一种机器人维护检测方法与流程

本发明属于机器人检测技术领域，具体涉及一种机器人维护检测方法。

背景技术：

近年来，制造业正朝着自动化、智能化方向高速发展，随着现代信息技术不断提高，机器人技术也得到了长足的发展，是未来实现智能制造的主要载体。机器人是一种对关节柔性运动平台，具有灵活性好、重复定位精度高等优点，能够完成如焊接、搬运、装配和喷涂等重复性高的工作。但是，在长期运行过程中，机器人还存在温度变化导致机器人本体热胀冷缩而变形或者关节磨损产生裂纹等问题，使得机器人的工作精度降低。

现有技术通常采用在机器人身上安装各类传感器以检测机器人工作状态，然而此类方案基于各类硬件设备，不仅不便于安装走线，还在一定程度上增加了维护检测成本。因此，机器人的故障诊断需要一种简单、直观、实用且易于实现的维护检测方法，能够迅速定位工业机器人的故障位置，以保障机器人运行的安全性，保证工作精度，提高维护效率，节约维护费用。

技术实现要素：

本发明旨在于至少在一定程度上解决上述技术问题之一。

为此，本发明目的在于提供一种机器人维护检测方法，通过摄像设备采集机器人图片便能实现机器人的检测，一方面，通过采集机器人的红外图像可实时检测机器人的运行温度，另一方面，通过采集机器人的彩色图像并分析机器人是否存在损伤和裂纹。本发明可有效避免机器人长期运行过程中存在的温度变化导致机器人本体热胀冷缩而变形或者关节磨损产生裂纹等问题，同时保证机器人工作精度，提高维护效率，节约维护费用

本发明所采用的技术方案为：

一种机器人维护检测方法，包括以下步骤：

s1：获取当前机器人的红外图像和标准温度对照带，提取红外图像中各像素的温度值；

s2：判断各像素的温度值是否达到对应的温度阈值；若是，则输出超温信号并进行降温处理；若否，则进入步骤s3；

s3：获取当前机器人的彩色图像，并根据当前机器人的彩色图像得到当前机器人的灰度图像；

s4：根据当前机器人的灰度图像，得到裂纹区域的连通域参数；

s5：判断裂纹区域的连通域参数是否达到连通域参数阈值，若是，则发出报警信号，若否，则返回步骤s1。

进一步地，所述步骤s1的具体步骤为：

s1-1：获取当前机器人的红外图像和标准温度对照带；

s1-2：根据当前机器人的红外图像和标准温度对照带，得到红外图像和标准温度对照带的灰度图；

s1-3：根据红外图像和标准温度对照带的灰度图，对红外图像中各像素进行插值处理，提取红外图像各像素的温度值。

进一步地，所述步骤s1-2的具体步骤为：

s1-2-1：根据当前机器人的红外图像和标准温度对照带，获取红外图像和标准温度对照带中各像素的r分量、g分量和b分量；

s1-2-2：将红外图像和标准温度对照带中各像素的r分量、g分量和b分量的最大值作为像素的灰度值输出，得到红外图像和标准温度对照带的灰度图。

进一步地，所述步骤s4的具体步骤为：

s4-1：消除当前机器人的灰度图像的噪点；

s4-2：分离灰度图像中的裂纹区域和背景，得到裂纹区域；

s4-3：对裂纹区域进行数学形态学操作，得到裂纹区域的连通域；

s4-4：提取步骤s4-3中裂纹区域的连通域的参数信息。

进一步地，所述步骤s4-1中，通过中值滤波消除当前机器人的灰度图像的噪点。

进一步地，所述步骤s4-2中，通过canny算子边缘检测分离步骤s4-1中的灰度图像中的目标区域和背景，得到裂纹区域，所述裂纹区域为二值图像。

进一步地，所述步骤s4-3的具体步骤为：

s4-3-1：构建se；

本步骤需要说明的是，se(structureelement，结构元素)在数学形态学中，其基本变换都是利用基本对称结构元素进行迭代运算的，可用这些结构元素来进行腐蚀，膨胀等运算；

