CN104897692A - 一种铝合金铸造件精车效果的在线检测系统和方法 - Google Patents
一种铝合金铸造件精车效果的在线检测系统和方法 Download PDFInfo
- Publication number
- CN104897692A CN104897692A CN201510332371.4A CN201510332371A CN104897692A CN 104897692 A CN104897692 A CN 104897692A CN 201510332371 A CN201510332371 A CN 201510332371A CN 104897692 A CN104897692 A CN 104897692A
- Authority
- CN
- China
- Prior art keywords
- grid
- image
- data set
- gray value
- average gray
- 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.)
- Pending
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种铝合金铸造件精车效果的在线检测系统,其特征在于,所述的系统包括图像采集模块、图像处理模块和处理反馈模块;所述的图像采集模块与图像处理模块处于数据连接,图像处理模块和处理反馈模块处于数据连接;所述的图像采集模块包括照相机(1)和图像采集卡(2),所述的照相机与图像采集卡处于数据连接;所述的图像处理模块(3)装有图像分析软件;所述的处理反馈模块为机械手(4)。本发明的技术方案的有益技术效果在于,需要较少的人工操作,排除了不同操作员和检验员带来的个体差别影响,误判的情况较少。
Description
技术领域
本发明涉及工业测量领域,具体地涉及一种铝合金铸件精车效果的在线检测系统及其方法。
背景技术
在铝合金铸件尤其是车轮的生产过程中,往往需要对铸件表面的精车效果进行检测。如果铸件表面存在缺陷,在精车中可能无法完全消除。在少数情况下,由于刀具失效会导致铸件表面出现损伤。因此,迫切需要一种检测铝合金铸件的精车效果的系统和方法。
发明内容
为了实现以上的发明目的,本发明提供了以下的技术方案:
一种铝合金铸造件精车效果的在线检测系统,其特征在于,所述的系统包括图像采集模块、图像处理模块和处理反馈模块;所述的图像采集模块与图像处理模块处于数据连接,图像处理模块和处理反馈模块处于数据连接;所述的图像采集模块包括照相机(1)和图像采集卡(2),所述的照相机与图像采集卡处于数据连接;所述的图像处理模块(3)装有图像分析软件;所述的处理反馈模块为机械手(4)。
在本发明一个优选的方面,所述的照相机安装在用于运输铝合金铸件的传送带(5)的一侧,并且其镜头与铸件的中间点在同一水平面上,并且与机头中心线垂直,与中心线的距离为40-50cm。
在本发明一个优选的方面,所述的照相机安装的位置处包括内壁为黑色的监测室(6),所述的监测室安装在用于运输铝合金铸件的传送带上,并且在传送带进入和离开暗室的位置包括门帘。
在本发明的另一个方面,提供了利用前文所述的检测系统实现的铝合金铸件精车效果在线检测方法,其特征在于包括以下的步骤:A.通过照相机(1)对待测铝合金铸造件进行拍照,并且将图像传输到图像采集卡 (2);B.将步骤A获得的图像输入图像处理模块,并处理图像得到待测铝合金铸件的参考值;C.将步骤B中得到的参考值与标准参考值进行比较;以及D.输出判断结果。
在本发明一个优选的方面,在步骤B中包括:将步骤A获得的图像、在没有铝合金铸造件情况下的图像、无缺陷铝合金铸造件的图像按照同样的浮点算法转变为灰度图;将铝合金铸件的灰度图划分为网格,并且计算各个网格中各个像素的平均灰度值,对各个的网格记录器网格横坐标Xi、网格纵坐标Yi和平均灰度值Gi,形成第一数据集D1;将背景的灰度图划分为网格,并且计算各个网格中各个像素的平均灰度值,对各个的网格记录器网格横坐标Xi0、网格纵坐标Yi0和平均灰度值Gi0,形成背景数据集D0;将无缺陷铝合金铸件的灰度图划分为网格,并且计算各个网格中各个像素的平均灰度值,对各个的网格记录器网格横坐标Xis、网格纵坐标Yis和平均灰度值Gis,形成第一标准数据集Ds1;将第一数据集D1中的各个网格的平均灰度值Gi求算数平均值Gave1,将背景数据集D0中的各个网格的平均灰度值Gi0求算数平均值Gave0,将Gave1与Gave0取平均值,将(Gave1+Gave0)定义为第一阈值S1;将平均灰度值低于S1的网格的数据从第一数据集D1和第一标准数据集Ds中删除,得到第二数据集D2和第二标准数据集Ds2;将标准数据集Ds2中的各个网格的平均灰度值求算数平均值Gaves2;以及计算第二数据集D2各个网格的平均灰度值Gave2。
