CN109142533B - 一种铸件内部缺陷的快速检测方法及设备 - Google Patents
一种铸件内部缺陷的快速检测方法及设备 Download PDFInfo
- Publication number
- CN109142533B CN109142533B CN201811232310.0A CN201811232310A CN109142533B CN 109142533 B CN109142533 B CN 109142533B CN 201811232310 A CN201811232310 A CN 201811232310A CN 109142533 B CN109142533 B CN 109142533B
- Authority
- CN
- China
- Prior art keywords
- casting
- internal defects
- basic information
- information
- detection
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种铸件内部缺陷的快速检测方法及设备，用于对铸件进行无损检测，该方法先通过超声检测技术对铸件快速扫描，预先定位铸件内部缺陷的位置等基本信息，再根据缺陷的基本信息利用工业CT技术对该内部缺陷进行针对性的小区域扫描，有效地缩短了工业CT扫描的时间，大幅度提高了缺陷检测的效率，达到快速检测的目的，从而解决了传统无损检测耗时长、耗能多的问题；而且，本方法对结构材料不同的铸件设有相应的处理方式，对于形状规则且材料单一的铸件可使用超声技术快速得到检测结果，而对于结构复杂、形状多样的合金铸件则采用超声检测和工业CT检测相结合的方式进行分析分类，从而有效地提高了内部缺陷检测的准确性。
Description
技术领域
本发明涉及铸件无损检测的技术领域，尤其涉及一种铸件内部缺陷的快速检测方法及设备。
背景技术
一些大型设备的零部件因为对性能、质量具有较高的要求，一般会由成分复杂的高强合金铸造而成。现阶段的金属铸造技术，由于影响金属加工质量的因素复杂，难以综合控制，所以铸件可能会存在一些影响铸件功能的内部缺陷。因此，检测和识别这些内部缺陷，对改进铸件材料设计以及保障铸件性能和质量具有重要意义。
目前，工业CT是常用的无损检测手段，其主要是利用X-Ray射线具有较强穿透性的原理来探照铸件的内部情况，再结合人工经验判别和分类铸件的内部缺陷，以达到无需破坏铸件就能完成缺陷检测的目的。然而，由于现有工业CT会对铸件进行全面性的扫描，尤其是对于一些结构复杂的大型合金铸件，尽管实际的内部缺陷面积很小，在检测时也必须对铸件进行整体扫描，使得整个检测过程存在扫描速度慢、检测耗时长的问题，而且，正因为整体扫描的区域大、耗时长，还会导致检测过程耗能较大、经济效益低的问题，相应地，区域大耗时长的CT扫描也会增加X射线泄漏辐射的风险，威胁到操作人员的人体健康。
因此，如何提供一种用于铸件内部缺陷的快速检测方法及设备，已成为本领域技术人员的重要研究课题。
发明内容
本发明要解决的技术问题在于，针对现有技术的不足，提供一种铸件内部缺陷的快速检测方法及设备，以解决现有工业CT对结构复杂的大型铸件进行无损检测时，存在检测过程慢、耗时耗能多的问题。
为实现上述目的，本发明提供以下的技术方案：
一种铸件内部缺陷的快速检测方法，包括：
采集超声波扫描铸件后的反射回波；
根据所述反射回波获取铸件的内部缺陷的基本信息，所述基本信息包括位置信息和大小范围信息；
采用预设规则，判断所述铸件是否为结构规则且材料单一的铸件；
若所述铸件为结构规则且材料单一的铸件，根据所述基本信息，对所述铸件的内部缺陷进行分析和分类；
若所述铸件不是结构规则且材料单一的铸件，根据所述基本信息，针对所述铸件的内部缺陷进行工业CT扫描，获取所述铸件的内部缺陷的CT特征信息；根据所述基本信息和所述CT特征信息，对所述铸件的内部缺陷进行分析和分类。
可选的，所述预设规则，具体为：
检测所述反射回波是否存在衍射干扰；
若所述反射回波不存在衍射干扰，则所述铸件为结构规则且材料单一的金属铸件；若所述反射回波存在衍射干扰，则所述铸件为结构复杂的合金铸件。
可选的，根据所述基本信息，对所述铸件的内部缺陷进行分析和分类，具体包括：
根据所述基本信息，通过机器学习分类算法对所述铸件的内部缺陷进行分析和分类。
可选的，根据所述基本信息和所述CT特征信息，对所述铸件的内部缺陷进行分析和分类，具体包括：
根据所述基本信息和所述CT特征信息，通过机器学习分类算法对所述铸件的内部缺陷进行分析和分类。
可选的，所述CT特征信息包括三维图像数据。
可选的，所述基本信息还包括反射波型特征、当量大小信息、超声图像信息。
