CN110569705A - 切碎的纤维加料制造空隙检测 - Google Patents

切碎的纤维加料制造空隙检测 Download PDF

Info

Publication number
CN110569705A
CN110569705A CN201910485241.2A CN201910485241A CN110569705A CN 110569705 A CN110569705 A CN 110569705A CN 201910485241 A CN201910485241 A CN 201910485241A CN 110569705 A CN110569705 A CN 110569705A
Authority
CN
China
Prior art keywords
images
camera
charge
void
electronic
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
Application number
CN201910485241.2A
Other languages
English (en)
Other versions
CN110569705B (zh
Inventor
M·萨法伊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Boeing Co
Original Assignee
Boeing Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Boeing Co filed Critical Boeing Co
Publication of CN110569705A publication Critical patent/CN110569705A/zh
Application granted granted Critical
Publication of CN110569705B publication Critical patent/CN110569705B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/85—Investigating moving fluids or granular solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
    • 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
    • G06T2207/10012—Stereo images
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20216—Image averaging
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Signal Processing (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及切碎的纤维加料制造空隙检测，根据各种示例，提出了用于检测由加料制造过程生产的物体中的不符合规范的空隙的技术。该技术可以利用一种系统，该系统包括定位成从多个角度捕获材料在加料制造容器中沉积的图像的相机。该系统可以包括至少一个硬件电子特征检测器，其被硬编码以检测从图像中提取的图像数据中的材料元素的特征。该系统还可以包括至少一个电子处理器，其被配置为执行从所述至少一个硬件电子特征检测器接收特征数据的方法，从所述特征数据产生所述材料在所述加料制造容器中的电子三维表示，从所述加料制造容器中的所述材料的电子三维表示中确定存在不规范空隙，并提供警报。

Description

切碎的纤维加料制造空隙检测
技术领域
本发明一般涉及使用切碎的纤维或其他大致碎片形状的材料的制造过程。
背景技术
切碎的纤维材料如切碎的碳纤维碎片，根据一些加料制造过程用于制造的物品的堆积。这样的过程可以导致不希望的孔隙率，使物品不可用。不符合规范的孔隙率通常直到最终项目被制造、固化和测试时才能被确定，例如，通过使用计算机断层扫描(“CT”)成像该物品的内部结构。这可导致时间、金钱和材料的损失，尤其是如果该问题是由于制造过程造成的，则该问题直到已经生产了额外的故障物品之后才能得到纠正。.
