CN104777174A - 轴类零件截面突变部位表面疲劳裂纹检测系统及方法 - Google Patents
轴类零件截面突变部位表面疲劳裂纹检测系统及方法 Download PDFInfo
- Publication number
- CN104777174A CN104777174A CN201510142834.0A CN201510142834A CN104777174A CN 104777174 A CN104777174 A CN 104777174A CN 201510142834 A CN201510142834 A CN 201510142834A CN 104777174 A CN104777174 A CN 104777174A
- Authority
- CN
- China
- Prior art keywords
- image
- crack
- surface crack
- fatigue
- abrupt change
- 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.)
- Granted
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明提供了一种轴类零件截面突变部位表面疲劳裂纹检测系统及方法。根据本发明的轴类零件截面突变部位表面疲劳裂纹检测系统,包括:工作台架,用于固定的被测轴件;疲劳载荷加载系统,设置在工作台架上,用于根据设定试验参数对被测轴件加载疲劳载荷;照明系统,照明系统包括成预设角度设置的两组照明光源,且两组照明光源的照射中心分别位于被测轴件的危险部位的两侧;机器视觉检测系统,用于拍摄被测轴件的危险部位的表面图像,并发送表面图像;处理系统,接收并处理表面图像,得到被测轴件的危险部位的表面裂纹萌生和表面裂纹长度。本发明在线检测能够有效地提高检测效率。
Description
技术领域
本发明涉及表面裂纹检测领域,具体而言,涉及一种轴类零件截面突变部位表面疲劳裂纹检测系统及方法。
背景技术
目前,疲劳是造成工程机械各部件失效的主要原因之一,循环疲劳载荷的长期作用会导致表面裂纹的萌生和扩展,甚至部件断裂,造成事故。因此,准确、可靠的检测疲劳表面裂纹萌生和扩展过程,对准确地评估疲劳寿命,防止疲劳失效至关重要。
现有技术中,表面裂纹检测一般都采用渗透检测技术,即利用液态的毛细管作用,通过喷洒、刷涂或浸渍等方法,把渗透力很强的渗透液施加到已清洗干净的试件表面,经过一定的渗透时间,去除表面多余渗透液,并通过一定的显像技术,从而显示表面裂纹。采用渗透技术,虽然能够清晰显示表面裂纹,但是只能离线操作,无法实时监测,另外,需要一定的渗透时间,耗时较长,测量也相对麻烦。
现有技术中,也有通过摄像方式拍摄图像来检测裂纹,从而判断材料的疲劳特性的技术方案,但是这类方案都是针对预制裂纹的标准件,相比轴类零件截面突变部位,在加载疲劳载荷过程中,标准件的裂纹扩展都是沿着预制裂纹延伸,因而,其裂纹识别和处理都比较简单。另外,标准件一般成像干扰较少,不需要照明或者仅仅需要简单照明就可以清晰成像。
现有技术中,还没有针对轴类零件截面突变部位采用机器视觉的检测裂纹的方案,相比标准件,实际零件(轴类零件截面突变部位)一般成像条件差,比如曲轴的危险部位(过渡圆角)其凹弧形结构对入射光具有散射作用,造成轴颈过渡圆角的照明效果不理想;并且也不能仅通过提高照明光路的光通量来达到照亮待检测目标的目的,因为抛光至镜面效果的轴颈过渡圆角对入射光的强烈反射容易造成工业相机感光元件的过曝光。另外,轴类零件截面突变部位其裂纹萌生具有一定的随机性,相比预制裂纹的标准件,其裂纹识别和测量难度大大增加。因而,现有技术中针对标准件的技术方案,无法直接应用到轴类零件截面突变部位表面疲劳裂纹检测。
发明内容
本发明旨在提供一种能够在线检测的轴类零件截面突变部位表面疲劳裂纹检测系统及方法。
本发明提供了一种轴类零件截面突变部位表面疲劳裂纹检测系统,包括:工作台架,用于固定的被测轴件;疲劳载荷加载系统,设置在工作台架上,用于根据设定试验参数对被测轴件加载疲劳载荷;照明系统,照明系统包括成预设角度设置的两组照明光源,且两组照明光源的照射中心分别位于被测轴件的危险部位的两侧;机器视觉检测系统,用于拍摄被测轴件的危险部位的表面图像,并发送表面图像;处理系统,接收并处理表面图像,得到被测轴件的危险部位的表面裂纹萌生和表面裂纹长度。
进一步地,处理系统还包括根据表面裂纹长度和疲劳载荷加载系统加载的疲劳周次,得到表面裂纹长度随疲劳周次的表面裂纹长度扩展规律。
进一步地,机器视觉检测系统包括由光学镜头和图像采集卡;光学镜头拍摄危险部位的表面图像,图像采集卡将表面图像传输给处理系统。
进一步地,两组照明光源分别位于光学镜头的两侧。
进一步地,照明光源为卤素灯。
