CN110006371A - 一种基于图像识别的激光淬火质量检测分析方法 - Google Patents
一种基于图像识别的激光淬火质量检测分析方法 Download PDFInfo
- Publication number
- CN110006371A CN110006371A CN201910158726.0A CN201910158726A CN110006371A CN 110006371 A CN110006371 A CN 110006371A CN 201910158726 A CN201910158726 A CN 201910158726A CN 110006371 A CN110006371 A CN 110006371A
- Authority
- CN
- China
- Prior art keywords
- area
- color
- threshold value
- region
- image
- 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
Classifications
-
- 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
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于图像识别与处理技术领域,并具体公开了一种基于图像识别的激光淬火质量检测分析方法,其特征在于,对工件进行激光淬火,并拍摄激光淬火工件表面形貌的彩色图像;从彩色图像中提取色彩特征值的有序三元数组;根据提取的色彩特征值的有序三元数组计算各区域的面积占比,最后根据各区域的面积总和判断工件的淬火质量。本发明具有简单有效、客观性强、适用面广的优点,适用于工件复杂形貌的激光淬火质量检测。
Description
技术领域
本发明属于图像识别与处理技术领域,更具体地,涉及一种基于图像识别的激光淬火质量检测分析方法。
背景技术
激光淬火技术采用高能量密度的激光束将工件表面快速加热到相变点以上,激光加热结束后,工件表面的奥氏体组织因为基体的冷却作用快速转变为马氏体从而完成淬火过程。激光淬火的功率密度高,冷却速度快,不需要水或油等冷却介质,是清洁、高效的淬火工艺,激光淬火工艺已广泛应用于各种导轨、大型齿轮、轴颈、汽缸内壁、模具等零件的表面强化。激光淬火要求表面温度一致,但是,激光淬火时影响工件表面温度的因素较多,具体包括以下几个方面:①激光淬火光斑的能量分布;②激光束相对工件表面法线的取向角;③工件表面的粗糙度;④工件厚度和体量的变化等。激光淬火通常有两种淬火方式,一种是扫描移动淬火(或称为连续淬火),另一种是定点淬火(或称为选区淬火);前者容易达到工件表面淬火温度的一致,而定点淬火时,激光束能量分布和工件表面状态的细微差异都会造成激光淬火温度的不一致,这也给激光淬火质量的判断带来困难。实际应用中,高精度零件在激光淬火时不允许出现表面熔化的现象,在进行质量检测时又不能用硬度计打点检测,而只能凭借目视检查,缺乏客观性和准确性。另外,快速生产线上的激光淬火质量实时检测也有类似的问题。
目前,对于工件表面激光淬火质量的检测方法主要是硬度检测和金相试样分析两种方法,前者会在工件表面留下印痕,后者需要切割试样进行金相分析。对于大型精密工件激光淬火质量的检测,由于不容许破坏工件表面的光洁度、更不容许切割工件,其淬火质量的检测主要依靠人眼的视觉检查;实际应用中也有采用高温计测量淬火区温度从而间接评价或控制激光淬火质量的方法,但是,高温计测量激光淬火温度的方法存在以下不足:①高温计测量区面积必须小于淬火区面积,否则会导致温度测量误差;②高温计反映的是所测区域高温金属的平均发射谱线,对于激光光斑能量分布不均匀或工件表面粗糙度不均匀引起的激光加热温度分布不均匀的现象,高温计测量无法反映真实情况;③高温计出现测量温度过低的情况时(如测光点偏离),反馈控制程序会持续增加激光功率,会造成金属表面熔化而导致工件报废。
金属工件在激光淬火时,其表面温度的变化会带来组织结构、颜色或形貌的变化。对金属工件进行激光淬火时,随着淬火温度的提高,工件表面会从原始区依次变化为热影响区、相变区、熔化区等;普通合金钢工件的这四个区域会分别呈现灰白、蓝灰、亮蓝灰、亮钢蓝(或灰色)等色;对于不锈钢工件,这四个区域会分别呈现水白、靛蓝、钢蓝、灰色等颜色。采用彩色数码摄像机拍摄工件表面激光淬火后的形貌,通过图像分析软件提取上述形貌的色彩特征值,在综合分析的基础上建立各区色彩特征值的标定阈值,然后以该阈值为依据对工件的激光淬火质量进行检测和评判,这种方法就是基于图像识别的激光淬火质量检测分析方法。
常规图像采集和显示设备选用的是RGB色彩模式,因而常以该模式为基础处理彩色图像。数字化RGB模式,是根据荧光屏发光原理定义的,称之为“加色模式”,其色彩三原色是红绿蓝,屏幕上的任何一个颜色都是由红(Red)、绿(Green)、蓝(Blue)三个颜色通道的色光按照不同的比例混合而成,并且可以用一组RGB值来记录和表达,RGB色彩模式几乎包括了人类视力所能感知的所有颜色,是目前运用最广的颜色标准系统之一。每种RGB基本颜色定义成0至255的256个强度等级,令r、g、b各自在红、绿、蓝的0至255的范围中取值,将有序三元数组(r,g,b)的集合称为色彩的RGB模式,即公式1:RGB模式={(r,g,b)|0≤r≤255,0≤g≤255,0≤b≤255},这个模式共定义出256×256×256=16777216种颜色,每种颜色用(r,g,b)形式表示,在数字化图像处理中RGB模式下的一种颜色,就是一个具体三元数组(r,g,b),反之亦然。虽然RGB色彩模式使用非常广泛,但存在着以下缺点:①直观度低,与人眼常规视觉的颜色认知属性不符;②均匀性差,两个颜色之间的知觉差异不能用两个色点之间的距离完全表示;③依赖硬件设备。因此,为了克服RGB颜色空间的这些限制因素,在彩色图像处理中常常将其转换到其它更符合颜色视觉特性的模式进行处理,例如HSB色彩模式等。