发明内容
根据各种示例，提供了一种用于检测由加料制造过程生产的物品中的不符合规范的空隙的系统。该系统包括第一相机，其定位为从第一角度捕捉材料在加料制造容器中沉积的第一多个图像；第二相机，其定位成从第二角度捕获在所述加料制造容器中沉积所述材料的第二多个图像；与第一相机和第二相机通信耦合的至少一个硬件电子特征检测器，该硬件电子特征检测器被硬编码以检测从第一多个图像和第二多个图像导出的图像数据中的材料元素的特征；与至少一个硬件电子特征检测器通信耦合的至少一个电子三角仪(triangulator)，该至少一个电子三角仪配置为：从至少一个硬件电子特征检测器接收特征数据；并根据特征数据生成该材料在加料制造容器中的电子三维表示；至少一个电子空隙检测器，其配置为从在所述加料制造容器中的材料的电子三维表示确定所述加料制造容器中存在不符合规范的空隙；以及至少一个显示器，其被配置为提供关于所述加料制造容器中存在不符合规范的空隙的警报。
上述实施例的各种可选特征包括以下特征。材料可以包括切碎的纤维碎片。所述至少一个硬件电子特征检测器还可配置为检测多个独立的切碎的纤维碎片的边缘。至少一个电子空隙检测器还可配置为：计算多个切碎的纤维碎片的体积；以及从所述体积计算空隙信息，其中所述空隙信息表示所述加料制造容器中的至少一个空隙的大小。警报可以包括清空加料制造容器的方向。该系统可包括经配置以执行傅立叶变换以减少第一多个图像和第二多个图像中的噪声的降噪器。加料制造容器可以包括模具。系统可以包括平均器，该平均器被配置为对多个捕获的图像进行平均。所述系统可包括激光器，激光器经配置以引导光脉冲于所述加料制造容器中的材料沉积处，其中光脉冲的持续时间小于第一相机和第二相机的积分时间的两倍。第一相机和第二相机可被配置为以每秒至少5000张图像的速率捕获材料在加料制造容器中沉积的图像。
根据各种实施例，提出了一种检测由加料制造过程生产的物品中的不规范空隙的方法。该方法包括：通过第一相机并从第一角度捕获在加料制造容器中的沉积材料的第一多个图像；通过第二相机并从第二角度捕获在加料制造容器中的沉积材料的第二多个图像；通过至少一个硬件电子特征检测器检测来自从第一多个图像和第二多个图像中提取的图像数据的特征数据，所述至少一个硬件电子特征检测器通信地耦合到第一相机和第二相机并且被硬编码以检测材料元素的特征；通过与硬件电子特征检测器通信耦合的至少一个电子三角仪，从特征数据生成所述加料制造容器中材料的电子三维表示；根据该材料在该加料制造容器中的电子三维表示，确定该加料制造容器中存在不符合规范的空隙；并且提供关于在加料制造容器中存在不符合规范的空隙的警报。
以上示例的各种可选特征包括以下特征。材料可以包括切碎的纤维碎片。特征数据可以包括多个独立的切碎的纤维碎片的边缘的表示。该方法可包括计算多个切碎的纤维碎片的体积；以及从所述体积计算空隙信息，其中所述空隙信息表示加料制造容器中的至少一个空隙的大小。警报可以包括清空加料制造容器的指示。该方法还可以包括去除第一多个图像和第二多个图像中的噪声。加料制造容器可以包括模具。该方法可以包括通过对第一多个图像的图像子集求平均以及对第二多个图像的图像子集求平均而从第一多个图像和第二多个图像中获取图像数据。该方法可包括通过激光器引导光脉冲于加料制造容器中材料沉积处，其中光脉冲的持续时间小于第一相机和第二相机的积分时间的两倍。通过第一相机的捕获和通过第二相机的捕获均可包括以至少每秒5000张图像的速率捕获在加料制造容器中的材料沉积的图像。
附图说明
示例的各种特征可以得到更充分的理解，因为当结合附图考虑时，这些示例将参照以下具体实施方式被更好地理解，其中：
图1是根据各种示例的适合在加料制造过程中使用的切碎的纤维材料的放大图像；
图2是根据各种示例的用于检测切碎的纤维加料制造的物品中的不符合规范的空隙的系统的示意图；
图3是根据各种示例的用于检测切碎的纤维加料制造的物品中的不符合规范的空隙的系统的时序图；
图4是根据各种示例的用于检测切碎的纤维制造过程中的不符合规范的空隙的方法的流程图；和
图5是根据各种示例的加料制造容器模具和加料制造容器壳体的示意图。
具体实施方式