一种铸件内部缺陷的快速检测设备，包括：
超声波组件，用于采集超声波扫描铸件后的反射回波；根据所述反射回波获取铸件的内部缺陷的基本信息，所述基本信息包括位置信息和大小范围信息；
判断模块，用于采用预设规则，判断所述铸件是否为结构规则且材料单一的铸件；
第一分析模块，用于若所述铸件为结构规则且材料单一的铸件，根据所述基本信息，对所述铸件的内部缺陷进行分析和分类；
工业CT组件，用于若所述铸件不是结构规则且材料单一的铸件，根据所述基本信息，针对所述铸件的内部缺陷进行工业CT扫描，获取所述铸件的内部缺陷的CT特征信息，所述CT特征信息包括三维图像数据；
第二分析模块，用于根据所述基本信息和所述CT特征信息，对所述铸件的内部缺陷进行分析和分类。
可选的，还包括：
检测模块，用于检测所述反射回波是否存在衍射干扰；若所述反射回波不存在衍射干扰，则所述铸件为结构规则且材料单一的金属铸件；若所述反射回波存在衍射干扰，则所述铸件为结构复杂的合金铸件。
与现有技术相比，本发明具有以下有益效果：
本发明提供了一种铸件内部缺陷的快速检测方法及设备，用于对铸件进行无损检测，该方法先通过超声检测技术对铸件快速扫描，预先定位铸件内部缺陷的位置等基本信息，再根据缺陷的基本信息利用工业CT技术对该内部缺陷进行针对性的小区域扫描，有效地缩短了工业CT扫描的时间，大幅度提高了缺陷检测的效率，达到快速检测的目的，从而解决了传统无损检测耗时长、耗能多的问题；而且，本方法对结构材料不同的铸件设有相应的处理方式，对于形状规则且材料单一的铸件可使用超声技术快速得到检测结果，而对于结构复杂、形状多样的合金铸件则采用超声检测和工业CT检测相结合的方式进行分析分类，从而有效地提高了内部缺陷检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种铸件内部缺陷的快速检测方法的流程图；
图2为本发明实施例提供的一种铸件内部缺陷的快速检测方法的具体流程图；
图3为本发明实施例提供的一种铸件内部缺陷的快速检测设备的结构示意图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。当一个组件被认为是“设置在”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中设置的组件。
此外，术语“长”“短”“内”“外”等指示方位或位置关系为基于附图所展示的方位或者位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或原件必须具有此特定的方位、以特定的方位构造进行操作，以此不能理解为本发明的限制。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
本实施例提供了一种铸件内部缺陷的快速检测方法，请参阅图1，包括：
S101、采集超声波扫描铸件后的反射回波；
S102、根据所述反射回波获取铸件的内部缺陷的基本信息，所述基本信息包括位置信息和大小范围信息；
S103、采用预设规则，判断所述铸件是否为结构规则且材料单一的铸件；若所述铸件为结构规则且材料单一的铸件，则执行步骤S104；若否，则执行步骤S105；
S104、根据所述基本信息，对所述铸件的内部缺陷进行分析和分类；
S105、根据所述基本信息，针对所述铸件的内部缺陷进行工业CT扫描，获取所述铸件的内部缺陷的CT特征信息；
S106、根据所述基本信息和所述CT特征信息，对所述铸件的内部缺陷进行分析和分类。
需要说明的是，步骤S101和S102基于超声波探测技术，超声波探测技术具有检测设备简单，具有灵敏度高、穿透性强、检测速度快、成本低和对人体无害等优点。运作时,反射回波波形及波幅会因缺陷的几何形状不同而发生变化,可根据缺陷波形特性估判缺陷性质。利用超声波的反射回波发生的变化来确定缺陷的位置、大小以及种类等信息，通过软件程序对反射回波进行相应的处理即可得到一些基本信息。该基本信息还包括反射回波的当量大小、缺陷延伸与否及延伸面积、缺陷是否具有裂纹性缺陷特征、缺陷对底面回波的影响程度(以dB值表示)、反射体占壁厚的百分比、缺陷位于铸件厚度方向的区域(中部或外部)、缺陷是否位于工件高应力区域及承受交变载荷的关键部位、缺陷面积是否满足所属区域的量值规定、缺陷面积与铸件总面积之比、缺陷对于不同扫查面的表现结果(波型特征及几何尺寸)。
在步骤S104中，提取上述的通过超声处理获得的基本信息，再根据国内外的超声对特定的金属铸件的规范标准，采用距离相似度度量方法进行分类，得到缺陷类型，即可得到形状规则且材料单一的铸件的检测分类结果。
