技术领域本发明涉及模具监控技术领域，尤其是涉及一种基于机器视觉的模具保护装置及其方法。
背景技术：
传统的模具保护方法主要是通过低压保护、设置参数等，但这些方法设置的参数主要依靠经验，不够准确，不能有效保护模具。为了保证模具不被损坏，必须依靠人工检测的方式，但是因为耗时较长、工作环境恶劣等问题，工人容易疲倦，产生误判和漏检的情况。这样不但会降低模具的寿命，还降低了生产效率。中国专利CN203141884U公开一种机械视觉冲压模具保护系统，包括采用嵌入式芯片的主控制板、工业相机、近红外线光源和磁性固定座。所述主控制板通过I/O信号接口与冲压机相连，通过工业相机接口与工业相机相连；工业相机与近红外线光源安装在磁性固定座上。直接由工业相机采集模具图像来判断落料情况，智能分析模具的工作情况，并保护模具的使用安全。中国专利CN102363354A公开一种基于机械视觉的注塑机模具保护系统，包括采用嵌入式芯片的主控板、相机、近红外光源和磁性固定座，所述主控板通过I/O信号接口与注塑机相连，通过相机接口与相机相连；相机和近红外光源安装在磁性固定座上；磁性固定座设置在注塑机周围，使得相机能够在近红外光源下采集到注塑机开模后的模具内的图像。还涉及一种基于机械视觉的注塑机模具保护方法，利用相机判断产品是否合格，落料后再次对模具进行拍摄，判断是否落料成功，并给出检测结果信号。
技术实现要素：
本发明的目的在于为了解决上述问题，提供检测精度更高的一种基于机器视觉的模具保护装置。本发明的另一目的在于提供一种基于机器视觉的模具保护方法。所述基于机器视觉的模具保护装置，包括：图像采集模块，所述图像采集模块用于采集合格模板图像，作为基准图像以及待检测模板图像；图像处理模块，所述图像处理模块用于对所述基准图像和待检测模板图像分别进行预处理、搜索图像绝对特征值以及进行仿射变换；分析判断模块，所述分析判断模块用于判断所述仿射变换后的待检测模板每个像素点和基准图像对应像素点的灰度值差是否大于容差的总点数并且小于设定值，若是，则认为当前待检测模板合格，否则，为不合格。所述基于机器视觉的模具保护方法，包括以下步骤：1)采集原始模板图像，选取ROI区域；2)对所述原始模板图像进行预处理，作为基准图像，3)对所述基准图像搜索绝对特征点，等待合模触发信号；4)当接收到所述合模触发信号时，采集待检测模板图像；5)对所述待检测模板图像进行预处理；6)对所述预处理后的待检测模板图像搜索绝对特征点；7)根据所述基准图像的特征点和预处理后的待测模板的特征点生成仿射变换矩阵；8)对所述基准图像和待检测模板图像进行仿射变换；9)计算所述仿射变换后的待检测模板每个像素点和基准图像对应像素点的灰度值差；10)判断所述灰度值差是否大于容差的总点数并且小于设定值，若是，则认为当前待检测模板合格，否则为不合格。在步骤2)中，所述对所述基准图像进行预处理的具体方法可为：2.1对所述基准图像γ校正，所述γ校正是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈如下指数关系：Vout＝AVinγ其中，Vin为输入图像灰度值，Vout为输出图像灰度值，γ是指数函数的幂，当γ＞1时，图像整体的灰度值变小；当γ＜1时，图像整体的灰度值变大；2.2对γ校正后的基准图像低通滤波；g(i,j)=Σk,jf(i+k,j+l)h(k,l)]]>其中，h为滤波器的核函数，即权值；f(i+k,j+l)为图像各像素点；g(i,j)为每一个像素点与核函数的卷积和，即输出像素点，其中i,j,k,l＝1，2，3...n(n为自然数)。在步骤3)中，对所述基准图像搜索绝对特征点的具体方法可为：构建Hessian矩阵，Hessian矩阵H由函数和偏导数组成：H(f(x,y))=LxxLxyLxyLyy]]>其中，Lxx,Lxy,为二阶偏导数，即每一个像素点f(x,y)都可以求出一个Hessian矩阵；图像的自相关矩阵M为：M(x,y)=Σx,yw(x,y)Ix(x,y)2Ix(x,y)Ir(x,y)Ix(x,y)Ir(x,y)Iy(x,y)2]]>其中，M为图像的自相关矩阵；w(x,y)是窗口函数；I(x,y)即f(x,y)，Ix,Iy是为I(x,y)的偏导数；计算一个角点的响应值R：R＝detM-α(traceM)2其中，detM为矩阵M的行列式；traceM为矩阵M的直迹；α为经常常数，取值范围为0.04-0.06。当角点响应值R大于设置的门限，且为该点邻域内的局部最大值时，则把该点当作角点。在步骤5)中，对所述待检测模板图像进行预处理的具体方法可为：5.1对所述待检测模板图像γ校正；5.2对γ校正后的待检测模板图像低通滤波；γ校正和低通滤波分别在2.1和2.2中详细说明。在步骤6)中，对所述预处理后的待检测模板图像搜索绝对特征点的具体方法与步骤3)中对基准图像搜索绝对特征点的方法相同。在步骤7)中，根据所述基准图像的特征点和预处理后待测模板的特征点生成仿射变换矩阵的具体方法可为：根据搜索到的对应特征点，生成一个3×3的变换矩阵：xy1=XY1*(λx)cosθ(λx)sinθ0(λr)(-sinθ)(λy)cosθ0x0y00]]>其中，θ为XY坐标轴旋转角度，(x0,y0)为坐标原点移动量，λx,λy分别为对于原坐标系在x，y坐标轴上的放缩率。