CN108876802B - 对车轮的荧光磁粉缺陷进行自动定位的装置和方法 - Google Patents
对车轮的荧光磁粉缺陷进行自动定位的装置和方法 Download PDFInfo
- Publication number
- CN108876802B CN108876802B CN201810360376.1A CN201810360376A CN108876802B CN 108876802 B CN108876802 B CN 108876802B CN 201810360376 A CN201810360376 A CN 201810360376A CN 108876802 B CN108876802 B CN 108876802B
- Authority
- CN
- China
- Prior art keywords
- wheel
- image
- defect
- position information
- coded data
- 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.)
- Expired - Fee Related
Links
- 230000007547 defect Effects 0.000 title claims abstract description 171
- 239000006247 magnetic powder Substances 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 238000007689 inspection Methods 0.000 claims abstract description 21
- 230000000875 corresponding effect Effects 0.000 claims description 66
- 238000005286 illumination Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 239000000843 powder Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 4
- 239000006249 magnetic particle Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003302 ferromagnetic material Substances 0.000 description 1
- 238000002073 fluorescence micrograph Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
Abstract
本发明提供了一种对车轮的荧光磁粉缺陷进行自动定位的装置和方法。该方法包括：采集荧光磁粉探伤区域的车轮图像，提取车轮图像中的缺陷区域，并判断缺陷类型，记录车轮图像的采集时间；编码采集器随着车轮同步转动，产生和车轮转动的距离对应的编码数据，根据编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，将编码数据对应的编码时间和车轮图像的采集时间进行匹配，获取车轮图像对应的车轮的位置信息。本发明可以解决在传统荧光磁粉检测中人工参与过多、检测现场环境恶劣和缺陷数据无法长期保存的问题，通过自适应的调节紫光灯来得到外界亮度一致的图像数据，能够很好地对车轮表面是否存在缺陷进行人工复检。
Description
技术领域
本发明涉及车轮探伤检测技术领域，尤其涉及一种对车轮的荧光磁粉缺陷进行自动定位的装置和方法。
背景技术
在我国高速铁路迅速发展的这些年，随着行驶的里程越来越长，行驶的车辆越来越多，车辆中的车轮部件对于行车安全有着至关重要的作用。荧光磁粉检测技术是运用在铁磁性材料表面缺陷检测中运用的最多、检测的方法也比较成熟，对于车轮表面运用荧光磁粉检测技术，可以比较快速、精确地检测出车轮表面是否还有缺陷。
现有技术中的高铁车轮的检测方法包括：在暗室中对已经磁化好的车轮喷淋荧光磁粉，如果车轮表面存在裂纹、气孔或其他类型缺陷时，其磁导率远小于工件，这会导致磁阻发生改变，在车轮的表面缺陷位置处产生漏磁场，在缺陷处会堆积较多的荧光磁粉。经过紫外灯的照射吸附较多磁粉的缺陷出就容易形成高亮。
上述现有技术中的高铁车轮的检测方法的缺点为：目前磁粉缺陷的主要由人眼来观察，在实际的生产过程中，由于长时间处于紫外光的照射下人眼产生生理疲劳，因而容易造成错检和漏检的情况。人工的检验方式没有把当时缺陷情况和相关的数据保存下来，不利于事后对整个高铁车轮生产过程提出相应意见。
发明内容
