專利名稱：一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種檢測(cè)方法，特別是一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法。
背景技術(shù)：
在注塑機(jī)工作時(shí)，互為陰陽關(guān)系的動(dòng)模、靜模殘留部分成形品時(shí)，模具會(huì)受到損傷。如果模具在長(zhǎng)期使用中受到磨損，模具及零件的尺寸超標(biāo)，將會(huì)產(chǎn)生廢品。目前已有模具監(jiān)視系統(tǒng)，能夠檢測(cè)是否脫模干凈，但不能再注塑機(jī)開模時(shí)檢測(cè)零件、模具關(guān)鍵尺寸和表面質(zhì)量。這種模具脫模監(jiān)視系統(tǒng)位置固定、功能單一，因此需要改進(jìn)設(shè)計(jì)，增加功能。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于，提供一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法。為解決上述技術(shù)問題，本發(fā)明采用以下技術(shù)方案一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法，其特征是包括任務(wù)設(shè)定步驟和依次執(zhí)行檢測(cè)任務(wù)的執(zhí)行步驟，在任務(wù)設(shè)定步驟，先選擇模具、工件要進(jìn)行表面質(zhì)量檢測(cè)的部分，以及要進(jìn)行形位尺寸檢測(cè)的部分，將每個(gè)檢測(cè)內(nèi)容加入任務(wù)列表，然后規(guī)劃?rùn)z測(cè)任務(wù)，設(shè)定任務(wù)列表中任務(wù)的順序，順序設(shè)定后，機(jī)械手預(yù)演每項(xiàng)任務(wù)，確定檢測(cè)內(nèi)容的最佳觀測(cè)位置和角度，同時(shí)存儲(chǔ)任務(wù)參數(shù)，預(yù)演時(shí)，先計(jì)算此項(xiàng)檢測(cè)任務(wù)的最佳觀測(cè)位置，然后驅(qū)動(dòng)機(jī)械手到達(dá)目標(biāo)位置，再旋轉(zhuǎn)相機(jī)到達(dá)最佳觀測(cè)角度，相機(jī)調(diào)焦、成像，存儲(chǔ)圖像為訓(xùn)練圖像，在訓(xùn)練圖像中設(shè)定表面檢測(cè)的參數(shù)和形位尺寸的位置、種類、允許誤差范圍、超限處理方法和特征定位方法，任務(wù)設(shè)定后，將任務(wù)列表、任務(wù)的各種參數(shù)編入程序，下載到機(jī)械手和相機(jī)的控制器中，控制相機(jī)、機(jī)械手動(dòng)作流程并執(zhí)行任務(wù)；在執(zhí)行檢測(cè)任務(wù)步驟中，對(duì)任務(wù)列表中的每個(gè)任務(wù)，機(jī)械手先到達(dá)任務(wù)位置后，按預(yù)設(shè)旋轉(zhuǎn)角度和預(yù)設(shè)焦距讓相機(jī)成像，作為工況圖像，在訓(xùn)練圖像的對(duì)比下進(jìn)行表面質(zhì)量分析與形位尺寸測(cè)量，并按檢測(cè)結(jié)果對(duì)工件分類，然后分揀工件、匯報(bào)模具狀態(tài)。所述檢測(cè)表面質(zhì)量包括斑點(diǎn)類缺陷和廣義線狀缺陷，所述斑點(diǎn)類缺陷檢測(cè)步驟為先訓(xùn)練后檢測(cè)；在訓(xùn)練階段，對(duì)缺陷樣本在RGB彩色空間用K-均值法進(jìn)行聚類，進(jìn)行充分分割以降低或消除分割誤差，然后，將這些聚類結(jié)果變換到CIE-Luv歸一化的彩色空間進(jìn)行合并，即將小的聚類合并為大的聚類，這樣對(duì)樣本完成了與人類感知相一致的區(qū)域分割， 每種彩色圖像被分為一系列二值圖象，對(duì)每個(gè)區(qū)域計(jì)算其結(jié)構(gòu)特征；在檢測(cè)階段，對(duì)測(cè)試圖像的象素在已經(jīng)定義的種類空間中用最近鄰域規(guī)則進(jìn)行分類，無法歸類的象素就被認(rèn)為有缺陷象素；而已經(jīng)歸類的象素又形成一系列的二值圖象，對(duì)每個(gè)區(qū)域計(jì)算結(jié)構(gòu)特征，再用 Mahalanobis距離測(cè)試檢測(cè)出斑點(diǎn)類缺陷。