本发明还提供了一种轴类零件截面突变部位表面疲劳裂纹检测方法,该方法包括:步骤S1:图像获取与预处理,采用光学镜头拍摄图像,并通过图像采集卡采集拍摄图像,存储到上位机,对拍摄图像滤波降噪处理;步骤S2:表面裂纹边缘检测及阈值分割,通过边缘检测算子提取边缘点的集合,并通过预设阈值分割,产生表面裂纹的二值图像;步骤S3:表面裂纹特征提取,采用预设异常区域面积阈值St、异常区域圆形度阈值Rt和异常区域灰度值最大值与最小值的差值阈值Gt提取表面裂纹特征;步骤S4:表面裂纹几何参数计算,对提取的表面裂纹特征进行计算,得到表面裂纹长度。
进一步地,步骤S4包括:提取表面裂纹骨架,然后提取表面裂纹骨架的表面裂纹主干,并计算表面裂纹主干的长度。
进一步地,计算表面裂纹主干的长度包括:将标尺置于光学镜头前,物距与被测轴件相同,拍摄标尺图像进行分析,确定标准长度在检测图像中所占用的像素长度L,求得比例系数F=1/L,根据确定后的比例系数F计算出检测图像中表面裂纹主干的长度。
根据本发明的轴类零件截面突变部位表面疲劳裂纹检测系统及方法,通过设置疲劳载荷加载系统,模拟被测轴件的实际疲劳载荷,并设置机器视觉检测系统,实时拍摄被测轴件的危险部位的表面图像,并通过处理系统对实时拍摄的表面图像处理,得到被测轴件的危险部位的表面裂纹萌生和表面裂纹长度,设置照明系统,能够有效提高成像效果。即本发明在线检测被测轴件在实际疲劳载荷的作用下,危险部位的表面裂纹萌生和表面裂纹长度,从而对被测轴件的疲劳寿命做出一定的评估。相比现有技术,本发明在线检测能够有效地提高检测效率。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明的轴类零件截面突变部位表面疲劳裂纹检测系统的原理示意图;
图2是本发明中照明系统的原理示意图;
图3a是本发明中表面裂纹骨架的示意图;
图3b是本发明中表面裂纹主干的示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。
如图1所示,以曲轴的表面裂纹检测为例来说明本发明的轴类零件截面突变部位表面疲劳裂纹检测系统。该系统包括:工作台架,用于固定的被测轴件,即曲轴;疲劳载荷加载系统,设置在工作台架上,用于根据设定试验参数对曲轴加载疲劳载荷;照明系统,照明系统包括成预设角度设置的两组照明光源,且两组照明光源的照射中心分别位于被测轴件的危险部位的两侧;机器视觉检测系统,用于拍摄曲轴的危险部位的表面图像,并发送表面图像;处理系统,接收并处理表面图像,得到曲轴的危险部位的表面裂纹萌生和表面裂纹长度。
本发明通过设置疲劳载荷加载系统,模拟被测轴件的实际疲劳载荷,并设置机器视觉检测系统,实时拍摄被测轴件的危险部位的表面图像,并通过处理系统对实时拍摄的表面图像处理,得到被测轴件的危险部位的表面裂纹萌生和表面裂纹长度,即在线检测被测轴件在实际疲劳载荷的作用下,危险部位的表面裂纹萌生和表面裂纹长度,从而对被测轴件的疲劳寿命做出一定的评估。本发明通过设置照明系统,且照明系统的两组照明光源的照射中心分别位于被测轴件的危险部位的两侧。具体地,通过两组照明光源照射曲轴的过渡圆角上下两侧,从而保证过渡圆角处有效成像,避免凹弧形结构对入射光散射,造成轴颈过渡圆角的照明效果不理想,也防止了抛光至镜面效果的轴颈过渡圆角对入射光的强烈反射容易造成工业相机感光元件的过曝光,减少了成像噪声干扰,保证了成像质量。相比现有技术,本发明在线检测能够有效地提高检测效率。
一般地,常规轴件的危险部位可以通过分析计算得知,如曲轴的危险部位,是指弯曲载荷作用下容易发生疲劳失效的曲柄臂和连杆轴颈之间的过渡圆角位置、在扭转载荷作用下容易发生疲劳失效的连杆轴颈油孔位置或者是弯扭复合载荷作用下以上两个部位。对于部分复杂轴件,可以通过有限元方法计算分析。通过分析计算出危险部位,直接将机器视觉检测系统对准危险部位拍摄,可以减少机器视觉检测系统的数量,从而降低分析处理的图像量,降低系统复杂度。
优选地,根据疲劳载荷加载系统加载的疲劳周次及对应的表面裂纹长度,还可以得到表面裂纹长度随疲劳周次的表面裂纹长度扩展规律。根据表面裂纹长度扩展规律,在一定程度上,能够对疲劳寿命做出评估。
优选地,机器视觉检测系统包括由光学镜头和图像采集卡,光学镜头拍摄危险部位的表面图像,图像采集卡将表面图像传输给处理系统。处理系统对拍摄的表面图像处理,并得到表面裂纹长度。优选地,光学镜头设置在两组照明光源之间,即两组照明光源分别位于光学镜头的两侧,可以进一步保证成像效果。两组照明光源的照射角度可以调节,从而保证照明光路覆盖了曲轴弯曲应力集中区域——过渡圆角偏上/下60°范围,而且使照射中心(光强最强处)位于危险部位外,从而保证待检测部位在有效成像的同时避免产生过渡曝光。
在本发明中,光学镜头及相应的感光元件(CCD)是本发明的机器视觉检测系统的核心部件。