本发明的实施例提供了一种对车轮的荧光磁粉缺陷进行自动定位的装置和方法，以克服现有技术的问题。
为了实现上述目的，本发明采取了如下技术方案。
根据本发明的一个方面，提供了一种对车轮的荧光磁粉缺陷进行自动定位装置，其特征在于，包括：图像采集处理装置、编码采集器和缺陷自动定位装置，所示缺陷自动定位装置和图像采集处理装置、编码采集器电路连接；
所示的图像采集处理装置，用于采集荧光磁粉探伤区域的车轮图像，提取车轮图像中的缺陷区域，并判断缺陷类型，将采集的车轮图像和车轮图像的采集时间发送给缺陷自动定位装置；
所述的编码采集器，用于和车轮接触，随着车轮同步转动，并且在转动的同时产生和车轮转动的距离对应的编码数据，将产生的编码数据和编码数据对应的编码时间信息实时传输给缺陷自动定位装置；
所述的缺陷自动定位装置，用于根据编码采集器传输过来的编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，将编码数据对应的编码时间信息和荧光图像采集处理显示装置传输过来的车轮图像的采集时间进行匹配，获取车轮图像对应的车轮的位置信息。
进一步地，所述的装置还包括；
灯光控制器，用于包括一个紫外光灯发射装置以及一个外界光亮检测装置，外界光亮检测装置采集车轮所在的环境的外界光照强度，将采集的外界光照强度传输给紫外光灯发射装置，紫外光灯发射装置用于发射紫外光照射车轮的荧光磁粉探伤区域，并且紫外光灯发射装置发射的紫外光的强度和外界光照强度一致。
进一步地，所述荧光图像采集处理显示装置包括；
图像采集单元，用于通过相机采集荧光磁粉探伤区域的车轮图像；
图像预处理单元，用于使用引导滤波的方法对所述车轮图像进行预处理，提升缺陷区域边缘的对比度；
图像缺陷区域分割单元，用于通过图像阈值分割的方法提取预处理后的车轮图像中的缺陷区域；
缺陷区域特征提取单元，用于提取分割后图像中缺陷区域的连通域，对所述连通域进行相关图像特征的提取，提取缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征；
缺陷类型分类模块，用于将所述缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征输入到softmax多分类器，通过softmax多分类器对车轮图像的缺陷区域进行分类识别，得到相应不同类型缺陷分别对应的概率值，分析出该缺陷区域最大概率为哪一类型的缺陷。
进一步地，所述的缺陷自动定位装置包括；
车轮位置计算模块，用于根据编码采集器传输过来的编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，该位置信息包括车轮的当前位置的相对起始坐标；
车轮位置和图像匹配模块，用于将编码数据对应的编码时间信息和荧光图像采集处理显示装置传输过来的车轮图像的采集时间进行匹配，当编码时间和车轮图像的采集时间一致时，则将编码时间对应的车轮的位置信息确定为车轮图像对应的车轮的位置信息；
信息存储模块，用于将车轮图像、缺陷类型和车轮图像对应的车轮的位置信息进行关联存储。
根据本发明的另一个方面，提供了一种对车轮的荧光磁粉缺陷进行自动定位方法，包括：
采集荧光磁粉探伤区域的车轮图像，提取车轮图像中的缺陷区域，并判断缺陷类型，记录车轮图像的采集时间；
将编码采集器和车轮接触，所述编码采集器随着车轮同步转动，并且在转动的同时产生和车轮转动的距离对应的编码数据，记录编码数据对应的编码时间；
根据所述编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，将编码数据对应的编码时间和车轮图像的采集时间进行匹配，获取车轮图像对应的车轮的位置信息。
进一步地，所述的方法还包括；
通过外界光亮检测装置采集车轮所在的环境的外界光照强度，将采集的外界光照强度传输给紫外光灯发射装置，紫外光灯发射装置发射紫外光照射车轮的荧光磁粉探伤区域，并且紫外光灯发射装置发射的紫外光的强度和外界光照强度一致。
进一步地，所述的采集荧光磁粉探伤区域的车轮图像，提取车轮图像中的缺陷区域，并判断缺陷类型，记录车轮图像的采集时间，包括；
通过相机采集荧光磁粉探伤区域的车轮图像；
使用引导滤波的方法对所述车轮图像进行预处理，提升缺陷区域边缘的对比度；
通过图像阈值分割的方法提取预处理后的车轮图像中的缺陷区域；
提取分割后图像中缺陷区域的连通域，对所述连通域进行相关图像特征的提取，提取缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征；
将所述缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征输入到softmax多分类器，通过softmax多分类器对车轮图像的缺陷区域进行分类识别，得到相应不同类型缺陷分别对应的概率值，分析出该缺陷区域最大概率为哪一类型的缺陷。