本发明通过采集合格模板图像，选取ROI区域，并进行预处理后作为基准图像，搜索绝对特征点后等待合模触发信号，然后对待测模板图像进行预处理、搜索绝对特征点，同时对基准图像和待检测模板图像进行仿射变换，计算仿射变换后的待检测模板每个像素点和基准图像对应像素点的灰度值差，最后判断所述灰度值差是否大于容差的总点数并且小于设定值，若是，则认为当前待检测模板是合格的，否则为不合格。本发明解决了模具位置变动造成的误差较大的问题，检测更为准确，节约了检测时间，提高了生产的效率。附图说明图1为本发明一种基于机器视觉的模具保护装置的实现方法的示意图；图2为本发明一种基于机器视觉的模具保护装置的组成图。具体实施方式为了使本发明所解决的问题方法、方案及其有益的效果更加清晰，以下内容结合附图以及实例对本发明进行了详细说明。此处所描述的具体实例仅用以解释本发明，并不用于限定本发明。如图1所示，本发明的一种基于机器视觉的模具保护装置及其方法，其内容主要包括：1)采集原始模板图像，选取ROI区域；2)对所述原始模板图像进行预处理，作为基准图像，3)对所述基准图像搜索绝对特征点，等待合模触发信号；4)接收到所述合模触发信号时，采集待检测模板图像；5)对所述待检测模板图像进行预处理；6)对所述预处理后的待检测模板图像搜索绝对特征点；7)根据所述基准图像的特征点和预处理后的待测模板的特征点生成仿射变换矩阵；8)对所述基准图像和待测模板图像进行仿射变换；9)计算所述仿射变换后的待检测模板每个像素点和基准图像对应像素点的灰度值差；10)判断所述灰度值差是否大于容差的总点数并且小于设定值，若是，即认为当前待检测模板是合格的，反之则为不合格。所述步骤2中，对所述基准图像进行预处理，进一步主要包括以下内容:2.1对所述基准图像GAMMA校正。Gamma校正是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系：Vout＝AVinγ其中，Vin为输入图像灰度值，Vout为输出图像灰度值，γ是gamma值，即指数函数的幂，当γ＞1时，图像整体的灰度值变小，当γ＜1时，图像整体的灰度值变大。2.2对GAMMA校正后的基准图像低通滤波。g(i,j)=Σk,jf(i+k,j+l)h(k,l)]]>其中，h为滤波器的核函数，即权值；f(i+k,j+l)为图像各像素点；g(i,j)为每一个像素点与核函数的卷积和，即输出像素点，其中i,j,k,l＝1，2，3…n(n为自然数).所述步骤3中，对所述基准图像搜索绝对特征点，进一步包括以下内容：构建Hessian矩阵，Hessian矩阵H是由函数，偏导数组成：H(f(x,y))=LxxLxyLxyLyy]]>其中，Lxx,Lxy,为二阶偏导数，即每一个像素点f(x,y)都可以求出一个Hessian矩阵。图像的自相关矩阵M为：M(x,y)=Σx,yw(x,y)Ix(x,y)2Ix(x,y)Iy(x,y)Ix(x,y)-Iy(x,y)Iy(x,y)2]]>其中,M为图像的自相关矩阵；w(x,y)是窗口函数；I(x,y)即f(x,y)，Ix,Iy是为I(x,y)的偏导数。计算一个角点的响应值R：R＝detM-α(traceM)2其中，detM为矩阵M的行列式；traceM为矩阵M的直迹；α为经常常数，取值范围为0.04-0.06。当角点响应值R大于设置的门限，且为该点邻域内的局部最大值时，则把该点当作角点。所述步骤5中，对所述待检测模板图像进行预处理，进一步包括以下内容：5.1对所述待检测模板图像GAMMA校正；5.2对GAMMA校正后的待检测模板图像低通滤波。GAMMA校正和低通滤波分别在2.1和2.2中详细说明，此处不再赘述。所述步骤6中，对所述预处理后的待检测模板图像搜索绝对特征点，其和步骤3所述对基准图像搜索绝对特征点的方法相同，不再赘述。所述步骤7中根据所述基准图像的特征点和预处理后待测模板的特征点生成仿射变换矩阵，进一步包括以下内容：根据搜索到的对应特征点，生成一个3×3的变换矩阵：xy1=XY1*(λx)cosθ(λx)sinθ0(λy)(-sinθ)(λy)cosθ0x0y00]]>其中，θ为XY坐标轴旋转角度，(x0,y0)为坐标原点移动量，λx,λy分别为对于原坐标系在x，y坐标轴上的放缩率。如图2所示，本发明还提供了一种模具保护装置，其特征包括：图像采集模块，用于采集合格模板图像，作为基准图像以及待检测模板图像；图像处理模块，用于对所述基准图像和待检测模板图像分别进行预处理、搜索图像绝对特征值以及进行仿射变换；分析判断模块，用于判断所述仿射变换后的待检测模板每个像素点和基准图像对应像素点的灰度值差是否大于容差的总点数并且小于设定值，若是，则认为当前待检测模板是合格的，反之则为不合格。本发明通过采集原始模板图像选取ROI区域(RegionOfInterest，即在处理的图像中提取出要处理的区域)，并预处理后作为基准图像，等待合模出发信号；接收到触发信号时，采集待检测模板图像并进行预处理，分别对基准图像和待检测模板图像搜索绝对特征点、仿射变换，然后计算仿射变换后的待检测模板每个像素点和基准图像对应像素点的灰度值差，所述灰度值差大于容差的总点数并且小于设定值，即认为当前待检测模板是合格的，反之则为不合格。该检测方法更为准确，节约了检测时间，提高了生产的效率。