一种基于机器视觉的车轮轮毂识别定位方法及系统技术方案

本发明专利技术公开了一种基于机器视觉的车轮轮毂识别定位方法及系统，属于图像处理技术领域，系统包括第一工业相机、第二工业相机、视觉处理模块、标注装置、两个门型支架、辊道；所述第一工业相机、第二工业相机分别安装在两个所述门型支架上，位于所述辊道上方，用于拍摄辊道的工作区以及等待区，所述视觉处理模块分别与第一工业相机、第二工业相机通信连接，其中部署有轮毂识别算法、自闭塞算法、回火带定位算法以及淬火带定位算法。本发明专利技术具有成本低、部署便捷等优点，能够有效代替人工视觉进行车轮轮毂表面标注作业；特别在高温危险环境中，能够有效减少人工作业次数，减少安全事故，节约运维成本。约运维成本。约运维成本。

【技术实现步骤摘要】
一种基于机器视觉的车轮轮毂识别定位方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种基于机器视觉的车轮轮毂识别定位方法及系统。

技术介绍

[0002]目前，在高速车轮轮毂经过淬火、回火工序后需要在轮毂表面标注溯源管理信息如生产日期、车轮型号、尺寸等，由于轮毂经回火处理后仍处于高温阶段使用夹具固定将会对轮毂内部结构产生影响，所以只能依赖人工视觉的作业方式将车轮型号、尺寸等信息标记在经过回火冷却后的轮毂淬火带上。
[0003]由于人工视觉具有精度受限、处理速度慢以及疲劳和错误等固有性质，无法准确、高效的将信息标注在轮毂淬火带上。为此，提出一种基于机器视觉的车轮轮毂识别定位方法。