现在将详细参考所公开的示例，这些示例在附图中示出。在可能的情况下，在全部附图中将使用相同的参考标记来指示相同或类似的零件。在下面的描述中，参考构成其一部分的附图，并且其中参考以说明的具体示例的方式示出。对这些示例进行了充分详细的描述，以使本领域技术人员能够实践这些示例，并且应当理解的是，可以使用其他示例，并且可以在不脱离本公开的范围的情况下进行更改。因此，下面的描述仅仅是示例性的。
图1是根据各种示例的适合用于加料制造过程的切碎的纤维碎片102的放大图像100。(切碎的纤维碎片102在本领域也被称为“切碎的纤维鳞片”)切碎的纤维碎片可由碳纤维或其他纤维材料形成。切碎的纤维碎片通常呈方形、矩形、平行四边形、梯形(其中平行侧沿纤维方向延伸)和/或四边形的轮廓。切碎的纤维碎片通常在垂直于轮廓面的尺寸上具有比任何轮廓面侧都短的厚度。垂直于轮廓面的尺寸的厚度可在1毫米(或更小，例如，对于碳纤维碎片来说)至1厘米或更大的尺寸范围内。在某些应用中，轮廓面的边缘的尺寸可以在5毫米到5厘米或更大的范围内。
通常，切碎的纤维碎片102可沉积在诸如模具或壳体的加料制造容器中以形成物品。(下面参照图5示出和描述了加料制造模具和加料制造壳体的示例。)更详细地说，切碎的纤维碎片102可以在容器中落在彼此的顶部上，然后被压实、加热和固化。振动台可用于保持容器并协助压实切碎的纤维碎片102。如果容器是模具，则物品可被移除并使用；如果容器是壳体，那么壳体可以作为物品的一部分保留，该物品之后可以被移除和使用。
在制造过程中，切碎的纤维碎片102可通过将其释放到容器上方而被沉积到容器中，使得重力将其输送到容器中。传送带或其他制造系统可用于此目的。切碎的纤维碎片102以每一个碎片不同地放置，并且通常不会与其他类型的聚合物或金属粉末(例如，通常具有球形元素的粉末)合并成规则或半规则的图案。因此，根据该过程制造的物品具有非零的孔隙率，即清空的空间。
一旦物品的制造完成，如果有太多的孔隙率，例如为了结构完整性，那么该物品可能无法使用。根据现有的无损空隙检测技术，如CT的使用，直至该物品的制造过程(包括压实、加热和固化)完成后才能检测出不可接受的空隙。然而，在该时间范围(timeframe)中，根据现有技术，制造过程可以继续进行，而另外的容器可能被不正确地填充，并且切碎的纤维碎片在被识别为存在加工问题之前被压实、加热甚至固化。因此，在加料制造的物品中实时检测不符合规范的空隙的技术对于大大减少浪费的时间、能量、金钱和材料是非常有用的。
对于依赖于捕获切碎的纤维的图像的空隙(例如，不符合规范的空隙)的实时检测问题的幼稚的方法将产生大量无法实时处理的数据。例如，对于5000×5000像素的图像，使得每个计算机可读图像为25MB，每秒5000个图像的图像捕获速率将导致每秒125TB(terabyte)的捕获的图像数据，或每分钟7.5PB(petabyte)的捕获的图像数据。不能使用现有技术处理这种量级的数据来实时检测在当前上下文中的空隙。因此，在实时成像和分析加料制造的物品中存在的问题不能由已知技术解决。一些示例通过使用本文所讨论的各种专门设备和技术来解决这一问题和其他问题。
图2是根据各种示例的用于检测切碎的纤维加料制造的物品中的不符合规范的空隙的系统200的示意图。如图所示，系统200检测根据包括将诸如切碎的纤维碎片102的材料202沉积到加料制造容器204中的过程制造的物品中的空隙。随后，经组装的加料制造容器204及其包括的材料202可经受压实、加热和固化。加料制造容器204可以是模具，从模具中移除物品，或者是壳体，该壳体作为物品的外层保留。材料202可通过传送带、料斗或其它制造技术被带入加料制造容器204，并通过重力作用沉积到加料制造容器204中。加料制造容器204可保持在传送带、振动台或其它制造装置上。
系统200包括第一相机206和第二相机208。相机206、208可以以例如5000×5000像素的分辨率捕获图像。相机206、208可具有5-500微秒范围内的相关集成时间(即图像捕获的持续时间)，以支持每秒2000至200000个图像的图像捕获速率。相机206、208可定位为在材料202沉积在加料制造容器204中时捕获材料202的图像。具体而言，相机206、208可定位为捕获同一空间但不同角度的图像，以便能够同时三角测量相机206、208在图像中捕获的物品的位置。下面参考三角仪222描述示例性三角测量过程。相机206、208的输出分别耦合到平均器226、228。
