买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉沈阳航空航天大学申请的专利基于改进SOBEL算法的零件几何精度合格率检测系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116664534B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310665854.0，技术领域涉及：G06T7/00；该发明授权基于改进SOBEL算法的零件几何精度合格率检测系统及方法是由高骞;王传云;胡安琪;杨健祺;孙冬冬;刘明慧;孙云飞设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本基于改进SOBEL算法的零件几何精度合格率检测系统及方法在说明书摘要公布了：本发明提供一种基于改进SOBEL算法的零件几何精度合格率检测系统及方法，涉及视觉检测及光学技术领域。本发明在显示端软件录入各类零件的基础信息，同时将机器摇臂移动至操作台进行标准零件图像拍摄，再将图像进行切向畸变及径向畸变矫正，对零件图像进行处理，并进行传送带上的每个零件的检测工作，对零件的成像进行几何精度识别检测处理，若测量结果与零件的标准成像形状或六个几何特征之差大于提前设定的本种类零件可允许偏差百分比时，系统指示灯亮起并报警，此时需要工作人员取这个不合格零件。等待传送带上的所有零件检测完毕时，每个类别的零件在本次检测的总被检测数量、不合格数量、合格数量及合格率将会回传到显示端，并展示给工作人员。

本发明授权基于改进SOBEL算法的零件几何精度合格率检测系统及方法在权利要求书中公布了：1.一种基于改进SOBEL算法的零件几何精度合格率检测系统，其特征在于，包括检测设备组以及上位机； 所述检测设备组包括相机、机械摇臂、光源、工作台、设备箱、夹具； 所述工作台为一长方形平台，所述机械摇臂的尾端固定在工作台一侧边缘，首端在工作台与生产线之间移动；所述相机为双目摄像头相机，固定在机械摇臂上，所述光源则固定在工作台的另一侧边缘，根据相机拍摄环境设置亮度，为待检测零件提供光照条件；所述夹具固定在工作台中心处； 所述设备箱通过RS-232串行通信协议与上位机进行通讯； 所述上位机为显示端软件，即图形用户界面，用于与操作人员进行交互，包括录入零件信息模块和展示零件检测结果模块；所述录入零件信息模块将各类合格零件的标准信息进行依次录入，录入零件信息模块再将各类合格零件的标准信息传递给检测设备中，显示端中的展示零件检测结果模块显示各类零件的几何精度检测结果； 所述设备箱固定在工作台边缘，所述设备箱中包括仪器测微计、激光扫描仪、保存零件几何精度标准模块和检测零件几何精度是否合格模块，所述保存零件几何精度标准模块包括第一硬盘驱动器以及第一数据采集卡，用于存储零件的几何数据；所述检测零件几何精度是否合格模块包括第二硬盘驱动器以及第二数据采集卡，用于分析和评估零件的几何精度；所述第一硬盘驱动器以及第二硬盘驱动器的输入端均与仪器测微计、激光扫描仪连接，第一硬盘驱动器以及第二硬盘驱动器的输出端分别与第一数据采集卡以及第二数据采集卡连接，第一数据采集卡与第二数据采集卡相连接； 所述的基于改进SOBEL算法的零件几何精度合格率检测系统，用于实现一种基于改进SOBEL算法的零件几何精度合格率检测方法，包括以下步骤： 步骤1：录入本生产车间的各类合格零件的相关信息，将各类合格零件的标准信息输入至本系统的显示端中，形成零件标准信息库； 步骤1.1：将各类零件中取一合格零件，依次放在工作台上，调整检测设备的机器摇臂方向至工作台，并将此零件放入摇臂上的双目摄像头正下方，调整光源至合适光照强度； 