CN102495078B - 基于量子点红外荧光显示技术的焊缝检测方法 - Google Patents
基于量子点红外荧光显示技术的焊缝检测方法 Download PDFInfo
- Publication number
- CN102495078B CN102495078B CN 201110403646 CN201110403646A CN102495078B CN 102495078 B CN102495078 B CN 102495078B CN 201110403646 CN201110403646 CN 201110403646 CN 201110403646 A CN201110403646 A CN 201110403646A CN 102495078 B CN102495078 B CN 102495078B
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- detection
- quantum dot
- welding seam
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/91—Investigating the presence of flaws or contamination using penetration of dyes, e.g. fluorescent ink
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
- G01N2021/646—Detecting fluorescent inhomogeneities at a position, e.g. for detecting defects
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种基于量子点红外荧光显示技术的焊缝检测方法。检测过程包括:焊区表面的初步清理;量子点红外荧光材料的加入;红外激光扫描;探测器获取缺陷图像;缺陷记录与分析。应用一种半导体量子点红外荧光材料做焊接区缺陷标记,用相应波长红外激光器的扩束激光进行焊缝的扫描,实现缺陷处荧光材料的红外激发,然后以探测器进行实施图像记录。并可以对图像作后期的处理得到焊缝更详细的信息,分析与预测焊接区的缺陷分布状况。本方法利用量子点线度在纳米级的优势可以实现微小焊缝的检测,检测精度高,过程简单,并且是在不破坏焊缝的前提下检测焊缝的缺陷,属于无损检测范畴。能够满足高精度的检测标准,并可以对焊接潜在的故障进行预见。
Description
技术领域
本发明属于金属焊缝无损检测技术领域,涉及利用半导体量子点红外荧光显示的检测过程,特别是一种能够无损检测纳米级金属焊缝的方法。
背景技术
在铁路桥梁建设、城市楼房建设、石油化工等诸多方面的施工中,都会涉及到大量的金属管道及金属钢板的铺设工作,管道或者其他金属之间的连接大多采用焊接方法进行施工。但是为了保证金属焊接的工程质量,就需要对焊接结果进行评估和无损检测。
目前的焊接质量检测方法主要有三种:在焊接过程中通过对焊接出现的各种光电磁信号及焊接状态进行监测,估计焊缝质量;通过红外无损检测手段对焊后焊缝内部缺陷进行检测;通过基于摄像头的视觉方法对焊后焊缝表面缺陷进行检测等。
更传统的检测方法有磁粉检测、超声检测、射线检测,电磁涡流检测等,近些年来又出现了金属磁记忆检测。
超声法对焊缝表层检测较为有效,检测时需要耦合剂,效率较低。射线检测时必须采取安全防护措施,以防止对检测人员身体的伤害。涡流检测建立在电磁感应基础之上,其实质是检测线圈阻抗的变化,若焊缝存在缺陷,就会产生涡流的磁场强度和分布,使线圈阻抗发生变化,通过检测这个变化就可以检测到焊缝缺陷,但是整个过程非常繁琐,实现起来有一定的难度。电磁涡流检测技术只适合检测已存在的焊缝内部缺陷,而对于发现和预测缺陷产生的部位、因材料疲劳产生突发性破坏问题则无能为力。金属磁记忆检测技术到可以弥补这方面的不足。金属磁记忆检测技术是基于金属磁记忆效应而发展起来的,金属磁记忆效应是指铁磁性金属(常见的钢铁等)零件在加工过程中,由于受载荷和地磁场共同作用,在应力和变形集中区域会发生具有磁致伸缩性质的磁畴定向和不可逆的重新取向,这种磁状态的不可逆变化在工作载荷消除后仍然能保存下来,记录该处的微观缺陷或应力集中的情况。通过检测被测件的磁场强度和磁场梯度分布情况即可确定应力集中或存在缺陷的位置。但是如果金属中加入了掺杂,就会改变原有的磁记忆状态,这种检测方法就会出现一定的误差,影响检测的结果。
以上技术可以看出,在现有的检测方法中,既有优点又有缺点。大多只适用于金属表面的缺陷检测,或者检测精度太低无法达到所需的要求。能够进行深层检测的超声检测法对表面微米及纳米级的裂缝反应不灵敏。视觉成像法较为准确,但是图像的提取与处理过程又非常繁琐。对于金属焊缝深层的缺陷与纳米级微小缺陷的检测手段还欠缺。对于批量化生产和焊接检测,急需一种简洁、快速、高精度的检测方法。
发明内容
