【技术实现步骤摘要】
本专利技术涉及工智能图片识别领域，尤其涉及一种基于视觉检测的发动机零件错漏装检测方法。
技术介绍
1、随着工业制造技术的不断进步，尤其是精密机械制造领域，对零部件装配精度的要求日益提高。发动机作为精密机械中的核心组件，其内部各零部件的正确安装与紧密配合直接决定了整体性能和运行可靠性。然而，在实际生产过程中，零部件的错装、漏装现象难以完全避免，不仅可能导致发动机工作异常、性能下降，严重时甚至引发安全事故。因此，有效检测并防止发动机零件的错漏装问题，成为提升产品质量控制水平和确保设备安全运行的关键环节。
2、当前发动机零件错漏装检测主要依赖正面平行光源一次性照射，虽能识别部分显见问题，但存在检测局限性，难以判断零部件是否精确安装到位。此外，传统方法依赖人工目视，易受主观判断影响，检测效率与准确性受限，难以满足大规模生产环境下对零部件错漏装问题的全方位、高精度检测需求。
技术实现思路
1、为了解决上述提出的至少一个技术问题，本专利技术提供一种基于视觉检测的发动机零件错漏装检测方法，以解决发动机零件错漏装检测过程中难以判断零部件是否精确安装到位的问题。
2、提供了一种基于视觉检测的发动机零件错漏装检测方法，包括：
3、在第一光源照射下，得到待检测发动机的第一图像，所述第一光源位于所述待检测发动机正上方并垂直于发动机表面进行照射；
4、将所述第一图像输入训练好的零件检测模型中，得到错装零件数据、漏装零件数据和二次检测零件数据；
5、
6、基于所述第二图像以及所述二次检测零件数据，通过预设的阴影分析算法提取并计算对应二次检测零件的第一空间位置数据；
7、获取所述预设的入射角下对应零件的正常参照的第二空间位置数据；
8、在预先构建好的标准参照数据库中，获取对应零件在所述预设的入射角下的第二空间位置数据；
9、根据所述第一空间位置数据和所述第二空间位置数据，得到装配缺陷零件数据；
10、根据所述错装零件数据、所述漏装零件数据和所述装配缺陷零件数据，得到检测报告。
11、优选地，所述将所述第一图像输入训练好的零件检测模型中，得到错装零件数据、漏装零件数据和二次检测零件数据，包括：
12、根据所述第一图像定位待检测零件区域并裁剪，生成多个待检测零件图像；
13、分别对所述待检测零件图像进行方向梯度直方图处理，得到多个hog特征向量；
14、将所述hog特征向量输入训练好的svm分类器中，得到对应的零件类型；
15、将不同位置的所述零件类型和预设的参照零件类型进行比对；
16、若所述零件类型与所述参照零件类型不一致，则生成所述错装零件数据；
17、若所述零件类型为空，则生成所述漏装零件数据；
18、若所述零件类型与所述参照零件类型一致，则生成所述二次检测零件数据。
19、优选地，所述将所述hog特征向量输入训练好的svm分类器中，得到对应的零件类型之后，还包括：
20、若检测到所述待检测零件图像包含标记数据，所述标记数据包括文本数据和图案数据；
21、对所述待检测零件图像进行标记识别，得到标记识别数据；
22、基于预设的相似阈值，在参照标记识别数据库中对所述标记识别数据进行预设阈值匹配；
23、若匹配成功，则确定所述零件类型；
24、若匹配失败，则标记对应的零件并进行为人工复查。
25、优选地，所述采用第二光源以预设角度照射所述待检测发动机，得到所述待检测发动机的第二图像，包括：
26、所述第二光源以30°至80°之间的入射角度照射所述待检测发动机，得到所述第二图像。
27、优选地，所述基于所述第二图像以及所述二次检测零件数据，通过预设的阴影分析算法提取并计算对应二次检测零件的第一空间位置数据，包括：
28、根据所述第二图像定位二次检测零件并裁剪，生成多个二次检测零件图像；
29、基于所述二次检测零件数据，得到所述二次检测零件的尺寸信息；
30、基于所述二次检测零件图像的阴影信息和所述二次检测零件的尺寸信息进行计算，得到所述二次检测零件的第一空间位置数据。
31、优选地，所述基于所述二次检测零件图像的阴影信息和所述二次检测零件的尺寸信息进行计算，得到所述二次检测零件的第一空间位置数据，包括：
32、基于所述二次检测零件图像的阴影信息，获得最大投影长度；
33、基于所述二次检测零件的尺寸信息，对所述最大投影长度进行数据修正；
34、根据数据修正后的所述最大投影长度和所述第二光源的入射角度，计算所述二次检测零件的上表面与安装平面的距离，计算过程表示如下：
35、,
36、其中，表示二次检测零件的上表面与安装平面的距离，表示最大投影长度，表示第二光源的入射角。
37、优选地，所述根据所述第一空间位置数据和所述第二空间位置数据，得到装配缺陷零件数据，包括：
38、计算所述第一空间位置数据和所述第二空间位置数据的差值；
39、比较所述差值与预设的误差阈值的大小；
40、若所述差值大于预设的误差阈值，则生成所述装配缺陷零件数据；
41、若所述差值小于预设的误差阈值，则生成安装合格零件数据。