步骤1.2：将本机械生产车间的所有目前已生产的各类合格零件的标准信息录入到录入零件信息模块中，同一类型的合格零件只录入一组标准信息，其中包括输入零件的类型名称name、其类型编号number以及其类型零件可允许误差大小； 步骤1.3：输入零件的类型名称name、其类型编号number以及其类型零件可允许误差大小后，在录入零件信息模块显示在摇臂的双目摄像头下此零件的成像内容，调节光照强、摇臂角度及高度，让零件处于成像中心； 步骤2：使用摇臂上的双目摄像头实时采集传送带上的零件图像； 步骤3：对双目摄像头采集的图像进行矫正处理； 步骤4：将双目摄像头所拍摄的图像进行预处理，并对处理后的图像进行特征提取； 步骤5：工作人员协助生产车间将步骤4中提取的特征输入至分类器中，依次进行训练、测试和优化分类器； 步骤6：将所有不同类别的零件全部录入完成后，调整机器摇臂至传送带上，在展示零件检测零件几何精度是否合格模块进行零件的合格率检测的准备工作； 步骤6.1：将机器摇臂调整方向至传送带上，此时机器摇臂上的双目摄像头与传送带的垂直距离为h； 步骤6.2：启动传送带的运转开关，工作人员于起点依次放置待检测的零件且每个零件保持设定的距离，零件开始向终点一端运输； 步骤7：对零件成像进行几何精度识别检测处理； 步骤8：传送带上的所有零件检测工作结束，传送带停止运行，工作人员在展示零件检测结果模块查看本次检测工作结果； 所述检测工作结果具体为，在显示端界面显示每个类型零件的名称、零件编号、总被检测个数、几何精度合格个数、几何精度不合格个数、合格率； 所述步骤2具体包括以下步骤： 步骤2.1：双目摄像头放入两摄像头的光轴始终保持平行，设相机焦距为f，两个摄像头之间的水平连线即基线距离为； 步骤2.2：左右两个摄像头同时捕捉到零件的一个三维空间点设为，其坐标为；点在其中一个摄像头拍到的图像中的二维坐标为，在另一个摄像头拍到的图像中的二维坐标为，且，视差设为，； 步骤2.3：三维空间点在视点坐标系中的坐标表示为，视差与三维空间点的空间深度的关系的表示为，B表示基线距离； 所述步骤3具体包括以下步骤： 步骤3.1：对图像进行径向畸变矫正，所述径向畸变分为桶形畸变和枕形畸变； 所述径向畸变的矫正公式为： xj=xi*1+k1r2+k3r6+k2r4； yj=yi*1+k1r2+k3r6+k2r4； 其中，k1、k2、k3是径向畸变参数，r为矢量长度，xj为发生径向畸变后的横坐标，yj为发生径向畸变后的纵坐标；xi为校正后的横坐标，yi为校正后的纵坐标； 步骤3.2：对图像进行切向畸变矫正； 所述切向畸变的矫正公式为： x0=x+2p1y+p2r2+2x2； y0=y+2p2x+p1r2+2y2； 其中，x0为发生切向畸变后的横坐标，y0为发生切向畸变后的纵坐标；x为校正后的横坐标，y为校正后的纵坐标； 所述步骤4具体包括以下步骤： 步骤4.1：裁剪图像，使零件成像置于图像的中心，去除图像边缘，同时裁剪图像尺寸为1:1； 步骤4.2：调整图像的对比度和亮度； 步骤4.3：进行图像灰度化处理，将图像输出的灰度级进行放大，采用直方图均衡化的算法，将原图像的直方图修正为均匀的直方图，然后按均衡直方图修正原图像； 步骤4.4：采用基于深度学习的FCN方法对进行图像分割，对图像中的每个像素进行分类处理，得到每个像素属于每个类别的概率大小，继而得到图像的成像形状、总体及各边缘尺寸大小； 步骤4.5：通过改进SOBEL算子法提取出零件的边缘特征； 