CN108037085A - 基于光谱特征的金属工件表面缺陷检测方法 - Google Patents

基于光谱特征的金属工件表面缺陷检测方法 Download PDF

Info

Publication number
CN108037085A
CN108037085A CN201711221083.7A CN201711221083A CN108037085A CN 108037085 A CN108037085 A CN 108037085A CN 201711221083 A CN201711221083 A CN 201711221083A CN 108037085 A CN108037085 A CN 108037085A
Authority
CN
China
Prior art keywords
workpiece
data
spectral signature
detection
defect inspection
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
Application number
CN201711221083.7A
Other languages
English (en)
Inventor
程麒文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rizhao Polytechnic
Original Assignee
Rizhao Polytechnic
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Rizhao Polytechnic filed Critical Rizhao Polytechnic
Priority to CN201711221083.7A priority Critical patent/CN108037085A/zh
Publication of CN108037085A publication Critical patent/CN108037085A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (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 Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于光谱特征的金属工件表面缺陷检测方法,具体步骤如下:步骤1:手持光谱分析仪,在金属工件表面随机选取7‑8个测量点,同一个点每次测量2‑3次,记录相关数据,并计算平均值,每次测量前需在白板上进行标定;步骤2:用人工检测的方法,采用仪表检测,记录检测数据;步骤3:利用EXCEL数据和图样,分析敏感波段的工件表面的合格率;本发明利用光谱特征检测金属工件表面缺陷,提高检测准确率,避免由于人工疲劳等引起的错误判断,提高了金属加工件检测效率和产品合格率。

Description

基于光谱特征的金属工件表面缺陷检测方法
技术领域
本发明涉及的是金属工件表面缺陷检测方法技术领域,具体的说是一种基于光谱特征的金属工件表面缺陷检测方法。
背景技术
金属材料作为我国很多工业的主要原材料,其质量对其衍生的产品的质量影响至关重要。金属材料在生产过程、使用过程中由于受到原材料、轧制工艺、使用环境等诸多技术因素的影响,会产生如裂纹,夹杂等缺陷,使材料的质量降低。因此,及时有效的对金属材料进行缺陷检测就显得尤为重要。
现如今在对金属材料进行加工的过程中,一般都是通过人眼进行辨别加工过程中的金属工件是否有表面缺陷,长期如此,会产生疲劳,作出错误的判断,其加工精度比较低,产品的合格率低。
发明内容
本发明的目的在于针对现有技术的缺陷和不足,提供了一种基于光谱特征的金属工件表面缺陷检测方法,利用光谱特征检测金属工件表面缺陷,能提高检测准确率,避免由于人工疲劳等引起的错误判断,提高了金属加工件检测效率,为智能制造技术的实现提供了必要的技术支持。
为实现上述目的,本发明采用的技术方案是:
基于光谱特征的金属工件表面缺陷检测方法,具体步骤如下:
步骤1:手持光谱分析仪,在金属工件表面随机选取7-8个测量点,同一个点每次测量2-3次,记录相关数据,并计算平均值,每次测量前需在白板上进行标定;
步骤2:用人工检测的方法,采用仪表检测,记录检测数据;
步骤3:利用EXCEL数据和图样,分析敏感波段的工件表面的合格率;
步骤4:采用SPSS分析软件进行数据相关和回归分析,找到合格工件表面数据和光谱波段范围的一致关系,并建立检测合格金属产品的线性函数模型。
采用上述结构后,本发明的有益效果为:本发明采用便携式光谱分析仪,通过测试金属工件表面的高光谱数据,采用多元统计分析方法对反射光谱与合格产品的数据进行相关分析,建立合格产品的光谱波段数据和敏感波段,并基于这些敏感波段及由它们组成的比值指数和归一化指数,建立了检测合格金属产品的线性函数模型。有效提高了检测准确率,避免由于人工疲劳等引起的错误判断,提高了金属工件的加工精度和产品合格率。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施方式,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅用以解释本发明,并不用于限定本发明。
实施例1:
基于光谱特征的金属工件表面缺陷检测方法,具体步骤如下:
步骤1:手持光谱分析仪,在金属工件表面随机选取7个测量点,同一个点每次测量2次,记录相关数据,并计算平均值,每次测量前需在白板上进行标定;
步骤2:用人工检测的方法,采用仪表检测,记录检测数据;
步骤3:利用EXCEL数据和图样,分析敏感波段的工件表面的合格率;
步骤4:采用SPSS分析软件进行数据相关和回归分析,找到合格工件表面数据和光谱波段范围的一致关系,并建立检测合格金属产品的线性函数模型。
实施例2:
基于光谱特征的金属工件表面缺陷检测方法,具体步骤如下:
步骤1:手持光谱分析仪,在金属工件表面随机选取8个测量点,同一个点每次测量3次,记录相关数据,并计算平均值,每次测量前需在白板上进行标定;
步骤2:用人工检测的方法,采用仪表检测,记录检测数据;
步骤3:利用EXCEL数据和图样,分析敏感波段的工件表面的合格率;
步骤4:采用SPSS分析软件进行数据相关和回归分析,找到合格工件表面数据和光谱波段范围的一致关系,并建立检测合格金属产品的线性函数模型。
本具体实施方式的工作原理:采用便携式光谱分析仪,通过测试金属工件表面的高光谱数据,采用多元统计分析方法对反射光谱与合格产品的数据进行相关分析,建立合格产品的光谱波段数据和敏感波段,并基于这些敏感波段及由它们组成的比值指数和归一化指数,建立了检测合格金属产品的线性函数模型。有效提高了检测准确率,避免由于人工疲劳等引起的错误判断,提高了金属工件的加工精度和产品合格率。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。