在步骤S105中，根据超声对铸件的各个缺陷的位置信息指导工业CT组件对铸件缺陷部位进行针对性的小区域扫描，在缺陷定位的基础上进一步细化跟踪得到各个缺陷的精准轮廓，获得更为精准的缺陷整体的CT特征信息，最后通过步骤S106，经过软件程序的处理，CT特征信息结合超声所给的超声波反射波型特征、当量大小等基本信息，即可对结构复杂的合金铸件做出快速且准确的检测分类评判。
可见，本发明实施例提供了一种铸件内部缺陷的快速检测方法，用于对铸件进行无损检测，该方法先通过超声检测技术对铸件快速扫描，预先定位铸件内部缺陷的位置等基本信息，再根据缺陷的基本信息利用工业CT技术对该内部缺陷进行针对性的小区域扫描，有效地缩短了工业CT扫描的时间，大幅度提高了缺陷检测的效率，达到快速检测的目的，从而解决了传统无损检测耗时长、耗能多的问题；而且，本方法对结构材料不同的铸件设有相应的处理方式，对于形状规则且材料单一的铸件可使用超声技术快速得到检测结果，而对于结构复杂、形状多样的合金铸件则采用超声检测和工业CT检测相结合的方式进行分析分类，从而有效地提高了内部缺陷检测的准确性。
在具体实施时，本发明实施例的快速检测方法中，所述预设规则，具体为：
检测所述反射回波是否存在衍射干扰；
若所述反射回波不存在衍射干扰，则所述铸件为结构规则且材料单一的金属铸件，执行步骤S104；若所述反射回波存在衍射干扰，则所述铸件为结构复杂的合金铸件，执行步骤S105。
本方法适用于多种铸件的检测工作，在实际检测过程中，反射回波会因为铸件的形状结构和材料而出现一定程度的衍射干扰，利用这一原理即可对不同铸件进行区分，以便采用更高效的方式进行检测。
进一步的，请参阅图2，在本发明实施例的快速检测方法中，根据所述基本信息，对所述铸件的内部缺陷进行分析和分类，具体包括：
S114、根据所述基本信息，通过机器学习分类算法对所述铸件的内部缺陷进行分析和分类。
进一步的，根据所述基本信息和所述CT特征信息，对所述铸件的内部缺陷进行分析和分类，具体包括：
S115、根据所述基本信息和所述CT特征信息，通过机器学习分类算法对所述铸件的内部缺陷进行分析和分类。
需要说明的是，步骤S114中的机器学习分类算法基于距离相似度度量并通过大量的数据模型训练而得来，而步骤S115中的机器学习分类算法可以是支持向量机或人工神经网络等一些较为成熟的机器学习的算法；根据国家分类标准中对不同铸件的缺陷定义将铸件内部分为4类：气孔类缺陷，收缩类缺陷，夹杂类缺陷和裂纹类缺陷。在缺陷分析分类的过程，本发明引入机器学习的分类算法，实现自动化的铸件分析分类目的，相对于传统的人工经验判别和分类，本发明具有更智能、快捷的特点，可有效降低铸件内部缺陷检测的人工成本，并减少评判过程中的主观性。
进一步的，在具体实施时，在本发明提供的上述快速检测方法中，针对所述铸件的内部缺陷进行工业CT扫描，获取所述铸件的内部缺陷的CT特征信息，所述CT特征信息包括三维图像数据。
需要说明的是，该三维图像数据主要整个内部缺陷的半径、表面积、体素，缺陷表面及其体积之间的比值，与缺陷体积相同的球体表面与表面之间的比率，缺陷的边界框的尺寸和缺陷投影形状及平均灰度值和灰度值偏差等特征信息。
进一步的，在具体实施时，在本发明提供的上述快速检测方法中，根据所述反射回波获取铸件的内部缺陷的基本信息，所述基本信息还包括反射波型特征、当量大小信息、。
需要说明的是，反射波型特征、当量大小信息、超声图像信息主要是一些能在超声波技术层面上反映缺陷形态的信息特征。通过软件程序，利用这些基本信息，可将结构规则且材料单一的铸件的内部缺陷实现可视化，以对内部缺陷便进行相关的检测分类。
相应的，本发明实施例还提供了一种铸件内部缺陷的快速检测设备，如图3所示，包括：
超声波组件10，用于采集超声波扫描铸件后的反射回波；根据所述反射回波获取铸件的内部缺陷的基本信息，所述基本信息包括位置信息和大小范围信息；
判断模块21，用于采用预设规则，判断所述铸件是否为结构规则且材料单一的铸件；
第一分析模块31，用于若所述铸件为结构规则且材料单一的铸件，根据所述基本信息，对所述铸件的内部缺陷进行分析和分类；
工业CT组件40，用于若所述铸件不是结构规则且材料单一的铸件，根据所述基本信息，针对所述铸件的内部缺陷进行工业CT扫描，获取所述铸件的内部缺陷的CT特征信息，所述CT特征信息包括三维图像数据；
第二分析模块32，用于根据所述基本信息和所述CT特征信息，对所述铸件的内部缺陷进行分析和分类。
在具体实施时，在本发明提供的上述快速检测设备中，还包括：
检测模块22，用于检测所述反射回波是否存在衍射干扰；若所述反射回波不存在衍射干扰，则所述铸件为结构规则且材料单一的金属铸件；若所述反射回波存在衍射干扰，则所述铸件为结构复杂的合金铸件。
关于上述各个组件、模块及上述快速检测设备的具体工作过程可以参考前述的实施例中公开的相应内容，在此不再进行赘述。