平均器226、228分别按批次对相机206、208的输出图像集体求平均。在一些示例中，平均器226、228是可选的。在平均器226、228的示例中，序列图像集合(例如，2至10个图像中任意数量图像的集合)被逐像素地一起求平均，并且然后输出经平均的图像。平均器226、228可包括快速电子存储器，例如随机存取存储器(RAM)，以用于临时存储用于求平均的成批图像。求平均可以通过硬件平均而不是软件平均来进行，以获得速度，从而操控相机206、208以每秒2000张图像至200000张图像之间的速率捕获的图像。根据各种示例，平均器可以存在于相机206、208中，或者耦合到相机214、216的输出。平均器226、228的输出被耦合到相应降噪器214、216的输入。
因此，降噪器214、216接受图像并实时去除噪声。根据各种示例，所接受的图像可以从相机206、208输出，或者从平均器226、228输出。降噪器214、216可以在硬件(而不是软件)上实现快速傅立叶变换，应用硬件实现的低通滤波器去除噪声，并使用硬件实现的傅立叶逆变换对所述变换求逆。根据一些示例，降噪器214、216以硬件实现，因为软件实现可能不够快，无法以期望的速率(例如，每秒2000至200,000个图像)实时处理图像。降噪器214、216的输出被耦合到相应的特征检测器218、220的输入。
特征检测器218、220检测接收到的图像中的特征，并输出表示检测到的特征的特征数据。根据各种示例，特征检测器可以输入来自相机206、208、平均器226、228或降噪器214、216中的任意装置的图像数据。也就是说，特征检测器218、220检测分别从由相机206、208获取的图像中得到的图像数据中的特征，所述图像为原始图像、分别由平均器226、228处理的图像、和/或分别由降噪器214、216处理的图像。
根据各种示例，由特征检测器218、220检测的示例性合适的特征包括边缘。在这些示例中，特征检测器218、220可以包括边缘检测器。例如，在Chen等人发表在ACMTransactions on Graphics,ACM SIGGRAPH 2007会议的记录以及www.embedded- vision.com/platinum-members/bdti/embedded-vision-training/documents/pages/ building-machines-see-finding-edges-i中的名为Real-time Edge-Aware ImageProcessing with the Bilateral Grid的文章中公开了合适的已知的实时边缘检测过程的示例。一个示例性的已知的边缘检测过程包括利用高斯滤波器去除图像噪声，计算强度梯度，应用非最大抑制来澄清直线，以及应用滞后来滤除不需要的像素。然而，特征检测器218、220也可以应用其他边缘检测技术来替代。根据一些示例，特征检测器218、220能够实时地检测在相机206、208捕获的图像(可能经受了平均器226、228和/或降噪器214、216)中出现的材料202的离散分量的边缘。其他适合检测的特征可能包括拐角和面。这些特征可以用于代替边缘或与边缘一起使用。
请注意，许多示例不利用类似颜色或美学等特征，因此不需要相机206、208产生的整个图像(其可能是25MB量级的)。相反，示例可以利用边缘信息来确定每个切碎的纤维碎片202在加料制造容器204中的体积和方位。因此，特征检测器218、220可分别输入由相机206、208产生的图像数据，该图像数据可能由一个或两个平均器226、228和/或降噪器214、216处理，并输出表示检测到的特征、其尺寸以及其在加料制造容器204中的方位的特征数据。因此，一些示例大大减少了用于检测不符合规范的空隙的经处理的数据量。例如，通过将25MB图像减少到250KB的特征数据，该数据可用于获得在加料制造容器204内的材料202的非常有效和精确的体积测量。
