CN108645865A - 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法 - Google Patents

一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法 Download PDF

Info

Publication number
CN108645865A
CN108645865A CN201810444523.3A CN201810444523A CN108645865A CN 108645865 A CN108645865 A CN 108645865A CN 201810444523 A CN201810444523 A CN 201810444523A CN 108645865 A CN108645865 A CN 108645865A
Authority
CN
China
Prior art keywords
image
steel pipe
weld seam
partially welded
submerged
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
CN201810444523.3A
Other languages
English (en)
Inventor
李为卫
贾君君
吴锦强
刘剑
丁融
邹斌
阙永彬
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.)
China Petroleum and Natural Gas Co Ltd
CNPC Tubular Goods Research Institute
Petrochina Northwest United Pipeline Co Ltd
Original Assignee
China Petroleum and Natural Gas Co Ltd
CNPC Tubular Goods Research Institute
Petrochina Northwest United Pipeline Co Ltd
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 China Petroleum and Natural Gas Co Ltd, CNPC Tubular Goods Research Institute, Petrochina Northwest United Pipeline Co Ltd filed Critical China Petroleum and Natural Gas Co Ltd
Priority to CN201810444523.3A priority Critical patent/CN108645865A/zh
Publication of CN108645865A publication Critical patent/CN108645865A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal

Abstract

本发明公开了一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，首先采集图像，并进行图像处理：利用CCD采集实际焊接试样的宏观截面图像并进行图像处理，输入到计算机，放大到适当倍数，利用通过点的切线，以切线处于水平为基准，将图像找正。利用神经网络技术，分析、校核对正程度；其次对图像进行特征点定位：首先找内外焊道边界的两个交点，再通过交点做水平线，找出与另一侧焊道边界的两个交点，最后，定位焊道边界内两条水平线段的中心点；最后计算焊偏量：通过计算两个中心点的横向坐标差，取其绝对值，并考虑放大系数，将该绝对值与已校准标尺的测量信号比较，计算出实际焊缝的焊偏量。