Claims (1)

1.基于光谱特征的金属工件表面缺陷检测方法,其特征在于:具体步骤如下:
步骤1:手持光谱分析仪,在金属工件表面随机选取7-8个测量点,同一个点每次测量2-3次,记录相关数据,并计算平均值,每次测量前需在白板上进行标定;
步骤2:用人工检测的方法,采用仪表检测,记录检测数据;
步骤3:利用EXCEL数据和图样,分析敏感波段的工件表面的合格率;
步骤4:采用SPSS分析软件进行数据相关和回归分析,找到合格工件表面数据和光谱波段范围的一致关系,并建立检测合格金属产品的线性函数模型。
CN201711221083.7A 2017-11-29 2017-11-29 基于光谱特征的金属工件表面缺陷检测方法 Pending CN108037085A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711221083.7A CN108037085A (zh) 2017-11-29 2017-11-29 基于光谱特征的金属工件表面缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711221083.7A CN108037085A (zh) 2017-11-29 2017-11-29 基于光谱特征的金属工件表面缺陷检测方法

Publications (1)

Publication Number Publication Date
CN108037085A true CN108037085A (zh) 2018-05-15

Family

ID=62093075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711221083.7A Pending CN108037085A (zh) 2017-11-29 2017-11-29 基于光谱特征的金属工件表面缺陷检测方法

Country Status (1)

