CN105157611A - 管螺纹视觉检测方法 - Google Patents
管螺纹视觉检测方法 Download PDFInfo
- Publication number
- CN105157611A CN105157611A CN201510646249.4A CN201510646249A CN105157611A CN 105157611 A CN105157611 A CN 105157611A CN 201510646249 A CN201510646249 A CN 201510646249A CN 105157611 A CN105157611 A CN 105157611A
- Authority
- CN
- China
- Prior art keywords
- thread
- straight line
- detected
- work piece
- point
- 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
Abstract
本发明涉及管螺纹视觉检测方法,包括如下步骤:对标准螺纹工件建立模板轮廓特征;对待检测螺纹工件建立轮廓特征;判断标准工件的模板轮廓特征和待检测工件的轮廓特征的相似度是否达到预设值且满足目标个数,若是,则认定待检测螺纹工件初步合格,进一步检测待检测螺纹工件的各项参数是否符合标准,若不符合则认定待检测螺纹工件不合格,丢弃该待螺纹工件。本发明结合管螺纹的特征进行多层检测,通过实体工件与标准工件进行比对,具有高精度检测保证,测量方法效率高、可靠性强。
Description
技术领域
本发明涉及螺纹检测技术领域,尤其涉及管螺纹视觉检测方法。
背景技术
随着工业技术的迅猛发展,机械装置的自动化程度越来越高,在这过程中也对生产制造中的工件精度要求越来越高。
传统的螺纹质量检测的主要方法是螺纹环规或塞规、用螺纹千分尺测量、用齿厚游标卡尺测量、三针测量法、双针测量法,这种测量方法存在测量速度慢、测量精度低的确定,不利于提供流水线的自动化检测速度,已经满足不了现代工业对螺纹工件质量测量效率和精度等方面的要求。
发明内容
针对上述技术问题,本发明的目的在于提供管螺纹视觉检测方法,其检测得到的螺纹工件精度高。
为实现上述目的,本发明采用如下技术方案:
一种管螺纹视觉检测方法,包括如下步骤:
步骤一:对标准螺纹工件建立模板轮廓特征;
步骤二:对待检测螺纹工件建立轮廓特征;
步骤三:判断标准螺纹工件的模板轮廓特征和待检测螺纹工件的轮廓特征的相似度是否达到预设值且满足目标个数,若是,则认定待检测螺纹工件初步合格,执行步骤四,否则,认定待检测螺纹工件不合格,丢弃该待检测螺纹工件;
步骤四:建立待检测螺纹工件两侧的螺牙轮廓特征,根据该两侧的螺牙轮廓特征获取待检测螺纹工件两侧的螺牙之间的中线L,该螺牙轮廓特征具有多个波峰;
步骤五:以中线L为基准轴建立二维直角坐标系以得到待检测螺纹工件两侧的螺牙轮廓特征的所有坐标点集合(X1,Y1),并根据所有坐标点集合(X1,Y1)得到螺纹的峰值点的集合(Xai,Yai)和螺纹的谷值点的集合(Xbi,Ybi),根据峰值点和谷值点分别运算求得螺纹大径d、螺纹小径d1和螺纹中径d2,其中,Yai为所有坐标点集合(X1,Y1)中Y1的极大值,Ybi为所有坐标点集合(X1,Y1)中Y1的极小值;
步骤六:选取峰值点的集合(Xai,Yai)中任何两个相邻的坐标,根据该两个相邻的坐标求得两个峰值点之间的距离即为螺距P;
步骤七:获取螺牙的峰值点m1及其两侧的谷值点分别为m2和m3,连接峰值点m1和谷值点m2以及连接峰值点m1和谷值点m3以得到直线L3和直线L4,根据直线L3生成第一正方形区域以拟合成直线L5,根据直线L4生成第二正方形区域以拟合成直线L6,判断直线L5和直线L6之间的夹角α是否满足预设范围,若是,则该待检测螺纹工件合格,否则不合格。
优选的,所述步骤一包括如下子步骤:
步骤1.1:获取标准螺纹工件的灰度图片,并在灰度图片上选取一搜索区域;
步骤1.2:在搜索区域中对比相邻像素之间的对比度,当对比度大于第一预设值时形成模板轮廓特征;
步骤1.3:对模板轮廓特征进行预设的第一角度范围变化,获取一系列的模块轮廓特征;
步骤1.4:保存系列的模板轮廓特征。
进一步优选的,所述第一预设值为40,所述预设的第一角度范围为±0.5°。
优选的,所述步骤二包括如下子步骤:
步骤2.1:获取待检测螺纹工件的灰度图片,并在会度图片上选取一搜索区域;
步骤2.2:在搜索区域中对比相邻像素之间的对比度,当对比度大于第二预设值时形成轮廓特征;
步骤2.3:对轮廓特征进行预设的第二角度范围变化,获取一系列的轮廓特征;
步骤2.4:保存系列的轮廓特征。
进一步优选的,所述第二预设值为20,所述预设的第二角度范围为±0.5°。
优选的,步骤三中所述预设值为75%,目标个数为1。
优选的,步骤四包括如下子步骤:
步骤4.1:建立待检测螺纹工件两侧的螺牙轮廓特征,该螺牙轮廓特征具有多个波峰;
步骤4.2:处理待检测螺纹工件其中一侧的螺牙轮廓特征以形成闭合轮廓D1,处理待检测螺纹工件另一侧的螺牙轮廓特征以形成闭合轮廓D2;
步骤4.3:根据最小二乘法拟合闭合轮廓D1成直线L1,同时根据最小二乘法拟合闭合轮廓D2成直线L2;
步骤4.4:根据直线L1和直线L2获取待检测螺纹工件两侧的螺牙之间的中线L,其中,直线L1至中线L的距离等于直线L2到中线L的距离。
进一步优选的,步骤五包括如下子步骤:
步骤5.1:以中线L为基准轴建立二维直角坐标系以得到待检测螺纹工件两侧的螺牙轮廓特征的所有坐标点集合(X1,Y1);
步骤5.2:扫描所有坐标点集合(X1,Y1)得到螺纹的峰值点的集合(Xai,Yai)和螺纹的谷值点的集合(Xbi,Ybi),其中,Yai为所有坐标点集合(X1,Y1)中Y1的极大值,Ybi为所有坐标点集合(X1,Y1)中Y1的极小值;
步骤5.3:根据公式d=2|yai|求得螺纹大径d,根据公式d1=2|ybi|求得螺纹小径d1,根据公式d2=(d+d1)/2求得螺纹中径d2。
进一步优选的,步骤六包括如下子步骤:
步骤6.1:选取峰值点的集合(Xai,Yai)中任何两个相邻的坐标分别为(Xa1,Ya1)和(Xa2,Ya2);
步骤6.2:根据公式 求得两个峰值点之间的距离,该距离即为螺距P。
进一步优选的,步骤七包括如下子步骤:
步骤7.1:选取任意一个波峰,获取该波峰的峰值点m1及其两侧的谷值点分别为m2和m3;
步骤7.2:连接峰值点m1与谷值点m2形成直线L3,连接峰值点m1与谷值点m3形成直线L4,直线L3的长度M1,直线L4的长度为M2;
步骤7.3:获取直线L3的中点K1(xk1,yk1),以中点K1为中心点,以M1的一半为边长生成第一正方形区域,同时获取直线L4的中点K2(xk2,yk2),以中点K1为中心点,以M2的一半为边长生成第二正方形区域;
步骤7.4:在第一正方形区域建立第一轮廓并拟合成直线L5,在第二正方形区域建立第二轮廓并拟合成直线L6,直线L5和直线L6之间的夹角为α;
步骤7.5:判断α是否满足预设范围,若是,则该待检测螺纹工件合格,否则不合格。
相比现有技术,本发明的有益效果在于:
1、无需人工手动测量工具尺寸,避免了人工操作和测量仪器自身带来的系统误差,实现了自动化检测;
2、结合管螺纹的特征进行多层检测,通过实体工件与标准工件进行比对,具有高精度检测保证,测量方法效率高、可靠性强。
附图说明
图1为本发明的管螺纹的螺牙结构示意图;
图2为本发明的工作流程图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述:
管螺纹的螺牙形状如图1所示,管螺纹的主要参数有:螺纹大径d、螺纹小径d1、螺纹中径d2、螺距p和牙型角α。本实施例提供的管螺纹视觉检测方法基于对上述参数进行检测,符合要求的则证明该管螺纹是合格工件,否则为不合格。
参见图2,本实施例包括步骤如下:
步骤s1:对标准螺纹工件建立模板轮廓特征;
步骤s2:对待检测螺纹工件建立轮廓特征;
步骤s3:判断标准螺纹工件的模板轮廓特征和待检测螺纹工件的轮廓特征的相似度是否达到预设值且满足目标个数,若是,则认定待检测螺纹工件初步合格,执行步骤s4,否则,认定待检测螺纹工件不合格,丢弃该待检测螺纹工件;目标个数的作用是衡量螺纹工件是否匹配合格的必要条件,目标个数即为要寻找的轮廓特征个数,可以为1个,两者相似度的预设值为75%,即当标准工件的模板轮廓特征和待检测工件的轮廓特征的相似度达到75%并且目标个数满足1的情况下,即为合格,如果不合格,则选择其他螺纹工件重新开始测量,只有在本步骤中检测合格的产品才执行下一个步骤;
步骤s4:建立待检测螺纹工件两侧的螺牙轮廓特征,根据该两的螺牙轮廓特征获取待检测螺纹工件两侧的螺牙之间的中线L,该螺牙轮廓特征具有多个波峰;
步骤s5:以中线L为基准轴建立二维直角坐标系以得到待检测螺纹工件两侧的螺牙轮廓特征的所有坐标点集合(X1,Y1),并根据所有坐标点集合(X1,Y1)得到螺纹的峰值点的集合(Xai,Yai)和螺纹的谷值点的集合(Xbi,Ybi),根据峰值点和谷值点分别运算求得螺纹大径d、螺纹小径d1和螺纹中径d2,其中,Yai为所有坐标点集合(X1,Y1)中Y1的极大值,Ybi为所有坐标点集合(X1,Y1)中Y1的极小值;
步骤s6:选取峰值点的集合(Xai,Yai)中任何两个相邻的坐标,根据该两个相邻的坐标求得两个峰值点之间的距离即为螺距P;
步骤s7:获取螺牙的峰值点m1及其两侧的谷值点分别为m2和m3,连接峰值点m1和谷值点m2以及连接峰值点m1和谷值点m3以得到直线L3和直线L4,根据直线L3生成第一正方形区域以拟合成直线L5,根据直线L4生成第二正方形区域以拟合成直线L6,判断直线L5和直线L6之间的夹角α是否满足预设范围,若是,则该待检测螺纹工件合格,否则不合格,重新选取其他螺纹工件并从步骤s1开始进行测量。
其中,步骤s1和步骤s2的建立过程类似,在步骤s1中,包括子步骤如下:
s1.1:获取标准螺纹工件的灰度图片,并在灰度图片上选取一搜索区域;获取标准螺纹工件的灰度图片通过拍照获取,初步拍照的图片不一定是黑白的灰度图片,但为方便后续处理,最终将拍照所得图片处理为灰度图片;
s1.2:在搜索区域中对比相邻像素之间的对比度,当对比度大于预设值时形成模板轮廓特征;此步骤中的对比方式采用halcon算法进行对比度参数处理,当对比度大于第一预设值,则形成轮廓点,将多个轮廓点连接形成模板轮廓特征;关于对比度的预设值根据显示屏像素不同等其他实际情况可自行调节设置,本实施例中的该预设值优选为40;
s1.3:对模板轮廓特征进行预设的第一角度范围变化,获取一系列的模块轮廓特征;该预设的角度范围为±0.5°;对模板轮廓特征进行预设的角度变化得到一系列的轮廓特征,即在某个角度值的一定范围内,一系列的模块轮廓特征就是很多个轮廓,如圆、直线、圆弧等;
s1.4:保存系列的模板轮廓特征。
s2步骤中包括子步骤如下:
s2.1:获取待检测螺纹工件的灰度图片,并在灰度图片上选取一搜索区域;
s2.2:在搜索区域中对比相邻像素之间的对比度,当对比度大于第二预设值时形成轮廓特征;同样,对比方式采用halcon算法进行对比度参数处理,该预设值优选为20;
s2.3:对轮廓特征进行预设的第二角度范围变化,获取一系列的轮廓特征;该预设的第二角度范围为±0.5°
s2.4:保存系列的轮廓特征。
步骤s1至步骤s3是对待检测管螺纹进行粗检测,步骤s4至步骤s7为通过对待检测管螺纹的各种参数进行检测,以判断是否符合标准。
步骤s4包括步骤如下:
s4.1:建立待检测螺纹工件两侧的螺牙轮廓特征,该螺牙轮廓特征具有多个波峰,每一个波峰即为一个螺牙;
s4.2:处理待检测螺纹工件其中一侧的螺牙轮廓特征以形成闭合轮廓D1,处理待检测螺纹工件另一侧的螺牙轮廓特征以形成闭合轮廓D2;处理方式同样可以采用halcon算法进行对比度参数处理形成轮廓特征点,连接这些轮廓特征点形成闭合轮廓;