Description

一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法
技术领域
本发明属于金属材料焊接技术领域，具体涉及一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法。
背景技术
管道输送是一种安全、经济、可靠的石油天然气运输方式，国民经济的发展需求的大量油气资源，尤其是天然气清洁能源需要依靠管道输送。高压、大口径、大输量油气管道主要采用埋弧焊钢管，埋弧焊缝的质量对油气管道的安全至关重要。大口径、厚壁油气输送钢管一般采用多丝埋弧焊方法进行内外双面埋弧焊，内、外焊缝焊接时如果不能对正(即焊偏)可能产生中部未焊透缺陷，对管道的安全运行带来隐患，因此未焊透缺陷不允许存在。为了保证不产生未焊透缺陷，油气管道钢管埋弧焊管技术标准通常要求对焊缝的焊偏量进行控制，如美国石油学会标准API SPEC 5L 45版和我国标准GB/T 9711-2011规定，对壁厚小于等于20mm的钢管，焊缝最大焊偏量不应超过3mm，对于壁厚大于20mm的钢管，焊缝最大焊偏量不应超过4mm，如图1所示。标准虽然进行了焊偏量规定，但没有给出具体的测量方法，钢管制造厂和监督检验机构一般在焊缝宏观金相试样上划线测量，其缺点一是人为因素多，检测结果误差大，不同的人、不同检验机构测量结果不一致，结果互比性差；二是工作量大、效率低。因此，需要给出一种简单、快捷、准确的测量方法。
发明内容
本发明的目的在于提出一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，以解决现有技术存在的问题，本发明采用现代CCD图像传感器、数字图像处理技术和计算机分析技术，通过识别特征点、线和定位，对石油天然气管道用埋弧焊钢管焊缝的焊偏量参数进行准确、快速的测量，实现测量的仪器化，为控制埋弧焊钢管的质量提供测量数据，从而保证钢管的质量和油气管道的安全。
为达到上述目的，本发明采用如下技术方案：
一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，包括以下步骤：
步骤1：通过CCD摄像机对焊缝截面试样进行采集，并灰度化得到灰度图；
步骤2：对步骤1得到的灰度图进行噪声滤除；
步骤3：对步骤2得到的图像进行边缘检测；
步骤4：对步骤3得到的图像进行分割得到目标图像；
步骤5：对步骤4得到的目标图像进行方向识别；
步骤6：根据步骤5的方向识别结果对目标图像进行旋转，使通过外焊缝轮廓线与钢管母材的交点o的钢管外壁轮廓线的切线op位于水平位置，得到旋转图像；
步骤7：通过内外焊道的交点c、e分别做水平线，且两条水平线均与切线op平行，通过c、e点的水平线与焊道另一侧边缘的交点记为d、f，取线段cd的中点m1，线段ef的中点m2，计算m1和m2之间的水平距离L；
步骤8：将L与已校准标尺的测量信号比较，得出实际的水平距离，即为实际焊缝焊偏量值。
进一步地，步骤2中采用邻域平均法对灰度图进行噪声滤除。
进一步地，步骤3中采用sobel算法进行边缘检测。
进一步地，步骤4中采用最大类间方差的阈值分割法进行图像分割。
进一步地，步骤5中方向识别具体为：在目标图像上找一条过质心的直线，使目标图像中所有点到这条直线的垂直距离的平方和最小，则此条直线的方向即为目标图像的方向，具体表示如下：
其中，M、N分别为目标图像组成阵列的总行数和总列数；x，y分别为目标图像像素点的横坐标和纵坐标，f(x，y)表示输入的目标图像，θ为过质心的直线与横坐标的夹角；rxy(θ)2为像素点(x，y)到过质心且方向为θ的直线的距离平方。
进一步地，旋转图像f(x1，y1)计算如下：
x1＝a(x，y)＝xcosθ-ysinθ y1＝b(x，y)＝xsinθ+ycosθ
齐次坐标系中的表示如下：
其中，f(x1，y1)为输出的旋转图像；函数a(x,y)和b(x,y)表示旋转变换公式。
与现有技术相比，本发明具有以下有益的技术效果：
本发明利用数字图像识别和计算机技术，测量埋弧焊钢管焊缝内外焊道的焊偏量参数方法，降低试验人员的劳动强度，提高测量的准确性，减少人为因素的影响，实现仪器化测量，将广泛将用于油气管道用钢管的生产检验和质量监督检验，提高中国制造的质量技术水平，实现快速、高效、客观、准确目的。
本发明采用CCD，即电荷耦合元件，也称CCD图像传感器或图像控制器，可直接将光学信号转换为模拟电流信号，电流信号经过放大和模数转换，实现图像的获取、存储、传输、处理和复现。其显著特点是灵敏度高、噪声低、动态范围大、响应速度快。用CCD技术对被检测对象的图像进行清晰照相，然后利用计算机对图像特征点、线进行定位、分析、计算，得出尺寸检测结果，从而使繁琐、重复的工作程序化、简单化、精确化。