42、优选地，所述基于所述二次检测零件图像的阴影信息，获得最大投影长度之前，还包括：对所述二次检测零件图像进行二值化处理。
43、优选地，所述错装零件数据包括错装零件编号、错装位置和错装类型；
44、所述漏装零件数据包括漏装零件编号和漏装位置；
45、所述装配缺陷零件数据包括装配缺陷零件类型、安装位置、位置偏差值。
46、优选地，当检测到存在至少一个所述错装零件数据、所述漏装零件数据或所述装配缺陷零件数据时，发出告警信息，并将所述检测报告推送给管理人员。
47、本专利技术的有益效果在于：
48、（1）本专利技术通过改变传统的正面平行光源照射方式，采用特定角度光源照射，能够揭示安装位置变化导致的隐蔽性错装问题，实现对零部件错漏装的全方位检测，弥补了现有方法的检测盲区；
49、（2）本专利技术基于阴影分析技术，通过计算特定入射角下零部件阴影尺寸与入射角的关系，能够准确计算出零部件顶部与安装平面之间的距离，从而精确判断零部件是否按照设计要求精确安装到位，填补了现有技术在安装到位判断方面的空白；
50、（3）本专利技术通过对零部件错漏装进行全面、精确、高效的检测，有助于及时发现并纠正装配错误，避免问题零部件流入后续工序或市场，显著降低不良品率，提升产品质量，保障设备安全运行，有力推动了精密机本文档来自技高网...
【技术保护点】
1.一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述将所述第一图像输入训练好的零件检测模型中，得到错装零件数据、漏装零件数据和二次检测零件数据，包括：
3.根据权利要求2所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述将所述HOG特征向量输入训练好的SVM分类器中，得到对应的零件类型之后，还包括：
4.根据权利要求1所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述采用第二光源以预设角度照射所述待检测发动机，得到所述待检测发动机的第二图像，包括：
5.根据权利要求4所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述基于所述第二图像以及所述二次检测零件数据，通过预设的阴影分析算法提取并计算对应二次检测零件的第一空间位置数据，包括：
6.根据权利要求5所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述基于所述二次检测零件图像的阴影信息和所述二次检测零件的尺寸信息
7.根据权利要求6所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述根据所述第一空间位置数据和所述第二空间位置数据，得到装配缺陷零件数据，包括：
8.根据权利要求6所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述基于所述二次检测零件图像的阴影信息，获得最大投影长度之前，还包括：对所述二次检测零件图像进行二值化处理。
9.根据权利要求1所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，包括：
10.根据权利要求1所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，当检测到存在至少一个所述错装零件数据、所述漏装零件数据或所述装配缺陷零件数据时，发出告警信息，并将所述检测报告推送给管理人员。
...【技术特征摘要】
1.一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述将所述第一图像输入训练好的零件检测模型中，得到错装零件数据、漏装零件数据和二次检测零件数据，包括：
3.根据权利要求2所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述将所述hog特征向量输入训练好的svm分类器中，得到对应的零件类型之后，还包括：
4.根据权利要求1所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述采用第二光源以预设角度照射所述待检测发动机，得到所述待检测发动机的第二图像，包括：
5.根据权利要求4所述的一种基于视觉检测的发动机零件错漏装检测方法，其特征在于，所述基于所述第二图像以及所述二次检测零件数据，通过预设的阴影分析算法提取并计算对应二次检测零件的第一空间位置数据，包括：
6.根据权利要求5所述的一...
【专利技术属性】
技术研发人员：谢锦友，丁达飞，钟意，陈志锋，毛乾升，
申请(专利权)人：广东九通智能装备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。