一種基于FAST-9圖像特征快速配準算法的模具監視方法包括以下過程：1）分別采集注塑機開模到位時和頂針頂出之后的標準模板圖像；2）等待注塑機工作狀態信息，當注塑機運行至開模到位時，通過攝像機對模具型腔面連續取像，并對監控圖像的當前幀做預處理，為后續的圖像快速配準做準備；3）執行基于FAST-9圖像特征快速配準算法；4）再將配準之后的當前幀與模板圖像做差分；5）采用Ostu自動閾值分割算法實現圖像的二值化，對圖像進行連續的開和閉運算；6）通過空穴檢測查看產品成型是否存在異常，如果有異常則顯示報警信息；否則繼續等待開下一周期的注塑機工作狀態信息。本發明專利技術實時性良好、魯棒性強。
【技術實現步驟摘要】
本專利技術涉及エ業自動化控制領域中注塑機行業，尤其是ー種注塑機模具監視方法，主要涉及計算機視覺中的特征檢測、圖像配準及圖像差分技木。
技術介紹
近年來隨著塑料制品應用領域的不斷擴大，全球對注塑機的需求呈現了持續大幅攀升的趨勢。為了對注塑機生產過程中模具存在的殘留、滑塊錯位、脫模不良等異常情況進行實時監控以實現對模具的自動保護，模具保護器被大量引入注塑行業中。這種基于圖像處理技術的監控系統極大提高了注塑模具的安全性和工作效率，降低了修模成本和工作人員的勞動強度。但是，目前的模具保護器還存在成本較高、操作復雜、漏檢、誤檢率高等缺點，主要表現在以下兩個方面。 從硬件角度而言，現有的模具保護器普遍選擇エ控機作為主控単元，而エ控機一般都沒有數字IO接ロ，為了與注塑機交互控制信號，必須對標準的エ控機進行改造，増加IO擴展接ロ ；另外，エ控機也沒有標準的模擬相機接ロ，必須增加圖像采集卡或者直接與數字相機相連接。因此，整個系統硬件成本比較高，系統可擴展性也較差。另ー方面，從軟件角度而言，目前引入的模具保護器功能都比較單一，模具保護裝置內部的圖像處理算法簡單，智能化程度相對較低，導致需要復雜的人工操作和經驗來保證其結果的正確性。例如，運行前的樣本學習，報錯后的經驗學習，多模板的選擇，檢測區域及一些參數的人工選擇問題等。這些都極大地依賴于現場的環境和操作人員的經驗。同吋，針對模具歸位不準、機械振動造成的圖像偏差問題。廈門大學的詹長明采用了基于灰度的模板匹配方法來解決。但光照變化會造成不同灰度屬性或對比度差異，因此基于灰度的匹配算法對于光照變化往往缺乏魯棒性。浙江大學的毛峰等人則利用小波分析方法解決幾何偏差的問題，通過圖像數據散布圖分析解決光照變化帶來的影響，取得了較好的效果，但算法的實時性有待進一步提高。由于SIFT(Scale-invariant feature transform,尺度不變特征轉換)特征對圖像的尺度、光照、平移、旋轉等變換具有不變性。近年來，許多學者對基于SIFT特征的圖像配準方法進行研究。SIFT特征匹配算法是LoweD提出的ー種有效的圖像匹配算法，該算法的優點是對圖像的尺度、光照、平移、旋轉等變換具有不變性，但也存在實時性不足的缺點。因此Sukthankar和Ke提出一種運用主成分分析的SIFT算法；Bay提出了 SURF算法——增強版的SIFT算法。這些優化后的SIFT算法實時性更好，但仍難以滿足模具保護系統的實時性要求。