附图说明
图1为标准规定的埋弧焊管焊缝焊偏量示意图；
其中，M1、M2分别为两条横穿熔敷焊道平行线的中点，该两条平行线平行于钢管表面切线，并通过内外焊道熔合线的交点；
图2为本发明的埋弧焊钢管焊缝焊偏量测量方法示意图；
图3为数字图像转化为二维数组示意图。
具体实施方式
下面对本发明作进一步详细描述：
一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，采用CCD图像传感器、数字图像处理技术和计算机分析，对焊缝截面形貌和特征点进行识别、定位，按照一定算法进行划线、测量，编制相应的程序软件，从而快速、准确的测量出焊缝的焊偏量参数，特征点、线的位置如图2所示，包括以下步骤：
步骤1：通过CCD摄像机对焊缝截面试样进行采集，并灰度化得到灰度图；
步骤2：对步骤1得到的灰度图采用邻域平均法进行噪声滤除；
步骤3：对步骤2得到的图像采用sobel算法进行边缘检测；
步骤4：对步骤3得到的图像采用最大类间方差的阈值分割法进行分割得到目标图像；
步骤5：对步骤4得到的目标图像进行方向识别；具体在目标图像上找一条过质心的直线，使目标图像中所有点到这条直线的垂直距离的平方和最小，则此条直线的方向即为目标图像的方向，具体表示如下：
其中，M、N分别为目标图像组成阵列的总行数和总列数；x，y分别为目标图像像素点的横坐标和纵坐标，f(x，y)表示输入的目标图像，θ为过质心的直线与横坐标的夹角；rxy(θ)2为像素点(x，y)到过质心且方向为θ的直线的距离平方。
步骤6：根据步骤5的方向识别结果对目标图像进行旋转，使通过外焊缝轮廓线与钢管母材的交点o的钢管外壁轮廓线的切线op位于水平位置，得到旋转图像；旋转图像f(x1，y1)计算如下：
x1＝a(x，y)＝x cosθ-y sinθ y1＝b(x，y)＝x sinθ+y cosθ
齐次坐标系中的表示如下：
其中，f(x1，y1)为输出的旋转图像；函数a(x,y)和b(x,y)表示旋转变换公式。
步骤7：通过内外焊道的交点c、e分别做水平线，且两条水平线均与切线op平行，通过c、e点的水平线与焊道另一侧边缘的交点记为d、f，取线段cd的中点m1，线段ef的中点m2，计算m1和m2之间的水平距离L；
步骤8：将L与已校准标尺的测量信号比较，得出实际的水平距离，即为实际焊缝焊偏量值。
下面结合附图对本发明的实施过程做详细描述：
(1)图像采集。通过CCD摄像机对焊缝截面试样进行数据采集，将光信息号转化为数字图像信号，并以灰度图的格式进行存储、显示。
数字图像是由一个个点组成的阵列，大小为M x N。计算机在进行数字图像处理中，通过二维数组来存放、计算图像。二维数组的行对应图像的高，二维数组的列对应图像的宽。二维数组的元素对应图像的像素，二维数组元素的值f(x，y)就是像素的灰度值，如图3所示。
(2)噪声滤除。由于现场环境污染、试样表面受损等原因不可避免各类噪声混杂在图像中，为了强化目标特征，方便后期计算机分析处理，需首先将各类噪声消除。采用邻域平均法进行噪声滤除。
(3)边缘检测(sobel算法)。图像边缘是焊缝的重要特征，也是后面计算的重要依据。考虑到后期计算的快捷性。采用sobel算法进行边缘检测。
(4)图像分割
为了后期对图像中的焊缝目标进行分析，需要将关注的目标从原图像中分离提取出来。此处采用最大类间方差阈值分割法进行图像分割，将原灰度图进行二值化。最大类间方差阈值分割是在差别与最小二乘法原理的基础上推导出来的，把图像中的灰度直方图在某一阈值处分割成两组，当被分成的两组间方差为最大时，决定为阈值。
(5)方向识别
整个图像的面积为其所占的像素点个数，质心为其面积中心。图像的方向判断是指在目标图像上找一条过质心直线，使得目标中所有点到这条直线的垂直距离的平方和为最小，此条直线方向代表目标的方向。
rxy(θ)2为物体点(x，y)到一条过质心、方向为θ的直线的距离平方。
(6)图像旋转
图像绕原点顺时针旋转θ角，将图像摆正。f(x，y)表示输入图像，f(x1，y1)为输出图像，函数a(x,y)和b(x,y)表示旋转变换公式。计算如下
x1＝a(x，y)＝x cosθ-y sinθ y1＝b(x，y)＝x sinθ+y cosθ
齐次坐标系中的表示如下：
(7)焊偏量测量
通过内外焊道的交点c、e分别做水平线，且两条水平线均与切线op平行，通过c、e点的水平线与焊道另一侧边缘的交点记为d、f，取线段cd的中点m1，线段ef的中点m2，计算m1和m2之间的水平距离L；
(8)测量结果校准
通过与已校准的标尺(长度1.00mm)的测量信号对比，计算实际焊偏测量结果。

