CN109701890A - 磁瓦表面缺陷检测与分拣方法 - Google Patents
磁瓦表面缺陷检测与分拣方法 Download PDFInfo
- Publication number
- CN109701890A CN109701890A CN201811502939.2A CN201811502939A CN109701890A CN 109701890 A CN109701890 A CN 109701890A CN 201811502939 A CN201811502939 A CN 201811502939A CN 109701890 A CN109701890 A CN 109701890A
- Authority
- CN
- China
- Prior art keywords
- magnetic shoe
- magnetic
- plc
- detection
- defect
- 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
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明公开了一种磁瓦表面缺陷检测与分拣方法,采用高精度激光轮廓仪对磁瓦进行扫描,获取磁瓦表面高度信息,不受磁瓦表面形状的影响,能够有效的排除磁瓦表面水渍和磨痕对检测的干扰,对各种细微的缺陷都能进行有效的检测。同时通过一次扫描即可获得磁瓦所有需检测面的信息,进行高效检测。
Description
技术领域
本发明涉及磁瓦表面缺陷检测与分拣方法。
背景技术
磁性材料,如铁氧体磁性材料、铷铁硼磁性材料等,在成型和磨削过程中都会产生各种类型的缺陷,如裂纹,掉块,波纹等,影响产品质量。所以在生产加工过程中,必须对每块磁瓦进行检查是否存在缺陷。目前一般仍采用人工目检的方法,劳动强度大,分拣速度慢,容易出错。开发一种磁性材料表面缺陷自动检测识别技术,是磁性材料生产企业的必然需求与趋势。
针对磁瓦表面缺陷检测,目前普遍采用机器视觉的方法。该技术针对磁瓦表面不同的缺陷,进行光源和打光方式的设计,使得相关缺陷和基体之间对光线呈现不同的反射,采用工业相机进行拍摄,获取磁瓦表面灰度图像,如果磁瓦表面有相关缺陷,在图像上则会显示出不同的灰度。设计相关算法,利用图像灰度不同,进行相关缺陷检测与识别。
(1)由于生产现场的因素,磁瓦在清洗后,空气中的粉尘会粘附在磁瓦表面,干燥后便会形成水渍,水渍在拍摄的灰度图像上和裂纹相似,对裂纹的检测产生干扰;
(2)磁瓦在磨削过程中,会在表面形成条状的划痕,容易被误判成缺陷;
(3)由于磁瓦有很多个面,每个面上都可能存在缺陷,因此要对每个面进行检查,因此需要设置多个检查工位,成本高,检测效率低,同时还会提高整体误检率;
(4)由于磁瓦表面存在弧面,对于弧面上的缺陷,由于位置的不同,在灰度图像上呈现出的灰度不同,造成漏判;
(5)磁瓦表面存在一些非常细小的空洞或者裂纹,采用当前技术不能进行有效检测。
发明内容
本发明所要解决的技术问题是,针对现有技术不足,提供一种磁瓦表面缺陷检测与分拣方法,不受磁瓦表面形状的影响,有效的排除磁瓦表面水渍和磨痕对检测的干扰,对各种细微的缺陷进行有效的检测。
为解决上述技术问题,本发明所采用的技术方案是:一种磁瓦表面缺陷检测与分拣方法,包括以下步骤:
1)在各工位对应激光头扫描线前面设置一个光电传感器,光电传感器感应到磁瓦到来发送信号给PLC,对PLC指令解析,给采集的磁瓦进行编号;
2)提取磁瓦表面轮廓信息数据,去除输送皮带无效数据;磁瓦包含多个面的形状,对提取的磁瓦表面轮廓信息数据进行相关的数据计算处理,将磁瓦轮廓各面彼此分割出来,形成多个区域,对每个区域的有效数据进行阈值分割,提取缺陷特征,然后针对这些缺陷特征以及参考磁瓦各面特征情况不同,设定不同的特征参数,形成各面缺陷判定准则,从而利用各面缺陷判定准则识别磁瓦缺陷;
3)在每个工位距离检测装置一定位置处,安装磁瓦剔除机构,在磁瓦剔除机构前面安装一个光电传感器,每片磁瓦经过检测后,发送带有磁瓦编号的检测结果,以指令形式给PLC,PLC通过解析结果指令将磁瓦编号的检测结果根据编号存储起来,当检测后的磁瓦经过磁瓦剔除机构附近的光电传感器,该处光电传感器发送信号给PLC,PLC根据该处光电传感器所给的编号获取对应编号磁瓦的检测结果,如果检测结果表示磁瓦有缺陷,则控制磁瓦剔除机构快速剔除该磁瓦,检测结果显示合格,则剔除机构不动作。
磁瓦两端倒角的阈值为2-2.7,磁瓦正面的阈值为0.6-1。
与现有技术相比,本发明所具有的有益效果为:本发明采用高精度激光轮廓仪对磁瓦进行扫描,获取磁瓦表面高度信息,不受磁瓦表面形状的影响,能够有效的排除磁瓦表面水渍和磨痕对检测的干扰,对各种细微的缺陷都能进行有效的检测。同时通过一次扫描即可获得磁瓦所有需检测面的信息,进行高效检测。
附图说明
图1为本发明检测方法流程图;
图2为本发明检测与分拣系统流程示意图;
图3为本发明检测与分拣系统流程示意图。
具体实施方式
激光轮廓仪的原理为激光三角法,由光源发出的一束激光照射在待测物体平面上,通过反射最后在检测器上成像。当物体表面的位置发生改变时,其所成的像在检测器上也发生相应的位移。通过像移和实际位移之间的关系式,真实的物体位移可以由对像移的检测和计算得到。