s4-3-2：用se对二值图像进行膨胀运算，使相邻的像素闭合成一个区域，得到若干个区域；

s4-3-3：计算二值图像中若干个区域的面积，保留面积最大的区域作为目标区域，去掉其他区域；

s4-3-4：通过膨胀运算填充目标区域的孔洞，使裂纹部分构成一个裂纹全白、背景全黑的连通域；

s4-3-5：对步骤s4-3-4中的连通域进行开运算，得到裂纹轮廓光滑的连通域。

进一步地，所述步骤s4中，所述连通域参数为目标区域中连通域的圆形度和长宽比；所述步骤s5中，所述连通域参数阈值为目标区域中连通域的圆形度阈值和长宽比阈值。

进一步地，所述圆形度的计算公式为：

e＝(4π*s)/c²；

式中：e为连通域的圆形度，s为连通域的面积，c为连通域的周长。

进一步地，所述长宽比的计算公式为：

p＝l1/l2；

式中：p为连通域的长宽比，l1为连通域的最小外接矩形的长度，l2为连通域的最小外接矩形的宽度。

本发明的有益效果为：

本发明提供了一种机器人维护检测方法，通过采集当前机器人的红外图像和标准温度对照带，便可提取红外图像中各像素的温度值，当检测到机器人的运行稳定超过温度阈值时，输出超温信号并进行降温处理；通过采集机器人的彩色图像并转化为灰度图像，分离出裂纹区域并得到连通域，通过判断连通域参数是否在连通域阈值范围内，分析判断机器人是否存在损伤或者裂纹；本发明可有效避免机器人长期运行过程中存在的温度变化导致机器人本体热胀冷缩而变形以及关节磨损产生裂纹等问题，同时保证机器人工作精度，提高维护效率，节约维护费用。

本发明的其他有益效果将在具体实施方式中进行详细说明。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的流程示意图。

具体实施方式

下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本发明阐述的实施例中。

应当理解，本发明使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时，指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性，并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。

应当理解，还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。

应当理解，在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。

实施例1

如图1所示，本实施例提供一种机器人维护检测方法，包括以下步骤：

s1：获取当前机器人的红外图像和标准温度对照带，提取红外图像中各像素的温度值；

本步骤需要说明的是，标准温度对照带为红外摄像设备拍摄红外图像时，在红外图像上附带的颜色-温度对照条，由于标准温度对照带各像素对应的温度值是已知的，从而可以根据各像素和温度的映射关系，提取红外图像中各像素的温度值；

s2：判断各像素的温度值是否达到对应的温度阈值；若是，则输出超温信号并进行降温处理；若否，则进入步骤s3；

本步骤需要说明的是，降温处理可采用现有技术中的风冷或者水冷为机器人进行降温，作为其中的一个优选方案，可通过plc控制系统，调节风冷或者水冷的功率进行精准控温，在此不再赘述；

s3：获取当前机器人的彩色图像，并根据当前机器人的彩色图像得到当前机器人的灰度图像；

s4：根据当前机器人的灰度图像，得到裂纹区域的连通域参数；

本步骤需要说明的是，在图像中，最小的单位是像素，每个像素周围有8个邻接像素，如果像素点a与b邻接，我们称a与b连通，于是我们不加证明的有如下的结论：如果a与b连通，b与c连通，则a与c连通。在图像视觉上看来，彼此连通的点形成了一个区域，而不连通的点形成了不同的区域，这样的一个所有的点彼此连通点构成的集合，称为一个连通域。在本实施例中，如果机器人出现损伤或者裂纹，则损伤或裂纹区域则会形成一个连通域，通过提取裂纹区域的连通域参数，则可以知道机器人是否存在损伤或者裂纹现象；

s5：判断裂纹区域的连通域参数是否达到连通域参数阈值，若是，则发出报警信号，若否，则返回步骤s1。

本发明提供了一种机器人维护检测方法，通过采集当前机器人的红外图像和标准温度对照带，便可提取红外图像中各像素的温度值，当检测到机器人的运行稳定超过温度阈值时，输出超温信号并进行降温处理；通过采集机器人的彩色图像并转化为灰度图像，根据当前机器人的灰度图像，得到裂纹区域的连通域参数，通过判断连通域参数是否在连通域阈值范围内，分析判断机器人是否存在损伤或者裂纹。本发明可有效避免机器人长期运行过程中存在的温度变化导致机器人本体热胀冷缩而变形或者关节磨损产生裂纹等问题，同时保证机器人工作精度，提高维护效率，节约维护费用。