SIFT特征匹配算法中圖像金字塔的構建以及過多的關鍵點是造成算法實時性不高的重要原因之一。因此，該專利技術采用ー種改進的圖像特征快速配準算法利用FAST-9快速角點檢測方法改進SIFT特征匹配算法。作為另ー種增強型SIFT特征匹配算法，它高效地解決了光照對特征匹配的影響和現場噪聲、陰影以及機械震動造成的圖像偏差問題，使得前景圖像和背景圖像能完全吻合，也十分符合系統的實時性要求。中國專利也公開了ー些模具保護的裝置和方法。如授權公開號為CN102152457A的專利技術公開了ー種基于直方圖匹配的嵌入式模具保護裝置，根據兩張直方圖的差異來判斷是否存在未脫模的制品。該專利技術通過直方圖的匹配檢測出不同圖像顯著的邊緣和顔色的統計變化，達到報警的目的。但該專利技術還存在以下問題在開模到位后，機械手抓取產品前，缺少對動模上產品質量的一次檢測；光照變化會造成不同灰度屬性或對比度差異，因此灰度直方圖匹配算法對于光照變化往往缺乏魯棒性。再如授權公開號為CN102363354A的專利技術公開了ー種基于機械視覺的注塑機模具保護系統和方法。利用紅外相機判斷產品是否合格，落料后再次對模具進行拍攝，判斷是否落料成功，并給出檢測結果。該專利技術同樣存在以下問題說明書中沒有考慮機械震動對檢測的影響，缺乏關鍵合理的圖像處理算法描述。授權公開號為CN102303397A的專利技術公開了用于模具成型機的模具圖像監視方法及裝置，該專利技術將攝取的圖片存儲在臨時儲存單元并與大量的基準圖像相比較，進行判斷，如果出現誤判，將該圖片添加到相應的存儲單元中，最終達到模具的保護作用。該專利技術同樣也存在以下問題模具保護裝置內部的圖像處理算法簡單，智能化程度相對較低，需要通過經驗學習獲取大量基準圖片，才能保證檢測結果的正確性。而經驗學習極大地依賴于現場的環境和操作人員的經驗；算法通用性及對環境變化的魯棒性較差；隨著樣本圖片的增加，圖片所需的存儲空間和檢測算法所需的時間都隨之増加?！ぁぁ?br>技術實現思路
為了克服已有注塑機模具監視方法的實時性較差、魯棒性較差的不足，容易受現場光照、噪聲、陰影以及機械震動的影響，本專利技術提供一種實時性良好、魯棒性強的基于FAST-9圖像特征快速配準算法的模具監視方法。本專利技術解決其技術問題所采用的技術方案是一種基于FAST-9圖像特征快速配準算法的模具監視方法，所述模具監視方法包括以下過程I)分別采集注塑機開模到位時和頂針頂出之后的標準模板圖像，并進行預處理，以消除圖像中無關的信息，；2)等待注塑機工作狀態信息，所述狀態信息包括開模到位、頂針到位和安全門；當系統處于監控エ件時，通過攝像機對模具型腔面連續取像，并對監控圖像的當前幀做預處理，為后續的圖像快速配準做準備；3)執行基于FAST-9圖像特征快速配準算法，使當前幀與模板圖像之間做圖像特征的快速配準，具體過程如下3. I)關鍵點的檢測利用FAST-9快速角點檢測方法分別獲取實時圖像和樣本圖像關鍵點，首先以當前像素點P為圓心，構建半徑為3的森漢姆圓圈，然后比較圓心點p與周圍圓圈上的點X G (I.. 16)的像素灰度值，若有連續n個圈上點都比圓心點像素值高或者低一個閾值t，則認為該點為關鍵點，X與P之間的關系表為本文檔來自技高網...