HSB色彩模式是基于人类感官直觉建立的数字色彩认知体系,其中:色相(Hue)为0~360°的标准色环;饱和度(Saturation)是指颜色的强度或纯度,表示具体色相中彩色成分所占的比例,用0%(灰色)~100%(完全饱和)的百分比来度量;明度(Brightness)是颜色的明暗程度,用0(黑)~100%(白)的百分比来度量。令H在0至359间取值,S和B在0%至100%间取值,将有序三元数组(H,S,B)的集合称为色彩的HSB模式,即公式2:HSB模式={(H,S,B)|0≤H≤359,0≤S≤100,0≤B≤100},这个模式共定义出360×101×101=3672360种颜色,每种颜色用(H,S,B)形式表示,在数字化图像处理中HSB模式下的一种颜色,就是一个具体三元数组(H,S,B),反之亦然。
计算机通过图像识别和处理技术,可以根据颜色差异轻易分辨和拾取出激光淬火特定区域(相变区、熔化区等)色彩的三元数组,还可以通过调节颜色容差这个参数,按照特定颜色的参数值确定对某区域范围的准确度和适用度,容差越大,对应选取的范围也越大,容差值的变化范围为0~510。颜色容差的计算公式为:设两种颜色分别为color1(r1,b1,g1),color2(r2,b2,g2),则ΔR=(r1-r2),ΔG=(g1-g2),ΔB=(b1-b2);1)若ΔR,ΔG,ΔB均≥0,容差=max(|ΔR|,|ΔG|,|ΔB|);2)若ΔR,ΔG,ΔB中存在一个或两个值小于0,容差=max(ΔR,ΔG,ΔB)+|min(ΔR,ΔG,ΔB)|;3)若ΔR,ΔG,ΔB均<0,容差=max(|ΔR|,|ΔG|,|ΔB|)。
发明内容
针对现有技术的上述缺点和/或改进需求,本发明提供了一种基于图像识别的激光淬火质量检测分析方法,其基于图像识别技术实现激光淬火质量的检测,并基于不同的图像模式确定了对应的质量检测方法与准则,具有简单有效、客观性强、适用面广的优点,适用于工件复杂形貌的激光淬火质量检测。
为实现上述目的,本发明提出了一种基于图像识别的激光淬火质量检测分析方法,其特征在于,对工件进行激光淬火,并拍摄激光淬火工件表面形貌的彩色图像;从彩色图像中提取色彩特征值的有序三元数组;根据提取的色彩特征值的有序三元数组计算各区域的面积占比,最后根据各区域的面积总和判断工件的淬火质量。
作为进一步优选的,彩色图像的显示模式为RGB色彩模式或HSB色彩模式。
作为进一步优选的,所述各区域包括原始区、热影响区、相变区和熔化区。
作为进一步优选的,当彩色图像的显示模式为RGB色彩模式时,所述方法包括如下步骤:
(1)获得彩色图像上所有像素点的有序三元数组(ri,gi,bi),其中,i=1~n,n为彩色图像上所有像素点的个数;
(2)根据有序三元数组(ri,gi,bi)以及原始区极差数组Δrgbi的阈值ΔG1、热影响区的蓝色阈值b2、相变区极差数组Δrgbi的阈值ΔG3、相变区的蓝色阈值b3、相变区面积与图像总面积之间的比率的阈值v3、熔化区面积与图像总面积之间的比率的阈值v4、各区面积之和与图像总面积之间的比率的阈值v14,将各像素点进行区域归类,并计算各区域的面积占比:
统计所有满足条件ri>gi>bi且Δrgbi≤ΔG1的像素点的总和n1,计算比率v1’=n1/n;统计所有满足条件bi≥gi、bi≥ri、Δrgbi≤ΔG1且bi≤b2的像素点的总和n2,计算比率v2’=n2/n;统计所有满足条件bi>gi>ri、Δrgbi≤ΔG3且bi≤b3的像素点的总和n3,计算比率v3’=n3/n;统计所有满足条件bi>gi>ri、Δrgbi≤ΔG3且bi>b3的像素点的总和n4,,计算比率v4’=n4/n;
(3)判断100%≥(v1’+v2’+v3’+v4’)≥v14是否满足,若是,则已完成所有区域计算,转入步骤(4),若否,则计算未全部完成,转入步骤(2)重新计算;
(4)判断v3’<v3是否满足,若是,则说明相变面积少,淬火质量不合格;若否,则转入步骤(5);
(5)判断v4’>v4是否满足,若是,则说明熔化面积大,淬火质量不合格;若否,则说明淬火质量合格。
作为进一步优选的,步骤(2)中涉及的各阈值采用如下方式确定:在质量检测之前,对工件进行激光淬火,并拍摄激光淬火工件各区域表面的彩色图像,提取彩色图像中色彩特征值的有序三元数组,计算原始区极差数组Δrgbi的最大值作为阈值ΔG1,计算相变区极差数组Δrgbi的最大值作为ΔG3,以热影响区的b通道的最大值为b2,以固态相变区的b通道的最大值为b3,所述v3、v4和v14预先设定。
作为进一步优选的,当彩色图像的显示模式为HSB色彩模式时,所述方法包括如下步骤:
(1)获得彩色图像上所有像素点的有序三元数组(Hi,Si,Bi),其中,i=1~n,n为彩色图像上所有像素点的个数;
(2)根据有序三元数组(Hi,Si,Bi)以及工件上原始区的色相阈值H1、热影响区的色相阈值H2、相变区的色相阈值H3、热影响区的饱和度阈值S2、相变区的饱和度阈值S3、相变区的明度阈值B3、相变区面积与图像总面积之间的比率的阈值V3、熔化区面积与图像总面积之间的比率的阈值V4、各区面积之和与图像总面积之间的比率的阈值V24将各像素点进行区域归类,并计算各区域的面积占比:
统计所有满足条件Hi≤H1的像素点的总和n1,计算比率V1’=n1/n;统计所有满足条件Hi≥H2且Si≤S2的像素点的总和n2,计算比率V2’=n2/n;统计所有满足条件Hi≥H3、Si≥S3且Bi≤B3的像素点的总和n3,计算比率V3’=n3/n;统计所有满足条件Hi≥H3、Si≥S3且Bi>B3的像素点的总和n4,,计算比率V4’=n4/n;
(3)判断100%≥(V1’+V2’+V3’+V4’)≥V24是否满足,若是,则已完成所有区域计算,转入步骤(4),若否,则计算未全部完成,转入步骤(2)重新计算;
(4)判断V3’<V3是否满足,若是,则说明相变面积少,淬火质量不合格;若否,则转入步骤(5);
(5)判断V4’>V4是否满足,若是,则说明熔化面积大,淬火质量不合格;若否,则说明淬火质量合格。
作为进一步优选的,步骤(2)中涉及的各阈值采用如下方式确定:在质量检测之前,对工件进行激光淬火,并拍摄激光淬火工件各区域表面的彩色图像,提取彩色图像中色彩特征值的有序三元数组,以原始区域H通道的最大值为H1,以热影响区H通道的最小值为H2,以热影响区S通道的最大值为S2,以固态相变区H通道的最小值为H3,以固态相变区S通道的最小值为S3,以固态相变区B通道的最大值与熔化区B通道最小值的平均值为B3,所述V3、V4和V24预先设定。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点:
1.客观性:基于图像分析的激光淬火质量分析检测方法,具有不受图像尺寸和方向影响的良好鲁棒性,即使对于复杂的淬火图像,也可以采用色彩特征值的方法准确描述激光淬火工件的形貌特性。
2.量化标定:采用色彩特征值的分析方法,可以方便地区分激光淬火工件形貌的各个区域,并可以从图像中抽取特征值对各个区域进行量化标定。
3.高精度:彩色图像由于颜色色调和亮度等的辨别信息量大,采用图像识别法的辨识度高,可以显著提高激光淬火质量的检测精度。
4.可以解决大型精密工件、批量化激光淬火生产產品质量检验的难题,直观性强、适用面广。
总之,本发明提供的基于图像识别的激光淬火质量检测分析方法,基于不同的图像模式确定了对应的质量检测方法与准则,通过该检测方法可实现各类工件尤其是大型精密工件放入激光淬火质量的高精度检测,解决高精度工件激光淬火和生产线上工件激光淬火质量难以检测的问题,具有简单有效、客观性强、适用面广的优点,具有重要的使用价值和工程应用价值。
附图说明
图1为本发明实施例1中65Mn工件激光淬火各区(r,g,b)平均值对比图;
图2为本发明实施例1中65Mn工件激光淬火各区均值Δrgb极差对比图;
图3为本发明实施例1淬火后工件形貌及各区占比面积分析图;其中,a为本发明实施例1淬火后工件形貌图;b为本发明实施例1原始区占比面积分析图;c为本发明实施例1热影响区占比面积分析图;d为本发明实施例1相变区占比面积分析图;e为本发明实施例1熔化区占比面积分析图;
图4为本发明实施例2中71Mn工件激光淬火各区(H,S,B)平均值对比图;
图5为本发明实施例2淬火后工件形貌及各区占比面积分析图;其中,a为本发明实施例2淬火后工件形貌图;b为本发明实施例2原始区占比面积分析图;c为本发明实施例2热影响区占比面积分析图;d为本发明实施例2相变区占比面积分析图;e为本发明实施例2熔化区占比面积分析图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种基于图像识别的激光淬火质量检测分析方法,其具体为,首先对工件进行激光淬火,并拍摄激光淬火工件表面形貌的彩色图像;然后从彩色图像中提取色彩特征值的有序三元数组;再根据提取的色彩特征值的有序三元数组进行区域归类并计算各区域的面积占比,最后根据各区域的面积总和判断工件的淬火质量。
其中,彩色图像的显示模式可以为RGB色彩模式或HSB色彩模式,各区域包括原始区、热影响区、相变区和熔化区。
下面对采用不同色彩模式进行质量检测的具体过程进行详细描述。
第一种是彩色图像的显示模式为RGB色彩模式,色彩的有序三元数组表示形式为(r,g,b),r,g,b分别对应R、G、B各个通道的色彩值,其中,R表示红色通道,G表示绿色通道,B表示蓝色通道。在淬火质量检测之前需获取各区域阈值参数,具体的,以固定光源照射工件(与待测工件为同一批工件),并拍摄激光淬火工件表面形貌的数码图像,通过图像处理软件在彩色图像的各区域(包括原始区、热影响区、相变区和熔化区)提取色彩特征值的有序三元数组,分析色彩特征值有序三元数组内在规律即可得到各区有序三元数组的阈值参数,本领域技术人员可根据工件表面形貌(例如外观颜色)大致划分四个区域,划分之后分别提取四个区域中对应的三元数组供后续分析用。上述阈值参数的获取方式是本领域的现有技术,在此不赘述,仅作简要说明。所述固定光源是指封闭环境中的固定光源,该固定光源可以是5000K中性白色(RZ)节能灯或者其他中性白色光源。所述激光淬火工件表面形貌图像的拍摄工具可以是彩色数码摄像机或彩色CCD(Charge-coupled Device,电荷耦合元件)设备。所述激光淬火特定区域色彩特征值的有序三元数组的提取是指用拾色器直接读取上述区域的RGB有序三元数组的特征数值,读取这些数值时需要对数据进行分区存放,所谓分区是指将数据按照诸如:1原始区、2热影响区、3相变区、4熔化区等,进行归类存放;而对数据进行分区的关键依据有三个:第一是激光淬火各区域呈现的颜色差别和分隔;第二是激光淬火各区域存在的硬度差别;第三是根据表面光亮度区别熔化区与相变区的边界。通常,激光淬火后工件的熔化区与相变区的硬度相近,而且熔化区与相变区的边界颜色相近,因此难以区分;但是,因为相变区仍然保留机加工的痕迹(如铣削刀痕、磨削纹路等);而熔化区的加工痕迹会消失,表现出局部比较光滑的特征,反映在颜色上则为亮度较高。需要特别说明的是,此处说的熔化区局部比较光滑,并不是指此处粗糙度较小,因为粗糙度概念是指表面高低差值的平均值;熔化区局部外表面光滑是指三维立体的流线光滑,虽然该区域可能会凸起较高,表现为粗糙度值较大,但是表面的光滑度较高。