可见，本发明实施例提供了一种铸件内部缺陷的快速检测设备，用于对铸件进行无损检测，该方法先通过超声检测技术对铸件快速扫描，预先定位铸件内部缺陷的位置等基本信息，再根据缺陷的基本信息利用工业CT技术对该内部缺陷进行针对性的小区域扫描，有效地缩短了工业CT扫描的时间，大幅度提高了缺陷检测的效率，达到快速检测的目的，从而解决了传统无损检测耗时长、耗能多的问题；而且，本方法对结构材料不同的铸件设有相应的处理方式，对于形状规则且材料单一的铸件可使用超声技术快速得到检测结果，而对于结构复杂、形状多样的合金铸件则采用超声检测和工业CT检测相结合的方式进行分析分类，从而有效地提高了内部缺陷检测的准确性。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种铸件内部缺陷的快速检测方法，其特征在于，包括：
采集超声波扫描铸件后的反射回波；
根据所述反射回波获取铸件的内部缺陷的基本信息，所述基本信息包括位置信息和大小范围信息；
采用预设规则，判断所述铸件是否为结构规则且材料单一的金属铸件；
所述预设规则，具体为：
检测所述反射回波是否存在衍射干扰；
若所述反射回波不存在衍射干扰，则所述铸件为结构规则且材料单一的金属铸件；若所述反射回波存在衍射干扰，则所述铸件不是结构规则且材料单一的金属铸件；
若所述铸件为结构规则且材料单一的金属铸件，根据所述基本信息，对所述铸件的内部缺陷进行分析和分类；
若所述铸件不是结构规则且材料单一的金属铸件，根据所述基本信息，针对所述铸件的内部缺陷进行工业CT扫描，获取所述铸件的内部缺陷的CT特征信息；根据所述基本信息和所述CT特征信息，对所述铸件的内部缺陷进行分析和分类。
2.根据权利要求1所述的快速检测方法，其特征在于，根据所述基本信息，对所述铸件的内部缺陷进行分析和分类，具体包括：
根据所述基本信息，通过机器学习分类算法对所述铸件的内部缺陷进行分析和分类。
3.根据权利要求1所述的快速检测方法，其特征在于，根据所述基本信息和所述CT特征信息，对所述铸件的内部缺陷进行分析和分类，具体包括：
根据所述基本信息和所述CT特征信息，通过机器学习分类算法对所述铸件的内部缺陷进行分析和分类。
4.根据权利要求1至3任一项所述的快速检测方法，其特征在于，所述CT特征信息包括三维图像数据。
5.根据权利要求1至3任一项所述的快速检测方法，其特征在于，所述基本信息还包括反射波型特征、当量大小信息、超声图像信息。
6.一种铸件内部缺陷的快速检测设备，其特征在于，包括：
超声波组件，用于采集超声波扫描铸件后的反射回波；根据所述反射回波获取铸件的内部缺陷的基本信息，所述基本信息包括位置信息和大小范围信息；
判断模块，用于采用预设规则，判断所述铸件是否为结构规则且材料单一的金属铸件；
检测模块，用于检测所述反射回波是否存在衍射干扰；若所述反射回波不存在衍射干扰，则所述铸件为结构规则且材料单一的金属铸件；若所述反射回波存在衍射干扰，则所述铸件不是结构规则且材料单一的金属铸件；
第一分析模块，用于若所述铸件为结构规则且材料单一的金属铸件，根据所述基本信息，对所述铸件的内部缺陷进行分析和分类；
工业CT组件，用于若所述铸件不是结构规则且材料单一的金属铸件，根据所述基本信息，针对所述铸件的内部缺陷进行工业CT扫描，获取所述铸件的内部缺陷的CT特征信息，所述CT特征信息包括三维图像数据；
第二分析模块，用于根据所述基本信息和所述CT特征信息，对所述铸件的内部缺陷进行分析和分类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811232310.0A CN109142533B (zh) | 2018-10-22 | 2018-10-22 | 一种铸件内部缺陷的快速检测方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811232310.0A CN109142533B (zh) | 2018-10-22 | 2018-10-22 | 一种铸件内部缺陷的快速检测方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109142533A CN109142533A (zh) | 2019-01-04 |
| CN109142533B true CN109142533B (zh) | 2021-03-16 |
Family