所述廣義線狀缺陷檢測(cè)先對(duì)圖像進(jìn)行最大值濾波，清除圖像中的暗線，然后再進(jìn)行最小值濾波，進(jìn)行補(bǔ)償，得到第一結(jié)果圖像A ；再對(duì)圖像進(jìn)行最小值濾波，清除圖像中的亮線，再最大值濾波進(jìn)行補(bǔ)償作用，保存第二結(jié)果圖像B;將第一結(jié)果圖像A和第二結(jié)果圖像B差值圖像中分析缺陷區(qū)域，并采用多分類支持向量機(jī)識(shí)別缺陷。所述形位尺寸檢測(cè)先對(duì)圖像進(jìn)行二值化，然后用Harris算法提取角點(diǎn)特征，再用隨機(jī)Hough變換法檢測(cè)直線和圓，然后根據(jù)直線和圓的性質(zhì)選擇最小點(diǎn)集，采用最小二乘法進(jìn)一步擬合得到精確的直線和圓參數(shù)，由已知參數(shù)的直線和圓，以及訓(xùn)練圖像的對(duì)比，計(jì)算出工況圖像工件的尺寸數(shù)值。本發(fā)明一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法由于相機(jī)安裝在機(jī)械手上，因此可以從多個(gè)方位觀察模具、零件，可以從最佳視角采集圖像，并完成檢測(cè)零件尺寸、摘取零件、檢測(cè)頂桿及鑲塊尺寸、檢測(cè)模具尺寸、表面質(zhì)量檢測(cè)等功能；由于存在任務(wù)設(shè)定步驟和任務(wù)執(zhí)行步驟，將任務(wù)設(shè)定步驟的圖像作為后面檢測(cè)尺寸的參照標(biāo)準(zhǔn)，而任務(wù)設(shè)定步驟中的模具、零件的尺寸可以實(shí)際測(cè)量得到或計(jì)算得出，因此可以間接計(jì)算任務(wù)執(zhí)行步驟時(shí)模具、零件的工況尺寸。下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步的描述。


圖1是一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法的工作流程；
圖2是一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法在任務(wù)設(shè)定中的任務(wù)預(yù)演步驟； 圖3是本發(fā)明一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法檢測(cè)任務(wù)執(zhí)行步驟； 圖4是一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法的機(jī)械結(jié)構(gòu)； 圖5是一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法進(jìn)行表面檢測(cè)時(shí)的流程； 圖6是一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法進(jìn)行形位尺寸檢測(cè)時(shí)的流程。
