CN108876771A - 一种咬边焊接缺陷的检测方法 - Google Patents
一种咬边焊接缺陷的检测方法 Download PDFInfo
- Publication number
- CN108876771A CN108876771A CN201810564089.2A CN201810564089A CN108876771A CN 108876771 A CN108876771 A CN 108876771A CN 201810564089 A CN201810564089 A CN 201810564089A CN 108876771 A CN108876771 A CN 108876771A
- Authority
- CN
- China
- Prior art keywords
- welding
- undercut
- defect
- welding bead
- detection method
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 99
- 230000007547 defect Effects 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 239000011324 bead Substances 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 239000000428 dust Substances 0.000 claims abstract description 7
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及焊接检测的技术领域,更具体地,涉及一种咬边焊接缺陷的检测方法,在焊道位置的上方放置激光扫描器,对焊接之后的焊道进行扫描,获得焊道横截面轨迹图集,对采集的图像进行预处理,如灰度变换,二值化处理;使用多项式函数拟合焊道横截面轨迹得到拟合曲线,使用Hough变换提取轨迹中的直线信息,建立坐标系,从而使用这个坐标系计算极值点、零点的信息以及相关信息,判断咬边缺陷是否产生。本发明可对一些具有较小特性的咬边缺陷进行检测,而且可减少依靠传统图像的识别方式来检测缺陷而带来的采集环境干扰。在充满粉尘,强光等复杂环境的焊接环境中具有一定的实用性,且识别效果较好,操作简单,成本较低。
Description
技术领域
本发明涉及焊接检测的技术领域,更具体地,涉及一种咬边焊接缺陷的检测方法。
背景技术
在复杂的焊接环境中,往往会由于焊接木材的厚度不均,焊缝的宽度不一(从毫米级到厘米级不一),长度不一(从几厘米到几米长),从而导致焊接速度要求不一,容易导致咬边的焊接缺陷产生。在自动化焊接中,由于咬边缺陷的产生容易对焊接质量造成较为严重影响,有可能使得焊接木材在焊缝位置发生断裂,因此对焊接的咬边缺陷进行检测在焊接作业中是一道非常重要的环节。
目前对焊接缺陷的检测通常采用的是超声波图像或者是熔池图像的检测方式对采集图像进行缺陷识别检测,又或者采用了X射线的图像分析方法,这些方法在复杂的焊接车间环境中有可能会因为粉尘、强光等的复杂因素的影响而造成识别精度下降。而且对于较小的缺陷,采用传统的图像分析方式比较难以确定缺陷是否产生以及所出现的类型。对于咬边缺陷来说,焊接边沿出现的咬边现象有时候会比较小,采用图像识别方式难以确认。
发明内容
本发明的目的在于克服现有技术的不足,提供一种咬边焊接缺陷的检测方法,采用线激光拟合焊道的轨迹方式来识别咬边缺陷,具有较好的识别效果,提高识别的精度。
为解决上述技术问题,本发明采用的技术方案是:
提供一种咬边焊接缺陷的检测方法,包括以下步骤:
S1.在完成焊接的焊道上方放置激光扫描器,对完成焊接的焊道进行扫描得到的焊道横截面轨迹的图集;
S2.对于步骤S1得到的焊道横截面轨迹的图集进行灰度变换、二值化处理进行预处理去除噪声点减少环境因素带来的采集误差;
S3.采用多项式函数拟合经步骤S2处理的焊道横截面轨迹得到拟合曲线,并使用Hough变提取所述焊道横截面轨迹中的信息,并建立坐标系;
S4.基于步骤S3建立的坐标系,计算步骤S3所述拟合曲线的极值点P、零点Z的位置,计算相邻两个零点之间的位置距离;
S5.计算焊缝宽度,判断焊缝宽度与判断阈值之间的关系;若焊缝宽度大于判断阈值,则判断出现咬边焊接缺陷;否则,则判断未出现咬边焊接缺陷。
本发明的咬边焊接缺陷的检测方法,在焊道位置的上方放置激光扫描器,对焊接之后的焊道进行扫描,获得焊道横截面轨迹图集,使用多项式函数拟合焊道横截面轨迹得到拟合曲线,使用Hough变换提取轨迹中的直线信息,建立坐标系,从而使用这个坐标系计算极值点和零点的信息,判断咬边缺陷是否产生。本发明能够对一些较小的咬边缺陷的识别起到较好的效果,适应在复杂的焊接车间中的应用,减少因粉尘、强光等因素带来的识别效果误差,且操作简单,具有较好的实用性。
优选地,激光扫描器扫描焊道移动的步长为1mm~3mm。本发明的步长优选为2mm,但本发明的扫描步长并不限于2mm。以步长作为扫描方式的方法可以对不同焊道段进行咬边缺陷判断,而且操作简单。