ID=64809320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811232310.0A Active CN109142533B (zh) | 2018-10-22 | 2018-10-22 | 一种铸件内部缺陷的快速检测方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109142533B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211112A (zh) * | 2019-05-31 | 2019-09-06 | 华中科技大学 | 一种基于过滤选择性搜索的铸缺陷检测方法 |
| CN110490862B (zh) * | 2019-08-22 | 2022-08-09 | 联峰钢铁（张家港）有限公司 | 一种提高连铸探伤合格率的方法及装置 |
| CN110531047A (zh) * | 2019-09-10 | 2019-12-03 | 青岛华翔航空科技有限公司 | 一种通过扫描电镜、显微镜分析缺陷类型的方法 |
| CN112697823B (zh) * | 2020-12-07 | 2024-04-09 | 中国第一汽车股份有限公司 | 一种基于实时成像等级评价的铝铸件气孔尺寸评估方法 |
| CN115388956A (zh) * | 2022-10-26 | 2022-11-25 | 济南东方结晶器有限公司 | 一种基于连铸工艺流程的质量检测方法及系统 |
| CN115930833B (zh) * | 2023-03-13 | 2023-05-30 | 山东微晶自动化有限公司 | 一种大型腔体类铸造件的质量检测及矫形方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005091288A (ja) * | 2003-09-19 | 2005-04-07 | Toyota Motor Corp | 鋳造欠陥の識別方法 |
| CN1793930A (zh) * | 2005-12-23 | 2006-06-28 | 上海宝钢工业检测公司 | 管道内壁凹槽状磨损检测判定方法 |
| CN106706759A (zh) * | 2016-12-15 | 2017-05-24 | 国网山东省电力公司电力科学研究院 | 超超临界发电机组p92钢主蒸汽管道焊接接头缺陷评定方法 |
| CN106872492A (zh) * | 2017-01-11 | 2017-06-20 | 南京航空航天大学 | 一种增材制造高精度自适应三维无损检测方法 |
| CN108008016A (zh) * | 2018-01-03 | 2018-05-08 | 国网安徽省电力有限公司电力科学研究院 | 基于x射线与超声联合检测的电力电缆及接头无损检测系统及方法 |
-
2018
- 2018-10-22 CN CN201811232310.0A patent/CN109142533B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005091288A (ja) * | 2003-09-19 | 2005-04-07 | Toyota Motor Corp | 鋳造欠陥の識別方法 |
| CN1793930A (zh) * | 2005-12-23 | 2006-06-28 | 上海宝钢工业检测公司 | 管道内壁凹槽状磨损检测判定方法 |
| CN106706759A (zh) * | 2016-12-15 | 2017-05-24 | 国网山东省电力公司电力科学研究院 | 超超临界发电机组p92钢主蒸汽管道焊接接头缺陷评定方法 |
| CN106872492A (zh) * | 2017-01-11 | 2017-06-20 | 南京航空航天大学 | 一种增材制造高精度自适应三维无损检测方法 |
| CN108008016A (zh) * | 2018-01-03 | 2018-05-08 | 国网安徽省电力有限公司电力科学研究院 | 基于x射线与超声联合检测的电力电缆及接头无损检测系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 超声无损检测技术在金属材料焊接的应用研究;苏雨露;《建筑与预算》;20180410(第2期);第33-35页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109142533A (zh) | 2019-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109142533B (zh) | 一种铸件内部缺陷的快速检测方法及设备 | |
| CN113888471B (zh) | 一种基于卷积神经网络的高效高分辨力缺陷无损检测方法 | |