具體實(shí)施例方式如圖1、圖2、圖3、圖4、圖、5圖6所示，一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法，相對(duì)應(yīng)的裝置包括有機(jī)械手3、相機(jī)2和旋轉(zhuǎn)云臺(tái)1、控制系統(tǒng)，旋轉(zhuǎn)云臺(tái)1設(shè)置在機(jī)械手3上，相機(jī)2設(shè)置在旋轉(zhuǎn)云臺(tái)1上，控制系統(tǒng)控制協(xié)調(diào)機(jī)械手3、相機(jī)2和旋轉(zhuǎn)云臺(tái)1的動(dòng)作流程。方法包括以下部分任務(wù)設(shè)定步驟和依次執(zhí)行檢測(cè)任務(wù)的執(zhí)行步驟，在任務(wù)設(shè)定步驟，先選擇模具、工件要做表面質(zhì)量檢測(cè)的部分，以及要做的形位尺寸檢測(cè)的部分，將每個(gè)檢測(cè)內(nèi)容加入任務(wù)列表，然后規(guī)劃?rùn)z測(cè)任務(wù)，設(shè)定任務(wù)列表中任務(wù)的順序，順序設(shè)定后，機(jī)械手3預(yù)演每項(xiàng)任務(wù)，確定檢測(cè)內(nèi)容的最佳觀測(cè)位置和角度，同時(shí)存儲(chǔ)任務(wù)參數(shù)，預(yù)演時(shí)， 先計(jì)算此項(xiàng)檢測(cè)任務(wù)的最佳觀測(cè)位置，然后驅(qū)動(dòng)機(jī)械手3到達(dá)目標(biāo)位置，再旋轉(zhuǎn)相機(jī)2到達(dá)最佳觀測(cè)角度，相機(jī)2調(diào)焦、成像，存儲(chǔ)圖像為訓(xùn)練圖像，在訓(xùn)練圖像中設(shè)定表面檢測(cè)的參數(shù)和形位尺寸的位置、種類、允許誤差范圍、超限處理方法和特征定位方法，任務(wù)設(shè)定后，將任務(wù)列表、任務(wù)的各種參數(shù)編入程序，下載到機(jī)械手3和相機(jī)2的控制器中，控制相機(jī)2、機(jī)械手3動(dòng)作流程并執(zhí)行任務(wù)；在執(zhí)行檢測(cè)任務(wù)步驟中，對(duì)任務(wù)列表中的每個(gè)任務(wù)，機(jī)械手3 先到達(dá)任務(wù)位置后，按預(yù)設(shè)旋轉(zhuǎn)角度和預(yù)設(shè)焦距讓相機(jī)2成像，作為工況圖像，在訓(xùn)練圖像的對(duì)比下進(jìn)行表面質(zhì)量分析與形位尺寸測(cè)量，并按檢測(cè)結(jié)果對(duì)工件分類，然后分揀工件、匯報(bào)模具狀態(tài)。采用上述技術(shù)方案后，本發(fā)明能夠在線檢測(cè)模具及零件的大部分尺寸及表面質(zhì)量，防止殘次品連續(xù)出現(xiàn)，減少?gòu)U品，提高產(chǎn)品質(zhì)量和生產(chǎn)效率，并保護(hù)模具。如圖4所示，一種改進(jìn)的實(shí)施方式，本發(fā)明還包括有帶方格的白紙光照模板6、安裝基板7、引撥手爪8及多個(gè)LED光源，安裝基板7為長(zhǎng)條形且設(shè)置在旋轉(zhuǎn)云臺(tái)1上，引撥手爪8設(shè)置在安裝基板7 —端，相機(jī)2設(shè)置在所述安裝基板7另一端，多個(gè)LED光源均勻設(shè)置在相機(jī)2后端，白紙光照模板6設(shè)置在相機(jī)2與引撥手爪8之間。要精確檢測(cè)圖像的表面質(zhì)量和形位尺寸，必須進(jìn)行視覺系統(tǒng)的校正，去除當(dāng)前光照與標(biāo)準(zhǔn)光照的相對(duì)變化，以及標(biāo)定視覺系統(tǒng)。只有知道當(dāng)前環(huán)境的光照與標(biāo)準(zhǔn)光照的相對(duì)變化，才能去除目標(biāo)圖像中的環(huán)境光照影響，減少光照耀斑，減少后期特征提取的難度，也避免把光照耀斑當(dāng)成表面特征，采用帶方格的白紙光照模板6作為光照模板，放置在相機(jī)2與引撥手爪8之間，與相機(jī)2的相比位置固定，校正時(shí)才開啟。帶方格的白紙光照模板6在工況時(shí)與任務(wù)預(yù)演時(shí)的圖像差別， 作為參照，計(jì)算當(dāng)前工作環(huán)境相對(duì)任務(wù)設(shè)定時(shí)的變化，補(bǔ)償工況圖像，使工況圖像能夠真實(shí)反映實(shí)際產(chǎn)品的表面情況。