实施例2

本实施例提供的技术方案是在实施例1的技术方案基础上作出的进一步改进，本实施例与实施例1的区别在于：

如图1所示，本实施例提供一种机器人维护检测方法，包括以下步骤：

s1：获取当前机器人的红外图像和标准温度对照带，提取红外图像中各像素的温度值；

具体地，步骤s1的具体步骤为：

s1-1：获取当前机器人的红外图像和标准温度对照带；

s1-2：根据当前机器人的红外图像和标准温度对照带，得到红外图像和标准温度对照带的灰度图；

具体地，步骤s1-2的具体步骤为：

s1-2-1：根据当前机器人的红外图像和标准温度对照带，获取红外图像和标准温度对照带中各像素的r分量、g分量和b分量；

s1-2-2：将红外图像和标准温度对照带中各像素的r分量、g分量和b分量的最大值作为像素的灰度值输出，得到红外图像和标准温度对照带的灰度图。

s1-3：根据红外图像和标准温度对照带的灰度图，对红外图像中各像素进行插值处理，提取红外图像各像素的温度值。

在本步骤中，初始获得的红外图像和标准温度对照带中的每个像素的颜色都是由r分量、g分量和b分量决定的，而灰度图则是指r分量、g分量和b分量的取值均相同的一种图像，因此本实施例中先对红外图像和标准温度对照带转化为灰度图像，再根据灰度值和温度的映射关系对红外图像中各像素进行插值处理，提取红外图像中各像素的温度值。通过插值处理，利用已知邻近像素点的灰度值来确定目标像素点的灰度值，以便由原始灰度图的基础上再生出具有更高分辨率的图像，使得提取的温度值更为准确。

s2：判断各像素的温度值是否达到对应的温度阈值；若是，则输出超温信号并进行降温处理；若否，则进入步骤s3；

s3：获取当前机器人的彩色图像，并根据当前机器人的彩色图像得到当前机器人的灰度图像；

本步骤在将当前机器人的彩色图像转化为当前机器人的灰度图像时，可采用本实施例步骤s1的执行过程，此处不再赘述。

s4：根据当前机器人的灰度图像，得到裂纹区域的连通域参数；

具体地，步骤s4的具体步骤为：

s4-1：消除当前机器人的灰度图像的噪点；

作为其中的一个优选方案，通过中值滤波消除当前机器人的灰度图像的噪点。因为无论是直接获取的灰度图像，还是由彩色图像转换得到的灰度图像，里面都有噪声的存在，噪声对图像质量有很大的影响。进行中值滤波不仅可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊。

具体地，中值滤波的步骤为：首先定义一个含有若干个点的滑动窗口作为滤波模板，将滤波模板在图像中漫游，并将模板中心与灰度图像中某个像素位置重合；读取模板中各对应像素的灰度值；将这些灰度值从小到大排列；取这一列灰度值数据的中间数据，将其赋给对应模板中心位置的像素。如果窗口中有奇数个元素，中值取元素按灰度值大小排序后的中间元素灰度值。如果窗口中有偶数个元素，中值取元素按灰度值大小排序后，中间两个元素灰度的平均值。如在一个3*3矩阵作为滤波模板，将9个像素进行从小到大排序，最后将这个矩阵的中心点赋值为这9个像素的中值。