其中,本发明中需要获得的阈值参数包括工件上热影响区的蓝色阈值参数b2,相变区的蓝色阈值参数b3,熔化区的蓝色阈值参数b4,拾色器取值容差的阈值参数t3,相变区面积与图像总面积之间的比率的阈值参数v3,熔化区面积与图像总面积之间的比率的阈值参数v4,测量的各区面积之和相对图像中总面积之间比率的阈值参数为v14。设各区域对应的数组(ri,gi,bi)中的极小值为ψ,定义ψ=min(ri,gi,bi),则Δri=(ri-ψ),Δgi=(gi-ψ),Δbi=(bi-ψ),极差数组表示为Δrgbi(Δri,Δgi,Δbi),计算各区域中极差数组Δrgbi(Δri,Δgi,Δbi)的最大值作为极差数组的阈值,其中,原始区极差数组的阈值表示为ΔG1,相变区极差数组的阈值表示为ΔG3。
该方法具体包括如下步骤:
(1)重新拍摄激光淬火工件表面形貌的彩色图像,通过图像处理软件在彩色图像上提取所有像素点的有序三元数组(ri,gi,bi),其中,i=1~n,n为彩色图像上像素点的总个数,具体的提取三元数组时,拾色器取值容差t=t3;
(2)根据有序三元数组(ri,gi,bi)以及原始区极差数组阈值ΔG1、热影响区的蓝色阈值b2、相变区极差数组的阈值ΔG3、相变区的蓝色阈值b3和v3、v4以及v14将各像素点进行区域归类,并计算各区域的面积占比:
统计所有满足条件ri>gi>bi且Δrgbi≤ΔG1的像素点的总和n1,计算比率v1’=n1/n,其中所有满足该条件的像素点构成的区域为原始区域;
统计所有满足条件bi≥gi、bi≥ri、Δrgbi≤ΔG1且bi≤b2的像素点的总和n2,计算比率v2’=n2/n,其中所有满足该条件的像素点构成的区域为热影响区;
统计所有满足条件bi>gi>ri、Δrgbi≤ΔG3且bi≤b3的像素点的总和n3,计算比率v3’=n3/n,其中所有满足该条件的像素点构成的区域为固态相变区;
统计所有满足条件bi>gi>ri、Δrgbi≤ΔG3且bi>b3的像素点的总和n4,,计算比率v4’=n4/n,其中所有满足该条件的像素点构成的区域为熔化区;
(3)判断100%≥(v1’+v2’+v3’+v4’)≥v14是否满足,若是,则已完成所有区域计算,转入步骤(4),若否,则计算未全部完成,转入步骤(2)重新计算,设置这步的目的在于防止由于程序出错未完成所有点的计算,通过这步的判断可以进一步保证计算与检测的可靠性与准确性;
(4)判断v3’<v3是否满足,若是,则说明相变面积少,淬火质量不合格;若否,则转入步骤(5);
(5)判断v4’>v4是否满足,若是,则说明熔化面积大,淬火质量不合格;若否,则说明淬火质量合格。
如图1和图2所示,上述步骤(2)利用各区有序三元数组(r,g,b)之间的绝对值差异进行初步区分;更为重要的是利用各区均值的极差数组(Δri,Δgi,Δbi)在图2中的斜率差异以及极差差异进一步区分所述四个区域。原始区的区分方法是,其均值极差在图2中的斜率为负数,表现为其有序三元数组(r,g,b)都满足r>g>b;热影响区的区分方法是,其均值极差在图2中的斜率为正数,即b≥g,b≥r;相变区和熔化区的均值极差在图2中的斜率为正数;另外,熔化区有序三元数组(r,g,b)值最高,如图1所示。
其中,图像处理软件可以是CorelDRAW、Photoshop等软件,也可以是其他图像处理软件。以定点淬火情况为例,通常其相变面积的比率低于90%,实际应用中,相变面积比率的阈值参数v3可以为30~80%;相应的熔化面积比率的阈值参数v4可以为3%~15%。在激光淬火质量检测方面,设定拾色器的容差越小,区域选取的精度越高,反之,则精度越低。
本发明方法的关键在于通过RGB色彩模式,对激光淬火工件的彩色图像进行分析,技术人员可以根据所需淬火工件的材料种类,所使用激光器的种类及工艺参数来确定各区优化的色彩有序三元数组的阈值参数,再以所述阈值参数为依据检测工件激光淬火质量。本发明方法采用的激光器可以是光纤激光器、半导体激光器、YAG激光器、或者碟片式激光器。
第二种是彩色图像的显示模式为HSB色彩模式,色彩的有序三元数组形式为(H,S,B),其中H,S,B分别对应各个通道的色彩值,H表示色相通道,S表示饱和度通道,B表示明度通道。同样在淬火质量检测之前需获取各区域阈值参数,具体的,以固定光源照射工件(与待测工件为同一批工件),并用彩色数码摄像机拍摄激光淬火工件表面形貌的数码图像,通过图像处理软件在彩色图像的各区域(包括原始区、热影响区、相变区、熔化区,本领域技术人员根据工件表面形貌进行大致划分)提取色彩特征值的有序三元数组,分析色彩特征值有序三元数组内在规律即可得到各区有序三元数组的阈值参数。上述阈值参数的获取方式是本领域的现有技术,在此不赘述。其中,本发明中需要获得的阈值参数包括工件上原始区的色相阈值参数H1,热影响区的色相阈值参数H2,相变区的色相阈值参数H3,热影响区的饱和度阈值参数S2,相变区的饱和度阈值参数S3,相变区的明度阈值参数B3,熔化区的明度阈值参数B4,拾色器取值容差的阈值参数T3,相变区面积与图像总面积之间的比率的阈值参数V3,熔化区面积与图像总面积之间的比率的阈值参数V4,测量的各区面积之和相对图像中总面积之间比率的阈值参数V24。