| Miao et al. | Real-time defect identification of narrow overlap welds and application based on convolutional neural networks | |
| EP3382386B1 (en) | Defect detection using ultrasound scan data | |
| US7995829B2 (en) | Method and apparatus for inspecting components | |
| Posilović et al. | Flaw detection from ultrasonic images using YOLO and SSD | |
| EP2951780B1 (en) | Method for the non-destructive testing of the volume of a test object and testing device configured for carrying out such a method | |
| CN109239081B (zh) | 基于结构光与视觉成像的焊缝质量参数检测方法 | |
| US4744250A (en) | Method for classification of point and elongated single defects in workpieces by means of ultrasonics | |
| CN106840053B (zh) | 一种角焊缝焊脚尺寸及内部缺陷超声无损测量方法 | |
| EP2605213A1 (en) | Methods and systems for processing images for inspection of an object | |
| CN115096893A (zh) | 一种基于机器视觉的飞机结构件缺陷无损检测方法 | |
| Chaudhari | Steel surface defect detection using glcm, gabor wavelet, hog, and random forest classifier | |
| Xu et al. | Automatic X-ray crack inspection for aircraft wing fastener holes | |
| Hong et al. | Real-time quality monitoring of ultrathin sheets edge welding based on microvision sensing and SOCIFS-SVM | |
| CN109059813B (zh) | 一种起重机械钢结构腐蚀强度检测方法 | |
| CN107907593B (zh) | 一种超声检测中机械手防碰撞方法 | |
| Wang et al. | Prediction of internal welding penetration based on IR thermal image supported by machine vision and ANN-model during automatic robot welding process | |
| CN111351859A (zh) | 一种织构的超声评价方法 | |
| Khan et al. | Automated flaw detection scheme for cast austenitic stainless steel weld specimens using Hilbert-Huang transform of ultrasonic phased array data | |
| CN113092588A (zh) | 一种超声相控阵检测装置及检测方法 | |
| JPH09325136A (ja) | 遠心形羽根車の自動欠陥評価方法 | |
| Ye et al. | Weld defect inspection based on machine vision and weak magnetic technology | |
| CN108152373B (zh) | 基于孔隙尺寸识别的含孔隙复合材料力学性能测量系统及方法 | |
| CN118330034B (zh) | 基于数据分析的电焊机性能测评方法及系统 |
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 |