s4.3:根据最小二乘法拟合闭合轮廓D1成直线L1,同时根据最小二乘法拟合闭合轮廓D2成直线L2;最小二乘法的工作方式为现有技术;
s4.4:根据直线L1和直线L2获取待检测螺纹工件两侧的螺牙之间的中线L,其中,直线L1至中线L的距离等于直线L2到中线L的距离。
步骤s5包括步骤如下:
s5.1:以中线L为基准轴建立二维直角坐标系以得到待检测螺纹工件两侧的螺牙轮廓特征的所有坐标点集合(X1,Y1);此步骤中,以中线L为基准轴即是在二维直角坐标系中线L为X轴,建立一套垂直于中线L的直线为Y轴,形成直角坐标系;
s5.2:扫描所有坐标点集合(X1,Y1)得到螺纹的峰值点的集合(Xai,Yai)和螺纹的谷值点的集合(Xbi,Ybi),其中,Yai为所有坐标点集合(X1,Y1)中Y1的极大值,Ybi为所有坐标点集合(X1,Y1)中Y1的极小值;对应于每一个螺牙而言,相当于由一个顶点和两个底点曲线连接而成,该顶点在Y轴上对应的值即为高螺牙的Y1的极大值,有多少个螺牙即有多个极大值,极小值同理,两个底点均为极小值;
s5.3:根据公式d=2|yai|求得螺纹大径d,根据公式d1=2|ybi|求得螺纹小径d1,根据公式d2=(d+d1)/2求得螺纹中径d2。螺纹大径d即为峰值点到基准线距离的两倍,螺纹小径d1为谷值点到基准线距离的两倍,螺纹中径d2等于螺纹大径与螺纹小径之间的距离之和的一半;上步骤的坐标点集合包括了两侧螺牙所以坐标点集合,则本步骤的操作包括求去两侧螺牙的螺纹大径、螺纹小径和螺纹中径。
步骤s6包括子步骤如下:
s6.1:选取峰值点的集合(Xai,Yai)中任何两个相邻的坐标分别为(Xa1,Ya1)和(Xa2,Ya2);
s6.2:根据公式 求得两个峰值点之间的距离,该距离即为螺距P。
步骤s7包括步骤如下:
步骤7.1:选取任意一个波峰,一个波峰具有一个峰值点,其两侧分别有一个谷值点,获取该波峰的峰值点m1及其两侧的谷值点分别为m2和m3;
步骤7.2:连接峰值点m1与谷值点m2形成直线L3,连接峰值点m1与谷值点m3形成直线L4,直线L3的长度M1,直线L4的长度为M2;
步骤7.3:获取直线L3的中点K1(xk1,yk1),以中点K1为中心点,以M1的一半为边长生成第一正方形区域,同时获取直线L4的中点K2(xk2,yk2),以中点K1为中心点,以M2的一半为边长生成第二正方形区域;
步骤7.4:在第一正方形区域建立第一轮廓并拟合成直线L5,在第二正方形区域建立第二轮廓并拟合成直线L6,直线L5和直线L6之间的夹角为α;拟合成直线的方式同样可以通过最小二乘法求得,该夹角α即为牙型角;
步骤7.5:判断α是否满足预设范围,若是,则该待检测螺纹工件合格,否则不合格。每一个螺牙都具有一个夹角α,对比所有夹角α,当有个别夹角α与其他夹角α有明显差异时,说明该待检测螺纹工件不合格。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种管螺纹视觉检测方法,其特征在于,包括如下步骤:
步骤一:对标准螺纹工件建立模板轮廓特征;
步骤二:对待检测螺纹工件建立轮廓特征;
步骤三:判断标准螺纹工件的模板轮廓特征和待检测螺纹工件的轮廓特征的相似度是否达到预设值且满足目标个数,若是,则认定待检测螺纹工件初步合格,执行步骤四,否则,认定待检测螺纹工件不合格,丢弃该待检测螺纹工件;
步骤四:建立待检测螺纹工件两侧的螺牙轮廓特征,根据该两侧的螺牙轮廓特征获取待检测螺纹工件两侧的螺牙之间的中线L,该螺牙轮廓特征具有多个波峰;
步骤五:以中线L为基准轴建立二维直角坐标系以得到待检测螺纹工件两侧的螺牙轮廓特征的所有坐标点集合(X1,Y1),并根据所有坐标点集合(X1,Y1)得到螺纹的峰值点的集合(Xai,Yai)和螺纹的谷值点的集合(Xbi,Ybi),根据峰值点和谷值点分别运算求得螺纹大径d、螺纹小径d1和螺纹中径d2,其中,Yai为所有坐标点集合(X1,Y1)中Y1的极大值,Ybi为所有坐标点集合(X1,Y1)中Y1的极小值;