一种磁瓦表面缺陷检测与分拣方法包括输送装置、检测系统、剔除装置三个部分。输送装置主要限定待检磁瓦位置以及负责磁瓦传送,保证每片磁瓦以稳定的姿态经过激光扫描线;检测系统包含两个工位,分别负责磁瓦外弧面检测和内弧面检测,每个工位检测包括数据采集和数据处理两个部分;剔除装置包括外弧面检测剔除机构和内弧面检测剔除机构,分别由PLC控制动作,本发明流程示意图如图2所示。
由于高精度轮廓仪激光线宽度小于磁瓦宽度,本发明设计一套扫描头夹持装置,可以自由调节激光头的角度和高度,保证两个扫描头的激光线平行以及对两激光线间距的调整,从而一次性完成整个磁瓦表面扫描。本发明的数据采集部分通过激光轮廓仪以软处理方式进行采集,即软件中自动识别磁瓦到来并采集数据,当输送机构将待检磁瓦以调整好的姿态经过激光扫描线时,轮廓仪对磁瓦表面进行快速扫描并获取磁瓦表面的高度信息,得到一个高度信息的二维数据表。
本发明的检测方法示意图如图1所示,数据处理部分包括有效数据提取,数据分割,特征提取及缺陷识别四个步骤。即先对原始数据进行分析,提取磁瓦表面轮廓数据,去除输送网带的无效数据;磁瓦内弧面或者外弧面都包含两端倒角、正面等好几个面,且每个面情况不同,各特征值不同,因此对磁瓦轮廓数据进行区域分割,然后对每个区域面采取不同的阈值,提取缺陷特征,磁瓦两端倒角的阈值一般在2-2.7范围之内,磁瓦正面的阈值一般在0.6-1范围之内,针对各面各种缺陷特征进行算法设计,形成缺陷判定准则,从而利用此制定的准则识别磁瓦缺陷,将检测结果给到PLC,PLC通过给定的指令结果控制剔除机构动作,进行分选。
设计合适的工装夹具,能够自由调节两个轮廓仪的位置和角度,这两个头命名为A头和B头,使A头和B头的激光扫描线平行且二者的间距小于一个磁瓦的长度,进行一次性扫描;使用皮带传送装置,快速稳定输送磁瓦;使用光电传感器,给磁瓦精确编号;使用转动剔除机构,对不合格磁瓦进行快速剔除操作;使用翻转机构对磁瓦进行翻转,翻转机构之前检测外弧面即工位一,翻转后检测内弧面,即工位二,具体结构示意图如下图3。
第一步:在各工位对应激光头扫描线(磁瓦最先进入的激光头扫描线)前面设置一个光电传感器,如图3中光电1与光电3,当磁瓦经过该传感器时,软件自动识别磁瓦并采集数据,同时光电1(光电3)感应到磁瓦到来发送信号给PLC,PLC进行编号并发送给电脑,软件通过对PLC指令解析给采集的磁瓦进行编号。
第二步:针对采集的数据信息表,进行分析,快速提取磁瓦表面轮廓信息数据,去除输送皮带无效数据;磁瓦包含多个面的形状,对提取的磁瓦表面轮廓数据进行相关的数据计算处理,将磁瓦轮廓各面彼此分割出来,形成多个区域,对每个区域面内的有效数据的进行不同的阈值,提取缺陷特征,然后针对这些特征以及参考磁瓦各面特征情况不同,设定不同的特征参数形成各面缺陷判定准则,从而利用各自制定的准则识别磁瓦缺陷,
第三步:如图3所示,在每个工位距离检测装置一定位置处,安装磁瓦剔除机构,挨着剔除机构安装一个光电传感器,如光电2与光电4,每片磁瓦经过检测后,软件系统发送带有磁瓦编号的检测结果以指令形式给PLC,PLC通过解析结果指令将磁瓦的检测结果根据编号存储起来,当检测后的磁瓦经过剔除机构附近的光电2(光电4),光电2(光电4)发送信号给PLC,PLC根据光电2(光电4)给的编号去获取对应编号磁瓦的检测结果,如果检测结果表示磁瓦有缺陷则控制剔除机构快速剔除该磁瓦,检测结果显示合格则剔除机构不动作,两个检测工位之间通过翻转机构连接。
Claims (2)
1.一种磁瓦表面缺陷检测与分拣方法,其特征在于,包括以下步骤:
1)在各工位对应激光头扫描线前面设置一个光电传感器,光电传感器感应到磁瓦到来发送信号给PLC,对PLC指令解析,给采集的磁瓦进行编号;
2)提取磁瓦表面轮廓信息数据,去除输送皮带无效数据;磁瓦包含多个面的形状,对提取的磁瓦表面轮廓信息数据进行相关的数据计算处理,将磁瓦轮廓各面彼此分割出来,形成多个区域,对每个区域的有效数据进行阈值分割,提取缺陷特征,然后针对这些缺陷特征以及参考磁瓦各面特征情况不同,设定不同的特征参数,形成各面缺陷判定准则,从而利用各面缺陷判定准则识别磁瓦缺陷;
3)在每个工位距离检测装置一定位置处,安装磁瓦剔除机构,在磁瓦剔除机构前面安装一个光电传感器,每片磁瓦经过检测后,发送带有磁瓦编号的检测结果,以指令形式给PLC,PLC通过解析结果指令将磁瓦编号的检测结果根据编号存储起来,当检测后的磁瓦经过磁瓦剔除机构附近的光电传感器,该处光电传感器发送信号给PLC,PLC根据该处光电传感器所给的编号获取对应编号磁瓦的检测结果,如果检测结果表示磁瓦有缺陷,则控制磁瓦剔除机构快速剔除该磁瓦,检测结果显示合格,则剔除机构不动作。
2.根据权利要求1所述的磁瓦表面缺陷检测与分拣方法,其特征在于,磁瓦两端倒角的阈值为2-2.7,磁瓦正面的阈值为0.6-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811502939.2A CN109701890A (zh) | 2018-12-10 | 2018-12-10 | 磁瓦表面缺陷检测与分拣方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811502939.2A CN109701890A (zh) | 2018-12-10 | 2018-12-10 | 磁瓦表面缺陷检测与分拣方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109701890A true CN109701890A (zh) | 2019-05-03 |