同時(shí)帶方格的白紙光照模板6也是相機(jī)的在線標(biāo)定模板，計(jì)算相機(jī)2的內(nèi)外參數(shù)。所述機(jī)械手3包括X軸輸送軌道31、y軸輸送軌道32、ζ軸輸送軌道 33、第一輸送方塊34、第二輸送方塊35和第三輸送方塊36，第一輸送方塊34設(shè)置在χ軸輸送軌道31上且實(shí)現(xiàn)在χ軸自由移動(dòng)，y軸輸送軌道32設(shè)置第一輸送方塊34的一側(cè)部，第二輸送方塊35設(shè)置在y軸輸送軌道32上且實(shí)現(xiàn)在y軸自由移動(dòng)，所述ζ軸輸送軌道33設(shè)置在第二輸送方塊35上，所述第三輸送方塊36設(shè)置在ζ軸輸送軌道33上且實(shí)現(xiàn)在ζ軸自由移動(dòng)，所述旋轉(zhuǎn)云臺(tái)1設(shè)置在第三輸送方塊36上，所述第一輸送方塊34、第二輸送方塊35 和第三輸送方塊36由交流伺服電機(jī)提供動(dòng)力并光柵尺進(jìn)行位置控制。由于表面質(zhì)量分析、 形位尺寸檢測(cè)都是在工況圖像與參照?qǐng)D像相對(duì)變化的基礎(chǔ)上完成的，因此執(zhí)行檢測(cè)任務(wù)時(shí)相機(jī)的位置應(yīng)當(dāng)與任務(wù)預(yù)演中的相機(jī)位置完全一致。這就要求視覺、機(jī)械手集成裝置有較高的定位精度。而且由于測(cè)量任務(wù)的不確定性，相機(jī)能夠從最佳位置和最佳角度觀測(cè)每項(xiàng)檢測(cè)項(xiàng)目，因此視覺、機(jī)械手集成裝置需要有六自由度。如圖5所示，機(jī)械手3采用了三軸橫走機(jī)構(gòu)，能夠到達(dá)觀測(cè)空間的任意位置；旋轉(zhuǎn)云臺(tái)1設(shè)置在機(jī)械手3上，相機(jī)2設(shè)置在旋轉(zhuǎn)云臺(tái)1上，能夠達(dá)到任意角度，并在相機(jī)2四周安裝了 12個(gè)LED光源；安裝基板7的一端安裝了引撥手爪，以撥取零件、分揀目標(biāo)。檢測(cè)表面質(zhì)量包括檢測(cè)缺角、缺邊、劃痕、裂紋、孔洞、污漬、凸塊、凹陷、孔洞、模糊、龜裂、氣泡等內(nèi)容，主要包括斑點(diǎn)類缺陷和廣義線狀缺陷兩種類型，流程如圖5所示。斑點(diǎn)類缺陷與背景相比有較高的對(duì)比度，但是由于工廠環(huán)境較惡劣，往往受煙塵、油污、溫度高等因素的影響，缺陷圖像信噪比下降，采用簡(jiǎn)單的閾值法不能滿足要求。一種改進(jìn)的實(shí)施方式，所述檢測(cè)表面質(zhì)量包括斑點(diǎn)類缺陷檢測(cè)和廣義線狀缺陷檢測(cè)，所述斑點(diǎn)類缺陷檢測(cè)步驟為先訓(xùn)練后檢測(cè)，在訓(xùn)練階段，對(duì)缺陷樣本在RGB彩色空間用 K-均值法進(jìn)行聚類，進(jìn)行充分分割以降低或消除分割誤差，然后，將這些聚類結(jié)果變換到 CIE-Luv歸一化的彩色空間進(jìn)行合并，即將小的聚類合并為大的聚類，這樣對(duì)樣本完成了與人類感知相一致的區(qū)域分割，每種彩色圖像被分為一系列二值圖象，對(duì)每個(gè)區(qū)域計(jì)算其結(jié)構(gòu)特征，在檢測(cè)階段，對(duì)測(cè)試圖像的象素在已經(jīng)定義的種類空間中用最近鄰域規(guī)則進(jìn)行分類，無法歸類的象素就被認(rèn)為有缺陷象素，而已經(jīng)歸類的象素又形成一系列的二值圖象，對(duì)每個(gè)區(qū)域計(jì)算結(jié)構(gòu)特征，再用Mahalanobis距離測(cè)試檢測(cè)出斑點(diǎn)類缺陷。一種改進(jìn)的實(shí)施方式，大多數(shù)劃痕、裂紋、孔洞、污漬等缺陷可以歸類為廣義線狀缺陷。