该方法具体包括如下步骤:
(1)拍摄激光淬火工件表面形貌的彩色图像,获得彩色图像上所有像素点的有序三元数组(Hi,Si,Bi),其中,i=1~n,n为彩色图像上所有像素点的个数,Hi表示第i个像素点的色相通道,Si,表示第i个像素点的饱和度通道,Bi表示第i个像素点的明度通道,具体的提取三元数组时拾色器取值容差T=T3;
(2)根据有序三元数组(Hi,Si,Bi)以及工件上原始区的色相阈值H1、热影响区的色相阈值H2、相变区的色相阈值H3、热影响区的饱和度阈值S2、相变区的饱和度阈值S3、相变区的明度阈值B3和V3、V4以及V24将各像素点进行区域归类,并计算各区域的面积占比:
统计所有满足条件Hi≤H1的像素点的总和n1,计算比率V1’=n1/n,其中所有满足该条件的像素点构成的区域为原始区域;
统计所有满足条件Hi≥H2且Si≤S2的像素点的总和n2,计算比率V2’=n2/n,其中所有满足该条件的像素点构成的区域为热影响区;
统计所有满足条件Hi≥H3、Si≥S3且Bi≤B3的像素点的总和n3,计算比率V3’=n3/n,其中所有满足该条件的像素点构成的区域为固态相变区;
统计所有满足条件Hi≥H3、Si≥S3且Bi>B3的像素点的总和n4,,计算比率V4’=n4/n,其中所有满足该条件的像素点构成的区域为熔化区域;
(3)判断100%≥(V1’+V2’+V3’+V4’)≥V24是否满足,若是,则已完成所有区域计算,转入步骤(4),若否,则计算未全部完成,转入步骤(2)重新计算,设置步骤(3)目的在于防止由于程序出错未完成所有点的计算,通过这步的判断可以进一步保证计算与检测的可靠性与准确性;
(4)判断V3’<V3是否满足,若是,则说明相变面积少,淬火质量不合格;若否,则转入步骤(5);
(5)判断V4’>V4是否满足,若是,则说明熔化面积大,淬火质量不合格;若否,则说明淬火质量合格。
如图4所示,上述步骤(2)首先利用各区有序三元数组(H,S,B)中色度值差异进行初步区分,原始区色度值(H1)最小;对于在色度上难以区分的相变区与熔化区,通过相变区明度(B3)与熔化区明度的差异进行区分。该方法的关键在于通过HSB色彩模式下各区有序三元数组(H,S,B)的差异,检测工件激光淬火质量。
以下为本发明的实施例:
实施例1:65Mn导轨激光淬火质量图像识别检测分析方法
采用光纤激光器对65Mn材料的导轨进行激光定点淬火,激光功率1200W,光斑直径5mm,点阵间距2.5mm,激光淬火加热时间1.0s,淬火深度1mm,淬火硬度600~750HV。
采用5000K中性白色(RZ)节能灯,用彩色数码摄像机拍摄淬火后工件形貌的数字图像,如图3的a中所示。采用CorelDRAW软件,用拾色器提取彩色图像中不同区域的RGB有序三元数组(r,g,b)参数,如表1所示。
表1 65Mn激光淬火各区(r,g,b)参数
在图3的a中,65Mn工件的彩色图像分为四个区,即:原始区、热影响区、固态相变区和熔化区,各区的外观颜色分别为灰白、蓝灰、亮蓝灰、亮钢蓝;设各区对应的数组(ri,gi,bi)中的极小值为ψ,定义ψ=min(ri,gi,bi),则Δri=(ri-ψ),Δgi=(gi-ψ),Δbi=(bi-ψ),极差数组为Δrgbi=(Δri,Δgi,Δbi),i为各区域中第i组有序三元数组,本实施例中每各区域中均具有8组有序三元数组,计算极差数组Δrgbi=(Δri,Δgi,Δbi)中的最大值,以该最大值作为极差数组Δrgbi的阈值,其中,原始区极差数组的阈值表示为ΔG1,固态相变区极差数组的阈值表示为ΔG3。
各区RGB有序三元数组(r,g,b)的内在规律和阈值如图1、图2和表2所示,具体表现为四个区RGB有序三元数组(r,g,b)的平均值依次为(176,173,169)、(130,131,136)、(129,147,158)、(161,180,192)。标定的各区阈值为:(1)原始区阈值,ri>gi>bi,且ΔG1=10,Δrgbi≤ΔG1;(2)热影响区阈值,bi≥gi,bi≥ri,ΔG1=10,Δrgbi≤ΔG1,选择热影响区部分b通道值的最大值作为阈值标准,即b2=148(bi≤b2);(3)固态相变区阈值,bi>gi>ri,ΔG3=25,Δrgbi≤ΔG3,选择固态相变区b通道值的最大值作为阈值标准,即b3=164(bi≤b3);(4)熔化区阈值,bi>gi>ri,ΔG3=25,Δrgbi≤ΔG3,且b3=164(bi≥b3)。
表2 65Mn激光淬火各区(r,g,b)参数及阈值
设定各区面积比的阈值标准为:熔化区面积比v4=5%,相变区面积比v3=30%,v14=95%。在Photoshop软件界面,对65Mn工件激光淬火质量的检测方法为,以上述各区的阈值为依据,除了热影响区的拾色器容差选定10以外,原始区、固态相变区和熔化区的拾色器容差均选定为20,得到各区的面积比率如图3和表3所示。其中图3中的b为原始区占比面积分析图,图3中的c为热影响区占比面积分析图,图3中的d为相变区占比面积分析图,图3中的e为熔化区占比面积分析图。检测结果表明:熔化区面积比率达到22.6%,大大超过设定的评判标准;虽然相变区面积比率为30.8%,满足设定的评判标准,但是熔化面积过大,测试样品质量不合格。