步骤六:选取峰值点的集合(Xai,Yai)中任何两个相邻的坐标,根据该两个相邻的坐标求得两个峰值点之间的距离即为螺距P;
步骤七:获取波峰的峰值点m1及其两侧的谷值点分别为m2和m3,连接峰值点m1和谷值点m2以及连接峰值点m1和谷值点m3以得到直线L3和直线L4,根据直线L3生成第一正方形区域以拟合成直线L5,根据直线L4生成第二正方形区域以拟合成直线L6,判断直线L5和直线L6之间的夹角α是否满足预设范围,若是,则该待检测螺纹工件合格,否则不合格。
2.如权利要求1所述的管螺纹视觉检测方法,其特征在于,所述步骤一包括如下子步骤:
步骤1.1:获取标准螺纹工件的灰度图片,并在灰度图片上选取一搜索区域;
步骤1.2:在搜索区域中对比相邻像素之间的对比度,当对比度大于第一预设值时形成模板轮廓特征;
步骤1.3:对模板轮廓特征进行预设的第一角度范围变化,获取一系列的模块轮廓特征;
步骤1.4:保存系列的模板轮廓特征。
3.如权利要求2所述的管螺纹视觉检测方法,其特征在于,所述第一预设值为40,所述预设的第一角度范围为±0.5°。
4.如权利要求1所述的管螺纹视觉检测方法,其特征在于,所述步骤二包括如下子步骤:
步骤2.1:获取待检测螺纹工件的灰度图片,并在灰度图片上选取一搜索区域;
步骤2.2:在搜索区域中对比相邻像素之间的对比度,当对比度大于第二预设值时形成轮廓特征;
步骤2.3:对轮廓特征进行预设的第二角度范围变化,获取一系列的轮廓特征;
步骤2.4:保存系列的轮廓特征。
5.如权利要求4所述的管螺纹视觉检测方法,其特征在于,所述第二预设值为20,所述预设的第二角度范围为±0.5°。
6.如权利要求1所述的管螺纹视觉检测方法,其特征在于,步骤三中所述预设值为75%,目标个数为1。
7.如权利要求1所述的管螺纹视觉检测方法,其特征在于,步骤四包括如下子步骤:
步骤4.1:建立待检测螺纹工件两侧的螺牙轮廓特征,该螺牙具有多个波峰;
步骤4.2:处理待检测螺纹工件其中一侧的螺牙轮廓特征以形成闭合轮廓D1,处理待检测螺纹工件另一侧的螺牙轮廓特征以形成闭合轮廓D2;
步骤4.3:根据最小二乘法拟合闭合轮廓D1成直线L1,同时根据最小二乘法拟合闭合轮廓D2成直线L2;
步骤4.4:根据直线L1和直线L2获取待检测螺纹工件两侧的螺牙之间的中线L,其中,直线L1至中线L的距离等于直线L2到中线L的距离。
8.如权利要求7所述的管螺纹视觉检测方法,其特征在于,步骤五包括如下子步骤:
步骤5.1:以中线L为基准轴建立二维直角坐标系以得到待检测螺纹工件两侧的螺牙轮廓特征的所有坐标点集合(X1,Y1);
步骤5.2:扫描所有坐标点集合(X1,Y1)得到螺纹的峰值点的集合(Xai,Yai)和螺纹的谷值点的集合(Xbi,Ybi),其中,Yai为所有坐标点集合(X1,Y1)中Y1的极大值,Ybi为所有坐标点集合(X1,Y1)中Y1的极小值;
步骤5.3:根据公式d=2|yai|求得螺纹大径d,根据公式d1=2|ybi|求得螺纹小径d1,根据公式d2=(d+d1)/2求得螺纹中径d2。
9.如权利要求8所述的管螺纹视觉检测方法,其特征在于,步骤六包括如下子步骤:
步骤6.1:选取峰值点的集合(Xai,Yai)中任何两个相邻的坐标分别为(Xa1,Ya1)和(Xa2,Ya2);
步骤6.2:根据公式 求得两个峰值点之间的距离,该距离即为螺距P。
10.如权利要求9所述的管螺纹视觉检测方法,其特征在于,步骤七包括如下子步骤:
步骤7.1:选取任意一个波峰,获取该波峰的峰值点m1及其两侧的谷值点分别为m2和m3;
步骤7.2:连接峰值点m1与谷值点m2形成直线L3,连接峰值点m1与谷值点m3形成直线L4,直线L3的长度M1,直线L4的长度为M2;
步骤7.3:获取直线L3的中点K1(xk1,yk1),以中点K1为中心点,以M1的一半为边长生成第一正方形区域,同时获取直线L4的中点K2(xk2,yk2),以中点K2为中心点,以M2的一半为边长生成第二正方形区域;