本发明目的是解决现有技术中存在的检测精度低,检测过程繁琐的问题,提供一种新的基于量子点红外荧光显示技术的焊缝检测方法。该本方法是在不破坏焊缝的前提下检测焊缝的缺陷,属于无损检测范畴。
本发明提供的基于量子点红外荧光显示技术的焊缝检测方法所涉及的检测过程包括:
(1)焊区表面的初步清理,去除焊区表面杂质对检测结果的干扰;所述初步清理过程采用的是有机溶剂丙酮,经清理后可有效去除焊区表面有机物,排除杂志有机物存在红外辐射的干扰;
(2)量子点红外荧光材料的加入,在焊缝区表面均匀地涂一层渗透剂胶体,胶体内部含有量子点材料,随着胶体的渗透作用量子点也会随之进入到缺陷的内部;所述的量子点红外荧光材料的制作过程是以胶体为载体,在缺陷的内部胶体作为量子点材料的固定剂,当胶体渗透到焊缝缺陷处以后,量子点材料也会随之进入到缺陷深处,在后期表面的清理过程中量子点材料仍然可以存在于缺陷处,可以保证在检测过程中不会有缺陷被遗漏掉;所用量子点的线度在5nm~8nm,红外辐射波长为850nm,由于其线度非常小,因此可进入到5nm~100nm的缺陷中,实现纳米级缺席的检查;
(3)扩束红外激光光束扫描,实现激光能量对红外荧光材料的激发辐射;所述红外激光扫描采用的是850nm的红外激光器,与量子点材料的红外荧光激发波长相匹配;输出功率为40mW,供电电压为DC2.8~5.0V,工作电流<100mA,扩束以后得到的线宽根据焊缝区域大小进行调整,一般控制在6cm~8cm;在扫描前用扩束镜对激光器光束进行扩束,增大了光束的扫描面积;便于一次性扫描完成,红外激光的能力会使得红外荧光材料激发出红外光;红外探测器会即时的探测到红外荧光材料的辐射情况,并摄取相应的红外图像到记录单元中;
(4)红外探测器检测,实现图像的采集,获取包含缺陷部位的焊接区红外辐射热像图像;所述红外探测器采用的是非制冷型焦平面红外探测器,焦面阵列为800×640,探测精度高,可实现对红外辐射的高精度探测,其后续电路包括存储单元,可以将探测到的红外辐射图像记录存储,供图像的预处理使用;
(5)缺陷记录与分析,由图像的预处理过程,对缺陷的大小、形状及面积进行统计与分析,实现位置缺陷的预测功能;所述的图像预处理过程包括:红外辐射图像的灰度化、平滑去噪、二值化、图像边缘检测、焊缝特征提取,灰度化过程采用平均加权的方法,根据重要性及其它指标,将图像的RGB三个分量以不同的权值进行加权平均;由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,按式:f(i,j)=0.299R(i,j)+0.587G(i,j)+0.ll4B(i,j)对RGB三分量进行加权平均能得到较合理的灰度图像;采用邻域平均法实现灰度图像的平滑去噪,用几个像素灰度的平均值来代替每个像素的灰度;通过人工设定整体阈值的方法将图像进行二值化处理,将图像上的点的灰度值设为0或255,将整个图像呈现出明显的黑白效果;采用Canny算子进行图像的边缘检测,Canny边缘检测算子是利用高斯函数的一阶微分,它在噪声抑制和边缘检测之间寻求较好的平衡,Canny算子进行了“非极大值抑制”和形态学连接操作,提取的边缘最为完整,而且边缘的连续性很好,可为特征提取打下基础;最后进行图像的特征提取,以图像边缘任意点(x0,y0)为起点坐标,(x0,y0),(x1,y1),(x2,y2),…,(xK-1,yK-1)为逆时针方向沿着图像边界遇到的点,两点之间可以得到图像边界的方向向量,通过对比选择得出可表征缺陷边缘的特征向量,将特征向量输入用计算机实现焊缝的形状分布、面积大小的计算,对多次检测数据进行分析统计,可用于对未知焊区的缺陷预测与分析。
用计算机实现焊缝的形状分布、面积大小的计算,对多次检测数据进行分析统计,可用于对未知焊区的缺陷预测与分析。对于焊缝的检查从红外图像中便可得知。存在缺陷的地方会有明显的荧光反应,会激发出相应的红外辐射。而得到的红外图像可以对辐射区域的大小面积、形状分布做出统计与评估。缺陷记录与分析模块可以完成该任务,作为焊接质量的一种评估手段。
本发明的优点和有益效果:
本发明方法采用半导体量子点红外荧光材料作为检测基础,量子点材料本身线度可以只有几个纳米,利用这一优点,可以用胶体渗透的方法将微小的量子点红外荧光材料引入到纳米级缺陷内部,然后通过荧光材料的红外激发与显影可实现了微米及纳米级的微焊缝检查。因此该方法可以将检测的精度提高到纳米量级,以满足焊接领域更高精度要求的检测标准,通过对检测结果的统计与分析也可以实现对设备潜在的故障进行预见。
对于焊接区域,极小的焊缝用肉眼是难以发现的,超声检测法对微小缺陷的响应也不够灵敏,本方法的思路是以纳米线度的红外荧光材料为中介,实现将微小焊缝间接放大,对荧光材料的红外辐射成像及图像的处理,可以将微米甚至纳米级的焊缝缺陷“尽收眼底”。并可以对更多的检测数据进行统计分析,实现对未检测区域进行缺陷的预测。
使用较少的设备实现了高精度的焊缝检查,避免了原有方法中大工作量的移动检测设备,因此可以大大提高检测的效率,并且避免了射线对工作人员身体的伤害,所用环境友好型材料对环境无污染。
附图说明
图1本方法的流程框图;
图2本方法设备实施结构图;
图3扩束激光与红外探测器示意图;