表3 65Mn激光淬火图像识别各区面积比率(RGB色彩模式)检测值
原始区 | 热影响区 | 相变区 | 熔化区 |
16.9% | 28.3% | 30.8% | 22.6% |
实施例2:71Mn激光淬火质量图像识别检测分析方法
采用半导体激光器,对71Mn材料的钢轨进行激光定点淬火,激光功率1600W,光斑直径6mm,点阵间距3.0mm,激光淬火加热时间1.2s,淬火深度1.0mm,淬火硬度620~770HV。
用彩色数码摄像机拍摄淬火后工件形貌的数字图像,如图5中的a所示,采用的照明光源为5000K中性白色(RZ)节能灯。在Photoshop软件界面上,用拾色器提取彩色图像中不同区域的HSB有序三元数组(H,S,B)参数,如表4所示。
表4 71Mn激光淬火各区(H,S,B)参数
在图5的a中,71Mn工件激光淬火后分为四个区,即:原始区、热影响区、固态相变区和熔化区,各区的外观颜色分别为灰白、蓝灰、亮蓝灰、亮钢蓝等;各区HSB有序三元数组(H,S,B)的内在规律和阈值如图5、和表5所示。具体表现为四个区HSB有序三元数组(H,S,B)的平均值依次为(41,4,69)、(219,6,53)、(203,19,62)、(202,16,75)。标定的各区阈值为:(1)原始区阈值,选择原始区域H通道的最大值作为阈值,即H1=53(Hi≤H1);(2)热影响区阈值,选择热影响区H通道的最小值作为H参数阈值,即H2=157(Hi≥H2);选择热影响区S通道的最大值作为S参数阈值,即S2=10(Si≤S2);(3)固态相变区阈值,选择固态相变区域H通道的最小值作为H参数阈值,即H3=190(Hi≥H3);选择固态相变区域S通道的最小值作为S参数阈值S3=14(Si≥S3);选择固态相变区B通道的最大值与熔化区B通道最小值的平均值作为B参数的阈值,即B3=66(Bi≤B3)。
表5 71Mn激光淬火各区(H,S,B)参数及阈值
设定各区面积比的评判标准为:熔化区面积比V4=5%,相变区面积比V3=30%,V24=95%。对71Mn工件激光淬火质量的检测方法为,以上述各区的阈值为依据,除了热影响区的拾色器容差选定10以外,原始区、固态相变区和熔化区的拾色器容差均选定为20,在Photoshop软件界面得到各区的二值化面积范围如图5所示,其中图5b为原始区占比面积分析图,图5c为热影响区占比面积分析图,图5d为相变区占比面积分析图,图5d为熔化区占比面积分析图。然后在IPP(Image-Pro Plus)软件界面分析选区面积的比率,结果如表6所示。检测结果表明:熔化区面积比率为0.7%,相变区面积比率为50.8%,都符合评判标准规定的要求。
表6 71Mn激光淬火图像识别各区面积比率(HSB色彩模式)检测值
原始区 | 热影响区 | 相变区 | 熔化区 |
23.3% | 24.7% | 50.8% | 0.7% |
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于图像识别的激光淬火质量检测分析方法,其特征在于,对待检测工件进行激光淬火,并拍摄激光淬火工件表面形貌的彩色图像;从彩色图像中提取色彩特征值的有序三元数组;根据提取的色彩特征值的有序三元数组计算各区域的面积占比,最后根据各区域的面积总和判断工件的淬火质量。
2.如权利要求1所述的基于图像识别的激光淬火质量检测分析方法,其特征在于,彩色图像的显示模式为RGB色彩模式或HSB色彩模式。
3.如权利要求1或2所述的基于图像识别的激光淬火质量检测分析方法,其特征在于,所述各区域包括原始区、热影响区、相变区和熔化区。
4.如权利要求2或3所述的基于图像识别的激光淬火质量检测分析方法,其特征在于,当彩色图像的显示模式为RGB色彩模式时,所述方法包括如下步骤:
(1)获得彩色图像上所有像素点的有序三元数组(ri,gi,bi),其中,i=1~n,n为彩色图像上所有像素点的个数;
(2)根据有序三元数组(ri,gi,bi)以及原始区极差数组Δrgbi的阈值ΔG1、热影响区的蓝色阈值b2、相变区极差数组Δrgbi的阈值ΔG3、相变区的蓝色阈值b3、相变区面积与图像总面积之间的比率的阈值v3、熔化区面积与图像总面积之间的比率的阈值v4、各区面积之和与图像总面积之间的比率的阈值v14,将各像素点进行区域归类,并计算各区域的面积占比:
统计所有满足条件ri>gi>bi且Δrgbi≤ΔG1的像素点的总和n1,计算比率v1’=n1/n;统计所有满足条件bi≥gi、bi≥ri、Δrgbi≤ΔG1且bi≤b2的像素点的总和n2,计算比率v2’=n2/n;统计所有满足条件bi>gi>ri、Δrgbi≤ΔG3且bi≤b3的像素点的总和n3,计算比率v3’=n3/n;统计所有满足条件bi>gi>ri、Δrgbi≤ΔG3且bi>b3的像素点的总和n4,,计算比率v4’=n4/n;
(3)判断100%≥(v1’+v2’+v3’+v4’)≥v14是否满足,若是,则已完成所有区域计算,转入步骤(4),若否,则计算未全部完成,转入步骤(2)重新计算;
(4)判断v3’<v3是否满足,若是,则说明相变面积少,淬火质量不合格;若否,则转入步骤(5);
(5)判断v4’>v4是否满足,若是,则说明熔化面积大,淬火质量不合格;若否,则说明淬火质量合格。
5.如权利要求2或3所述的基于图像识别的激光淬火质量检测分析方法,其特征在于,当彩色图像的显示模式为HSB色彩模式时,所述方法包括如下步骤:
(1)获得彩色图像上所有像素点的有序三元数组(Hi,Si,Bi),其中,i=1~n,n为彩色图像上所有像素点的个数;
(2)根据有序三元数组(Hi,Si,Bi)以及工件上原始区的色相阈值H1、热影响区的色相阈值H2、相变区的色相阈值H3、热影响区的饱和度阈值S2、相变区的饱和度阈值S3、相变区的明度阈值B3、相变区面积与图像总面积之间的比率的阈值V3、熔化区面积与图像总面积之间的比率的阈值V4、各区面积之和与图像总面积之间的比率的阈值V24将各像素点进行区域归类,并计算各区域的面积占比:
统计所有满足条件Hi≤H1的像素点的总和n1,计算比率V1’=n1/n;统计所有满足条件Hi≥H2且Si≤S2的像素点的总和n2,计算比率V2’=n2/n;统计所有满足条件Hi≥H3、Si≥S3且Bi≤B3的像素点的总和n3,计算比率V3’=n3/n;统计所有满足条件Hi≥H3、Si≥S3且Bi>B3的像素点的总和n4,,计算比率V4’=n4/n;
(3)判断100%≥(V1’+V2’+V3’+V4’)≥V24是否满足,若是,则已完成所有区域计算,转入步骤(4),若否,则计算未全部完成,转入步骤(2)重新计算;
(4)判断V3’<V3是否满足,若是,则说明相变面积少,淬火质量不合格;若否,则转入步骤(5);
(5)判断V4’>V4是否满足,若是,则说明熔化面积大,淬火质量不合格;若否,则说明淬火质量合格。
6.如权利要求4所述的基于图像识别的激光淬火质量检测分析方法,其特征在于,步骤(2)中涉及的各阈值采用如下方式确定:在质量检测之前,对工件进行激光淬火,并拍摄激光淬火工件各区域表面的彩色图像,提取彩色图像中色彩特征值的有序三元数组,计算原始区极差数组Δrgbi的最大值作为阈值ΔG1,计算相变区极差数组Δrgbi的最大值作为ΔG3,以热影响区的b通道的最大值为b2,以固态相变区的b通道的最大值为b3,所述v3、v4和v14预先设定。
7.如权利要求5所述的基于图像识别的激光淬火质量检测分析方法,其特征在于,步骤(2)中涉及的各阈值采用如下方式确定:在质量检测之前,对工件进行激光淬火,并拍摄激光淬火工件各区域表面的彩色图像,提取彩色图像中色彩特征值的有序三元数组,以原始区域H通道的最大值为H1,以热影响区H通道的最小值为H2,以热影响区S通道的最大值为S2,以固态相变区H通道的最小值为H3,以固态相变区S通道的最小值为S3,以固态相变区B通道的最大值与熔化区B通道最小值的平均值为B3,所述V3、V4和V24预先设定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910158726.0A CN110006371B (zh) | 2019-03-04 | 2019-03-04 | 一种基于图像识别的激光淬火质量检测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910158726.0A CN110006371B (zh) | 2019-03-04 | 2019-03-04 | 一种基于图像识别的激光淬火质量检测分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110006371A true CN110006371A (zh) | 2019-07-12 |
CN110006371B CN110006371B (zh) | 2020-09-08 |
Family
ID=67166276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910158726.0A Active CN110006371B (zh) | 2019-03-04 | 2019-03-04 | 一种基于图像识别的激光淬火质量检测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110006371B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113720841A (zh) * | 2021-08-25 | 2021-11-30 | 武汉飞能达激光技术有限公司 | 一种激光淬火质量监测方法及其应用 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0368714A (ja) * | 1989-08-09 | 1991-03-25 | Toshiba Corp | レーザ焼入れ装置 |
CN2167097Y (zh) * | 1992-08-07 | 1994-06-01 | 蔡一坤 | 激光淬火机床 |
JPH0961296A (ja) * | 1995-06-15 | 1997-03-07 | Ntn Corp | カラーフィルタの欠陥修正方法および欠陥修正装置 |
CN102358914A (zh) * | 2011-08-16 | 2012-02-22 | 上海交通大学 | 激光表面淬火淬硬层深度均匀性控制方法及其装置 |
CN108130402A (zh) * | 2017-12-22 | 2018-06-08 | 大族激光科技产业集团股份有限公司 | 一种齿条的激光淬火方法 |
CN108315531A (zh) * | 2018-02-07 | 2018-07-24 | 华中科技大学 | 一种深层高硬度复合表面淬火强化方法 |
-
2019