步骤7.4:在第一正方形区域建立第一轮廓并拟合成直线L5,在第二正方形区域建立第二轮廓并拟合成直线L6,直线L5和直线L6之间的夹角为α;
步骤7.5:判断α是否满足预设范围,若是,则该待检测螺纹工件合格,否则不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510646249.4A CN105157611A (zh) | 2015-09-30 | 2015-09-30 | 管螺纹视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510646249.4A CN105157611A (zh) | 2015-09-30 | 2015-09-30 | 管螺纹视觉检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105157611A true CN105157611A (zh) | 2015-12-16 |
Family
ID=54798555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510646249.4A Pending CN105157611A (zh) | 2015-09-30 | 2015-09-30 | 管螺纹视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105157611A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010027A (zh) * | 2017-12-27 | 2018-05-08 | 合肥市雅视智能科技有限公司 | 一种螺丝异常自动检测方法 |
CN109060836A (zh) * | 2018-08-28 | 2018-12-21 | 南通大学 | 基于机器视觉的高压油管接头外螺纹检测方法 |
CN109781024A (zh) * | 2018-12-27 | 2019-05-21 | 中国石油天然气集团有限公司 | 一种基于轮廓的石油管外螺纹参数测量定位方法 |
CN110514129A (zh) * | 2019-09-27 | 2019-11-29 | 郑州大学 | 一种基于激光位移传感器的螺栓螺距测量装置及测量方法 |
CN110631541A (zh) * | 2019-10-31 | 2019-12-31 | 湖北民族大学 | 钢材外形测量线性度检测及校正方法 |
CN113125464A (zh) * | 2019-12-31 | 2021-07-16 | 苏州茵诺威智能设备有限公司 | 一种视觉检测方法 |
CN113503787A (zh) * | 2021-06-21 | 2021-10-15 | 成都小钥匙科技有限公司 | 一种螺纹检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009140150A2 (en) * | 2008-05-12 | 2009-11-19 | Gm Global Technology Operations, Inc. | Methodology for evaluating the start and profile of a thread with a vision-based system |
CN102141384A (zh) * | 2010-12-30 | 2011-08-03 | 浙江昱辉阳光能源有限公司 | 导轮轮廓检测方法和系统 |
CN102538672A (zh) * | 2011-12-16 | 2012-07-04 | 中北大学 | 一种基于cmos机器视觉零件尺寸测量系统及测量检验方法 |
