[发明专利]基于模式识别的大尺寸弯曲零件轮廓度质量检测方法

说明书

本发明公开了一种基于模式识别的大尺寸弯曲零件轮廓度质量检测方法，通过工业相机获取零件或产品的正投影试图；利用模式识别技术提取合格和不合格零件的弯曲特征作为训练样本；然后利用支持向量机进行样本训练，形成支持向量机分类器；然后输入待检测的零件弯曲特征进行质量判断；判断合格，进入下一道工序；判断不合格，需要进行校正处理，继续提取弯曲特征进入支持向量机分类器进行质量状态判断。本发明将模式识别与支持向量机用于零件弯曲质量检验，使得零件弯曲质量检验准确率高且效率高，无接触。

技术领域

本发明涉及零件弯曲质量的检测方法，具体涉及一种基于模式识别的大尺寸弯曲零件轮廓度质量检测方法。

背景技术

现有大尺寸零件弯曲质量检测主要利用轮廓度作为质量指标，目前测量轮廓度方法无法实现测量准确率和测量效率两个目标同时实现，表现为传统的基于模具的测量时间短，但是准确率低，利用三坐标测量仪等精确测量工具，虽然准确率高，但是，耗时太长。本发明具有测量时间短和测量准确率高的优点。

发明内容

发明目的：本发明是为了解决现有技术的不足，提供一种在保障准确率的同时缩短检测时间：基于模式识别技术的大尺寸零件弯曲质量检测方法。

本发明采用的技术方案：一种基于模式识别的大尺寸弯曲零件轮廓度质量检测方法，它包括以下步骤：

通过工业相机获取零件或产品的正投影试图；

利用模式识别技术提取合格和不合格零件的弯曲特征作为训练样本；

然后利用支持向量机进行样本训练，形成支持向量机分类器；

然后输入待检测的零件弯曲特征进行质量判断；判断合格，进入下一道工序或入库；判断不合格，需要进行校正处理；

弯曲质量不合格产品，中断流程，校正处理之后，继续提取弯曲特征进入支持向量机分类器进行质量状态判断，判断合格后再进入下一道工序或入库。

作为优化，在上述步骤中，利用模式识别提取零件弯曲特征，其获取特征方便、花费时间短和检测准确率高。

所述的零件正投影视图即包含了零件的弯曲特征。

作为优化，利用机器学习算法-支持向量机良好的预测能力，将零件弯曲质量检测智能化。

有益效果：将支持向量机用于拉弯零件弯曲质量检测的方法行之有效，此外与传统测量方法相比保障准确率的同时极大了提高了效率。

附图说明

图1为本发明实施例的工业相机获取产品正投影视图。

图2为本发明实施例的对图像系列处理后效果图。

图3为本发明实施例的OpenCV软件进行内轮廓面内切圆识别图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

本实施例的基于模式识别技术大尺寸零件弯曲质量检测方法，它包括以下步骤：

通过工业相机获取其正投影视图，如图1所示：本实施例的工业相机获取产品正投影视图。

通过计算机对图像进行一系列的预处理，二值化、形态学处理、滤波除燥、边缘提取；如图2所示：本实施例的对图像系列处理后效果图。

利用OpenCV软件中的霍夫圆变换对零件图像进行内轮廓面内切圆识别，并输出圆心坐标和半径。如图3所示：本实施例的OpenCV软件进行内轮廓面内切圆识别图。

通过以上步骤获得零件弯曲的正负样本，然后利用支持向量机进行样本训练，形成支持向量机分类器；