s4-2：分离灰度图像中的裂纹区域和背景，得到裂纹区域；

作为其中的一个优选方案，通过canny算子边缘检测分离步骤s4-1中的灰度图像中的目标区域和背景，得到裂纹区域，需要说明的是，分离后的裂纹区域为二值图像。

具体地，canny算子边缘检测的步骤为：首先对灰度图像进行高斯平滑，降低错误率；随后计算梯度幅度和方向来估计每一点处的边缘强度与方向；再根据梯度方向，对梯度幅值进行非极大值抑制；最后用双阈值算法检测和连接边缘。在本实施例中，相比sobel算子和prewitt算子，canny算子更为优异，能够尽可能多地标识出灰度图像中的实际边缘，并且标识出的边缘与实际图像中的实际边缘更为接近。

s4-3：对裂纹区域进行数学形态学操作，得到裂纹区域的连通域；

具体地，步骤s4-3的具体步骤为：

s4-3-1：构建se；

本步骤需要说明的是，se(structureelement，结构元素)在数学形态学中，其基本变换都是利用基本对称结构元素进行迭代运算的，可用这些结构元素来进行腐蚀，膨胀等运算；

s4-3-2：用se对二值图像进行膨胀运算，使相邻的像素闭合成一个区域，得到若干个区域；

在本实施例中，se由一个二值矩阵组成，并将中心位置定义为原点。遍历二值图像的每一个像素点，将其与se的原点对齐，然后取当前se中所有1的位置所覆盖下原二值图像中对应的像素中的最大值，用这个最大值替换当前像素值。膨胀看起来的效果就是让二值图像中的物体边界膨胀了一圈，使得边界向外扩散，使相邻的像素闭合成一个区域，进而得到若干个区域；

s4-3-3：计算二值图像中若干个区域的面积，保留面积最大的区域作为目标区域，去掉其他区域，实现消除图像中孤立的、狭小的干扰区域的目的；

s4-3-4：通过膨胀运算填充目标区域的孔洞，使裂纹部分构成一个裂纹全白、背景全黑的连通域；膨胀操作会使物体边界向外扩张，如果物体内部存在小孔洞的话，经过膨胀操作这些洞将被补上，形成一个完整的连通域；

s4-3-4：对步骤s4-3-3中的连通域进行开运算，得到裂纹轮廓光滑的连通域；开运算可以用来可以去掉目标外的孤立点，消除小物体，在纤细处分离物体，还会消除较大区域的凸起部分，即能在平滑较大物体的边界的同时不明显改变其面积，保留了图像的更多原有特征。

s4-4：提取步骤s4-3中裂纹区域的连通域的参数信息；连通域参数为目标区域中连通域的圆形度和长宽比；

具体地，圆形度的计算公式为：

e＝(4π*s)/c²；

式中：e为连通域的圆形度，s为连通域的面积，c为连通域的周长。

具体地，长宽比的计算公式为：

p＝l1/l2；

式中：p为连通域的长宽比，l1为连通域的最小外接矩形的长度，l2为连通域的最小外接矩形的宽度。

s5：判断裂纹区域的连通域参数是否达到连通域参数阈值，若是，则发出报警信号，若否，则返回步骤s1；

具体地，步骤s5中，连通域参数阈值为目标区域中连通域的圆形度阈值和长宽比阈值。优选地，圆形度阈值为0.25，长宽比阈值为5。即当连通域的圆形度小于0.25且长宽比大于5时，判断机器人存在损伤或者裂纹，并发出报警信号从而完成检测。

本实施例需要进一步说明的是，应当理解，通过本实施例的方法，还可对机器人的表面污渍进行检测，当污渍对应的连通域面积达到预设的面积阈值时，则发出相应报警信号。

本发明提供了一种机器人维护检测方法，通过采集当前机器人的红外图像和标准温度对照带，便可提取红外图像中各像素的温度值，当检测到机器人的运行稳定超过温度阈值时，输出超温信号并进行降温处理；通过采集机器人的彩色图像并转化为灰度图像，对灰度图像进行中值滤波去噪、canny边缘检测算子和数学形态学操作，分离出裂纹区域并得到连通域，通过判断连通域参数是否在连通域阈值范围内，分析机器人是否存在损伤或者裂纹，可有效避免机器人长期运行过程中存在的温度变化导致机器人本体热胀冷缩而变形或者关节磨损产生裂纹等问题，同时保证机器人工作精度，提高维护效率，节约维护费用。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所描述的实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。