CN103090792A (zh) * | 2013-01-08 | 2013-05-08 | 常州先进制造技术研究所 | 基于机器视觉的球销类不合格品的自动分检方法和装置 |
CN104764425A (zh) * | 2015-03-18 | 2015-07-08 | 浙江环球滤清器有限公司 | 滤清器出油口螺纹自动检测装置 |
-
2015
- 2015-09-30 CN CN201510646249.4A patent/CN105157611A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009140150A2 (en) * | 2008-05-12 | 2009-11-19 | Gm Global Technology Operations, Inc. | Methodology for evaluating the start and profile of a thread with a vision-based system |
CN102141384A (zh) * | 2010-12-30 | 2011-08-03 | 浙江昱辉阳光能源有限公司 | 导轮轮廓检测方法和系统 |
CN102538672A (zh) * | 2011-12-16 | 2012-07-04 | 中北大学 | 一种基于cmos机器视觉零件尺寸测量系统及测量检验方法 |
CN103090792A (zh) * | 2013-01-08 | 2013-05-08 | 常州先进制造技术研究所 | 基于机器视觉的球销类不合格品的自动分检方法和装置 |
CN104764425A (zh) * | 2015-03-18 | 2015-07-08 | 浙江环球滤清器有限公司 | 滤清器出油口螺纹自动检测装置 |
Non-Patent Citations (3)
Title |
---|
卜晨: "基于机器视觉的外螺纹检测方法及实验研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
吴得信: "基于机器视觉的螺纹测判系统的研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
梁学军 等: "轿车用螺纹紧固件的自动检测技术", 《传动技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010027A (zh) * | 2017-12-27 | 2018-05-08 | 合肥市雅视智能科技有限公司 | 一种螺丝异常自动检测方法 |
CN109060836A (zh) * | 2018-08-28 | 2018-12-21 | 南通大学 | 基于机器视觉的高压油管接头外螺纹检测方法 |
CN109781024A (zh) * | 2018-12-27 | 2019-05-21 | 中国石油天然气集团有限公司 | 一种基于轮廓的石油管外螺纹参数测量定位方法 |
CN109781024B (zh) * | 2018-12-27 | 2021-04-30 | 中国石油天然气集团有限公司 | 一种基于轮廓的石油管外螺纹参数测量定位方法 |
CN110514129A (zh) * | 2019-09-27 | 2019-11-29 | 郑州大学 | 一种基于激光位移传感器的螺栓螺距测量装置及测量方法 |
CN110631541A (zh) * | 2019-10-31 | 2019-12-31 | 湖北民族大学 | 钢材外形测量线性度检测及校正方法 |
CN110631541B (zh) * | 2019-10-31 | 2021-07-23 | 湖北民族大学 | 钢材外形测量线性度检测及校正方法 |
CN113125464A (zh) * | 2019-12-31 | 2021-07-16 | 苏州茵诺威智能设备有限公司 | 一种视觉检测方法 |