优选地,步骤S2中,所述环境因素包括采集环境中的强光及粉尘。使用灰度变换、二值化等操作对图形的噪声进行去除,减少因为图像采集环境的噪声而带来的识别误差。
优选地,步骤S3实施方法包括以下步骤,使用多项式函数去拟合轨迹,之后采用极坐标方程r(θ)=xcos(θ)+ysin(θ)利用霍夫变换原理提取直线,具体操作步骤如下:
S31.采用多项式函数拟合焊道横截面轨迹,用代替扫描得到的焊道横截面轨迹:
式中,x表示多项式函数的变量,ωi表示多项式函数的系数,w表示焊缝宽度,n为多项式函数的阶数;
焊道横截面轨迹的拟合误差值表示为:
式中,yj为焊道横截面轨迹实际离散点;
S32.使用Hough变换提取轨迹中的直线信息,以提取出来的直线信息建立坐标系:
r(θ)=xcos(θ)+ysin(θ)
式中,r为所述直线到原点的距离,θ表示所述直线的垂线与x轴的夹角。
在此步骤中,通过极坐标方程和图像像素坐标(x,y)可将图像中的直线提取出来,在本发明中,将提取出焊道横截面轨迹中的直线部分,并以此直线作为参考基准,建立新的坐标系,为后续步骤的计算提高参考数据。
优选地,步骤S4实施方法包括以下步骤:
S41.对步骤S31拟合得到的曲线多项式函数进行求导,计算求解极值点P的个数,判断拟合曲线中驼峰个数m:
由于咬边缺陷横截面轨迹的特性可知,驼峰数m在没有出现咬边缺陷时通常只有一个;若驼峰个数m>1,则认为可能出现咬边缺陷,转步骤S42;
S42.计算的结果,得出曲线的零点Z的个数k:
S43.计算相邻零点Z之间的距离d,得到焊缝宽度w:
w=dmax(i,j)=max{x2-x1,x3-x2,…,xj-xi},i≠j,j>1
可知焊缝的宽度可认为是w=dmax;
S44.计算相邻零点Z之间的距离d与焊缝宽度w之间的比值关系δ:
di,j=|Zj|-|Zi|=xj-xi
式中,ε为判断阈值,xj为第j个零点的横坐标值,xi为第i个零点的横坐标值。
优选地,步骤S5中咬边缺陷的判断方法为:若δ>ε,则认为出现了咬边缺陷;否则,则认为未出现咬边缺陷。
优选地,步骤S43中的判断阈值ε=0.01。这个数值是根据工程经验所得,但本发明的判断阈值并不仅限于上述取值,可根据实际应用场合的需求而变化。
与现有技术相比,本发明的有益效果是:
本发明的咬边焊接缺陷的检测方法可对一些具有较小特性的咬边缺陷进行检测,而且可减少依靠传统图像的识别方式来检测缺陷而带来的采集环境干扰。在充满粉尘,强光等复杂环境的焊接环境中具有一定的实用性,且识别效果较好,操作简单,成本较低。
附图说明
图1为本发明的咬边焊接缺陷的检测方法的流程示意图。
图2为实施例一步骤S3所得到的拟合曲线。
图3为实施例一中拟合曲线的极值点与零点在步骤S3所建立的坐标系中的位置。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例1
如图1至图3所示为本发明的咬边焊接缺陷的检测方法的第一实施例,包括以下步骤:
S1.在完成焊接的焊道上方放置激光扫描器,对完成焊接的焊道进行扫描得到的焊道横截面轨迹的图集;
S2.对于步骤S1得到的焊道横截面轨迹的图集进行灰度变换、二值化处理进行预处理去除噪声点减少环境因素带来的采集误差;
S3.采用多项式函数拟合经步骤S2处理的焊道横截面轨迹得到拟合曲线,如图2所示;并使用Hough变提取所述焊道横截面轨迹中的信息,并建立坐标系,如图3所示;
S4.基于步骤S3建立的坐标系,计算步骤S3所述拟合曲线的极值点P、零点Z的位置,计算相邻两个零点之间的位置距离;
S5.计算焊缝宽度,判断焊缝宽度与判断阈值之间的关系;若焊缝宽度大于判断阈值,则判断出现咬边焊接缺陷;否则,则判断未出现咬边焊接缺陷。
在本实施例中,步骤S1中,使用激光扫描器对焊接后的焊道轨迹进行扫描,扫描的步长依据经验所得为2mm,以此获得离散的焊道轨迹图像集。步骤S2中,对步骤S1获得的图像进行预处理,灰度变换、二值化等操作对图像的噪声进行去除,减少因为图像采集环境的噪声而带来的识别误差,方便后续步骤的曲线拟合以及Hough变换计算,减少干扰点。
步骤S3实施方法包括以下步骤,使用多项式函数去拟合轨迹,之后采用极坐标方程r(θ)=xcos(θ)+ysin(θ)利用霍夫变换原理提取直线,具体操作步骤如下:
S31.采用多项式函数拟合焊道横截面轨迹,用代替扫描得到的焊道横截面轨迹:
式中,x表示多项式函数的变量,ωi表示多项式函数的系数,w表示焊缝宽度,n为多项式函数的阶数,本实施例选取n=8,但多项式函数的阶数并不局限于此数值;
焊道横截面轨迹的拟合误差值表示为:
式中,yj为焊道横截面轨迹实际离散点;为最小化e(x),求得拟合曲线的各项参数值,可对e(x)求ωj的偏导,化简可得:
S32.使用Hough变换提取轨迹中的直线信息,以提取出来的直线信息建立坐标系:
r(θ)=xcos(θ)+ysin(θ)
式中,r为所述直线到原点的距离,θ表示所述直线的垂线与x轴的夹角。
在此步骤中,通过极坐标方程和图像像素坐标(x,y)可将图像中的直线提取出来,在本发明中,将提取出焊道横截面轨迹中的直线部分,并以此直线作为参考基准,建立新的坐标系,为后续步骤的计算提高参考数据,如图3所示。
步骤S4实施方法包括以下步骤:
S41.对步骤S31拟合得到的曲线多项式函数进行求导,计算求解极值点P的个数,判断拟合曲线中驼峰个数m:
由于咬边缺陷横截面轨迹的特性可知,驼峰数m在没有出现咬边缺陷时通常只有一个;若驼峰个数m>1,则认为可能出现咬边缺陷,转步骤S42;如图3所示,本实施例的极值点为P1(x1,y1),P2(x2,y2),P3(x3,y3),P4(x4,y4),P5(x5,y5),本实施例中的驼峰的个数为5。
S42.计算的结果,得出曲线的零点Z的个数k:
如图3所示,零点为Z1(x1,0),Z2(x2,0),Z3(x3,0),Z4(x4,0),Z5(x5,0),Z6(x6,0);
S43.计算相邻零点Z之间的距离d,得到焊缝宽度w:
w=dmax(i=3,j=4)=max{x2-x1,x3-x2,x4-x3,x5-x4,x6-x5}
可知焊缝的宽度可认为是w=dmax;
S44.计算相邻零点Z之间的距离d与焊缝宽度w之间的比值关系δ:
di,j=|Zj|-|Zi|=xj-xi
式中,ε为判断阈值,xj为第j个零点的横坐标值,xi为第i个零点的横坐标值。本实施例中依据工程经验所得选取ε=0.01,若δ>ε,则可认为采集的此处焊道横截面轨迹中出现了咬边焊接缺陷,否则无。
经过以上步骤,本发明提出的一种咬边焊接缺陷的检测方法可对一些具有较小特性的咬边缺陷进行检测,而且可减少依靠传统图像的识别方式来检测缺陷而带来的采集环境干扰。在充满粉尘,强光等复杂环境的焊接环境中具有一定的实用性,且识别效果较好,操作简单,成本较低。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种咬边焊接缺陷的检测方法,其特征在于,包括以下步骤:
S1.在完成焊接的焊道上方放置激光扫描器,对完成焊接的焊道进行扫描得到的焊道横截面轨迹的图集;
S2.对于步骤S1得到的焊道横截面轨迹的图集进行灰度变换、二值化处理进行预处理去除噪声点减少环境因素带来的采集误差;
S3.采用多项式函数拟合经步骤S2处理的焊道横截面轨迹得到拟合曲线,并使用Hough变提取所述焊道横截面轨迹中的直线信息,并建立坐标系;
S4.基于步骤S3建立的坐标系,计算步骤S3所述拟合曲线的极值点P、零点Z的位置,计算相邻两个零点之间的位置距离;
S5.计算焊缝宽度,判断焊缝宽度与判断阈值之间的关系;若焊缝宽度大于判断阈值,则判断出现咬边焊接缺陷;否则,则判断未出现咬边焊接缺陷。
2.根据权利要求1所述的咬边焊接缺陷的检测方法,其特征在于,步骤S1中,激光扫描器扫描焊道移动的步长为1mm~3mm。
3.根据权利要求1所述的咬边焊接缺陷的检测方法,其特征在于,步骤S2中,所述环境因素包括采集环境中的强光及粉尘。
4.根据权利要求1至3任一项所述的咬边焊接缺陷的检测方法,其特征在于,步骤S3实施方法包括以下步骤:
S31.采用多项式函数拟合焊道横截面轨迹,用代替扫描得到的焊道横截面轨迹:
式中,x表示多项式函数的变量,ωi表示多项式函数的系数,w表示焊缝宽度,n为多项式函数的阶数;
焊道横截面轨迹的拟合误差值表示为:
式中,yj为焊道横截面轨迹实际离散点;
S32.使用Hough变换提取轨迹中的直线信息,以提取出来的直线信息建立坐标系:
r(θ)=xcos(θ)+ysin(θ)
式中,r为所述直线到原点的距离,θ表示所述直线的垂线与x轴的夹角。
5.根据权利要求4所述的咬边焊接缺陷的检测方法,其特征在于,步骤S4实施方法包括以下步骤:
S41.对步骤S31拟合得到的曲线多项式函数进行求导,计算求解极值点P的个数,判断拟合曲线中驼峰个数m:
若驼峰个数m>1,则认为可能出现咬边缺陷,转步骤S42;
S42.计算的结果,得出曲线的零点Z的个数k:
S43.计算相邻零点Z之间的距离d,得到焊缝宽度w:
w=dmax(i,j)=max{x2-x1,x3-x2,…,xj-xi},i≠j,j>1
S44.计算相邻零点Z之间的距离d与焊缝宽度w之间的比值关系δ:
di,j=|Zj|-|Zi|=xj-xi
式中,ε为判断阈值,xj为第j个零点的横坐标值,xi为第i个零点的横坐标值。
6.根据权利要求5所述的咬边焊接缺陷的检测方法,其特征在于,步骤S5中咬边缺陷的判断方法为:若δ>ε,则认为出现了咬边缺陷;否则,则认为未出现咬边缺陷。
7.根据权利要求5所述的咬边焊接缺陷的检测方法,其特征在于,步骤S43中的判断阈值ε=0.01。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810564089.2A CN108876771B (zh) | 2018-06-04 | 2018-06-04 | 一种咬边焊接缺陷的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810564089.2A CN108876771B (zh) | 2018-06-04 | 2018-06-04 | 一种咬边焊接缺陷的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108876771A true CN108876771A (zh) | 2018-11-23 |
CN108876771B CN108876771B (zh) | 2022-05-20 |
Family