特征检测器218、220可以在硬件中实现，例如CMOS，而不是软件，以便快速实现。特征检测器218、220(以及降噪器214、216和/或平均器226、228中的任何装置，如果存在的话)可在相应的机载相机206、208上实施。特征检测器218、220的输出被耦合到三角仪222的输入。
三角仪222接受来自特征检测器218、220的特征数据，并确定基本上所有沉积在加料制造容器204中的材料202的方位数据。特别是，使用已知的特征处理三角测量技术，三角仪222确定材料202的每个离散分量的方位。三角仪222可以进一步确定每个这样的碎片的取向。利用检测到的边缘，可能与已知的切碎的纤维碎片宽度相结合，三角仪222使用标准乘法确定每个这样的碎片的体积。(根据其他示例，这种体积确定是由空隙检测器224或另一个系统组件执行的。)三角仪222输出存在于加料制造容器204中的材料202的三维表示，包括对于每一个这样的碎片，该碎片的方位、体积和/或取向中的一个或多个。三维表示可以采用各种格式中的任意格式，例如，作为非限制性的示例：立体CAD-3D 2.0图像文件(.3D20)或3D格式(.3DF)或glTF3D2Studio_Autodesk和FBX–Autodesk。三角仪222可以在硬件中实现，例如CMOS，而不是软件，以便快速实现。三角仪222的输出被耦合到空隙检测器224的输入。
空隙检测器224接受来自三角仪222的在加料制造容器204中存在的材料202的三维表示，并确定所表示的物体中是否存在不符合规范的空隙。这种确定的标准包括，例如，材料202占据的总体积小于某些预定的总体积阈值，或者最大空隙的大小超过某些预定的最大体积阈值。此类阈值的数值因特定制造的物品及其预期用途而异。空隙大小可以使用各种度量来表征，例如，可以存在于加料制造容器中而不接触任何切碎的纤维碎片或加料制造容器的最大球体的直径。如果所述确定指示存在不符合规范的空隙，则空隙检测器224可以输出警报。警报可以是消息、单个比特值或更改后的比特值，该值指示表示可接受物体的比特值流中的不规范的空隙，每个比特值对应于特定物体。空隙检测器224可以向显示器234、不同的人机界面或制造过程中的机器提供警报。
显示器234可以是计算机屏幕、移动设备屏幕或能够实时提醒人类用户在制造的物体中检测到不符合规范的空隙的其他类型的显示器。根据一些示例，显示器234可以包括音频输出设备，或者被音频输出设备(例如扬声器)所代替，所述音频输出设备可以产生代表警报的声音。其他向人类用户传达警报的应急措施也可以作为替代或补充。
系统200还包括激光器230和激光器232。激光器230、232被定位以照射在加料制造容器204中的切碎的纤维碎片204的沉积，以用于由相机206、208捕获图像。可以选择激光器230、232的波长以用于特定的加料制造过程和材料。例如，波长可以被选择为被加料制造材料反射并且被制造系统本身的机械部件吸收。激光器230、232以及相机206和系统200的其他部分由同步器210控制。
同步器210控制和协调系统200的大部分操作。根据各种示例，同步器210通信地耦合到相机206、208、激光器230、232、三角仪222和检测器224中的任意装置或任意组合。注意，根据一些示例，同步器可以使用与传送图像数据的通信信道不同的通信信道通信地耦合到这些系统中的任意系统。同步器210产生同步脉冲，该同步脉冲是触发耦合的系统组件的动作的电信号。同步器210向各个系统组件提供定时脉冲以协调整个系统的操作，从而在加料表现过程中实现非常快速、实时的空隙检测。同步器210的操作以及其同步脉冲的相对布置将在下面参考图3进行详细描述。
图3是根据各种示例的用于检测切碎的纤维加料制造的物体中的不符合规范的空隙的系统(例如，系统200)的时序图300。时序图300描绘了同步脉冲302的相对定时和相对持续时间以及由相机206、208、激光器230、232、平均器226、228、三角仪222和空隙检测器224执行的各种动作。
如时序图300所示，同步器210产生并传送到相机206、208和激光器230、232同步脉冲302。同步脉冲302可以任何速率产生，例如，在每秒2000至200000脉冲之间。同步脉冲302可包括发送到各种系统的5伏脉冲。同步脉冲302可触发相机206、208捕获图像以及激光器230、232照明图像。