CN113125464B (zh) * | 2019-12-31 | 2022-08-05 | 苏州茵诺威智能设备有限公司 | 一种视觉检测方法 |
CN113503787A (zh) * | 2021-06-21 | 2021-10-15 | 成都小钥匙科技有限公司 | 一种螺纹检测方法 |
CN113503787B (zh) * | 2021-06-21 | 2023-07-25 | 成都小钥匙科技有限公司 | 一种螺纹检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105157611A (zh) | 管螺纹视觉检测方法 | |
Gadelmawla | Computer vision algorithms for measurement and inspection of external screw threads | |
Gadelmawla | Computer vision algorithms for measurement and inspection of spur gears | |
CN103292701A (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
CN111750789B (zh) | 小模数齿轮视觉测量中齿距偏差和齿廓偏差评定方法 | |
CN103542791B (zh) | 法兰多参数集成测量方法 | |
CN102519400A (zh) | 基于机器视觉的大长径比轴类零件直线度误差检测方法 | |
CN105509653A (zh) | 机械零件轮廓度视觉测量方法及系统 | |
CN105241380A (zh) | 锯齿形螺纹视觉检测方法 | |
CN108050949A (zh) | 一种测量螺纹三维中径及螺纹二维综合参数的方法 | |
CN111047588A (zh) | 一种轴型小零件尺寸的图像化测量方法 | |
CN103759672A (zh) | 雪糕棒平面轮廓尺寸的视觉测量方法 | |
Duan et al. | High precision edge detection algorithm for mechanical parts | |
CN104535036A (zh) | 重轨腹腔参数化公差判定方法 | |
CN105258652A (zh) | 梯形螺纹视觉检测方法 | |
CN105300280A (zh) | 连接器尺寸视觉测量方法 | |
CN104215171A (zh) | 内螺纹非接触激光线测量方法 | |
CN113125464B (zh) | 一种视觉检测方法 | |
CN111536876B (zh) | 一种三偏心蝶阀密封面的在位测量方法 | |
CN112146593A (zh) | 一种基于机器视觉的外螺纹检测方法及实时检测系统 | |
CN104748646A (zh) | 外螺纹中径测量方法 | |
Sheng et al. | A new compensation method for measurement of thread pitch diameter by profile scanning | |
Chen et al. | Research on modified algorithms of cylindrical external thread profile based on machine vision | |
CN102889834B (zh) | 锥螺纹塞规中径测量方法 | |
Gadelmawla | Development of Computer Vision Algorithms for Measurement and Inspection of Spur Gears. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151216 |