ID=64335221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810564089.2A Expired - Fee Related CN108876771B (zh) | 2018-06-04 | 2018-06-04 | 一种咬边焊接缺陷的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876771B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112763495A (zh) * | 2020-12-24 | 2021-05-07 | 苏州赛众自动化科技有限公司 | 一种手机电池尺寸和外观缺陷检测系统及检测方法 |
US20210291303A1 (en) * | 2020-03-23 | 2021-09-23 | Kabushiki Kaisha Toshiba | Inspection device and welding device |
CN113435524A (zh) * | 2021-06-30 | 2021-09-24 | 兰剑智能科技股份有限公司 | 智能堆垛机及托盘位置异常的识别方法、装置和设备 |
CN114985300A (zh) * | 2022-04-27 | 2022-09-02 | 佛山科学技术学院 | 一种瓦楞纸板生产线出口纸板分类方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000076446A (ja) * | 1998-08-27 | 2000-03-14 | Ishikawajima Harima Heavy Ind Co Ltd | 放射線透過検査における溶接欠陥自動検出法 |
US20050147289A1 (en) * | 2002-04-30 | 2005-07-07 | Jfe Steel Coroporation | Method and instrument for measuring bead cutting shape of electric welded tube |
CN103500321A (zh) * | 2013-07-03 | 2014-01-08 | 无锡信捷电气股份有限公司 | 基于双动态窗的视觉引导焊接机器人焊缝快速识别技术 |
US20140348415A1 (en) * | 2013-05-27 | 2014-11-27 | ThinkSmart IT Solutions Private Limited | System and method for identifying defects in welds by processing x-ray images |
CN104697467A (zh) * | 2015-02-12 | 2015-06-10 | 中北大学 | 基于线激光扫描的焊缝外观形状及表面缺陷检测方法 |
CN105160641A (zh) * | 2015-08-04 | 2015-12-16 | 成都多贝科技有限责任公司 | 基于图像处理的x射线焊缝区域提取方法 |
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 |
-
2018
- 2018-06-04 CN CN201810564089.2A patent/CN108876771B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000076446A (ja) * | 1998-08-27 | 2000-03-14 | Ishikawajima Harima Heavy Ind Co Ltd | 放射線透過検査における溶接欠陥自動検出法 |
US20050147289A1 (en) * | 2002-04-30 | 2005-07-07 | Jfe Steel Coroporation | Method and instrument for measuring bead cutting shape of electric welded tube |
US20140348415A1 (en) * | 2013-05-27 | 2014-11-27 | ThinkSmart IT Solutions Private Limited | System and method for identifying defects in welds by processing x-ray images |
CN103500321A (zh) * | 2013-07-03 | 2014-01-08 | 无锡信捷电气股份有限公司 | 基于双动态窗的视觉引导焊接机器人焊缝快速识别技术 |
CN104697467A (zh) * | 2015-02-12 | 2015-06-10 | 中北大学 | 基于线激光扫描的焊缝外观形状及表面缺陷检测方法 |
CN105160641A (zh) * | 2015-08-04 | 2015-12-16 | 成都多贝科技有限责任公司 | 基于图像处理的x射线焊缝区域提取方法 |
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 |