进一步地，所述的根据所述编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，将编码数据对应的编码时间和车轮图像的采集时间进行匹配，获取车轮图像对应的车轮的位置信息，包括；
根据编码采集器传输过来的编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，该位置信息包括车轮的当前位置的相对起始坐标；
将编码数据对应的编码时间信息和荧光图像采集处理显示装置传输过来的车轮图像的采集时间进行匹配，当编码时间和车轮图像的采集时间一致时，则将编码时间对应的车轮的位置信息确定为车轮图像对应的车轮的位置信息；
将车轮图像、缺陷类型和车轮图像对应的车轮的位置信息进行关联存储。
进一步地，所述的方法还包括：
如果softmax多分类器对车轮图像的缺陷区域分类后，不同类型缺陷对应的概率值之间的差值小于设定的数值，对softmax多分类器的敏感度进行重新设定，并利用softmax多分类器对车轮图像的缺陷区域进行二次分类。
进一步地，所述的方法还包括：
如果分割后图像中缺陷区域的连通域的个数为0，则判断所述缺陷区域为正常区域，所述车轮图像中不包含缺陷。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例通过对车轮图像的采集、处理和分析得出车轮图像上是否存在缺陷，可以解决在传统荧光磁粉检测中人工参与过多、检测效率不高、检测现场环境恶劣和缺陷数据无法长期保存的问题，通过自适应的调节紫光灯来得到外界亮度一致的图像数据，通过图像数据和快速定位技术能够很好地对车轮表面是否存在缺陷进行人工复检，保证车轮的生产质量。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施实例提供的一种对车轮的荧光磁粉缺陷进行自动定位的装置的结构示意图；
图2为本发明实施实例提供的一种荧光图像采集处理显示装置的结构图；
图3为本发明实施实例提供的一种缺陷自动定位装置的结构图；
图4为本发明实施实例提供的一种对车轮的荧光磁粉缺陷进行自动定位的方法的处理流程图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
实施例一
本发明实施例提供了一种应用于车轮荧光磁粉图像检测缺陷的自动定位装置及方法，用来解决在传统荧光磁粉检测中人工参与过多、检测效率不高、检测现场环境恶劣和缺陷数据无法长期保存的问题，通过自适应的调节紫光灯来得到外界亮度一致的图像数据，经过图像分析处理和编码器自动定位统一来获得缺陷的本身数据和位置数据。通过图像数据和快速定位技术能够很好的对车轮表面是否存在缺陷进行人工复检，保证车轮的生产质量。
本发明实施例提供了一种对车轮的荧光磁粉缺陷进行自动定位的装置，该装置的整体结构图如图1所示，该装置包括：灯光控制器、图像采集处理装置、编码采集器和缺陷自动定位装置，缺陷自动定位装置和图像采集处理装置、编码采集器电路连接。上述各个装置互相配合，联合工作
荧光图像采集处理显示装置、紫外光自适应调节装置和高铁车轮缺陷定位装置。
上述灯光控制器包括一个紫外光灯发射装置以及一个外界光亮检测装置，通过采集反射光形成闭环控制，使得采集到的图像尽可能的避免受到外界环境的干扰。外界光亮检测装置用于采集车轮所在的环境的外界光照强度，将采集的外界光照强度传输给紫外光灯发射装置。紫外光灯发射装置用于发射紫外光照射车轮的荧光磁粉探伤区域，使得车轮出现相对应的荧光反应，并且紫外光灯发射装置发射的紫外光的强度和外界光照强度一致。
荧光图像采集处理显示装置，该实施例提供的一种荧光图像采集处理显示装置的结构图如图2所示，用于采集荧光磁粉探伤区域的车轮图像，对采集到的车轮图像进行预处理、图像缺陷区域分割、缺陷区域特征提取和分类以及图像缺陷参数的显示。使用引导滤波的方法对车轮图像进行预处理，图像的预处理使得车轮图像的噪声更小，背景区域与缺陷区域之间的区别增大，能够提升缺陷边缘的对比度，使得在滤除掉噪声的情况下缺陷区域不被平滑掉。通过图像阈值分割的方法可以快速提取预处理后的车轮图像中的缺陷区域，针对于有缺陷的图像分割出相应的缺陷区域，没有缺陷的图像分割出空白图像。然后，提取分割后图像中缺陷区域的连通域，对于连通域进行相关图像特征的提取，提取缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征，并将所提取的特征通过softmax多分类器进行分类识别，得到相应不同类型缺陷分别对应的概率值，分析出该缺陷最大概率为哪一类型的缺陷。如果softmax多分类器对车轮图像的缺陷区域分类后，不同类型缺陷对应的概率值之间的差值小于设定的数值，对softmax多分类器的敏感度进行重新设定，并利用softmax多分类器对车轮图像的缺陷区域进行二次分类。荧光图像采集处理显示装置还可以将采集的车轮图像、车轮图像中的缺陷区域信息以及车轮图像的采集时间发送给缺陷自动定位装置。