【技術保護點】
一種基于FAST？9圖像特征快速配準算法的模具監視方法，其特征在于：所述模具監視方法包括以下過程：1）分別采集注塑機開模到位時和頂針頂出之后的標準模板圖像，并進行預處理，以消除圖像中無關的信息，最終存儲在DSP核心控制板的存儲模塊中；2）等待注塑機工作狀態信息，所述狀態信息包括開模到位、頂針到位和安全門；當系統處于監控工件時，通過攝像機對模具型腔面連續取像，并對監控圖像的當前幀做預處理，為后續的圖像快速配準做準備；3）執行基于FAST？9圖像特征快速配準算法，使當前幀與模板圖像之間做圖像特征的快速配準，具體過程如下：3.1）關鍵點的檢測：利用FAST？9快速角點檢測方法分別獲取實時圖像和樣本圖像關鍵點，首先以當前像素點p為圓心，構建半徑為3的森漢姆圓圈，然后比較圓心點p與周圍圓圈上的點x∈(1.16)的像素灰度值，若有連續n個圈上點都比圓心點像素值高或者低一個閾值t，則認為該點為關鍵點，x與p之間的關系表示為：Sp→x=d,Ip→x≤Ip-tdarkers,Ip-t≤Ip→x≤Ip+tsimilarb,Ip+t≤Ip→xbrighter其中，Ip→x表示圈上像素點灰度值，Ip為圓心灰度值；3.2）關鍵點主方向的確定：采用梯度直方圖統計法：每個像素點梯度表示為：gradI(x,y)=(δIδx,δIδy)---(1)梯度方向表示為：θ(x,y)=tan-1[L(x,y+1)-L(x,y-1)L(x+1,y)-L(x-1,y)]---(2)梯度幅值表示為：m(x,y)=f2(x,y)+g2(x,y)---(3)其中，f(x,y)=L(x+1,y)？L(x？1,y)，g(x,y)=L(x,y+1)？L(x,y？1)。在關鍵點[0,2π]的范圍內構建梯度直方圖，每個柱代表10°的范圍，共36個柱，其中柱的方向代表統計梯度方向，柱的高低代表統計梯度幅值；直方圖生成后，其主峰方向作為關鍵點的主方向，同時選取幅值高達主峰80%的能量峰值作為輔方向；3.3）構建SIFT特征描述子：將坐標移至關鍵點主方向上，并以角點為中心的圓形鄰域內構建4×4×8維向量表征，最終生成規范化的128維描述子L=(l1,l2…l128)；3.4）特征匹配：當特征向量歐氏距離的最近鄰和次近鄰距離之比小于一個閾值α時，則認為匹配成功，公式表示為:d(Ri,Si)d(Ri,Sj)<α---(4)其中Ri為模板圖中關鍵點描述子，Si為實時圖中最近鄰點描述子，Sj為實時圖中次近鄰點描述子；3.5）圖像配準：考慮模具監視系統中只存在旋轉和平移的幾何變化，則圖像間變化矩陣表示為：M=rcosθ-rsinθdxrsinθrcosθdy001---(5)其中，θ為旋轉因子，r為縮放因子，dx和dy分別表示圖像橫縱坐標上的偏移量。因此，若特征點p(x1,y1)和q(x2,y2)是匹配的特征點對，則有變換關系：x1y1=rcosθ-rsinθrsinθrcosθx2y2+dxdy---(6)采用RANSAC法剔除誤配點，再采用最小二乘法擬合變換參數，過程如下：a隨機抽取N個樣本，根據樣本估計模型參數M，再根據M計算每一匹配對之間的距離，將距離小于閾值的匹配對作為內點；b將上述過程重復K次，選擇包含內點數目最多的一個點集；c用所選取的點集中的匹配對重新計算M，再用最小二乘法來最小化誤差，這樣在求取最終解之前，先去掉了不符合大多數解的外點，消除了誤配點對的影響，從而得到多數匹配點對所滿足的最終變換模型；d通過圖像間的變換參數求得校正后的圖像，最終完成圖像的配準；4）再將配準之后的當前幀與模板圖像做差分；5）采用Ostu自動閾值分割算法實現圖像的二值化，對圖像進行連續的開和閉運算以消除噪聲影響；6）通過空穴檢測查看產品成型是否存在異常，如果有異常則顯示報警信息，注塑機停止壓模進入連鎖保護措施；否則繼續等待下一周期的注塑機工作狀態信息。...
【技術特征摘要】
1.一種基于FAST-9圖像特征快速配準算法的模具監視方法，其特征在于所述模具監視方法包括以下過程 1)分別采集注塑機開模到位時和頂針頂出之后的標準模板圖像，并進行預處理，以消除圖像中無關的信息，最終存儲在DSP核心控制板的存儲模塊中； 2)等待注塑機工作狀態信息，所述狀態信息包括開模到位、頂針到位和安全門；當系統處于監控エ件時，通過攝像機對模具型腔面連續取像，并對監控圖像的當前幀做預處理，為后續的圖像快速配準做準...
【專利技術屬性】
技術研發人員：邢科新，林葉貴，姜旭飛，董輝，何德峰，徐建明，
申請(專利權)人：浙江工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。