在本发明一个优选的方面,在浮点算法转变为灰度图中,灰度按照公式Gray=0.42R+0.26G+0.32B来进行计算。
在本发明一个优选的方面,还包括计算第二数据集D2中相邻网格的最大平均灰度值之差。
在本发明一个优选的方面,在步骤D中,当Gaves与Gave2的差为Gaves的3%以上时判定为不合格。
在本发明一个优选的方面,第二数据集D2中相邻网格的最大平均灰度值之差大于30的点为10个以上时判定为不合格。
本发明的技术方案的有益技术效果在于,需要较少的人工操作,排除了不同操作员和检验员带来的个体差别影响,误判的情况较少。
附图说明
以下,结合附图来详细说明本发明的实施方案,其中:
图1是本发明的系统的示意图;
其中:1-照相机;2-图像采集卡;3-图像处理模块;4-机械手;5-传送带;6-监测室。
具体实施方式
实施例1:铝合金铸造件精车效果的在线检测系统
系统包括图像采集模块、图像处理模块和处理反馈模块;所述的图像采集模块与图像处理模块处于数据连接,图像处理模块和处理反馈模块处于数据连接;所述的图像采集模块包括照相机(1)和图像采集卡(2),所述的照相机与图像采集卡处于数据连接;所述的图像处理模块(3)装有图像分析软件;所述的处理反馈模块为机械手(4)。所述的照相机安装在用于运输铝合金铸件的传送带(5)的一侧,并且其镜头与铸件的中间点在同一水平面上,并且与机头中心线垂直,与中心线的距离为45cm。所述的照相机安装的位置处包括内壁为黑色的监测室(6),所述的监测室安装在用于运输铝合金铸件的传送带上,并且在传送带进入和离开暗室的位置包括门帘。
实施例2:铝合金铸造件精车效果的在线检测方法
使用是实施例1所述的系统来执行以下的方法:
A.通过照相机(1)对待测铝合金铸造件进行拍照,并且将图像传输到图像采集卡(2);
B.将步骤A获得的图像输入图像处理模块,并处理图像得到待测铝合金铸件的参考值;
将步骤A获得的图像、在没有铝合金铸造件情况下的图像、无缺陷铝合金铸造件的图像按照同样的浮点算法转变为灰度图;将铝合金铸件的灰度图划分为网格,并且计算各个网格中各个像素的平均灰度值,对各个的网格记录器网格横坐标Xi、网格纵坐标Yi和平均灰度值Gi,形成第一数据集D1;将背景的灰度图划分为网格,并且计算各个网格中各个像素的平均灰度值,对各个的网格记录器网格横坐标Xi0、网格纵坐标Yi0和平均灰度值Gi0,形成背景数据集D0;将无缺陷铝合金铸件的灰度图划分为网格,并且计算各个网格中各个像素的平均灰度值,对各个的网格记录器网格横 坐标Xis、网格纵坐标Yis和平均灰度值Gis,形成第一标准数据集Ds1;将第一数据集D1中的各个网格的平均灰度值Gi求算数平均值Gave1,将背景数据集D0中的各个网格的平均灰度值Gi0求算数平均值Gave0,将Gave1与Gave0取平均值,将(Gave1+Gave0)定义为第一阈值S1;将平均灰度值低于S1的网格的数据从第一数据集D1和第一标准数据集Ds中删除,得到第二数据集D2和第二标准数据集Ds2;将标准数据集Ds2中的各个网格的平均灰度值求算数平均值Gaves2;以及计算第二数据集D2各个网格的平均灰度值Gave2。
C.将步骤B中得到的参考值与标准参考值进行比较;以及
D.输出判断结果。
其中,选择车轮30只作为待测轮,表面人工检查没有精车缺陷的车轮1只作为标准轮。
在以上的方法中,所采集的图像为1600*1200,横坐标上分为40个格,纵方向上分为30个格,每个网格的像素数为40*40。灰度按照公式Gray=0.42R+0.26G+0.32B来进行计算。将第一数据集D1中的各个网格的平均灰度值Gi求算数平均值Gave1,结果为172.3。将背景数据集D0中的各个网格的平均灰度值Gi0求算数平均值Gave0,结果为25.1。在此基础上,得到第一阈值为(172.3+25.1)/2=98.7。因此将第一数据集和标准数据集中灰度低于98.7的全部滤去。
经计算,各个车轮的Gave2以及Gave2分别如表1所示:
表1:各个车轮的Gave2以及Gaves2
车轮编号 | Gave2 | Gaves2 | 参数差率 | 手工检验结果 |
1 | 200.33 | 195.31 | 2.57% | 通过 |
2 | 195.95 | 195.31 | 0.33% | 通过 |
