【技术实现步骤摘要】
本专利技术涉及机器视觉，特别涉及基于机器视觉的亚像素精度的法兰盘尺寸测量方法及系统。
技术介绍
1、目前，汽车法兰盘是汽车悬挂系统的重要组成部分，用于连接车轮轴与悬挂系统。法兰盘实现了对车轮轴的牢固支撑和稳定固定，确保车轮能够平稳旋转，并有效地吸收和传递车辆行驶中所产生的各种动力和振动。但在生产过程中，由于材料、工艺等原因，经常出现法兰盘尺寸偏差过大的情况，使得法兰盘尺寸精度不足。目前，企业针对法兰的尺寸检测主要依靠检具或量具进行人工抽检，不仅检测效率低，而且误检率高，无法完全保证产品质量。
2、因此，亟需一种解决办法。
技术实现思路
1、本专利技术目的之一在于提供了基于机器视觉的亚像素精度的法兰盘尺寸测量方法，对预处理后的法兰盘图像进行边缘检测，获得待测量法兰盘边缘的亚像素级别坐标，基于待测量法兰盘边缘的亚像素级别坐标，确定待测量法兰盘的尺寸，提升了法兰盘尺寸检测的检测精度以及检测效率，降低了误检率，保证法兰盘的产品质量。
2、本专利技术实施例提供的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，包括：
3、对ccd相机进行尺寸标定；
4、通过尺寸标定后的ccd相机采集待测量法兰盘的法兰盘图像；
5、对法兰盘图像进行预处理；
6、对预处理后的法兰盘图像进行边缘检测，获得待测量法兰盘边缘的亚像素级别坐标；
7、基于待测量法兰盘边缘的亚像素级别坐标，确定待测量法兰盘的尺寸。
8、优选的，对法
9、对法兰盘图像进行灰度化处理；灰度化处理的方式至少包括：加权平均法；
10、对灰度化处理后的法兰盘图像进行滤波去噪处理；滤波去噪处理的方式至少包括：高斯滤波、中值滤波、均值滤波；
11、对滤波去噪处理后的法兰盘图像进行图像分割处理；图像分割处理的方式至少包括：基于阈值的分割。
12、优选的，对预处理后的法兰盘图像进行边缘检测，获得待测量法兰盘边缘的亚像素级别坐标，包括：
13、基于改进的canny-zernike矩亚像素边缘检测算法，对预处理后的法兰盘图像进行边缘检测，获得待测量法兰盘边缘的亚像素级别坐标。
14、优选的，基于待测量法兰盘边缘的亚像素级别坐标，确定待测量法兰盘的尺寸，包括：
15、基于最小二乘法根据待测量法兰盘边缘的亚像素级别坐标拟合出待测量法兰盘的尺寸。
16、优选的，基于机器视觉的亚像素精度的法兰盘尺寸测量方法，还包括：
17、当在第一时间段内出现尺寸测量异常事件的数量大于等于数量阈值时，获取检测多模态数据；尺寸测量异常事件包括：待测量法兰盘的尺寸与预定尺寸之间的偏差大于等于偏差阈值；所述检测多模态数据包括：ccd相机在第一时间段内的尺寸检测追溯信息、生产尺寸测量异常事件中的待测量法兰盘的产品生产追溯信息；
18、基于第一特征处理模板，对检测多模态数据进行特征处理，获得第一特征描述向量；
19、基于第一特征描述向量，确定归因策略；
20、基于归因策略，根据检测多模态数据，确定归因结果；
21、当归因结果为尺寸检测时，在第二时间段内停止继续对剩余待检测的法兰盘进行尺寸测量；第二时间段在第一时间段之后，且与第一时间段相邻；
22、当归因结果为产品生产时，在第二时间段内停止继续对与生产尺寸测量异常事件中的待测量法兰盘同生产批次的剩余待检测的法兰盘进行尺寸测量，以及对与生产尺寸测量异常事件中的待测量法兰盘同生产批次的已进行尺寸测量的法兰盘进行召回预警。
23、优选的，基于第一特征描述向量，确定归因策略，包括：
24、从情况分析库中确定第一特征描述向量对应的分析值；
25、当分析值小于等于分析阈值时，从归因策略库中确定第一特征描述向量对应的归因策略；
26、当分析值大于分析阈值时，从爬取策略库中确定第一特征描述向量对应的爬取策略；
27、基于爬取策略，爬取大数据知识；
28、基于大数据知识，构建大数据知识图谱；
29、基于大数据知识图谱，确定归因策略。
30、优选的，所述基于爬取策略，爬取大数据知识，包括：
31、解析爬取策略的访问场景、内容搜索规则以及内容提取规则；
32、基于因子生成模板，根据内容搜索规则与内容提取规则，生成预备因子；
33、对访问场景进行预访问，预访问时基于预备因子从访问场景中获取预备内容；
34、基于第二特征处理模板，对预备内容进行特征处理，获得第二特征描述向量；
35、从准许分析库中确定第二特征描述向量对应的准许值以及附加内容；
36、当准许值大于等于准许阈值时，对访问场景进行访问，访问时基于内容搜索规则，从访问场景中搜索第一目标内容；
37、当附加内容为空时，基于内容提取规则，从第一目标内容中提取出大数据知识；