由于轴类零件截面突变部位表面疲劳裂纹检测系统的实验环境,疲劳载荷加载系统的振动频率和表面裂纹检测精度是选择CCD芯片时应主要考虑的两个关键问题。
疲劳载荷加载系统的最高振动频率为交流市电的峰值频率50Hz,因此本系统中选择的工业相机的CCD芯片快门速度最快可达10-6秒,快门频率远高于疲劳载荷加载系统的工作频率。通过设置合适的快门速度,可以有效抑制由于试验台架振动而产生的虚影,获得成像质量良好的图像。
由于试验系统为开放式系统,图像背景噪音大,如果一个像素对应一个缺陷,机器视觉检测系统会极其不稳定,因为任意一个干扰像素点都可能被误认为缺陷。根据NI Vision图像理论:为了提高系统的精准度和稳定性,一个缺陷的面积至少应占据2个像素,一般应在3个到4个像素以上。本检测系统中所选用的工业相机,其CCD芯片的像素点与点分辨率为0.005mm×0.005mm,理论上最高可以识别0.02mm的表面裂纹,相对于曲轴数十甚至上百毫米的轴颈尺寸来说,工业相机CCD芯片的精度满足检测要求。
本发明还提供了一种轴类零件截面突变部位表面疲劳裂纹检测方法,通过前述的轴类零件截面突变部位表面疲劳裂纹检测系统拍摄到曲轴表面图像后,需要通过处理系统对表面图像处理,才能得到表面裂纹长度,由于实际零件的疲劳裂纹萌生具有一定的随机性,裂纹的识别、提取和测量都相比标准件更复杂。具体地,本发明针对曲轴疲劳表面裂纹长度检测的图像处理主要包括以下四部分:
(一)图像获取与预处理
图像获取的过程如下:开启照明系统,检测场景经光学镜头成像,由工业相机转换为视频信号,再输入到图像采集卡,由计算机采集成图像并保存处理。
测试环境中附着在曲轴零件表面上的灰尘、油污等因素,以及工业相机在拍摄过程中受到很多环境因素以及内部的噪声的影响,造成了采集得到的图像中存在着一些孤立的点噪声和小块噪声,所以在对曲轴表面图像进行分析之前,首先要进行滤波降噪。本发明采用中值滤波算法,具有算法速度快,能够在去除孤立的椒盐噪声的同时还能较好的保留图像的边缘细节的优点。
(二)表面裂纹边缘检测及阈值分割
物体的边缘是以图像局部特性的不连续性的形式表现出来的,例如,灰度值的突变,颜色的突变,纹理结构的突变等。针对曲轴表面的表面裂纹形貌,本发明采用两种不同的边缘检测算子——D1算子和D2算子,将两种算子相结合来提取边缘点的集合。
通过上述算法获取边缘点,采用直方图阈值分割方法获取阈值,然后设定某一阈值θ,用θ将图像数据划分为两个部分,即大于θ的像素群(非表面裂纹点)和小于θ的像素群(表面裂纹点),从而产生表面裂纹的二值图像。
(三)表面裂纹特征提取
受到外界因素的影响,检测图像的异常区域并不一定表示零件表面存在表面裂纹,如系统产生的噪声,相机视场内出现其他物体等。根据表面裂纹的图像特征进行分析:一般产生的表面裂纹区域细长且连续,其面积相对于系统噪声来说要大很多,而系统噪声一般孤立出现,成点状分布,圆形度很大,藉此可以分辨表面裂纹与系统噪声;随机出现在相机视场内的杂物形状一般与表面裂纹细长的形貌特征不相同,而且杂物的灰度分布不像表面裂纹那样集中在一个狭窄的区间(曲轴过渡圆角)内。基于以上分析,本算法判定表面裂纹的三个指标如下所示:
(1)异常区域面积S大于设定的阈值St。
(2)异常区域圆形度R小于设定的阈值Rt。
(3)异常区域灰度值最大值与最小值的差值G小于设定的阈值Gt。
(四)表面裂纹几何参数计算
表面裂纹几何参数计算的流程主要是将表面裂纹区域进行骨架提取,对提取出的骨架进行长度计算。
(1)表面裂纹骨架提取
通过对表面裂纹形貌图像二值化和同态相减操作后,可以得到表面裂纹的轮廓图像,为方便对表面裂纹的长度进行计算,如图3a所示,一般通过提取出表面裂纹轮廓图像的骨架代替表面裂纹作为研究对象。所谓图像骨架,是指与原图像形状和拓扑结构相一致的由单像素构成的细曲线。本检测系统采用图像处理细化算法,目的是寻找检测图像的中轴线,以中轴线来取代原有图像,中轴线即为表面裂纹图像的骨架。
(2)表面裂纹长度计算
表面裂纹的长度即为沿表面裂纹扩张方向的最长路程。通过对细化后的表面裂纹形貌去除分支,得到表面裂纹主干(图3b所示),对表面裂纹主干进行遍历,计算其长度。此长度以像素为单位,若转换为真实表面裂纹长度,需要对相机系统进行标定:将标尺置于相机前,物距与被测轴件相同,拍摄标尺图像进行分析,确定标准长度(如1mm)在检测图像中所占用的像素长度L,求得比例系数F=1/L(mm/pixel),根据确定后的比例系数F计算出检测图像中表面裂纹的真实长度。
将不同疲劳周次下的表面裂纹长度通过一一对应,并采用多根曲轴多次重复检测,即可得到表面裂纹长度随疲劳周次的表面裂纹长度扩展规律。
从以上的描述中,可以看出,本发明上述的实施例实现了如下技术效果:
根据本发明的轴类零件截面突变部位表面疲劳裂纹检测系统及方法,通过设置机器视觉检测系统,从而实时拍摄被测轴件的危险部位的表面图像,并通过处理系统对实时拍摄的表面图像处理,得到被测轴件的危险部位的表面裂纹萌生和表面裂纹长度,从而实现在线检测。相比现有技术,能够有效地提高检测效率。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种轴类零件截面突变部位表面疲劳裂纹检测系统,其特征在于,包括:
工作台架,用于固定的被测轴件;
疲劳载荷加载系统,设置在所述工作台架上,用于根据设定试验参数对被测轴件加载疲劳载荷;
照明系统,所述照明系统包括成预设角度设置的两组照明光源,且两组照明光源的照射中心分别位于所述被测轴件的危险部位的两侧;
机器视觉检测系统,用于拍摄所述被测轴件的危险部位的表面图像,并发送所述表面图像;
处理系统,接收并处理所述表面图像,得到所述被测轴件的危险部位的表面裂纹萌生和表面裂纹长度。
2.根据权利要求1所述的轴类零件截面突变部位表面疲劳裂纹检测系统,其特征在于,
所述处理系统还包括根据所述表面裂纹长度和所述疲劳载荷加载系统加载的疲劳周次,得到表面裂纹长度随疲劳周次的表面裂纹长度扩展规律。
3.根据权利要求1所述的轴类零件截面突变部位表面疲劳裂纹检测系统,其特征在于,
所述机器视觉检测系统包括由光学镜头和图像采集卡;
所述光学镜头拍摄所述危险部位的表面图像,所述图像采集卡将所述表面图像传输给所述处理系统。
4.根据权利要求3所述的轴类零件截面突变部位表面疲劳裂纹检测系统,其特征在于,
两组所述照明光源分别位于所述光学镜头的两侧。
5.根据权利要求1所述的轴类零件截面突变部位表面疲劳裂纹检测系统,其特征在于,
所述照明光源为卤素灯。
6.一种轴类零件截面突变部位表面疲劳裂纹检测方法,其特征在于,所述方法包括:
步骤S1:图像获取与预处理,采用光学镜头拍摄图像,并通过图像采集卡采集所述拍摄图像,存储到上位机,对所述拍摄图像滤波降噪处理;
步骤S2:表面裂纹边缘检测及阈值分割,通过边缘检测算子提取边缘点的集合,并通过预设阈值分割,产生表面裂纹的二值图像;
步骤S3:表面裂纹特征提取,采用预设异常区域面积阈值St、异常区域圆形度阈值Rt和异常区域灰度值最大值与最小值的差值阈值Gt提取表面裂纹特征;
步骤S4:表面裂纹几何参数计算,对提取的表面裂纹特征进行计算,得到表面裂纹长度。
7.根据权利要求6所述的轴类零件截面突变部位表面疲劳裂纹检测方法,其特征在于,所述步骤S4包括:提取表面裂纹骨架,然后提取表面裂纹骨架的表面裂纹主干,并计算表面裂纹主干的长度。
8.根据权利要求7所述的轴类零件截面突变部位表面疲劳裂纹检测方法,其特征在于,
计算表面裂纹主干的长度包括:
将标尺置于光学镜头前,物距与被测轴件相同,拍摄标尺图像进行分析,确定标准长度在检测图像中所占用的像素长度L,求得比例系数F=1/L,根据确定后的比例系数F计算出检测图像中表面裂纹主干的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510142834.0A CN104777174B (zh) | 2015-03-27 | 2015-03-27 | 轴类零件截面突变部位表面疲劳裂纹检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510142834.0A CN104777174B (zh) | 2015-03-27 | 2015-03-27 | 轴类零件截面突变部位表面疲劳裂纹检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104777174A true CN104777174A (zh) | 2015-07-15 |
CN104777174B CN104777174B (zh) | 2017-11-28 |
Family
ID=53618777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510142834.0A Active CN104777174B (zh) | 2015-03-27 | 2015-03-27 | 轴类零件截面突变部位表面疲劳裂纹检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104777174B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105866241A (zh) * | 2016-04-03 | 2016-08-17 | 武汉理工大学 | 机器视觉自分析轴类零件探伤装置及方法 |
CN107917917A (zh) * | 2018-01-08 | 2018-04-17 | 苏州中汽检测技术服务有限公司 | 一种用于疲劳测试样品的质量检测仪 |
CN107991307A (zh) * | 2017-08-28 | 2018-05-04 | 中国人民解放军总后勤部油料研究所 | 一种软质材料表面裂纹自动检测装置及方法 |