所述廣義線狀缺陷檢測(cè)先對(duì)圖像進(jìn)行最大值濾波，清除圖像中的暗線，然后再進(jìn)行最小值濾波，進(jìn)行補(bǔ)償，得到第一結(jié)果圖像A ；再對(duì)圖像進(jìn)行最小值濾波，清除圖像中的亮線， 再最大值濾波進(jìn)行補(bǔ)償作用，保存第二結(jié)果圖像B ；從第一結(jié)果圖像A和第二結(jié)果圖像B的差值圖像中分析缺陷區(qū)域，并采用多分類支持向量機(jī)識(shí)別缺陷。一種改進(jìn)的實(shí)施方式，零件的形位尺寸，包括直線度、平行度、圓度和同心度等項(xiàng)目，這些項(xiàng)目都可以在檢測(cè)出的直線和圓之后進(jìn)行。形位尺寸檢測(cè)先對(duì)圖像進(jìn)行二值化，然后用Harris算法提取角點(diǎn)特征，再用隨機(jī)Hough變換法檢測(cè)直線和圓，然后根據(jù)直線和圓的性質(zhì)選擇最小點(diǎn)集，采用最小二乘法進(jìn)一步擬合得到精確的直線和圓參數(shù)；由已知參數(shù)的直線和圓，以及訓(xùn)練圖像的參照，計(jì)算出工況圖像工件的尺寸數(shù)值。
權(quán)利要求
1.一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法，其特征是包括任務(wù)設(shè)定步驟和依次執(zhí)行檢測(cè)任務(wù)的執(zhí)行步驟，在任務(wù)設(shè)定步驟，先選擇模具、工件要進(jìn)行表面檢測(cè)的部分，以及要進(jìn)行檢測(cè)的關(guān)鍵形位尺寸，將每個(gè)檢測(cè)內(nèi)容加入任務(wù)列表，然后規(guī)劃?rùn)z測(cè)任務(wù)，設(shè)定任務(wù)列表中任務(wù)的順序，順序設(shè)定后，機(jī)械手(1)預(yù)演每項(xiàng)任務(wù)，確定檢測(cè)內(nèi)容的最佳觀測(cè)位置和角度，同時(shí)存儲(chǔ)任務(wù)參數(shù)，預(yù)演時(shí)，先計(jì)算此項(xiàng)檢測(cè)任務(wù)的最佳觀測(cè)位置，然后驅(qū)動(dòng)機(jī)械手(1)到達(dá)目標(biāo)位置，再旋轉(zhuǎn)相機(jī)(2)到達(dá)最佳觀測(cè)角度，相機(jī)(2)調(diào)焦、成像，存儲(chǔ)圖像為訓(xùn)練圖像，在訓(xùn)練圖像中設(shè)定表面檢測(cè)的參數(shù)和形位尺寸的位置、種類、允許誤差范圍、超限處理方法和特征定位方法，任務(wù)設(shè)定后，將任務(wù)列表、任務(wù)的各種參數(shù)編入程序，下載到機(jī)械手(1)和相機(jī)(2)的控制器中，控制相機(jī)(2)、機(jī)械手(1)動(dòng)作流程并執(zhí)行任務(wù)；在執(zhí)行檢測(cè)任務(wù)步驟中，對(duì)任務(wù)列表中的每個(gè)任務(wù)，機(jī)械手(1)先到達(dá)任務(wù)位置后，按預(yù)設(shè)旋轉(zhuǎn)角度和預(yù)設(shè)焦距讓相機(jī)(2)成像，作為工況圖像，在訓(xùn)練圖像的對(duì)比下進(jìn)行表面質(zhì)量分析與形位尺寸測(cè)量，并按檢測(cè)結(jié)果對(duì)工件分類，然后分揀工件、匯報(bào)模具狀態(tài)。
2.根據(jù)權(quán)利要求1所述的模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法，其特征是所述檢測(cè)表面質(zhì)量包括斑點(diǎn)類缺陷和廣義線狀缺陷，所述斑點(diǎn)類缺陷檢測(cè)步驟為先訓(xùn)練后檢測(cè)；在訓(xùn)練階段，對(duì)缺陷樣本在RGB彩色空間用K-均值法進(jìn)行聚類，進(jìn)行充分分割以降低或消除分割誤差，然后，將這些聚類結(jié)果變換到CIE-Luv歸一化的彩色空間進(jìn)行合并，即將小的聚類合并為大的聚