时序图300中还描绘了相机206的集成区间304、相机208的集成区间306、相机206的数据传输区间308和相机208的数据传输区间310。在积分区间304、306中描绘的每个块表示各个相机206、208捕获图像的时间区间的持续时间。激光器230、232的照明持续时间比相机206、208的集成时间(例如，在集成时间的90％至190％之间)大致一样长或稍长。在这种示例中，相机206、208可能缺少百叶窗。紧接着在集成区间304、306中描绘的每个块是分别描绘相机206、208的数据传输区间308、310的块。这种块表示时间区间的持续时间，在该时间区间内，相应的相机206、208将其图像数据传输到下一个系统组件，无论该系统组件是平均器226、228、降噪器214、216还是特征检测器218、220。请注意，时序图300所示的各种系统组件的定时，特别是相机206的积分区间304和相机208的积分区间306相对于其他定时动作的操控，以及特征检测器218、220提供的大量存储器减少，均使系统能够实时运转，以在加料制造过程中检测空隙。
时序图300还描绘了相机206的求平均、降噪和特征检测区间312，以及相机208的求平均、降噪和特征检测区间314。请注意，同步器210可以引导平均器226、228以对图像数据按批次求平均。特别是，同步器将定时脉冲传递给平均器226，228，该定时脉冲触发平均器以对成批次的图像求像素平均值(pixel-wise average)。因此，同步器210可以在每N个同步脉冲203之后向平均器226、228发送触发脉冲，其中N可以是在2和10之间的任意数。根据其他示例，同步器210可以将同步脉冲302发送到平均器226、228，平均器226、228被每第N个同步脉冲203触发。不管特定触发事件为何，在触发时，平均器226、228均从其各自的存储器中检索之前的N或N-1个图像并基于此执行求像素平均值。对于时序图300中所示的非限制性示例，平均器226、228对五个图像的批次求平均，因此对于该非限制性示例，N＝5。注意，如时序图300所示，在任何特定批次的第一图像的数据传输区间期间或紧随其后开始求平均、降噪和特征检测区间312、314。
求平均、降噪和特征检测区间312、314也代表降噪器214、216执行它们各自的降噪处理的时间，如果在特定示例中存在的话。
求平均、降噪和特征检测区间312、314也代表特征检测218、220执行它们各自的特征检测处理的时间。
时序图300中也描述了三角测量区间316。三角测量区间316表示三角仪222对由特征检测器218、220提供的特征数据进行操作以产生其三维表示的时间区间。
最后，也在时序图300中描绘了体积处理区间318。体积处理区间318表示空隙检测器224处理体积信息以基于由三角仪222提供的三维表示来确定是否存在不符合规范的空隙的时间区间，可能与空隙检测器224确定的体积数据相结合。在每个体积处理区间318的末尾，空隙检测器224可以指示显示234(或其他系统组件)这样的处理是否指示存在不规范的空隙。
图4是根据各种示例检测切碎的纤维制造过程中的空隙的方法400的流程图。方法400可使用图2的系统200实现，其中系统组件的定时例如如图3中的时序图300所示。
在框402，相机206捕获第一多个图像，而相机208捕获第二多个图像。第一多个图像可以与第二多个图像同时捕获。每个图像都可以通过来自相应激光器230、232的照明激光脉冲的触发而被捕获。如果图像可以对应于一批N>1的图像，则每多个图像可以一起由相应的平均器226、228求平均。当切碎的纤维碎片沉积在加料制造容器204中时，图像被捕获，如上文参考图2所示和描述。然后由一个或两个平均器226、228和降噪器214、216任选地处理多个图像，然后将这些图像数据传送到特征检测器218、220。可替换地，这种图像数据被传送到特征检测器218、220，而不被平均器226、228和降噪器214、216处理。
在框404中，平均器226、228对从相机206、208接收的成批图像一起求像素平均值。这一过程在上面参考图2中的平均器226、228进行了显示和描述。特别是，根据各种示例，2、3、4、5、6或少于20个的任意数量的图像的批次可以一起求像素平均值。