Claims (6)

1.一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，其特征在于，包括以下步骤：
步骤1：通过CCD摄像机对焊缝截面试样进行采集，并灰度化得到灰度图；
步骤2：对步骤1得到的灰度图进行噪声滤除；
步骤3：对步骤2得到的图像进行边缘检测；
步骤4：对步骤3得到的图像进行分割得到目标图像；
步骤5：对步骤4得到的目标图像进行方向识别；
步骤6：根据步骤5的方向识别结果对目标图像进行旋转，使通过外焊缝轮廓线与钢管母材的交点o的钢管外壁轮廓线的切线op位于水平位置，得到旋转图像；
步骤7：通过内外焊道的交点c、e分别做水平线，且两条水平线均与切线op平行，通过c、e点的水平线与焊道另一侧边缘的交点记为d、f，取线段cd的中点m1，线段ef的中点m2，计算m1和m2之间的水平距离L；
步骤8：将L与已校准标尺的测量信号比较，得出实际的水平距离，即为实际焊缝焊偏量值。
2.根据权利要求1所述的一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，其特征在于，步骤2中采用邻域平均法对灰度图进行噪声滤除。
3.根据权利要求1所述的一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，其特征在于，步骤3中采用sobel算法进行边缘检测。
4.根据权利要求1所述的一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，其特征在于，步骤4中采用最大类间方差的阈值分割法进行图像分割。
5.根据权利要求1所述的一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，其特征在于，步骤5中方向识别具体为：在目标图像上找一条过质心的直线，使目标图像中所有点到这条直线的垂直距离的平方和最小，则此条直线的方向即为目标图像的方向，具体表示如下：
其中，M、N分别为目标图像组成阵列的总行数和总列数；x，y分别为目标图像像素点的横坐标和纵坐标，f(x，y)表示输入的目标图像，θ为过质心的直线与横坐标的夹角；rxy(θ)2为像素点(x，y)到过质心且方向为θ的直线的距离平方。
6.根据权利要求5所述的一种基于CCD的埋弧焊钢管焊缝焊偏量参数的测量方法，其特征在于，旋转图像f(x1，y1)计算如下：
x1＝a(x，y)＝xcosθ-ysinθ y1＝b(x，y)＝xsinθ+ycosθ
齐次坐标系中的表示如下：
其中，f(x1，y1)为输出的旋转图像；函数a(x,y)和b(x,y)表示旋转变换公式。
CN201810444523.3A 2018-05-10 2018-05-10 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法 Pending CN108645865A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810444523.3A CN108645865A (zh) 2018-05-10 2018-05-10 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810444523.3A CN108645865A (zh) 2018-05-10 2018-05-10 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法

Publications (1)

Publication Number Publication Date
CN108645865A true CN108645865A (zh) 2018-10-12

Family

ID=63754266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810444523.3A Pending CN108645865A (zh) 2018-05-10 2018-05-10 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法

Country Status (1)

Country Link
CN (1) CN108645865A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110319746A (zh) * 2019-06-10 2019-10-11 西安爱德华测量设备股份有限公司 一种基于自动化机精密加工的机床外工况模拟机测量方法
CN115830053A (zh) * 2023-01-17 2023-03-21 江苏金恒信息科技股份有限公司 一种基于机器视觉的帘线钢镶嵌样边缘定位方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105345237A (zh) * 2015-12-10 2016-02-24 河北沧海核装备科技股份有限公司 一种直缝埋弧焊自动控制焊缝形貌的装置及其工艺方法
CN105931227A (zh) * 2016-04-14 2016-09-07 北京工业大学 一种基于图像灰度b扫曲线的焊缝表面缺陷特征提取方法
CN105938563A (zh) * 2016-04-14 2016-09-14 北京工业大学 一种基于图像纹理的焊缝表面缺陷识别方法
CN106442543A (zh) * 2016-10-14 2017-02-22 龚新林 一种在线识别金属工件连续激光焊缝表面质量的检测方法
CN106624417A (zh) * 2016-10-19 2017-05-10 武船重型工程股份有限公司 一种u肋内侧焊缝外观质量检测方法
CN107442900A (zh) * 2017-08-04 2017-12-08 淮安信息职业技术学院 一种激光视觉焊缝跟踪方法
CN107576729A (zh) * 2017-09-15 2018-01-12 南京中车浦镇城轨车辆有限责任公司 基于超声相控阵的焊缝缺陷检测和快速提取系统及方法
CN107610103A (zh) * 2017-08-30 2018-01-19 西安石油大学 一种基于x射线成像的钢管螺旋弧焊缝区域提取方法
CN107749058A (zh) * 2017-10-23 2018-03-02 中南大学 一种锅炉管道表面缺陷的机器视觉检测方法及系统
CN108008006A (zh) * 2017-12-07 2018-05-08 广东工业大学 一种焊缝缺陷检测方法、装置、设备及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105345237A (zh) * 2015-12-10 2016-02-24 河北沧海核装备科技股份有限公司 一种直缝埋弧焊自动控制焊缝形貌的装置及其工艺方法
CN105931227A (zh) * 2016-04-14 2016-09-07 北京工业大学 一种基于图像灰度b扫曲线的焊缝表面缺陷特征提取方法
CN105938563A (zh) * 2016-04-14 2016-09-14 北京工业大学 一种基于图像纹理的焊缝表面缺陷识别方法
CN106442543A (zh) * 2016-10-14 2017-02-22 龚新林 一种在线识别金属工件连续激光焊缝表面质量的检测方法
CN106624417A (zh) * 2016-10-19 2017-05-10 武船重型工程股份有限公司 一种u肋内侧焊缝外观质量检测方法
CN107442900A (zh) * 2017-08-04 2017-12-08 淮安信息职业技术学院 一种激光视觉焊缝跟踪方法
CN107610103A (zh) * 2017-08-30 2018-01-19 西安石油大学 一种基于x射线成像的钢管螺旋弧焊缝区域提取方法
CN107576729A (zh) * 2017-09-15 2018-01-12 南京中车浦镇城轨车辆有限责任公司 基于超声相控阵的焊缝缺陷检测和快速提取系统及方法
CN107749058A (zh) * 2017-10-23 2018-03-02 中南大学 一种锅炉管道表面缺陷的机器视觉检测方法及系统
CN108008006A (zh) * 2017-12-07 2018-05-08 广东工业大学 一种焊缝缺陷检测方法、装置、设备及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
中华人民共和国国家质量监督检验验疫总局与中国国家标准化管理委员会: "《中华人民共和国国家标准 GB/T 9711-2017》", 12 May 2017 *
何东健: "《数字图像处理》", 28 February 2015, 西安电子科技大学出版社 *
孙兴: "DSP在机器人视觉系统的应用与研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
张晶: "《多媒体信息与通信》", 31 December 2017 *
贾永红: "《数字图像处理实习教程》", 30 November 2016, 武汉大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110319746A (zh) * 2019-06-10 2019-10-11 西安爱德华测量设备股份有限公司 一种基于自动化机精密加工的机床外工况模拟机测量方法
CN110319746B (zh) * 2019-06-10 2022-04-15 西安爱德华测量设备股份有限公司 一种基于自动化机精密加工的机床外工况模拟机测量方法
CN115830053A (zh) * 2023-01-17 2023-03-21 江苏金恒信息科技股份有限公司 一种基于机器视觉的帘线钢镶嵌样边缘定位方法及系统
CN115830053B (zh) * 2023-01-17 2023-09-05 江苏金恒信息科技股份有限公司 一种基于机器视觉的帘线钢镶嵌样边缘定位方法及系统