编码采集器与车轮外形相似，车轮在旋转的时候可以很好地跟车轮结合在一起，当开始检测时编码器初始化为0，随着车轮同步转动，并且在转动的同时产生和车轮转动的距离对应的编码数据。编码采集器还和缺陷自动定位装置电路连接，将产生的编码数据和编码数据对应的编码时间信息实时传输给缺陷自动定位装置。
缺陷自动定位装置，该实施例提供的一种缺陷自动定位装置的结构图如图3所示。用于把车轮的转动以传动结构的方式与编码采集器相结合起来，根据编码采集器传输过来的编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，该位置信息可以为车轮的当前位置的相对起始坐标。再将编码数据对应的编码时间信息和荧光图像采集处理显示装置传输过来的车轮图像的采集时间进行匹配，当编码时间和车轮图像的采集时间一致时，则将编码时间对应的车轮的位置信息确定为车轮图像对应的车轮的位置信息。将车轮图像和车轮图像对应的车轮的位置信息进行关联存储。
经过上面的处理过程，荧光图像采集处理显示装置每次采集图像的时候，缺陷自动定位装置都记录下车轮的当前位置的相对起始坐标。同时荧光图像采集处理显示装置不断记录和分析所采集图像是否存在缺陷，在对高铁车轮整个外表面全部检测完成后停止工作。
实施例二
基于图1所示的装置，该实施例提供的一种对车轮的荧光磁粉缺陷进行自动定位的方法的处理流程如图2所示，具体处理过程包括：
步骤1、图像采集处理装置采集荧光磁粉探伤区域的车轮图像，提取车轮图像中的缺陷区域，并判断缺陷类型，记录车轮图像的采集时间；
步骤2、将编码采集器和车轮接触，所述编码采集器随着车轮同步转动，并且在转动的同时产生和车轮转动的距离对应的编码数据，记录编码数据对应的编码时间；
步骤3、通过外界光亮检测装置采集车轮所在的环境的外界光照强度，将采集的外界光照强度传输给紫外光灯发射装置，紫外光灯发射装置发射紫外光照射车轮的荧光磁粉探伤区域，并且紫外光灯发射装置发射的紫外光的强度和外界光照强度一致。
步骤4、缺陷自动定位装置根据所述编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，将编码数据对应的编码时间和车轮图像的采集时间进行匹配，获取车轮图像对应的车轮的位置信息。
上面的步骤1具体包括；
通过相机采集荧光磁粉探伤区域的车轮图像；
使用引导滤波的方法对车轮图像进行预处理，提升缺陷区域边缘的对比度；
通过图像阈值分割的方法提取预处理后的车轮图像中的缺陷区域；
提取分割后图像中缺陷区域的连通域，对所述连通域进行相关图像特征的提取，提取缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征；
将所述缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征输入到softmax多分类器，通过softmax多分类器对车轮图像的缺陷区域进行分类识别，得到相应不同类型缺陷分别对应的概率值，分析出该缺陷区域最大概率为哪一类型的缺陷。
在上面的步骤3中，紫外光灯发射装置不断根据车轮所在的环境的外界光照强度调节自身亮度，使得整个测试环境能在相同外界情况下测量，从而使得采集的车轮图像不受外界光影响。
上面的步骤4具体包括；
缺陷自动定位装置根据编码采集器传输过来的编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，该位置信息包括车轮的当前位置的相对起始坐标；
将编码数据对应的编码时间信息和荧光图像采集处理显示装置传输过来的车轮图像的采集时间进行匹配，当编码时间和车轮图像的采集时间一致时，则将编码时间对应的车轮的位置信息确定为车轮图像对应的车轮的位置信息；
将车轮图像、缺陷类型和车轮图像对应的车轮的位置信息进行关联存储。
如果softmax多分类器对车轮图像的缺陷区域分类后，不同类型缺陷对应的概率值之间的差值小于设定的数值，对softmax多分类器的敏感度进行重新设定，并利用softmax多分类器对车轮图像的缺陷区域进行二次分类。
如果分割后图像中缺陷区域的连通域的个数为0，则判断所述缺陷区域为正常区域，所述车轮图像中不包含缺陷。
如果分割后图像中缺陷区域的连通域的个数为多个，则判断上述缺陷区域中存在多个缺陷。当分割后的图像中只存在单个缺陷时直接进行对应缺陷样本进行以图像数据位置信息为标号并送入分类器进行分类处理，而当分割后的图像中存在多个缺陷块时，对不同的缺陷块以图像数据位置信息进行分别区域标号，再进行同一的判断。