Non-Patent Citations (2)
Title |
---|
SHAO JIAXIN ET AL.: "Weld Slim Line Defects Extraction Based on Adaptive Local Threshold and Modified Hough Transform", 《 2009 2ND INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
王欣: "X射线埋弧焊焊缝缺陷模型及分类算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210291303A1 (en) * | 2020-03-23 | 2021-09-23 | Kabushiki Kaisha Toshiba | Inspection device and welding device |
CN112763495A (zh) * | 2020-12-24 | 2021-05-07 | 苏州赛众自动化科技有限公司 | 一种手机电池尺寸和外观缺陷检测系统及检测方法 |
CN113435524A (zh) * | 2021-06-30 | 2021-09-24 | 兰剑智能科技股份有限公司 | 智能堆垛机及托盘位置异常的识别方法、装置和设备 |
CN114985300A (zh) * | 2022-04-27 | 2022-09-02 | 佛山科学技术学院 | 一种瓦楞纸板生产线出口纸板分类方法及系统 |
CN114985300B (zh) * | 2022-04-27 | 2024-03-01 | 佛山科学技术学院 | 一种瓦楞纸板生产线出口纸板分类方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108876771B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876771A (zh) | 一种咬边焊接缺陷的检测方法 | |
Li et al. | Automatic welding seam tracking and identification | |
Liu et al. | Image‐based crack assessment of bridge piers using unmanned aerial vehicles and three‐dimensional scene reconstruction | |
CN105913415B (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
JP6658711B2 (ja) | 表面欠陥検出方法及び表面欠陥検出装置 | |
JP5699788B2 (ja) | スクリーン領域検知方法及びシステム | |
CN105809668B (zh) | 基于线扫描三维点云的物体表面变形特征提取方法 | |
CN109752392B (zh) | 一种pcb板缺陷类型检测系统和方法 | |
JP5175528B2 (ja) | トンネル覆工のひび割れ検査装置 | |
CN108007388A (zh) | 一种基于机器视觉的转盘角度高精度在线测量方法 | |
CN108986082A (zh) | 一种基于epnp的钢轨廓形检测方法及系统 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN108907526A (zh) | 一种具有高鲁棒性的焊缝图像特征识别方法 | |
CN115184380B (zh) | 基于机器视觉的印刷电路板焊点异常检测方法 | |
CN106600592A (zh) | 一种基于连续帧图像拼接的轨道长弦测量方法 | |
JP5548212B2 (ja) | 横断歩道標示検出方法および横断歩道標示検出装置 | |
CN112857252A (zh) | 一种基于反射率强度的隧道影像边界线检测方法 | |
CN109671059A (zh) | 一种基于OpenCV的电池盒图像处理方法及系统 | |
CN113947583B (zh) | 基于深度学习二维时间序列图像的焊缝无损检测方法 | |
Li et al. | Narrow weld joint recognition method based on laser profile sensor | |
CN112884694B (zh) | 一种平面显示面板的缺陷检测方法、装置、设备及介质 | |
CN115234845B (zh) | 基于投影模型的油气管道内壁缺陷图像可视化检测方法 | |
KR102444976B1 (ko) | 영상시스템과 레이저를 이용한 구조물 변위 측정시스템 및 측정방법 | |
CN113963012A (zh) | 一种焊缝边缘检测方法 | |
JP3151790B2 (ja) | 溶接開先・ビードの中心位置検出方法及び装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220520 |