3 | 186.33 | 195.31 | -4.59% | 不通过 |
4 | 185.18 | 195.31 | -5.18% | 不通过 |
5 | 192.83 | 195.31 | -1.27% | 通过 |
6 | 190.62 | 195.31 | -2.40% | 不通过 |
7 | 203.02 | 195.31 | 3.95% | 通过 |
8 | 198.19 | 195.31 | 1.48% | 通过 |
9 | 205.68 | 195.31 | 5.31% | 通过 |
10 | 201.24 | 195.31 | 3.04% | 通过 |
11 | 195.23 | 195.31 | -0.04% | 通过 |
12 | 195.05 | 195.31 | -0.13% | 通过 |
13 | 194.36 | 195.31 | -0.48% | 通过 |
14 | 194.59 | 195.31 | -0.36% | 通过 |
15 | 201.67 | 195.31 | 3.26% | 通过 |
16 | 199.64 | 195.31 | 2.22% | 通过 |
17 | 201.58 | 195.31 | 3.22% | 通过 |
18 | 184.95 | 195.31 | -5.30% | 不通过 |
19 | 197.95 | 195.31 | 1.36% | 通过 |
20 | 190.31 | 195.31 | -2.56% | 通过 |
21 | 188.50 | 195.31 | -3.48% | 不通过 |
22 | 202.41 | 195.31 | 3.64% | 不通过 |
23 | 204.07 | 195.31 | 4.49% | 通过 |
24 | 188.72 | 195.31 | -3.37% | 不通过 |
25 | 199.78 | 195.31 | 2.29% | 通过 |
26 | 190.51 | 195.31 | -2.45% | 通过 |
27 | 189.54 | 195.31 | -2.95% | 通过 |
28 | 186.12 | 195.31 | -4.70% | 不通过 |
29 | 184.56 | 195.31 | -5.50% | 不通过 |
30 | 194.15 | 195.31 | -0.59% | 通过 |
发现,仅有一组中手工检验和自动检验的结果不同,而此检验结果也处于通过和不通过两可之间,充分说明了本发明的方法的有效性。
Claims (9)
1.一种铝合金铸造件精车效果的在线检测系统,其特征在于,所述的系统包括图像采集模块、图像处理模块和处理反馈模块;
所述的图像采集模块与图像处理模块处于数据连接,图像处理模块和处理反馈模块处于数据连接;
所述的图像采集模块包括照相机(1)和图像采集卡(2),所述的照相机与图像采集卡处于数据连接;
所述的图像处理模块(3)装有图像分析软件;
所述的处理反馈模块为机械手(4)。
2.权利要求1所述的检测系统,其特征在于,所述的照相机安装在用于运输铝合金铸件的传送带(5)的一侧,并且其镜头与铸件的中间点在同一水平面上,并且与机头中心线垂直,与中心线的距离为40-50cm。
3.权利要求1所述的检测系统,其特征在于,所述的照相机安装的位置处包括内壁为黑色的监测室(6),所述的监测室安装在用于运输铝合金铸件的传送带上,并且在传送带进入和离开暗室的位置包括门帘。
4.一种利用权利要求1-3任一项所述的检测系统实现的铝合金铸件精车效果在线检测方法,其特征在于包括以下的步骤:
A.通过照相机(1)对待测铝合金铸造件进行拍照,并且将图像传输到图像采集卡(2);
B.将步骤A获得的图像输入图像处理模块,并处理图像得到待测铝合金铸件的参考值;
C.将步骤B中得到的参考值与标准参考值进行比较;以及
D.输出判断结果。
5.权利要求4所述的方法,其特征在于,在步骤B中包括:
将步骤A获得的图像、在没有铝合金铸造件情况下的图像、无缺陷铝合金铸造件的图像按照同样的浮点算法转变为灰度图;将铝合金铸件的灰度图划分为网格,并且计算各个网格中各个像素的平均灰度值,对各个的网格记录器网格横坐标Xi、网格纵坐标Yi和平均灰度值Gi,形成第一数据集D1;将背景的灰度图划分为网格,并且计算各个网格中各个像素的平均灰度值,对各个的网格记录器网格横坐标Xi0、网格纵坐标Yi0和平均灰度值Gi0,形成背景数据集D0;将无缺陷铝合金铸件的灰度图划分为网格,并且计算各个网格中各个像素的平均灰度值,对各个的网格记录器网格横坐标Xis、网格纵坐标Yis和平均灰度值Gis,形成第一标准数据集Ds1;将第一数据集D1中的各个网格的平均灰度值Gi求算数平均值Gave1,将背景数据集D0中的各个网格的平均灰度值Gi0求算数平均值Gave0,将Gave1与Gave0取平均值,将(Gave1+Gave0)定义为第一阈值S1;将平均灰度值低于S1的网格的数据从第一数据集D1和第一标准数据集Ds中删除,得到第二数据集D2和第二标准数据集Ds2;将标准数据集Ds2中的各个网格的平均灰度值求算数平均值Gaves2;以及计算第二数据集D2各个网格的平均灰度值Gave2。
6.权利要求5所述的方法,其特征在于,在浮点算法转变为灰度图中,灰度按照公式Gray=0.42R+0.26G+0.32B来进行计算。
7.权利要求5所述的方法,其特征在于,还包括计算第二数据集D2中相邻网格的最大平均灰度值之差。
8.权利要求5所述的方法,其特征在于,在步骤D中,当Gaves2与Gave2的差为Gaves的3%以上时判定为不合格。
9.权利要求7所述的方法,其特征在于,第二数据集D2中相邻网格的最大平均灰度值之差大于30的点为10个以上时判定为不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510332371.4A CN104897692A (zh) | 2015-06-16 | 2015-06-16 | 一种铝合金铸造件精车效果的在线检测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510332371.4A CN104897692A (zh) | 2015-06-16 | 2015-06-16 | 一种铝合金铸造件精车效果的在线检测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104897692A true CN104897692A (zh) | 2015-09-09 |
Family
ID=54030492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510332371.4A Pending CN104897692A (zh) | 2015-06-16 | 2015-06-16 | 一种铝合金铸造件精车效果的在线检测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104897692A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2596352Y (zh) * | 2002-07-29 | 2003-12-31 | 西安交通大学 | 一种用于工业生产中产品质量实时监控的光学图像检测装置 |
CN1550774A (zh) * | 2003-05-19 | 2004-12-01 | 三星电机株式会社 | 用红绿蓝颜色进行印刷电路板表面条件分析的系统和方法 |
CN1979135A (zh) * | 2005-09-02 | 2007-06-13 | 通用汽车环球科技运作公司 | 用于评估铸造金属构件机械加工面的系统和方法 |
CN201703848U (zh) * | 2010-05-28 | 2011-01-12 | 益伸电子(东莞)有限公司 | 一种五金件外观自动检测设备 |
CN201897574U (zh) * | 2010-11-09 | 2011-07-13 | 广州丽盈塑料有限公司 | 立体产品检测系统 |
CN102419334A (zh) * | 2011-09-13 | 2012-04-18 | 浙江中控太阳能技术有限公司 | 一种能同时检测平面镜平整度和清洁度的装置及方法 |
CN203337570U (zh) * | 2013-07-17 | 2013-12-11 | 合肥京东方光电科技有限公司 | 检测系统 |
CN103529055A (zh) * | 2013-10-16 | 2014-01-22 | 苏州斯尔特微电子有限公司 | Pcb板自动检验装置 |
-
2015
- 2015-06-16 CN CN201510332371.4A patent/CN104897692A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2596352Y (zh) * | 2002-07-29 | 2003-12-31 | 西安交通大学 | 一种用于工业生产中产品质量实时监控的光学图像检测装置 |