- 2019-03-04 CN CN201910158726.0A patent/CN110006371B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0368714A (ja) * | 1989-08-09 | 1991-03-25 | Toshiba Corp | レーザ焼入れ装置 |
CN2167097Y (zh) * | 1992-08-07 | 1994-06-01 | 蔡一坤 | 激光淬火机床 |
JPH0961296A (ja) * | 1995-06-15 | 1997-03-07 | Ntn Corp | カラーフィルタの欠陥修正方法および欠陥修正装置 |
CN102358914A (zh) * | 2011-08-16 | 2012-02-22 | 上海交通大学 | 激光表面淬火淬硬层深度均匀性控制方法及其装置 |
CN108130402A (zh) * | 2017-12-22 | 2018-06-08 | 大族激光科技产业集团股份有限公司 | 一种齿条的激光淬火方法 |
CN108315531A (zh) * | 2018-02-07 | 2018-07-24 | 华中科技大学 | 一种深层高硬度复合表面淬火强化方法 |
Non-Patent Citations (3)
Title |
---|
杨彩霞,等: "激光淬火过程实时检测系统的设计", 《激光技术》 * |
罗东升: "激光表面淬火在冶金机械设备件中的应用", 《江苏冶金》 * |
谢琼,等: "激光相变硬化可视化分析", 《光电子 激光》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113720841A (zh) * | 2021-08-25 | 2021-11-30 | 武汉飞能达激光技术有限公司 | 一种激光淬火质量监测方法及其应用 |
CN113720841B (zh) * | 2021-08-25 | 2024-02-09 | 武汉飞能达激光技术有限公司 | 一种激光淬火质量监测方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN110006371B (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104914111B (zh) | 一种带钢表面缺陷在线智能识别检测系统及其检测方法 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
Luo et al. | Vision-based weld pool boundary extraction and width measurement during keyhole fiber laser welding | |
CN108490029B (zh) | 外墙饰面层空鼓检测方法 | |
CN110263192A (zh) | 一种基于条件生成对抗网络的磨粒形貌数据库创建方法 | |
CN107533012B (zh) | 熔融镀覆钢板的表面缺陷检查装置及表面缺陷检查方法 | |
CN103499590B (zh) | 环形零件端面缺损检测及筛选方法及系统 | |
CN106296691B (zh) | 基于图像分析的路面病害识别方法 | |
CN104463887A (zh) | 基于分层聚焦采集图像和三维重建的刀具磨损检测方法 | |
CN104122271A (zh) | 一种基于aoi的子弹表观缺陷检测方法 | |
CN110006371A (zh) | 一种基于图像识别的激光淬火质量检测分析方法 | |
CN102074031B (zh) | 一种印刷电路板外观检查机的建标方法 | |
CN108550160A (zh) | 基于光强模板的非均匀光条特征区域提取方法 | |
Datta et al. | Texture analysis of turned surface images using grey level co-occurrence technique | |
CN105572080B (zh) | 非接触式浮法玻璃锡面自动识别装置及方法 | |
CN111311695B (zh) | 一种基于卷积神经网络的清水混凝土表面色差分析方法 | |
CN109872316A (zh) | 一种基于hsv颜色空间模型的磨削烧伤定量表征方法 | |
Jia et al. | A spectrum selection method based on SNR for the machine vision measurement of large hot forgings | |
CN109827515A (zh) | 一种分离式的螺纹钢丝头尺寸检测系统和方法 | |
CN109345521A (zh) | 一种基于皮革表面缺陷检测的led自由曲面阵列 | |
CN103344571B (zh) | 一种有价证券耐性质量评价方法及装置 | |
CN109741311B (zh) | 带伪边缘的铝合金熔焊背面熔宽检测方法 | |
CN115880297A (zh) | 基于机器视觉的被套染色质量评估方法 | |
CN115953348A (zh) | 一种基于视觉检测的地毯缺陷检测方法及系统 | |
CN109775055A (zh) | 基于视觉的成捆棒材端面标签漏贴检测与误差测量方法 |
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 |