技术实现思路

[0004]本专利技术所要解决的技术问题在于：如何提升高速车轮轮毂表面标注作业的效率，提供了一种基于机器视觉的车轮轮毂识别定位方法。
[0005]本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：
[0006]S1：通过第一工业相机拍摄工作区，同时通过第二工业相机拍摄等待区，将实时图像发送至视觉处理模块；视觉处理模块调用自闭塞算法预测到达等待区的轮毂是否会碰撞停在作业区的轮毂，若否，转到步骤S2；反之，触发辊道截停装置将轮毂截停在等待区，截停时间结束后释放轮毂；
[0007]S2：视觉处理模块调用轮毂识别算法识别工作区图像是否存在轮毂，若检测到工作区图像中有轮毂，给出目标检测框的位置坐标，转到步骤S3；反之，第一工业相机继续拍摄工作区，将实时图像发送至视觉处理模块；
[0008]S3：视觉处理模块调回火带定位算法检测轮毂内环中心点位置以及回火带所在区域；
[0009]S4：视觉处理模块调用淬火带定位算法检测淬火带所在区域并将位置坐标发送至标注装置，标注装置将淬火带所在区域作为限制范围制定标注计划，随后进行标注作业。
[0010]更进一步地，在所述步骤S1中，第一工业相机与工作区位置相对固定，第二工业相机与等待区位置相对固定，第一工业相机、第二工业相机在辊道上方拍摄工作区与等待区，将拍摄到的实时图像发送至视觉处理模块，其中，辊道的运行速度是固定值。
[0011]更进一步地，在所述步骤S1中，自闭塞算法包括以下步骤：
[0012]S11：预先在第二工业相机拍摄的等待区图片区域设定等待区的矩形框像素坐标；
[0013]S12：接收到第二工业相机拍摄的实时图像后，通过轮毂识别算法给出轮毂矩形框设为box1，将等待区矩形框设为box2，计算box1与box2的交并比，即：
[0014][0015]设置判据1如下：
[0016][0017]其中，α为阈值常量，即当轮毂矩形框与等待区矩形框的交并比大于阈值时认为轮毂完全进入等待区，此时令f1＝1，将初始值为
‑
1的计数器A的值加1；反之，若f1＝0，继续执行步骤S12；
[0018]S13：判断计数器A中的值是否为
‑
1，若是，用时间戳变量t0记录轮毂完全到达等待区的时刻，转到步骤S02；若否，用时间戳变量t1记录轮毂完全到达等待区的时刻，并计算时间差Δt＝t1‑
t0，随后计算标注装置动作时间T
w
与Δt差值，设置判据2如下：
[0019][0020]其中：ΔT为每个轮毂到达等待区应被截停的时长，即：当标注装置动作时间T
w
大于前后两个轮毂到达等待区的时间差时，后到达辊道的轮毂会影响正在进行标注作业的轮毂，此时，ΔT＝T
w
‑
Δt；反之，后一个到达辊道的轮毂，不会影响前一个轮毂的标注作业，此时，ΔT＝0；
[0021]S14：触发等待区辊道截停装置将轮毂截停在等待区，时长为ΔT，当ΔT＝0时辊道截停装置不动作，随后根据截停时间更新变量t0，即：
[0022]t0＝t1+ΔT
[0023]其中，t1为轮毂到达等待区的时刻，ΔT为轮毂需要在等待区被截停的时长，t0为轮毂被释放的时刻，然后转到步骤S12。
[0024]更进一步地，在所述步骤S1中，辊道截停装置在接收到视觉处理模块的截停信息后，使等待区辊道电机的传动轴与等待区辊道分离。
[0025]更进一步地，在所述步骤S2中，轮毂识别算法具体包括以下步骤：
[0026]S21：模型训练
[0027]采集车轮轮毂产线上轮毂的图像并制作数据集，利用数据集对改进后Yolov5s网络进行训练，训练时采用Adam优化器优化网络学习、采用Step学习率调度策略控制训练过程，得到训练后的网络模型；
[0028]S22：输入预测
[0029]将需要识别的图片输入到训练好的网络模型中进行预测，网络模型根据输入图像特征生成检测框；
[0030]S23：输出结果
[0031]采用非极大值抑制NMS算法，去除重复的检测框，并选择置信度最高的检测框作为最终的检测结果，检测结果中包含轮毂所在矩形框的位置坐标，检测框为矩形框。
[0032]更进一步地，在所述步骤S21中，在所述步骤S21中，将原始Yolov5s网络中的CSP残差块替换为Faster
‑
CSP模块，降低模型参数量与计算复杂程度；引入有效通道注意力机制模块，加深网络对目标特征的关注度，最后采用CDice Loss作为边界损失函数，得到改进后Yolov5s网络。
[0033]更进一步地，在所述步骤S2中，回火带定位算法包括以下步骤：
[0034]S31：将通过轮毂识别算法给出轮毂矩形框设为：box3，将工作区矩形框设为：box4，计算box3与box4的交并比，即：
[0035][0036]设置判据3如下：
[0037][0038]其中，β为阈值常量，即当轮毂所在矩形框与工作区矩形框的交并比大于阈值时认为轮毂完全进入工作区，此时令f3＝1，触发辊道截停装置将轮毂截停在工作区辊道截停装置，并将box3所对应的矩形框区域截取下来，作为感兴趣区域Area1；反之，若f3＝0，此时轮毂未完全进入工作区，根据轮毂识别算法结果更新box3的位置坐标，而后继续执行步骤S31；
[0039]S32：将Area1的图像进行高斯降噪，然后，抽取图像的R通道图像Img
R
；根据Img
R
的灰度直方图对Img
R
做自适应图像二值化得到二值化后的图像Img