图4图像记录与分析模块示意图;
图5实施例图像分析结果;A.二值化后图像B.缺陷区特征提取效果。
图中,21.红外激光器 22.激光扩束装置 23.待检测表面 24.红外探测器 25.图像采集装置;31.红外激光器 32.激光扩束镜。
下面结合附图说明,对本方法实施方式进行更详细的说明。
具体实施方式
检测原理:
随着半导体材料制作工艺的不断提升,各种量子点材料也相继出现,本方法中涉及到的红外荧光材料就是一种很新颖的半导体量子点材料。量子点材料已经在许多的领域,如医学、工业、农业的新产品新技术研发中得到了应用,量子点红外荧光材料用于焊缝的无损检测属于工业应用。
本发明提出的检测方法具体包括以下几个步骤:
(1)待检测金属表明的初步清理;
(2)将载有量子点红外荧光材料的渗透胶体涂在待检测金属表面;
(3)再次清理待检表明的胶体残留;
(4)用红外激光器在待检表明进行扫描;
(5)观察缺陷部位与数据统计。
步骤(1),由图1整体框图可知,第一步要进行初步清理。在焊接区表面往往会有焊渣灰尘等污染,对检测区域进行初步的清理可以排除外部污染的干扰。用普通毛刷清理即可。
步骤(2),量子点红外荧光材料是在有机化学胶体中制得的,胶体作为半导体量子点材料的载体,在实际应用中也起到固定量子点的作用。将胶体涂在待检测的金属焊接表面,使得胶体渗透剂充分渗透。如有缺陷,则缺陷处便会有胶体的深入,量子点材料会随之进入。
步骤(3),静置几分钟时间后,待胶体基本固定,对焊接区域表面渗透剂进行清洗,排除表面渗透剂残留的干扰。清理过程可以用沾水海绵擦拭,表面残留胶体被清除掉,但渗透到缺陷内部的仍然存在于内部。
步骤(4),接通红外激光器电源,如图2所示,红外激光器21开始工作。让激光通过图2中扩束装置22,对红外激光器输出的光束进行扩束,使得有较宽的激光区域可以扫到待检测的表面。沿着一个固定方向进行扫描,扫描几遍即可实现红外荧光的显影。经激光扫描后的表面,焊缝区存在缺陷的地方便会出现明显的荧光反应,此时通过探测器进行实时红外荧光捕捉,如图2中探测器开始工作,影像随之存储下来。步骤(4)用到的红外激光器波长在850nm,属于近红外波段。激光扩束后输出光半径在6cm~8cm。可以以能够覆盖焊区为标准进行扩束半径的调整。
步骤(5)存储下的图像经图像的预处理会得到缺陷图像的边缘状态,可以对出现缺陷的部位进行标注,统计出缺陷的形状、大小与缺陷面积,图像的预处理由相应图像处理模块完成。由统计数据可预测其他焊接区的缺陷分布情况,统计数据可用于遇见非检测区的缺陷。图5给出了该方法在实施例中的一组结果,可以清晰反映出5μm~100μm间的划痕。
整个过程为以上所述,通过该方法可以快捷实现及其微小焊缝缺陷的检查,完成高精度检查的要求。同时无伤害性射线,保证了检查人员身体的安全,是一种行之有效的焊缝检查方法。
实施例:人为的在金属表面制造线度为5μm~100μm间的划痕,
由步骤(1),在金属表面进行初步清理。由步骤(2),将固定有量子点材料的胶体涂在待检测的金属焊接表面,使得胶体渗透剂充分渗透,这里采用的是线度为5nm的量子点。由步骤(3),静置几分钟时间后,待胶体基本固定,用丙酮对含有划痕的金属表面渗透剂残留进行清洗。由步骤(4),接通红外激光器电源,让激光通过图2中扩束装置22,对红外激光器输出的光束进行扩束到6cm宽度。扩束激光沿着一个固定方向对金属板进行扫描,实现红外荧光的显影。再通过探测器进行实时红外荧光捕捉,存储下来红外荧光的图像。由步骤(5)对存储的图像进行预处理,先将图像平均加权灰度化,加权系数比为:R:G:B=0.299:0.587:0.ll4;五个像素点为一组,去平均值实现图像平滑处理;将图像上的点的灰度值设为0和255二值化;再由计算机实现二值化图像的边缘检测和特征提取。最终得到如图5给出的该方法在实施例中的分析结果,可以清晰反映出5μm~100μm间的划痕。
Claims (2)
1.一种基于量子点红外荧光显示技术的焊缝检测方法,其特征在于该方法所涉及的检测过程包括:
(1)焊区表面的初步清理,去除焊区表面杂质对检测结果的干扰;
(2)量子点红外荧光材料的加入,在焊缝区表面均匀地涂一层渗透剂胶体,胶体内部含有量子点材料,随着胶体的渗透作用量子点也会随之进入到缺陷的内部;
所述的量子点红外荧光材料的制作过程是以胶体为载体,在缺陷的内部胶体作为量子点材料的固定剂,当胶体渗透到焊缝缺陷处以后,量子点材料也会随之进入到缺陷深处,在后期表面的清理过程中量子点材料仍然存在于缺陷处,保证在检测过程中不会有缺陷被遗漏掉;所用量子点的线度在5nm~8nm,红外辐射波长为850nm,可进入到5nm~100nm的缺陷中,实现纳米级的缺陷检测;
(3)扩束红外激光光束扫描,实现激光能量对红外荧光材料的激发辐射;
所述红外激光扫描采用的是850nm的红外激光器,与量子点材料的红外荧光激发波长相匹配;输出功率为40mW,供电电压为DC2.8~5.0V,工作电流<100mA,激光在经过扩束后,能够实现更大范围的一次性扫描,扩束以后得到的线宽根据焊缝区域大小进行调整,一般控制在6cm~8cm;
