【技术实现步骤摘要】
本专利技术属于检测技术，特别涉及一种基于机器人的检测计量方法及系统。
技术介绍
1、计量产品在生产或者使用后需要对其进行检测，现如今大多的计量产品检测都是人工按照工艺流程的手动发送指定数据进行检测，然后对每个小功能进行逐一检测，最后将检测结果记录下来。但人工检测的方式会浪费大量时间，且容易漏检和错检。同时计量产品在检测时，需要保证该产品检测项目的输入数据和表盘读数在国家标准规定的误差范围内，该计量产品才为合格产品，否则为不合格产品。人工操作情况下的部分精密计量产品，会出现操作不当而器械损坏的情况，导致了计量产品测试后损坏无法使用。随着机器视觉的行业发展，利用视觉系统取代人工对计量产品检测的成为趋势，同时计量产品的检测工艺流程难度与日俱增，对检测的稳定性也提出了较高要求。同时产品中存在数值乱码的情况，可能因为机械振动、光照改变、模拟信号干扰、数码管损坏等情况，往往需要人工重新检测判断。但由于人的主观能动性存在差异，产品分类的准确性参差不齐。在此情况下如果想要提高产品质量与产量，就需要耗费大量的人力、物力，影响产品最终的品质；需要设计一套编码格式，能准确判断乱码的原因。因此，需要一种基于机器人的检测计量系统来解决这些问题，以机器视觉技术为基础的一项非接触的高精度计量检测技术，能够根据乱码字符重新识别，最后决定产品是否合格，同时依靠协同机器人运行动作，代替人工进行复杂的工艺，保证生产线的效率，提升非接触式计量产品的测量值准确可靠。
技术实现思路
1、本专利技术提供一种基于机器人的测量计量
2、为了达到上述目的，本专利技术通过下述技术方案实现：
3、本申请提供一种，基于机器人的检测计量方法，包括以下步骤：
4、s1.待测计量产品进入测量区，输入对应型号的产品，将对应的产品输送进相机检测区；
5、s2.机器人根据对应型号选用数据库中对应的数据，并输出对应数据，等待ccd相机拍摄；
6、s3.ccd相机拍摄原始图像，并对原始图像进行校正和处理，形成感兴趣区域；
7、s4.定义模型对象，通过crnn网络生成并保存最佳数码管字符识别模型，然后判断字符是否有乱码，否则执行步骤s7；
8、s5.将乱码字符的图像放入crnn模型中进行识别；
9、s6.依据乱码提取对应的数码管感兴趣区域，并判断校准器输入信号是否在项目的限位内，并通过乱码预测函数与设定乱码模型设定阈值进行比较，确定产品是否合格；
10、s7.输出检测结果并记录，通过测量数值是否在误差范围内，确定产品是否合格，且将不合格的产品进行标记并放入不合格区域。
11、进一步的，在所述步骤s3中，先对ccd相机拍摄的原始图像i0进行图像亮度校正，将原始图像类型从rgb转换为hsv，设置hsv阈下的原始图像为i0h，亮度校正后的图像为i0l，亮度校正系数为；开始获取原始图像的像素值i0l_vb，获取公式为：
12、<mstyle displaystyle="true" mathcolor="#000000"><msub><mi>i</mi><mrow><mn>0</mn><mi>h</mi><mi>_</mi><mi>vb</mi></mrow></msub><mi>=</mi><mfrac><msub><mi>δ</mi><mrow><mn>0</mn><mi>h</mi><mi>_</mi><mi>v</mi></mrow></msub><msub><mi>δ</mi><mrow><mn>0</mn><mi>l</mi><mi>_</mi><mi>v</mi></mrow></msub></mfrac><mrow><mo>[</mo><mrow><mo>(</mo><mrow><msub><mi>i</mi><mrow><mn>0</mn><mi>l</mi><mi>_</mi><mi>v</mi></mrow></msub><mi>−</mi><mi>avg</mi><mrow><mo>(</mo><msub><mi>i</mi><mrow><mn>0</mn><mi>l</mi><mi>_</mi><mi>v</mi></mrow></msub><mo>)</mo></mrow><mo>+</mo><msub><mi>i</mi><mrow><mn>0</mn><mi>h</mi><mi>_</mi><mi>v</mi></mrow></msub><mi>−</mi><mi>avg</mi><mrow><mo>(</mo><msub><mi>i</mi><mrow><mn>0</mn><mi>h</mi><mi>_</mi><mi>v</mi></mrow></msub><mo>)</mo></mrow></mrow><mo>)</mo></mrow><mo>]</mo>&本文档来自技高网...
【技术保护点】
1.一种基于机器人的检测计量方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤S3中，先对CCD相机拍摄的原始图像I0进行图像亮度校正，将原始图像类型从RGB转换为HSV，设置HSV阈下的原始图像为I0H，亮度校正后的图像为I0L，亮度校正系数为；开始获取原始图像的像素值I0L_VB，获取公式为：
3.根据权利要求2所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤S3中，将V通道校正后的HSV空间内的图像I0L重新转换到RGB空间的IL0，完成校正，然后按照高斯分布噪声进行图像去噪，概率密度函数为：
4.根据权利要求3所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤S3中，获取的去噪图像IL0，获取的表盘中心点为（m1，n1），感兴趣区域的中心点坐标为（M1，N1），表盘上档位相对于水平位置的夹角为，根据此时的平移矩阵TM和旋转变换矩阵RM，得到仿射变换矩阵HM：
5.根据权利要求4所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤S3中，在提取
6.根据权利要求1所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤S4中，所述CRNN网络的组成从输入端到输出端分别为积卷层、循环层和转录层，卷积层从每个输入图像中提取特征序列；卷积层自动循环层则是对特征序列的每帧进行预测，并由卷积层输出；随后转录层将循环层的每帧预测结果转化为标签序列，即将RNN每帧预测找到具有最高概率组合的标签序列；通过融合预先输入配置模块，对基于CRNN深度神经网络的数码管字符识别模型的应用架构进行优化，来补足CRNN深度神经网络负样本量少的缺点，可以尽可能增加各个特征下样本本量，因此在该应用架构中，CRNN深度神经网络能识别出异常数码管特征的检测工作，定义均方误差损失函数和Adam优化器，并设置学习率衰减策略；循环迭代训练，每轮迭代遍历数据加载器中的所有数据，将数码管字符图片作为输入，标签作为输出，计算模型输出和标签之间的损失，并根据损失进行反向传播和梯度更新；在每个epoch结束时，记录当前模型在验证集上的准确率，并保存当前模型的参数。
7.根据权利要求1所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤S5中，有乱码字符的图像放入基于融合预先输入乱码字符识别的CRNN模型中，其中乱码字符识别的匹配模板数据集是基于遮住数码管a,b,c,d,e,f,g拍摄多姿态样本量；主要乱码数据集包括：L型乱码，6缺F管型乱码，8缺B管型乱码，5缺D管型乱码，3缺A管型乱码；若识别同时满足两种类型乱码，则数码管不止一处损坏，若不满足所有乱码数据集或者只满足一种类型的乱码数据则进行步骤S6。
8.根据权利要求1所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤S6中，依据乱码提取对应的数码管感兴趣区域，判断此时5520A型多产品校准器输入信号数值是否在项目的限位，若输入信号数值在当前工作量程限位，若在正阈值最大值，则对应乱码数码管开始减小，当对应减小到0时，前一位的数值减一；若在工作量程负阈值最小值，对应乱码的数码管开始减小，满足到最大数码管0时，前一位数值减一，再次重新识别，若乱码数值为最高位数码管则直接判定为数码管损坏，若在工作量程内，就在量程内随机抽取连续的N个数值，直接识别字符，记录N个数中乱码的次数，再对检测乱码的数字进行二次识别，并计算模型乱码预测函数：
9.一种基于机器人的检测计量系统，其特征在于，该系统用于执行根据权利要求1-8中任一项所述的方法。
10.一种可读取存储介质，存储有指令，其特征在于，所述指令在由机器的一个或多个处理器执行时使得所述处理器执行根据权利要求1-8中任一项所述的方法。
...【技术特征摘要】
1.一种基于机器人的检测计量方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤s3中，先对ccd相机拍摄的原始图像i0进行图像亮度校正，将原始图像类型从rgb转换为hsv，设置hsv阈下的原始图像为i0h，亮度校正后的图像为i0l，亮度校正系数为；开始获取原始图像的像素值i0l_vb，获取公式为：
3.根据权利要求2所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤s3中，将v通道校正后的hsv空间内的图像i0l重新转换到rgb空间的il0，完成校正，然后按照高斯分布噪声进行图像去噪，概率密度函数为：
4.根据权利要求3所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤s3中，获取的去噪图像il0，获取的表盘中心点为（m1，n1），感兴趣区域的中心点坐标为（m1，n1），表盘上档位相对于水平位置的夹角为，根据此时的平移矩阵tm和旋转变换矩阵rm，得到仿射变换矩阵hm：
5.根据权利要求4所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤s3中，在提取到基于模板匹配校正后的感兴趣区域后，所属匹配模板为在ccd相机和光源不变的情况下，让5520a型多产品校准器从量程限位开始依次减小，点亮不同的数码管，生成多个不同的数字，其中字符中数字的小数点在各个位置都要出现，将计量产品的字符图片输出到训练数据集，具体地，可通过旋转计量产品、输出正负限位数值，并手动添加感兴趣区域范围，其中所述的感兴趣区域为所有数码管的读数区域，并将感兴趣区域范围内的数值标记出来，随后读取训练数据集，并通过数据加载器对象对数据集进行批量训练。
6.根据权利要求1所述的一种基于机器人的检测计量方法，其特征在于，在所述步骤s4中，所述crnn网络的组成从输入端到输出端分别为积卷层、循环层和转录层，卷积层从每个输入图像中提取特征序列；卷积层自动循环层则是对特征序列的每帧进行预测，并由卷积层输出；随后转录层将循环层的每帧预测结果转化为标签序列，即将rnn每帧预测找到具有最高概率组合的标签序列；通过融合预先输入配置模块，对基...
【专利技术属性】
技术研发人员：包文涛，汪和平，
申请(专利权)人：集智联机器人苏州有限公司，
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。