Family
ID=66255568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811502939.2A Pending CN109701890A (zh) | 2018-12-10 | 2018-12-10 | 磁瓦表面缺陷检测与分拣方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109701890A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110369322A (zh) * | 2019-07-10 | 2019-10-25 | 湖南航天天麓新材料检测有限责任公司 | 一种磁瓦在线检测设备控制系统及方法 |
CN112058698A (zh) * | 2020-08-24 | 2020-12-11 | 北京航星机器制造有限公司 | 一种自动安检系统及安检方法 |
CN114166742A (zh) * | 2019-09-29 | 2022-03-11 | 安徽万磁电子有限公司 | 一种磁瓦表面缺陷检查系统的磁瓦凸面的缺陷判定方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4910459A (en) * | 1987-12-26 | 1990-03-20 | Tdk Corporation | Magnetic tile sensor with a non-magnetic case having a flange and a cover cold welded thereon |
CN102253050A (zh) * | 2011-03-14 | 2011-11-23 | 广州市盛通建设工程质量检测有限公司 | 基于机器视觉的磁瓦表面缺陷自动检测方法与装置 |
CN102393397A (zh) * | 2011-08-30 | 2012-03-28 | 成都四星液压制造有限公司 | 一种磁瓦表面缺陷检测系统及其检测方法 |
CN103743752A (zh) * | 2014-01-23 | 2014-04-23 | 四川大学 | 一种基于机器视觉的磁瓦在线检测设备 |
CN204404999U (zh) * | 2015-01-14 | 2015-06-17 | 杭州智感科技有限公司 | 一种磁瓦检测设备 |
CN105784713A (zh) * | 2016-03-11 | 2016-07-20 | 南京理工大学 | 基于机器视觉的密封圈表面缺陷检测方法 |
CN106093066A (zh) * | 2016-06-24 | 2016-11-09 | 安徽工业大学 | 一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法 |
CN106872476A (zh) * | 2017-03-31 | 2017-06-20 | 武汉理工大学 | 一种基于线结构光的铸造类工件表面质量检测方法与系统 |
-
2018
- 2018-12-10 CN CN201811502939.2A patent/CN109701890A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4910459A (en) * | 1987-12-26 | 1990-03-20 | Tdk Corporation | Magnetic tile sensor with a non-magnetic case having a flange and a cover cold welded thereon |
CN102253050A (zh) * | 2011-03-14 | 2011-11-23 | 广州市盛通建设工程质量检测有限公司 | 基于机器视觉的磁瓦表面缺陷自动检测方法与装置 |
CN102393397A (zh) * | 2011-08-30 | 2012-03-28 | 成都四星液压制造有限公司 | 一种磁瓦表面缺陷检测系统及其检测方法 |
CN103743752A (zh) * | 2014-01-23 | 2014-04-23 | 四川大学 | 一种基于机器视觉的磁瓦在线检测设备 |
CN204404999U (zh) * | 2015-01-14 | 2015-06-17 | 杭州智感科技有限公司 | 一种磁瓦检测设备 |
CN105784713A (zh) * | 2016-03-11 | 2016-07-20 | 南京理工大学 | 基于机器视觉的密封圈表面缺陷检测方法 |