(4)红外探测器检测,实现图像的采集,获取包含缺陷部位的焊接区红外辐射热像图像;所述红外探测器检测过程涉及的红外探测器采用的是非制冷型焦平面红外探测器,焦面阵列为800×640,探测精度高,可实现对红外辐射的高精度探测,其后续电路包括存储单元,可以将探测到的红外辐射图像记录存储,供图像的预处理使用;
(5)缺陷记录与分析,由图像的预处理过程,对缺陷的大小、形状及面积进行统计与分析,实现位置缺陷的预测功能;
所述的图像预处理过程包括:红外辐射图像的灰度化、平滑去噪、二值化、图像边缘检测、焊缝特征提取,灰度化过程采用平均加权的方法,根据重要性及其它指标,将图像的RGB三个分量以不同的权值进行加权平均;由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,按式:f(i,j)=0.299R(i,j)+0.587G(i,j)+0.ll4B(i,j)对RGB三分量进行加权平均能得到较合理的灰度图像;采用邻域平均法实现灰度图像的平滑去噪,用几个像素灰度的平均值来代替每个像素的灰度;通过人工设定整体阈值的方法将图像进行二值化处理,将图像上的点的灰度值设为0或255,将整个图像呈现出明显的黑白效果;采用Canny算子进行图像的边缘检测,Canny边缘检测算子是利用高斯函数的一阶微分,它在噪声抑制和边缘检测之间寻求较好的平衡,Canny算子进行了“非极大值抑制”和形态学连接操作,提取的边缘最为完整,而且边缘的连续性很好,可为特征提取打下基础;最后进行图像的特征提取,以图像边缘任意点(x0,y0)为起点坐标,(x0,y0),(x1,y1),(x2,y2),…,(xK-1,yK-1)为逆时针方向沿着图像边界遇到的点,两点之间可以得到图像边界的方向向量,通过对比选择得出可表征缺陷边缘的特征向量,将特征向量输入用计算机实现焊缝的形状分布、面积大小的计算,对多次检测数据进行分析统计,可用于对未知焊区的缺陷预测与分析。
2.根据权利要求1所述的方法,其特征在于第1步所述初步清理过程采用的是有机溶剂丙酮,经清理后可有效去除焊区表面有机物,排除杂质有机物存在红外辐射的干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110403646 CN102495078B (zh) | 2011-12-07 | 2011-12-07 | 基于量子点红外荧光显示技术的焊缝检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110403646 CN102495078B (zh) | 2011-12-07 | 2011-12-07 | 基于量子点红外荧光显示技术的焊缝检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102495078A CN102495078A (zh) | 2012-06-13 |
CN102495078B true CN102495078B (zh) | 2013-11-06 |
Family
ID=46186919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110403646 Expired - Fee Related CN102495078B (zh) | 2011-12-07 | 2011-12-07 | 基于量子点红外荧光显示技术的焊缝检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102495078B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308521A (zh) * | 2012-08-29 | 2013-09-18 | 中国人民解放军第二炮兵工程大学 | 一种增强红外热波检测图像缺陷对比度的方法 |
CN103901003A (zh) * | 2012-12-28 | 2014-07-02 | 华东理工大学 | 一种利用荧光量子点检测和监控机械部件裂纹的方法 |
CN104776799B (zh) * | 2015-04-10 | 2017-06-13 | 清华大学 | 使用侧向光构建光影特征的盖面焊前焊缝检测装置及方法 |
US9664616B2 (en) * | 2015-11-04 | 2017-05-30 | The Boeing Company | Methods and systems for non-destructive testing via hybrid spectral sensors |
CN105841860A (zh) * | 2016-04-29 | 2016-08-10 | 重庆大学 | 一种量子点的地应力测试装置、制备方法和使用方法 |
DE102016125600A1 (de) * | 2016-12-23 | 2018-06-28 | Newfrey Llc | Fügeverfahren und Fügevorrichtung |
