[發明專利]緊固件尺寸的自動化檢驗方法、系統及介質

有效

• 申請號: 202110532981.4
• 申請日: 2021-05-17
• 公開（公告）號: CN113269736B
• 公開（公告）日: 2023-01-13
• 發明（設計）人: 唐旸
• 申請（專利權）人: 唐旸
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/774;G06T7/10;G06T7/60
• 代理公司: 北京博訊知識產權代理事務所(特殊普通合伙) 11593
• 代理人: 宣海燕

1.一種緊固件尺寸的自動化檢驗方法，其特征在于，所述緊固件為軸對稱部件，且包含頭部和從所述頭部一端面延伸的桿部，所述頭部的直徑大于所述桿部的直徑，所述緊固件尺寸的自動化檢驗方法包括步驟：

S100，獲取與各類型緊固件對應的訓練樣本，所述緊固件對應的訓練樣本包括若干張不同的緊固件類型的圖片，將所述訓練樣本傳輸到預設深度學習模型，訓練所述預設深度學習模型的特征識別功能和特征圖像區分割功能，獲得能夠輸出對應輸入的緊固件圖片的多個特征識別信息和與各所述特征識別信息對應的特征圖像區的目標深度學習模型；其中，多個特征識別信息與多個特征圖像區一一對應，各所述特征圖像區為輸入的緊固件圖片中的一部分，每一個所述特征圖像區包括所述緊固件的至少一個特征；所述特征包括頭部、桿部和頭部根下角；當將緊固件圖片輸入到所述目標深度學習模型后，所述目標深度學習模型會從圖片中識別這些特征，并對該圖片進行分割，得到多個特征圖像區，每個特征圖像區對應的特征識別信息包括這些特征中的一項；

S200，獲取待檢驗緊固件的待檢驗緊固件圖像；

S300，調用所述目標深度學習模型對所述待檢驗緊固件圖像進行特征識別和特征圖像區分割，獲得多個特征識別信息和與各特征識別信息對應的特征圖像區；

S400，基于各所述特征識別信息從預設的緊固件知識庫中查找對應的特征名稱，并獲取各所述特征名稱對應的參數表；其中，所述緊固件知識庫包括特征名稱、與所述特征名稱對應的參數表，所述特征識別信息與所述特征名稱是一一對應的，各所述參數表包括若干參數名稱、與各所述參數名稱對應的尺寸識別規則信息和尺寸公差范圍，各所述尺寸識別規則信息包括尺寸標注點和根據這些尺寸標注點進行尺寸計算的規則，尺寸標注點是位于輪廓上，包括測量尺寸用的起始點和結束點；一個特征名稱包含多個參數名稱，每個參數名稱對應有該參數的尺寸識別規則信息和該參數的尺寸公差范圍；每一項參數均具有對應的參數值，反應每類緊固件在各個部位上的尺寸大??；其中，特征名稱桿部對應的參數包括桿長、有效螺紋到承載面的距離、桿直徑、螺紋長度、螺紋規格，對于所述桿長的尺寸識別規則信息包括測量的左側起始點和右側結束點，其尺寸公差范圍為所述桿長參數的公差范圍；

S500，采用邊緣探測和識別技術對各所述特征圖像區進行邊緣修正，得到修正后的特征圖像區；

S600，基于各所述尺寸識別規則信息識別修正后的特征圖像區上對應的尺寸標注點，并根據各參數名稱識別信息對應的所述尺寸標注點確定所述參數的實際測量值；其中，對于每一個參數名稱，先從邊緣修正后的特征圖像區識別輪廓特征，然后再確定尺寸標注點；

S700，判斷各所述參數的實際測量值是否滿足所述參數表中的尺寸公差范圍，并根據判斷結果檢驗所述待檢驗緊固件的尺寸合規性；

其中，所述步驟S100中，將所述訓練樣本傳輸到預設深度學習模型后，還訓練所述預設深度學習模型的類型識別功能，獲得的所述目標深度學習模型還能夠識別所述待檢驗緊固件的緊固件類型；

所述步驟S300中，調用所述目標深度學習模型還對所述待檢驗緊固件圖像進行類型識別，獲得所述待檢驗緊固件的類型識別信息；

所述步驟S400具體包括：基于所述類型識別信息從預設的緊固件知識庫中查找對應的緊固件類型，并基于各所述特征識別信息從預設的緊固件知識庫中查找對應所述緊固件類型的各對應的特征名稱，并獲取各所述特征名稱對應的參數表；其中，所述緊固件知識庫還包括緊固件類型，各緊固件類型對應有多個特征名稱；

所述步驟S600包括：

S610，基于各所述尺寸識別規則信息識別修正后的特征圖像區上對應的尺寸標注點；

S620，計算各所述尺寸標注點形成的尺寸值；

S630，根據所述待檢驗緊固件圖像的畸變信息、所述待檢驗緊固件圖像中緊固件的水平度信息，對所述尺寸值進行修正，得到所述實際測量值。

2.根據權利要求1所述的自動化檢驗方法，其特征在于，所述步驟S200 還包括：

獲取所述待檢驗緊固件的類型標識信息；

所述步驟S300和所述步驟S400之間還包括：

判斷所述類型標識信息和所述類型識別信息是否匹配，若是則執行步驟S400；若否則輸出所述待檢驗緊固件類型異常的提示信息。