類，這樣對(duì)樣本完成了與人類感知相一致的區(qū)域分割，每種彩色圖像被分為一系列二值圖象，對(duì)每個(gè)區(qū)域計(jì)算其結(jié)構(gòu)特征；在檢測(cè)階段，對(duì)測(cè)試圖像的象素在已經(jīng)定義的種類空間中用最近鄰域規(guī)則進(jìn)行分類，無法歸類的象素就被認(rèn)為有缺陷象素；而已經(jīng)歸類的象素又形成一系列的二值圖象，對(duì)每個(gè)區(qū)域計(jì)算結(jié)構(gòu)特征，再用Mahalanobis距離測(cè)試檢測(cè)出斑點(diǎn)類缺陷。
3.根據(jù)權(quán)利要求1或2所述的模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法，其特征是所述廣義線狀缺陷檢測(cè)先對(duì)圖像進(jìn)行最大值濾波，清除圖像中的暗線，然后再進(jìn)行最小值濾波， 進(jìn)行補(bǔ)償，得到第一結(jié)果圖像A ；再對(duì)圖像進(jìn)行最小值濾波，清除圖像中的亮線，再最大值濾波進(jìn)行補(bǔ)償作用，保存第二結(jié)果圖像B ；將第一結(jié)果圖像A和第二結(jié)果圖像B差值圖像中分析缺陷區(qū)域，并采用多分類支持向量機(jī)識(shí)別缺陷。
4.根據(jù)權(quán)利要求1或2所述的模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法，其特征是所述形位尺寸檢測(cè)先對(duì)圖像進(jìn)行二值化，然后用Harris算法提取角點(diǎn)特征，再用隨機(jī)Hough變換法檢測(cè)直線和圓，然后根據(jù)直線和圓的性質(zhì)選擇最小點(diǎn)集，采用最小二乘法進(jìn)一步擬合得到精確的直線和圓參數(shù)，由訓(xùn)練圖像中已知參數(shù)的直線和圓，計(jì)算出工況圖像工件的尺寸數(shù)值。
5.根據(jù)權(quán)利要求3所述的模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法，其特征是所述形位尺寸檢測(cè)先對(duì)圖像進(jìn)行二值化，然后用Harris算法提取角點(diǎn)特征，再用隨機(jī)Hough變換法檢測(cè)直線和圓，然后根據(jù)直線和圓的性質(zhì)選擇最小點(diǎn)集，采用最小二乘法進(jìn)一步擬合得到精確的直線和圓參數(shù)，由訓(xùn)練圖像中已知參數(shù)的直線和圓，計(jì)算出工況圖像工件的尺寸數(shù)值。
全文摘要
本發(fā)明涉及一種模具檢測(cè)、保護(hù)及零件檢測(cè)、摘取的方法，包括任務(wù)設(shè)定步驟和依次執(zhí)行檢測(cè)任務(wù)的執(zhí)行步驟，在任務(wù)設(shè)定步驟，先選擇模具、工件要做表面質(zhì)量檢測(cè)的部分，以及要做的形位尺寸檢測(cè)的部分，設(shè)定任務(wù)按順序執(zhí)行并采集工況圖像；在執(zhí)行檢測(cè)任務(wù)步驟中，采集實(shí)時(shí)工況圖像，進(jìn)行對(duì)比下進(jìn)行表面質(zhì)量分析與形位尺寸測(cè)量，能完成檢測(cè)零件尺寸、摘取零件、檢測(cè)頂桿及鑲塊尺寸、檢測(cè)模具尺寸、表面質(zhì)量檢測(cè)等功能，在零件尺寸不合格、頂桿及鑲塊動(dòng)作未到位、脫模未凈、模具尺寸不合格的情況下發(fā)出警報(bào)，防止殘次品連續(xù)出現(xiàn)，減少?gòu)U品，提高產(chǎn)品質(zhì)量和生產(chǎn)效率。
文檔編號(hào)B29C45/84GK102529019SQ20121002120
公開日2012年7月4日 申請(qǐng)日期2012年1月31日 優(yōu)先權(quán)日2012年1月31日
發(fā)明者羅勝 申請(qǐng)人:溫州大學(xué)