所述改进SOBEL算子法将SOBEL与CANNY算法进行结合，具体为，首先采用图像二值化方法来提高图像对比度，之后对提高图像对比度后的初步边缘检测结果进行非极大值抑制，对非极大值抑制后的边缘进行高低阈值双阈值处理，将边缘分为强边缘和弱边缘两类，其中强边缘包括像素值大于高阈值的边缘，弱边缘包括像素值介于低阈值和高阈值之间的边缘；对弱边缘进行连接，将其与强边缘相连，从而形成完整的边缘线；再对连接后的边缘进行滤波处理，去除噪声和非边缘点，从而得到最终的零件边缘；之后使用Canny算法来进行噪声去除和平滑处理，使用高斯滤波器将图像中每个像素周围的像素进行加权平均，其中离该像素越近的像素权重越大，离得越远的像素权重越小，最后进行连通域分析，将每个连通域视为一个物体，获得零件图像中的边缘信息； 步骤4.6：进行零件图像的角点特征提取操作，使用Harris角点检测算法计算每个像素点的角点响应值，通过计算图像的自相关矩阵来判断图像中的角点位置；再对角点响应值进行阈值化处理以去除响应值和重复的角点； 所述步骤5具体包括： 首先，工作人员将收集到的零件图像经过预处理和特征提取步骤，提取出表示零件几何特征的相关特征向量，接下来，工作人员将特征向量作为输入，与相应的零件类别标签一起，用于训练分类器；训练过程中，使用机器学习算法来构建分类器模型；在训练过程中，调整模型的参数和超参数以优化分类性能；完成训练后，工作人员使用独立的测试数据集对分类器进行评估；他们会通过计算分类器在测试数据集上的准确性、召回率、精确度等指标来评估分类器的性能；如果分类器的性能不理想，回到训练阶段，进行参数调整和再次训练，一旦分类器达到满意的性能水平，工作人员将优化后的分类器应用于实际的零件图像分类问题中，将新的零件图像输入分类器，通过对特征的提取和分类器的判断，将其自动归类到适当的类别中； 步骤5.1：使用训练集来训练分类器，训练集包含各类型零件的已知精度的合格零件图像； 步骤5.2：不断调整优化分类器的学习率、结构和规模、每次迭代使用的样本数量，正则化参数以及梯度下降的步长大小； 所述步骤7具体包括以下步骤： 步骤7.1：传送带开始运转，检测识别到完整零件出现至视野时，摄像头进行拍摄捕捉零件图像； 步骤7.2：读取零件上的条形码信息，获取当前检测零件的所属类型和类型编码：首先通过模块匹配法对二维码的位置和方向进行检测并识别，二维码被检测出使用二值化方法后对其进行解码操作以获取其所属类型和类型编码； 步骤7.3：重复进行步骤2、步骤3、步骤4的操作，获取当前检测零件的成像及相关测量数据，包括零件直径、孔径圆度、圆度、平行度、垂直度及边缘特征； 步骤7.4：在步骤1里事先录入好的零件标准信息库中，找出步骤7.2得到的零件类型所对应的零件标准信息进行一一比对； 如果在成像形状、直径、孔径圆度、圆度、平行度、垂直度及边缘特征这几个方面中，若步骤7.2的测量结果与步骤1的该类零件标准值之差，有一项存在超出可允许偏差，则视为零件不合格；此时将本类型零件的不合格数量加一，且此时传送带停止运行，系统指令灯发出报警提示，等待工作人员将此零件从双目摄像头下移出后，传送带继续运转，剩余零件的检测工作继续； 如果在成像形状、直径、孔径圆度、圆度、平行度、垂直度及边缘特征这几个方面中，若步骤7.2的测量结果与步骤1的该类零件标准值之差，每一项都在可允许偏差范围之内，则视为零件合格，此时将本类型零件的合格数量加一； 步骤7.5：每类零件的总被检测个数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人沈阳航空航天大学，其通讯地址为：110136 辽宁省沈阳市道义经济开发区道义南大街37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。