38、当附加内容包含至少一组一一对应的关联关系与内容条件时，从访问场景中搜索与第一目标内容之间具备任一关联关系的第二目标内容，以及确定第二目标内容是否符合所述任一关联关系对应的内容条件；
39、当符合时，基于内容提取规则，从第一目标内容中提取出大数据知识。
40、优选的，基于大数据知识，构建大数据知识图谱，包括：
41、解析大数据知识的知识类型；
42、从映射节点表中确定知识类型对应的映射节点；
43、将大数据知识设置于初始图谱中的映射节点处；
44、将需要设置大数据知识的映射节点全部设置相应的大数据知识后的初始图谱作为大数据知识图谱。
45、优选的，所述基于大数据知识图谱，确定归因策略，包括：
46、从大数据知识图谱中确定多个假设归因结果对应的支持度；支持度为大数据知识图谱中与假设归因结果匹配符合的大数据知识的总数目占大数据知识图谱大数据知识总数的比值；
47、基于最大支持度对应的假设归因结果，确定策略制定依据搜索规则；
48、基于策略制定依据搜索规则，在大数据知识图谱中搜索策略制定依据；
49、基于策略制定依据，制定归因策略。
50、本专利技术实施例提供的基于机器视觉的亚像素精度的法兰盘尺寸测量系统，包括：
51、相机标定模块，用于对ccd相机进行尺寸标定；
52、图像获取模块，用于通过尺寸标定后的ccd相机采集待测量法兰盘的法兰盘图像；
53、预处理模块，用于对法兰盘图像进行预处理；
54、边缘检测模块，用于对预处理后的法兰盘图像进行边缘检测，获得待测量法兰盘边缘的亚像素级别坐标；
55、尺寸确定模块，用于于待测量法兰盘边缘的亚像素级别坐标，确定待测量法兰盘的尺寸。
56、本专利技术的其它特征和优点将在随后本文档来自技高网...
【技术保护点】
1.基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，包括：
2.如权利要求1所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，对法兰盘图像进行预处理，包括：
3.如权利要求1所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，对预处理后的法兰盘图像进行边缘检测，获得待测量法兰盘边缘的亚像素级别坐标，包括：
4.如权利要求1所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，基于待测量法兰盘边缘的亚像素级别坐标，确定待测量法兰盘的尺寸，包括：
5.如权利要求1所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，还包括：
6.如权利要求5所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，基于第一特征描述向量，确定归因策略，包括：
7.如权利要求6所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，所述基于爬取策略，爬取大数据知识，包括：
8.如权利要求6所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，
9.如权利要求8所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，所述基于大数据知识图谱，确定归因策略，包括：
10.基于机器视觉的亚像素精度的法兰盘尺寸测量系统，其特征在于，包括：
...【技术特征摘要】
1.基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，包括：
2.如权利要求1所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，对法兰盘图像进行预处理，包括：
3.如权利要求1所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，对预处理后的法兰盘图像进行边缘检测，获得待测量法兰盘边缘的亚像素级别坐标，包括：
4.如权利要求1所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，基于待测量法兰盘边缘的亚像素级别坐标，确定待测量法兰盘的尺寸，包括：
5.如权利要求1所述的基于机器视觉的亚像素精度的法兰盘尺寸测量方法，其特征在于，还包括：...
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。