综上所述，本发明实施例通过对车轮图像的采集、处理和分析得出车轮图像上是否存在缺陷，并对存在缺陷的图像进行分类并给出相应的分类概率，可以解决在传统荧光磁粉检测中人工参与过多、检测效率不高、检测现场环境恶劣和缺陷数据无法长期保存的问题，通过自适应的调节紫光灯来得到外界亮度一致的图像数据，经过图像分析处理和编码器自动定位统一来获得缺陷的本身数据和位置数据。通过图像数据和快速定位技术能够很好地对车轮表面是否存在缺陷进行人工复检，保证车轮的生产质量。
本发明实施例通过对于概率低的分类进行敏感度重新设定，并且重新的更新分类器参数，用来提高整个分类识别的准确率。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种对车轮的荧光磁粉缺陷进行自动定位装置，其特征在于，包括：图像采集处理装置、编码采集器和缺陷自动定位装置，所示缺陷自动定位装置和图像采集处理装置、编码采集器电路连接；
所示的图像采集处理装置，用于采集荧光磁粉探伤区域的车轮图像，提取车轮图像中的缺陷区域，并判断缺陷类型，将采集的车轮图像和车轮图像的采集时间发送给缺陷自动定位装置；
所述的编码采集器，用于和车轮接触，随着车轮同步转动，并且在转动的同时产生和车轮转动的距离对应的编码数据，将产生的编码数据和编码数据对应的编码时间信息实时传输给缺陷自动定位装置；
所述的缺陷自动定位装置，用于根据编码采集器传输过来的编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，将编码数据对应的编码时间信息和荧光图像采集处理显示装置传输过来的车轮图像的采集时间进行匹配，获取车轮图像对应的车轮的位置信息；
还包括；
灯光控制器，用于包括一个紫外光灯发射装置以及一个外界光亮检测装置，外界光亮检测装置采集车轮所在的环境的外界光照强度，将采集的外界光照强度传输给紫外光灯发射装置，紫外光灯发射装置用于发射紫外光照射车轮的荧光磁粉探伤区域，并且紫外光灯发射装置发射的紫外光的强度和外界光照强度一致；
所述荧光图像采集处理显示装置包括；
图像采集单元，用于通过相机采集荧光磁粉探伤区域的车轮图像；
图像预处理单元，用于使用引导滤波的方法对所述车轮图像进行预处理，提升缺陷区域边缘的对比度；
图像缺陷区域分割单元，用于通过图像阈值分割的方法提取预处理后的车轮图像中的缺陷区域；
缺陷区域特征提取单元，用于提取分割后图像中缺陷区域的连通域，对所述连通域进行相关图像特征的提取，提取缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征；
缺陷类型分类模块，用于将所述缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征输入到softmax多分类器，通过softmax多分类器对车轮图像的缺陷区域进行分类识别，得到相应不同类型缺陷分别对应的概率值，分析出该缺陷区域最大概率为哪一类型的缺陷；
所述的缺陷自动定位装置包括；
车轮位置计算模块，用于根据编码采集器传输过来的编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，该位置信息包括车轮的当前位置的相对起始坐标；
车轮位置和图像匹配模块，用于将编码数据对应的编码时间信息和荧光图像采集处理显示装置传输过来的车轮图像的采集时间进行匹配，当编码时间和车轮图像的采集时间一致时，则将编码时间对应的车轮的位置信息确定为车轮图像对应的车轮的位置信息；
信息存储模块，用于将车轮图像、缺陷类型和车轮图像对应的车轮的位置信息进行关联存储。
2.一种对车轮的荧光磁粉缺陷进行自动定位方法，其特征在于，包括：
采集荧光磁粉探伤区域的车轮图像，提取车轮图像中的缺陷区域，并判断缺陷类型，记录车轮图像的采集时间；
将编码采集器和车轮接触，所述编码采集器随着车轮同步转动，并且在转动的同时产生和车轮转动的距离对应的编码数据，记录编码数据对应的编码时间；
根据所述编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，将编码数据对应的编码时间和车轮图像的采集时间进行匹配，获取车轮图像对应的车轮的位置信息；
还包括；
通过外界光亮检测装置采集车轮所在的环境的外界光照强度，将采集的外界光照强度传输给紫外光灯发射装置，紫外光灯发射装置发射紫外光照射车轮的荧光磁粉探伤区域，并且紫外光灯发射装置发射的紫外光的强度和外界光照强度一致；
所述的采集荧光磁粉探伤区域的车轮图像，提取车轮图像中的缺陷区域，并判断缺陷类型，记录车轮图像的采集时间，包括；
通过相机采集荧光磁粉探伤区域的车轮图像；
使用引导滤波的方法对所述车轮图像进行预处理，提升缺陷区域边缘的对比度；
通过图像阈值分割的方法提取预处理后的车轮图像中的缺陷区域；