CN106093066A (zh) * | 2016-06-24 | 2016-11-09 | 安徽工业大学 | 一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法 |
CN106872476A (zh) * | 2017-03-31 | 2017-06-20 | 武汉理工大学 | 一种基于线结构光的铸造类工件表面质量检测方法与系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110369322A (zh) * | 2019-07-10 | 2019-10-25 | 湖南航天天麓新材料检测有限责任公司 | 一种磁瓦在线检测设备控制系统及方法 |
CN110369322B (zh) * | 2019-07-10 | 2021-06-11 | 湖南航天天麓新材料检测有限责任公司 | 一种磁瓦在线检测设备控制系统及方法 |
CN114166742A (zh) * | 2019-09-29 | 2022-03-11 | 安徽万磁电子有限公司 | 一种磁瓦表面缺陷检查系统的磁瓦凸面的缺陷判定方法 |
CN114166742B (zh) * | 2019-09-29 | 2023-06-30 | 安徽万磁电子股份有限公司 | 一种磁瓦表面缺陷检查系统的磁瓦凸面的缺陷判定方法 |
CN112058698A (zh) * | 2020-08-24 | 2020-12-11 | 北京航星机器制造有限公司 | 一种自动安检系统及安检方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2151344C (en) | Lens inspection system and method | |
CN108230324B (zh) | 磁瓦表面微缺陷视觉检测方法 | |
CN102680487B (zh) | 用于监控特别是汽车车身部件的喷漆质量的系统和方法 | |
US9047657B2 (en) | Method and system for optically inspecting outer peripheral surfaces of parts | |
JP7055223B2 (ja) | マスク欠陥検査方法 | |
US9486840B2 (en) | High-speed, triangulation-based, 3-D method and system for inspecting manufactured parts and sorting the inspected parts | |
CN109701890A (zh) | 磁瓦表面缺陷检测与分拣方法 | |
CN110246122A (zh) | 基于机器视觉的小型轴承质量检测方法、装置及系统 | |
CN106018431A (zh) | 一种实木板材表面裂纹的检测系统和检测方法 | |
CN108993917A (zh) | 一种微型弹簧的质量检测系统、方法及装置 | |
CN103245671A (zh) | 冲压件表面缺陷检测装置及方法 | |
CN110146516A (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN109975314A (zh) | 一种基于三维激光点云数据的木材表面检测系统及检测方法 | |
CN105160754A (zh) | 基于高度测量的硬币表面质量检测装置及其检测方法 | |
CN109507205A (zh) | 一种视觉检测系统及其检测方法 | |
CN112893172A (zh) | 基于机器视觉的垫片尺寸检测系统、方法、处理终端及介质 | |
WO1998001746A1 (en) | Visual inspection apparatus | |
CN114486732B (zh) | 一种基于线扫描三维的瓷砖缺陷在线检测方法 | |
CN106370662A (zh) | 基于机器视觉的钢轨表面缺陷三维检测系统 | |
CN110715623A (zh) | 一种瓷砖平整度检测设备及方法 | |
CN109626302A (zh) | 一种啤酒瓶内异物的在线检测方法 | |
CN116148277B (zh) | 一种透明体缺陷三维检测方法、装置、设备及存储介质 | |
US20140347438A1 (en) | Triangulation-based, 3-d method and system for imaging the outer peripheral surface of a part | |
CN109387525A (zh) | 一种膜上膜内缺陷的判定方法 | |
CA2962809C (en) | System and method for color scanning a moving article |
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: 20190503 |
|
RJ01 | Rejection of invention patent application after publication |