值；支持向量机SVM分类器的判别公式为超平面f(x)=Σk=1Mwkxk+q=0,]]>满足min12||w||2+CΣk=1Mζk,]]>yk(wTxk+q)≥1-ζkζk≥0,k=1,...M;]]>步骤九、当两个训练模型识别出的结果不一致，则重新执行步骤七和步骤八，直到两个训练模型识别出的结果均为带内螺纹端口朝向传送方向，则将待检测调节脚元件直接用于装配；当两个训练模型识别出的结果均为带内螺纹端口未朝向传送方向，则对该工件进行标记，且执行步骤十；步骤十、当待检测调节脚元件传送至翻转装置功能区域时，翻转装置则对带有标记的待检测调节脚元件进行首尾调换的翻转操作。