提取分割后图像中缺陷区域的连通域，对所述连通域进行相关图像特征的提取，提取缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征；
将所述缺陷区域的几何形状特征、目标不变矩特征和局部二值模式特征输入到softmax多分类器，通过softmax多分类器对车轮图像的缺陷区域进行分类识别，得到相应不同类型缺陷分别对应的概率值，分析出该缺陷区域最大概率为哪一类型的缺陷；
所述的根据所述编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，将编码数据对应的编码时间和车轮图像的采集时间进行匹配，获取车轮图像对应的车轮的位置信息，包括；
根据编码采集器传输过来的编码数据确定车轮转动的距离，再结合预先设定的车轮的转速确定车轮的位置信息，该位置信息包括车轮的当前位置的相对起始坐标；
将编码数据对应的编码时间信息和荧光图像采集处理显示装置传输过来的车轮图像的采集时间进行匹配，当编码时间和车轮图像的采集时间一致时，则将编码时间对应的车轮的位置信息确定为车轮图像对应的车轮的位置信息；
将车轮图像、缺陷类型和车轮图像对应的车轮的位置信息进行关联存储；
还包括：
如果softmax多分类器对车轮图像的缺陷区域分类后，不同类型缺陷对应的概率值之间的差值小于设定的数值，对softmax多分类器的敏感度进行重新设定，并利用softmax多分类器对车轮图像的缺陷区域进行二次分类；
所述的方法还包括：
如果分割后图像中缺陷区域的连通域的个数为0，则判断所述缺陷区域为正常区域，所述车轮图像中不包含缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810360376.1A CN108876802B (zh) | 2018-04-20 | 2018-04-20 | 对车轮的荧光磁粉缺陷进行自动定位的装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810360376.1A CN108876802B (zh) | 2018-04-20 | 2018-04-20 | 对车轮的荧光磁粉缺陷进行自动定位的装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108876802A CN108876802A (zh) | 2018-11-23 |
| CN108876802B true CN108876802B (zh) | 2022-04-15 |
Family
ID=64326587
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810360376.1A Expired - Fee Related CN108876802B (zh) | 2018-04-20 | 2018-04-20 | 对车轮的荧光磁粉缺陷进行自动定位的装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108876802B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7293907B2 (ja) * | 2019-06-25 | 2023-06-20 | オムロン株式会社 | 外観検査管理システム、外観検査管理装置、外観検査管理方法及びプログラム |
| CN116894937B (zh) * | 2023-06-25 | 2024-02-06 | 德联易控科技(北京)有限公司 | 获取车轮定位仪参数的方法、系统及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102590330A (zh) * | 2011-12-29 | 2012-07-18 | 南京理工大学常熟研究院有限公司 | 基于图像处理的磁粉探伤缺陷智能识别检测系统 |
| CN102654464A (zh) * | 2012-03-13 | 2012-09-05 | 浙江工业大学 | 基于多特征模糊识别的铜带表面缺陷检测系统 |
| CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
| CN106706653A (zh) * | 2017-01-12 | 2017-05-24 | 河北省自动化研究所 | 一种高速宽型板材检测方法 |
| CN106934801A (zh) * | 2017-03-01 | 2017-07-07 | 西南科技大学 | 一种基于Laws纹理滤波的荧光磁粉缺陷自动识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000060344A1 (fr) * | 1999-03-31 | 2000-10-12 | Hitachi, Ltd. | Procede et appareil d'essai non destructif |