Similar Documents

Publication Publication Date Title
WO2019134252A1 (zh) 结构裂缝自动化描绘及宽度精准测量方法与设备
CN111950330B (zh) 一种基于目标检测的指针式仪表示数检测方法
US20160358322A1 (en) Method and system for data detecting of an instrument
CN109443307B (zh) 一种基于光学测量的输电杆塔沉降和倾斜角的测量系统及方法
CN110751604B (zh) 一种基于机器视觉的钢管焊缝缺陷在线检测方法
CN102519400B (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
CN109544533A (zh) 一种基于深度学习的金属板缺陷检测和度量方法
CN109115800B (zh) 一种产品毛刺的快速检测及长度精确测量方法
CN110906875B (zh) 一种孔径测量的视觉处理方法
CN109284718B (zh) 面向巡检机器人的变视角多仪表同时识别方法
CN106643965B (zh) 一种利用模板匹配精确识别液位的方法
CN110751628B (zh) 一种基于超声图像的焊缝缺陷自动识别方法
CN110133639B (zh) 一种传力杆施工质量检测方法
CN109239081B (zh) 基于结构光与视觉成像的焊缝质量参数检测方法
CN104156913A (zh) 金属圆柱工件表观缺陷自动光学检测方法
CN110211178B (zh) 一种利用投影计算的指针式仪表识别方法
CN109993154A (zh) 变电站单指针式六氟化硫型仪表智能识别方法
CN105930852A (zh) 一种气泡图像识别方法
CN115345876B (zh) 一种基于超声图像的螺栓螺纹缺陷检测方法
CN111724358A (zh) 基于图像和卷积神经网络的混凝土质量检测方法及系统
CN108335310B (zh) 一种便携式粒形粒度检测方法及系统
CN108645865A (zh) 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法
CN105678763A (zh) 一种稳定的直线/圆特征检测方法
CN115597494B (zh) 一种基于点云的预制构件预留孔的精度检测方法、系统
CN115272331B (zh) 基于图像处理的瓦楞纸质量检测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181012