CN1550774A (zh) * | 2003-05-19 | 2004-12-01 | 三星电机株式会社 | 用红绿蓝颜色进行印刷电路板表面条件分析的系统和方法 |
CN1979135A (zh) * | 2005-09-02 | 2007-06-13 | 通用汽车环球科技运作公司 | 用于评估铸造金属构件机械加工面的系统和方法 |
CN201703848U (zh) * | 2010-05-28 | 2011-01-12 | 益伸电子(东莞)有限公司 | 一种五金件外观自动检测设备 |
CN201897574U (zh) * | 2010-11-09 | 2011-07-13 | 广州丽盈塑料有限公司 | 立体产品检测系统 |
CN102419334A (zh) * | 2011-09-13 | 2012-04-18 | 浙江中控太阳能技术有限公司 | 一种能同时检测平面镜平整度和清洁度的装置及方法 |
CN203337570U (zh) * | 2013-07-17 | 2013-12-11 | 合肥京东方光电科技有限公司 | 检测系统 |
CN103529055A (zh) * | 2013-10-16 | 2014-01-22 | 苏州斯尔特微电子有限公司 | Pcb板自动检验装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
CN104101600B (zh) | 连铸坯断面微小裂纹检测方法 | |
CN111091546B (zh) | 铁路货车钩尾框折断故障识别方法 | |
CN110751604B (zh) | 一种基于机器视觉的钢管焊缝缺陷在线检测方法 | |
CN110992349A (zh) | 一种基于深度学习的地下管道异常自动化定位与识别方法 | |
CN108088799B (zh) | 机动车尾气林格曼黑度的测量方法及系统 | |
CN111080582A (zh) | 工件内外表面缺陷检测方法 | |
CN107967681B (zh) | 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法 | |
CN111080650B (zh) | 铁路货车小部件轴承挡键螺母松动和丢失故障检测方法 | |
CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
CN110310275B (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
CN115144399B (zh) | 一种基于机器视觉的装配质量检测方法及装置 | |
CN113752086A (zh) | 一种用于数控机床刀具状态检测的方法和装置 | |
CN113112501A (zh) | 一种基于深度学习的车载轨道巡检装置及方法 | |
CN108596909A (zh) | 空心圆柱工件表面缺陷检测系统及方法 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN115201206B (zh) | 基于机器视觉的电动车车把缺陷检测方法 | |
CN115240146B (zh) | 基于计算机视觉的机床装配智能验收方法 | |
CN104568956A (zh) | 基于机器视觉的带钢表面缺陷的检测方法 | |
CN104613869A (zh) | 一种基于最大内切圆的椭圆孔组检测方法和系统 | |
CN109613109A (zh) | 一种管道漏磁检测数据自动分析系统 | |
CN107392216B (zh) | 一种基于灰度数据的盾构隧道管片环缝快速识别方法 | |
CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
Lin et al. | A new prediction method for edge detection based on human visual feature | |
CN108460348B (zh) | 基于三维模型的道路目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150909 |
|
WD01 | Invention patent application deemed withdrawn after publication |