B
；然后，对图像依次进行两次腐蚀操作、两次膨胀操作，得到连通图像；随后提取连通图像中的所有连通域，计算个连通域的面积S1，S2，
…
，S
n
，提取连通区域面积最大的为目标区域，并将其他连通区域的像素值置为0得到只含有回火带区域的二值化图像Area1
img
；然后利用Canny算子对Area1
img
进行边缘提取得到回火带外侧轮廓记为：L1，内轮廓记为：L2，随后计算轮廓L1的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的车轮轮毂识别定位方法，其特征在于，包括以下步骤：S1：通过第一工业相机拍摄工作区，同时通过第二工业相机拍摄等待区，将实时图像发送至视觉处理模块；视觉处理模块调用自闭塞算法预测到达等待区的轮毂是否会碰撞停在作业区的轮毂，若否，转到步骤S2；反之，触发辊道截停装置将轮毂截停在等待区，截停时间结束后释放轮毂；S2：视觉处理模块调用轮毂识别算法识别工作区图像是否存在轮毂，若检测到工作区图像中有轮毂，给出目标检测框的位置坐标，转到步骤S3；反之，第一工业相机继续拍摄工作区，将实时图像发送至视觉处理模块；S3：视觉处理模块调回火带定位算法检测轮毂内环中心点位置以及回火带所在区域；S4：视觉处理模块调用淬火带定位算法检测淬火带所在区域并将位置坐标发送至标注装置，标注装置将淬火带所在区域作为限制范围制定标注计划，随后进行标注作业。2.根据权利要求1所述的一种基于机器视觉的车轮轮毂识别定位方法，其特征在于：在所述步骤S1中，第一工业相机与工作区位置相对固定，第二工业相机与等待区位置相对固定，第一工业相机、第二工业相机在辊道上方拍摄工作区与等待区，将拍摄到的实时图像发送至视觉处理模块，其中，辊道的运行速度是固定值。3.根据权利要求1所述的一种基于机器视觉的车轮轮毂识别定位方法，其特征在于：在所述步骤S1中，自闭塞算法包括以下步骤：S11：预先在第二工业相机拍摄的等待区图片区域设定等待区的矩形框像素坐标；S12：接收到第二工业相机拍摄的实时图像后，通过轮毂识别算法给出轮毂矩形框设为box1，将等待区矩形框设为box2，计算box1与box2的交并比，即：设置判据1如下：其中，α为阈值常量，即当轮毂矩形框与等待区矩形框的交并比大于阈值时认为轮毂完全进入等待区，此时令f1＝1，将初始值为
‑
1的计数器A的值加1；反之，若f1＝0，继续执行步骤S12；S13：判断计数器A中的值是否为
‑
1，若是，用时间戳变量t0记录轮毂完全到达等待区的时刻，转到步骤S02；若否，用时间戳变量t1记录轮毂完全到达等待区的时刻，并计算时间差Δt＝t1‑
t0，随后计算标注装置动作时间T
w
与Δt差值，设置判据2如下：其中：ΔT为每个轮毂到达等待区应被截停的时长，即：当标注装置动作时间T
w
大于前后两个轮毂到达等待区的时间差时，后到达辊道的轮毂会影响正在进行标注作业的轮毂，此时，ΔT＝T
w
‑
Δt；反之，后一个到达辊道的轮毂，不会影响前一个轮毂的标注作业，此时，ΔT＝0；S14：触发等待区辊道截停装置将轮毂截停在等待区，时长为ΔT，当ΔT＝0时辊道截停装置不动作，随后根据截停时间更新变量t0，即：
t0＝t1+ΔT其中，t1为轮毂到达等待区的时刻，ΔT为轮毂需要在等待区被截停的时长，t0为轮毂被释放的时刻，然后转到步骤S12。4.根据权利要求3所述的一种基于机器视觉的车轮轮毂识别定位方法，其特征在于：在所述步骤S1中，辊道截停装置在接收到视觉处理模块的截停信息后，使等待区辊道电机的传动轴与等待区辊道分离。5.根据权利要求3所述的一种基于机器视觉的车轮轮毂识别定位方法，其特征在于：在所述步骤S2中，轮毂识别算法具体包括以下步骤：S21：模型训练采集车轮轮毂产线上轮毂的图像并制作数据集，利用数据集对改进后Yolov5s网络进行训练，训练时采用Adam优化器优化网络学习、采用Step学习率调度策略控制训练过程，得到训练后的网络模型；S22：输入预测将需要识别的图片输入到训练好的网络模型中进行预测，网络模型根据输入图像特征生成检测框；S23：输出结果采用非极大值抑制NMS算法，去除重复的检测框，并选择置信度最高的检测框作为最终的检测结果，检测结果中包含轮毂所在矩形框的位置坐标，检测框为矩形框。6.根据权利要求5所述的一种基于机器视觉的车轮轮毂识别定位方法，其特征在于：在所述步骤S21中，将原始Yolov5s网络中的CSP残差块替换为Faster
‑
CSP模块，降低模型参数量与计算复杂程度；引入有效通道注意力机制模块，加深网络对目标特征的关注度，最后采用CDice Loss作为边界损失函数，得到改进后Yolov5s网络。7.根据权利要求5所述的一种基于机器视觉的车轮轮毂识别定位方法，其特征在于：在所述步骤S3中，回火带定位算法包括以下步骤：S31：将通过轮毂识别算法给出轮毂矩形框设为：box3，将工作区矩形框设为：box4，计算box3与box4的交并比，即：设置判据3如下：其中，β为阈值常量，即当轮毂所在矩形框与工作区矩形框的交并比大于阈值时认为轮毂完全进入工作区，此时令f3＝1，触发辊道截停装置将轮毂截停在工作...

【专利技术属性】
技术研发人员：方挺，许军利，董冲，韩家明，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：