CN111323371A (zh) * | 2020-04-10 | 2020-06-23 | 深圳中科飞测科技有限公司 | 一种光学检测系统和光学检测方法 |
CN114460085A (zh) * | 2020-11-03 | 2022-05-10 | 大众汽车股份公司 | 检查装置和用于检验通过烧结方法制造的物体的方法 |
CN114897909A (zh) * | 2022-07-15 | 2022-08-12 | 四川大学 | 基于无监督学习的曲轴表面裂纹监测方法及系统 |
CN117329977A (zh) * | 2023-11-28 | 2024-01-02 | 中国飞机强度研究所 | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101258510A (zh) * | 2005-08-02 | 2008-09-03 | Og技术公司 | 用于探测诸如轧制/冷拉金属杆的工件上的表面缺陷的装置和方法 |
CN101413901A (zh) * | 2008-12-01 | 2009-04-22 | 南京航空航天大学 | 基于ccd图像特征的表面疲劳裂纹检测方法 |
CN103593668A (zh) * | 2013-11-14 | 2014-02-19 | 昆明理工大学 | 一种金属板材冲压接头力学性能试验裂纹自动识别方法 |
CN104034733A (zh) * | 2014-07-02 | 2014-09-10 | 中国人民解放军国防科学技术大学 | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 |
CN104181225A (zh) * | 2014-08-01 | 2014-12-03 | 河海大学 | 一种用于钢材疲劳裂纹跟踪监测装置及其监测方法 |
-
2015
- 2015-03-27 CN CN201510142834.0A patent/CN104777174B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101258510A (zh) * | 2005-08-02 | 2008-09-03 | Og技术公司 | 用于探测诸如轧制/冷拉金属杆的工件上的表面缺陷的装置和方法 |
CN101413901A (zh) * | 2008-12-01 | 2009-04-22 | 南京航空航天大学 | 基于ccd图像特征的表面疲劳裂纹检测方法 |
CN103593668A (zh) * | 2013-11-14 | 2014-02-19 | 昆明理工大学 | 一种金属板材冲压接头力学性能试验裂纹自动识别方法 |
CN104034733A (zh) * | 2014-07-02 | 2014-09-10 | 中国人民解放军国防科学技术大学 | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 |
CN104181225A (zh) * | 2014-08-01 | 2014-12-03 | 河海大学 | 一种用于钢材疲劳裂纹跟踪监测装置及其监测方法 |
Non-Patent Citations (2)
Title |
---|
周见行,高红俐,齐子诚,钱华荣: "周见行,高红俐,齐子诚,钱华荣", 《中国机械工程》 * |
周见行,高红俐,齐子诚,钱华荣: "基于摄像头自动跟踪定位的疲劳裂纹在线测量方法研究", 《中国机械工程》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105866241A (zh) * | 2016-04-03 | 2016-08-17 | 武汉理工大学 | 机器视觉自分析轴类零件探伤装置及方法 |
CN107991307A (zh) * | 2017-08-28 | 2018-05-04 | 中国人民解放军总后勤部油料研究所 | 一种软质材料表面裂纹自动检测装置及方法 |
CN107991307B (zh) * | 2017-08-28 | 2020-04-28 | 中国人民解放军总后勤部油料研究所 | 一种软质材料表面裂纹自动检测装置及方法 |
CN107917917A (zh) * | 2018-01-08 | 2018-04-17 | 苏州中汽检测技术服务有限公司 | 一种用于疲劳测试样品的质量检测仪 |
CN111323371A (zh) * | 2020-04-10 | 2020-06-23 | 深圳中科飞测科技有限公司 | 一种光学检测系统和光学检测方法 |