Country Link
CN (1) CN108037085A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109709104A (zh) * 2019-01-30 2019-05-03 上海工程技术大学 一种可检测产品表面缺陷的手持设备
CN110457264A (zh) * 2019-08-15 2019-11-15 深圳市威屏科技有限公司 会议文件处理方法、装置、设备及计算机可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006226706A (ja) * 2005-02-15 2006-08-31 Ricoh Co Ltd 欠陥検出方法及びプログラム
CN101114602A (zh) * 2006-07-27 2008-01-30 上海宏力半导体制造有限公司 金属刻蚀缺陷侦测装置及其侦测方法
CN101949851A (zh) * 2010-08-16 2011-01-19 河北钢铁股份有限公司邯郸分公司 一种利用直读光谱仪快速检验铸坯偏析的方法
CN102033043A (zh) * 2010-10-19 2011-04-27 浙江大学 基于高光谱图像技术的粮粒含水率检测方法
CN103116673A (zh) * 2013-02-04 2013-05-22 陈慧群 一种铣削加工表面形貌预测方法
JP2014089156A (ja) * 2012-10-31 2014-05-15 Toyota Motor Corp 外観検査方法
CN105115908A (zh) * 2015-08-20 2015-12-02 哈尔滨理工大学 金属锈斑最优光谱波段选取视觉检测装置和方法
CN107248159A (zh) * 2017-08-04 2017-10-13 河海大学常州校区 一种基于双目视觉的金属工件缺陷检测方法
CN107316116A (zh) * 2017-08-23 2017-11-03 吉林大学 一种叶类蔬菜产量预测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006226706A (ja) * 2005-02-15 2006-08-31 Ricoh Co Ltd 欠陥検出方法及びプログラム
CN101114602A (zh) * 2006-07-27 2008-01-30 上海宏力半导体制造有限公司 金属刻蚀缺陷侦测装置及其侦测方法
CN101949851A (zh) * 2010-08-16 2011-01-19 河北钢铁股份有限公司邯郸分公司 一种利用直读光谱仪快速检验铸坯偏析的方法
CN102033043A (zh) * 2010-10-19 2011-04-27 浙江大学 基于高光谱图像技术的粮粒含水率检测方法
JP2014089156A (ja) * 2012-10-31 2014-05-15 Toyota Motor Corp 外観検査方法
CN103116673A (zh) * 2013-02-04 2013-05-22 陈慧群 一种铣削加工表面形貌预测方法
CN105115908A (zh) * 2015-08-20 2015-12-02 哈尔滨理工大学 金属锈斑最优光谱波段选取视觉检测装置和方法
CN107248159A (zh) * 2017-08-04 2017-10-13 河海大学常州校区 一种基于双目视觉的金属工件缺陷检测方法
CN107316116A (zh) * 2017-08-23 2017-11-03 吉林大学 一种叶类蔬菜产量预测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109709104A (zh) * 2019-01-30 2019-05-03 上海工程技术大学 一种可检测产品表面缺陷的手持设备
CN110457264A (zh) * 2019-08-15 2019-11-15 深圳市威屏科技有限公司 会议文件处理方法、装置、设备及计算机可读存储介质
CN110457264B (zh) * 2019-08-15 2022-04-01 深圳市威屏科技有限公司 会议文件处理方法、装置、设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN103837492B (zh) 一种基于近红外光谱技术的猕猴桃膨大果无损检测方法
CN104965973B (zh) 一种苹果霉心病多因子无损检测判别模型及其建立方法
CN106442525A (zh) 用于核桃内部干瘪缺陷的在线检测方法
CN103645155A (zh) 生鲜羊肉嫩度的快速无损检测方法
CN103411955A (zh) 基于拉曼光谱的头孢类抗生素混合溶液的浓度检测方法
CN106198492A (zh) 一种利用微藻libs信号检测水体重金属铅污染程度的方法
US20210389243A1 (en) System and method for quantification of bacteria in water using fluorescence spectra measurements and machine-learning
CN103712948B (zh) 生鲜羊肉中挥发性盐基氮含量的快速无损检测方法
CN108037085A (zh) 基于光谱特征的金属工件表面缺陷检测方法
CN106940292A (zh) 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法
CN109374548A (zh) 一种利用近红外快速测定大米中营养成分的方法
CN104297206A (zh) 一种液态牛奶品牌快速鉴别方法
CN102830080A (zh) 一种评判烟用接装纸内在质量稳定性的近红外光谱方法
CN102435595B (zh) 一种快速检测味精中硫化钠含量的激光拉曼光谱方法
CN112485238B (zh) 一种基于拉曼光谱技术鉴别姜黄精油产地的方法
CN103398993A (zh) 荧光光谱结合pca-hca与plsr检测市售橙汁饮品的方法
CN117589708A (zh) 一种基于近红外快速检测组织蛋白中蛋白质数据库的建立方法与应用方法
CN110308139B (zh) 基于激光诱导击穿光谱的水稻种子活力分级检测方法
EP2141476A3 (en) System and method for analyzing tire uniformity
CN204008454U (zh) 用于检测贮藏稻谷中霉菌指标的便携式近红外光谱分析仪
CN110231300A (zh) 一种无损快速鉴别真假阿克苏红富士苹果的方法
CN109521002A (zh) 一种固体燃料颗粒流的燃料特性测量方法
CN103592258B (zh) 一种茶叶中茶多酚含量的检测方法
JP2021185876A (ja) 海苔の品質評価方法、および海苔の品質評価装置
Yang et al. Rapid detection of knot defects on wood surface by near infrared spectroscopy coupled with partial least squares discriminant analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180515

RJ01 Rejection of invention patent application after publication