-
2018
- 2018-04-20 CN CN201810360376.1A patent/CN108876802B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102590330A (zh) * | 2011-12-29 | 2012-07-18 | 南京理工大学常熟研究院有限公司 | 基于图像处理的磁粉探伤缺陷智能识别检测系统 |
| CN102654464A (zh) * | 2012-03-13 | 2012-09-05 | 浙江工业大学 | 基于多特征模糊识别的铜带表面缺陷检测系统 |
| CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
| CN106706653A (zh) * | 2017-01-12 | 2017-05-24 | 河北省自动化研究所 | 一种高速宽型板材检测方法 |
| CN106934801A (zh) * | 2017-03-01 | 2017-07-07 | 西南科技大学 | 一种基于Laws纹理滤波的荧光磁粉缺陷自动识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108876802A (zh) | 2018-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102854192B (zh) | 一种基于苹果表面缺陷检测系统的苹果表面缺陷检测方法 | |
| CN102288613B (zh) | 一种灰度和深度信息融合的表面缺陷检测方法 | |
| CN110779937B (zh) | 一种铸件产品内部缺陷智能检测装置 | |
| CN101852768B (zh) | 磁粉探伤环境下基于复合特征的工件伤痕识别方法 | |
| CN110403232B (zh) | 一种基于二级算法的烟支质量检测方法 | |
| CN107389701A (zh) | 一种基于图像的pcb表观缺陷自动检测系统及方法 | |
| CN104608799A (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
| CN105651782A (zh) | 一种发动机缸盖表面缺陷机器视觉自动检测设备 | |
| CN109724984A (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
| CN102175701A (zh) | 工业x射线机在线探伤检测系统及方法 | |
| CN111398291B (zh) | 基于深度学习的扁平漆包电磁线表面瑕疵检测方法 | |
| CN1804620A (zh) | 一种禽蛋表面品质检测的方法和装置 | |
| CN104063873A (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
| CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
| CN109840900A (zh) | 一种应用于智能制造车间的故障在线检测系统及检测方法 | |
| CN108876802B (zh) | 对车轮的荧光磁粉缺陷进行自动定位的装置和方法 | |
| CN111852792B (zh) | 一种基于机器视觉的风机叶片缺陷自诊断定位方法 | |
| CN112365480B (zh) | 制动夹钳装置闸片丢失故障识别方法 | |
| CN109709103B (zh) | 一种环形条纹打光成像的柑橘早期腐果识别系统及方法 | |
| CN109142509A (zh) | 圆钢磁粉探伤方法与装置 | |
| CN114170598B (zh) | 菌落高度扫描成像装置、可辨别非典型菌落的菌落自动计数设备及方法 | |
| CN105023018A (zh) | 一种喷码检测方法及系统 | |
| CN103091330A (zh) | 模拟人类视觉感知机理的铜带表面缺陷辨识装置及方法 | |
| CN107145896A (zh) | 基于荧光磁粉的智能缺陷识别系统 | |
| CN113673614B (zh) | 基于机器视觉的地铁隧道异物入侵检测装置及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220415 |