CN106814054A (zh) * | 2017-01-20 | 2017-06-09 | 维沃移动通信有限公司 | 动态裂纹传播监测装置 |
CN108181315B (zh) * | 2017-11-25 | 2021-02-02 | 天津大学 | 一种基于图像处理的饼干损伤检测装置及检测方法 |
CN108680288A (zh) * | 2018-03-27 | 2018-10-19 | 天津大学 | 一种利用有机力致发光材料检测机械部件的力学响应的方法 |
CN108562565A (zh) * | 2018-04-08 | 2018-09-21 | 薛笑杰 | 基于荧光材料的无损检测方法 |
CN108362675A (zh) * | 2018-04-08 | 2018-08-03 | 薛笑杰 | 基于荧光材料的无损检测设备 |
CN108548803A (zh) * | 2018-04-08 | 2018-09-18 | 薛笑杰 | 基于荧光材料的无损检测系统 |
US11094050B2 (en) * | 2018-08-24 | 2021-08-17 | Zoetis Services Llc | Systems and methods for inspecting a microfluidic rotor device |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5554318A (en) * | 1994-02-07 | 1996-09-10 | Basf Aktiengesellschaft | Use of compounds which absorbs and fluoresce in the IR range as crack-detecting agents |
US6608314B1 (en) * | 1999-09-13 | 2003-08-19 | Olympus Optical Co., Ltd. | Method and apparatus for observation using quantum dots |
CN200956015Y (zh) * | 2006-09-29 | 2007-10-03 | 张继功 | 荧光渗透探伤系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7367505B2 (en) * | 2003-06-12 | 2008-05-06 | California Institute Of Technology | Method and a system to dispense and detect fluorescent quantum dots |
-
2011
- 2011-12-07 CN CN 201110403646 patent/CN102495078B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5554318A (en) * | 1994-02-07 | 1996-09-10 | Basf Aktiengesellschaft | Use of compounds which absorbs and fluoresce in the IR range as crack-detecting agents |
US6608314B1 (en) * | 1999-09-13 | 2003-08-19 | Olympus Optical Co., Ltd. | Method and apparatus for observation using quantum dots |
CN200956015Y (zh) * | 2006-09-29 | 2007-10-03 | 张继功 | 荧光渗透探伤系统 |
Non-Patent Citations (2)
Title |
---|
周志勇.船体焊缝缺陷X射线图像自动识别方法研究.《中国优秀硕士论文全文数据库》.2008,正文第65页图4-7、4.5.2节-4.6.2节标题、4.7.2-4.7.3节. |
船体焊缝缺陷X射线图像自动识别方法研究;周志勇;《中国优秀硕士论文全文数据库》;20080615;正文第65页图4-7、4.5.2节-4.6.2节标题、4.7.2-4.7.3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN102495078A (zh) | 2012-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102495078B (zh) | 基于量子点红外荧光显示技术的焊缝检测方法 | |
Miao et al. | Real-time defect identification of narrow overlap welds and application based on convolutional neural networks | |