CN114460085A (zh) * | 2020-11-03 | 2022-05-10 | 大众汽车股份公司 | 检查装置和用于检验通过烧结方法制造的物体的方法 |
US11983862B2 (en) | 2020-11-03 | 2024-05-14 | Volkswagen A en gesellschaft | Inspection device and method for checking an object produced by sintering for defects |
CN114897909A (zh) * | 2022-07-15 | 2022-08-12 | 四川大学 | 基于无监督学习的曲轴表面裂纹监测方法及系统 |
CN117329977A (zh) * | 2023-11-28 | 2024-01-02 | 中国飞机强度研究所 | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 |
CN117329977B (zh) * | 2023-11-28 | 2024-02-13 | 中国飞机强度研究所 | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104777174B (zh) | 2017-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104777174A (zh) | 轴类零件截面突变部位表面疲劳裂纹检测系统及方法 | |
CN109816678B (zh) | 一种基于视觉的喷嘴雾化角度自动检测系统及方法 | |
Di Leo et al. | A vision system for the online quality monitoring of industrial manufacturing | |
CN104777049B (zh) | 曲轴再制造寿命评估系统及方法 | |
CN106052575A (zh) | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 | |
CN109668909A (zh) | 一种玻璃缺陷检测方法 | |
KR102027986B1 (ko) | 비전 카메라를 이용한 비드 인식 장치 및 그 방법 | |
CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
JP7139243B2 (ja) | 画像分析システム及び方法 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
CN105741244A (zh) | 一种室内巡检机器人弱光下去除阴影和光晕的方法 | |
CN113686869A (zh) | 一种绝缘毯微缺陷识别装置 | |
CN108109154A (zh) | 一种工件的新型定位及数据获取方法 | |
CN113706461A (zh) | 一种基于图像识别的绝缘毯微缺陷识别系统 | |
KR101677070B1 (ko) | 형태학적 영상 처리와 레이블링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 | |
CN115272256A (zh) | 亚像素级传感光纤路径高斯提取方法及系统 | |
CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
CN114170165A (zh) | 一种芯片表面缺陷检测方法和装置 | |
Zhang et al. | An overview of the application of image processing technology for yarn hairiness evaluation | |
Gao et al. | Fatigue crack length real time measurement method based on camera automatically tracking and positioning | |
CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
CN110715886A (zh) | 基于光学低相干成像的滑油磨屑在线监测方法 | |
Dawda et al. | Defects detection in highly specular surface using a combination of stereo and laser reconstruction | |
CN114755236A (zh) | 一种回转曲面电镀件表面缺陷的检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |