【技术实现步骤摘要】
【国外来华专利技术】
本专利技术属于需要高吞吐量进给的大规模生产物体或分配系统(例如振动碗或离心碗)的领域。本专利技术更具体地涉及一种利用视觉检查和人工智能算法以高生产吞吐量输送定向物体的进给方法和装置。
技术介绍
1、对物体定向的高吞吐量进给系统在现有技术中是已知的。以下出版物中给出了示例：us5311977、us4608646、de3312983、us4692881和us5853078。
2、出版物us5311977描述了一种用于进给物体的系统，该系统能够通过几何检查确定物体的定向，并借助微处理器的输出信号重新定向或拒绝物体。在该出版物中，几何检查由物体检测器执行，该物体检测器具有以线性方式设置的至少1000个像素，这些像素以根据物体的几何形状而变亮或变暗的方式被定向。该出版物中描述的系统包括能够检测位于扫描部分中的物体轮廓上的点并实时将轮廓点的位置与存储轮廓进行比较的装置。该系统能够基于来自多个扫描部分的轮廓点信号，响应于微处理器的输出信号使得物体被定位或拒绝。
3、出版物us4608646描述了一种基于微控制器的系统，用于识别和标识沿物体进给器(例如碗式进给器)的轨道传送的相同或不同物体，以验证物体的定向并按预定的重复序列对定向物体进行分类。物体的识别和排序可根据用户需求进行编程。物体的识别需要用于识别物体侧影的设备，该设备包括联接到位于进给轨道中的穿孔网格的一组光传感器。首先将要分类的每个物体的侧影图像数字化并存储在微控制器的存储器中与物体的标识号关联的位置。类似地，不同物体的序列存储在微控制器的存储器中。此后，当物
4、出版物de3312983描述了一种振动碗，用于利用组件的位置和轮廓作为决策标准对机械组件进行分类。该装置包括用于将组件基本垂直于电子传感器线输送的输送设备，通过该电子传感器线可以逐线探索组件轮廓，并使用电子比较器，可以将来自传感器线的输出信号传输到该电子比较器，并通过该电子比较器可以将输出信号与先前存储的设置点值进行比较。
5、出版物us4692881描述了一种用于以预定定向进给物体的设备。该设备包括检测器，该检测器由多个光接收元件和与光接收元件间隔开并面向光接收元件的至少一个发光元件组成，该多个光接收元件布置成一条线或多条线，线的延伸方向垂直于物体进给方向。该设备还包括随机存取存储器(ram)，用于存储参考信号模型，该参考信号模型通过在物体在预先选择的期望位置经过检测器前方时连续检测物体的形状而获得。该设备还包括中央处理单元(cpu)，用于将参考信号模型与当待区分的物体在任意位置连续经过所述检测器前方时获得的信号数据模型进行比较。响应于每次不利的比较，使定位错误的物体拒绝进入碗中。
6、出版物us5853078描述了一种用于定向和进给物体的装置，其特别适用于自动组装系统。该装置包括进给碗，该进给碗包括螺旋内部轨道，该螺旋内部轨道终止于碗的上边缘水平，邻近环形进给环，该环形进给环安装成绕进给碗选择性旋转运动。包括位于环形进给环上方的固定摄像机的控制电路通过以操作方式连接的电机控制环形进给环的旋转运动来进行操作，以将环形进给环的连续部分带入摄像机的预定视场，以便区分正确定向的物体和错误定向的物体，然后向拾取和放置机器人提供信号以移除正确定向的物体。清扫杆位于选择的位置，用于将错误定向的物体推出环形进给环并将它们返回到进给碗中以便回收。还提供了振动进给罐的另一实施例，其利用与进给环成同心且间隔关系的第二选择性旋转盘，以将从环形进给环取出的回收物体接收在环上设置的容器中。
技术实现思路
1、目标、限制和要解决的问题
2、本专利技术的目的是减少用于进给定向物体的高吞吐量系统(例如振动碗或离心碗)的调整时间。尽管在现有技术中提出了改进，并且特别是在出版物us5311977、us4608646、de3312983、us4692881和us5853078中进行了描述，但这些系统不能进行快速物体更换，这导致每次更换物体时都浪费大量时间进行调整。为了克服这一困难，振动或重力碗通常专用于独特的物体几何形状，因为在组装机上更换振动碗的时间比调整碗以以期望吞吐量分配新物体的时间短。这种情况的缺点是需要投资和存储大量碗来分配物体，这些碗单独适用于单个物体或有限数量的物体。
3、现有技术中描述的设备的另一个缺点与未检测到的有缺陷物体有关。有缺陷的物体例如是变形或超出公差的物体或美学(例如其外观)不合适的产品。这些物体导致组装机不合时宜地停止或导致组装产品有缺陷。
4、本专利技术通过设置有与人工智能算法关联的视觉系统以及可能的定向装置的碗，可以弥补上述缺点。本专利技术还可以定义用于拒绝所谓的有缺陷部件的标准。拒绝标准可以与物体(例如变形或尺寸超出公差的物体)的尺寸相关，或与美学外观缺陷(例如划痕、污渍、异物、不合适的颜色等)相关。
5、根据本专利技术，与视觉系统关联的人工智能算法能够在高吞吐量的定向物体的情况下快速更换进给碗中的物体。本专利技术还能够拒绝有缺陷的物体，从而避免在物体超出公差或变形时停止组装机，并且还避免使用美学或外观不合适的物体。
6、根据本专利技术，学习阶段能够定义所提供物体的可接受“规范”。该“规范”定义物体的定向范围，在适用的情况下，定义可接受的尺寸范围和美学范围。在本专利技术的上下文中，“可接受或不可接受的缺陷”的概念，也就是说被认为是“好”或“有缺陷”的物体的概念，是相对于通过学习建立的预定义规范的一定偏移水平来定义的。
7、本专利技术能够保证物体的定向和质量水平随时间推移保持不变。此外，可以重复使用模板，也就是说事先已经建立的规范，以便以后生产相同的物体。
8、可以根据观察的差异，通过随时间推移的迭代学习来调整物体的定向和质量水平：在生产过程中，通过“补充”学习来完善由初始学习定义的规范，该“补充”学习考虑了在正常生产阶段提供的但具有被认为可接受的定向或缺陷的物体。因此，有必要调整规范，以便它整合该信息，并使过程不拒绝这些物体。
9、本专利技术能够在非常短的时间段内分配物体，并且获得这种性能依赖于如本申请中详细描述的物体图像的压缩-解压缩模型。
10、在本专利技术的上下文中，出现的约束和要解决的问题具体如下：
11、-在碗中的物体移动期间进行视觉检查，因此减少检查时间，因为没有必要减慢生产吞吐量，或者最多检查对后者的影响很小。
12、-定向物体的接受范围必须是可调的。
13、-尺寸和美学缺陷未知(无缺陷库)。
14、-美学缺陷随装饰而变化。
15、-缺陷的接受程度必须是可调的。
16、-被认为定向错误的物体是其定向在被认为可接受的定向公差范围之外的物体。
17、-被认为有缺陷的物体是其缺陷在被认为可接受的公差范围本文档来自技高网...
【技术保护点】
1.一种用于通过进给碗进给定向物体的方法，所述进给碗例如是振动碗或离心碗，所述定向物体例如是诸如管顶或盖的包装组件，所述方法包括整合到在生产期间连续执行的进给方法中的至少一个定向和质量检查步骤，所述检查基于进给期间捕获的物体的图像并使用人工智能算法，
2.根据权利要求1所述的方法，其中，如果物体被认为定向错误，则将所述物体定向为位于可接受的公差内或回收到进给碗中。
3.根据前述权利要求中任一项所述的方法，其中，如果物体被认为有缺陷，则从生产批次丢弃所述物体。
4.根据前述权利要求中任一项所述的方法，其中，所述分数的值用于区分正确定向的物体和有缺陷的物体。
5.根据前述权利要求中任一项所述的方法，其中，多个分数用于区分正确定向的物体和有缺陷的物体。
6.根据前述权利要求中任一项所述的方法，其中，对最初捕获的至少一个原始图像进行多重分析，所述多重分析生成″子″原始图像，所述″子″原始图像用于代替在其源处最初捕获的图像。
7.根据前述权利要求中任一项所述的方法，其中，在获取至少一个原始图像的步骤之后，重新定位每个原
8.根据前述权利要求中任一项所述的方法，其中，使用滤波器和/或轮廓检测和/或应用掩模来处理每个原始图像以隐藏图像的某些区域。
9.根据前述权利要求中任一项所述的方法，其中，所述分数对应于重建误差的最大值和/或重建误差的平均值和/或重建误差的加权平均值和/或欧几里德距离和/或p距离和/或切比切夫距离，所述距离在次级图像Sk，p和重建图像Rk，p之间。
10.根据前述权利要求中任一项所述的方法，其中，捕获至少两个原始图像，所述原始图像具有相同大小或不同大小。
11.根据前述权利要求中任一项所述的方法，其中，每个原始图像被划分为P个相同大小或不同大小的次级图像S，所述次级图像S重叠和/或不重叠地并置。
12.根据前述权利要求中任一项所述的方法，其中，所述学习阶段在物体被进给的情况下是迭代的，并且在生产期间重复进行，以便考虑被视为可接受定向或质量缺陷的任何差异。
13.根据前述权利要求中任一项所述的方法，其中，执行重新定位步骤，其中，所述重新定位步骤包括考虑分布在图像上的预定数量的兴趣点和描述符，以及确定最小化兴趣点级别的叠加误差的原始图像和参考图像之间的相对运动，并且所述兴趣点随机分布在图像中或图像的预定义区域中，所述兴趣点的位置是预定义的、任意的或其他方式的。
14.根据权利要求13所述的方法，其中，所述图像在至少一个轴线上重新定位和/或所述图像绕垂直于由所述图像形成的平面的轴线旋转地重新定位和/或所述图像通过平移运动和旋转运动的组合重新定位。
15.根据前述权利要求中任一项所述的方法，其中，重新定位图像和至少一个分数用于区分定向错误的物体和有缺陷的物体，或者所述兴趣点和描述符以及至少一个分数用于区分定向错误的物体和有缺陷的物体。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于通过进给碗进给定向物体的方法，所述进给碗例如是振动碗或离心碗，所述定向物体例如是诸如管顶或盖的包装组件，所述方法包括整合到在生产期间连续执行的进给方法中的至少一个定向和质量检查步骤，所述检查基于进给期间捕获的物体的图像并使用人工智能算法，
2.根据权利要求1所述的方法，其中，如果物体被认为定向错误，则将所述物体定向为位于可接受的公差内或回收到进给碗中。
3.根据前述权利要求中任一项所述的方法，其中，如果物体被认为有缺陷，则从生产批次丢弃所述物体。
4.根据前述权利要求中任一项所述的方法，其中，所述分数的值用于区分正确定向的物体和有缺陷的物体。
5.根据前述权利要求中任一项所述的方法，其中，多个分数用于区分正确定向的物体和有缺陷的物体。
6.根据前述权利要求中任一项所述的方法，其中，对最初捕获的至少一个原始图像进行多重分析，所述多重分析生成″子″原始图像，所述″子″原始图像用于代替在其源处最初捕获的图像。
7.根据前述权利要求中任一项所述的方法，其中，在获取至少一个原始图像的步骤之后，重新定位每个原始图像。
8.根据前述权利要求中任一项所述的方法，其中，使用滤波器和/或轮廓检测和/或应用掩模来处理每个原始图像以隐藏图像的某些区域。
9.根据前述权利要求中任一项所述的方法，其中，所述分数对应于重建误差的最大值和/或重建误差的平均值和/或重建误差的加权平均...
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。