Jeong et al. | Literature review and technical survey on bridge inspection using unmanned aerial vehicles | |
CN105976352B (zh) | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 | |
Chiou et al. | Micro crack detection of multi‐crystalline silicon solar wafer using machine vision techniques | |
CN102621150B (zh) | 基于灰度共生矩阵和支持向量机的飞机蒙皮损伤识别方法 | |
Shafeek et al. | Assessment of welding defects for gas pipeline radiographs using computer vision | |
Sun et al. | Real-time automatic detection of weld defects in steel pipe | |
US9646379B1 (en) | Detection of selected defects in relatively noisy inspection data | |
CN102928435A (zh) | 基于图像和超声信息融合的飞机蒙皮损伤识别方法及装置 | |
JP6556266B2 (ja) | 欠陥検査装置、方法およびプログラム | |
CN110146449A (zh) | 一种基于激光超声的空压机缸体表面裂纹在线检测方法及系统 | |
Wang et al. | Automated crack detection for digital radiography aircraft wing inspection | |
Wang et al. | Machine vision-based monitoring methodology for the fatigue cracks in U-Rib-to-deck weld seams | |
Turkan et al. | Terrestrial laser scanning-based bridge structural condition assessment | |
Kästner et al. | Classification of spot-welded joints in laser thermography data using convolutional neural networks | |
Tayo et al. | Portable crack width calculation of concrete road pavement using machine vision | |
Jung et al. | Rapid and non-invasive surface crack detection for pressed-panel products based on online image processing | |
CN103177426B (zh) | 一种基于形态学的强干扰激光边缘图像修复方法 | |
Zheng et al. | Design of an advanced automatic inspection system for aircraft parts based on fluorescent penetrant inspection analysis | |
CN105911073A (zh) | 一种内窥式缆索锈蚀检测方法及检测装置 | |
Vijayan et al. | A survey on surface crack detection in concretes using traditional, image processing, machine learning, and deep learning techniques | |
O'Byrne et al. | Effects of turbidity and lighting on the performance of an image processing based damage detection technique | |
CN113848234A (zh) | 一种基于多模态信息的航空复合材料的检测方法 | |
TW201043947A (en) | Inspection method, inspection device and mobile phone having the inspection device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131106 Termination date: 20141207 |
|
EXPY | Termination of patent right or utility model |