在框406中，降噪器214、216从第一和第二多个图像导出的图像数据中去除噪声。降噪器可以将图像数据转换到频域，滤除高频，并使用硬件处理返回到空间域，如上文参考图2所描述的。然后将图像数据传送到特征检测器218、220。
在框408中，特征检测器218、220根据特定示例检测由相机206、208、平均器226、228或降噪器214、216提供的图像数据中的特征。特征检测器可以检测边缘，如上面参考图2的特征检测器218、220所示和描述的。特征检测器214、216输出特征数据，其表示特征检测器接收和处理的图像数据。特征检测器218、220然后将特征数据传送到三角仪222。
在框410，三角仪222处理从特征检测器218、220接收的特征数据。如上参考图2所示和所描述的，三角仪对从特征检测器218、220接收的特征数据应用已知的三角测量技术，以生成存在于加料制造容器204中的材料202的三维表示。特别地，三维表示可以小于25KB，并且包括每一个这样的切碎的纤维碎片的一个或多个方位、取向和体积。三角仪222将三维表示传送到空隙检测器412，以便进一步处理。
在框412中，空隙检测器224确定切碎的纤维加料制造容器204中是否存在空隙。所述确定可以是切碎的纤维加料制造容器204是否包括至少给定尺寸的空隙。可以使用各种标准中的任何一种来进行所述确定。根据一些示例，通过确定三维表示是否指示至少存在给定大小的空隙来进行所述确定。例如，可以通过确定切碎的纤维加料制造容器204是否可以包含对应给定直径的球体来进行这样的确定。根据其他示例，通过确定三维表示是否表明材料202所占据的总体积小于某个总体积阈值来进行所述确定。在一些示例的范围内的是，其他确定标准是可能的。
如果在框412处的确定为“否”，则控制返回框402。否则，如果在框412处的确定为“是”，则控制转移到框414。
在框414中，显示器234向用户提供警报，指示在切碎的纤维制造物体中存在不符合规范的空隙。警报可以是可听的、可见的或其组合。根据一些示例，可以将警报发送到用户的移动设备。该过程还可以停止生产线或其一部分，直到该物体被移除和处理。
图5是根据各种示例的加料制造容器模具504和加料制造容器壳体502的示意图。在使用中，加料制造壳体502通过开口506接收切碎的纤维碎片。加料制造壳体502可作为制造组件的一部分保留，并与切碎的纤维碎片一起固化。加料制造模具504通过开口508接收切碎的纤维碎片。在使用前，将加料制造物体从加料制造模具504中去除，并且加料制造模具不构成任何已完成产品的一部分。
此外，本公开包括根据以下条款提供的示例：
条款1.一种用于检测由加料制造过程生产的物体中的不符合规范的空隙的系统，该系统包括：
第一相机，其被定位为从第一角度捕获在加料制造容器中沉积材料的第一多个图像；
第二相机，其被定位成从第二角度捕获在所述加料制造容器中沉积所述材料的第二多个图像；
与第一相机和第二相机通信地耦合的至少一个硬件电子特征检测器，所述硬件电子特征检测器被硬编码，以用于检测从第一多个图像和第二多个图像导出的图像数据中的材料元素的特征；
至少一个电子三角仪，其通信地耦合到至少一个硬件电子特征检测器，并且配置为：从至少一个硬件电子特征检测器接收特征数据；并根据特征数据生成该材料在加料制造容器中的电子三维表示；
至少一个电子空隙检测器，其配置为从所述材料在所述加料制造容器中的所述电子三维表示确定所述加料制造容器中存在不符合规范的空隙；和
至少一个显示器，其被配置为提供关于所述加料制造容器中存在不符合规范的空隙的警报。
条款2.根据条款1所述的系统，其中所述材料包括切碎的纤维碎片。
条款3.根据条款2所述的系统，其中所述至少一个硬件电子特征检测器还配置为检测多个独立的切碎的纤维碎片的边缘。
条款4.根据条款2所述的系统，其中所述至少一个电子空隙检测器还配置为：
计算多个切碎的纤维碎片的体积；和
计算来自所述体积的空隙信息，其中所述空隙信息表示所述加料制造容器中至少一个空隙的大小。
条款5.根据条款1-4中任一项所述的系统，其中所述警报包括用于清空所述加料制造容器的指示。
条款6.根据条款1-5中任一项所述的系统，其还包括降噪器，所述降噪器被配置成执行傅立叶变换以降低所述第一多个图像和所述第二多个图像中的噪声。
条款7.根据条款1-6中任一项所述的系统，其中所述加料制造容器包括模具。
条款8.根据条款1所述的系统，还包括平均器，该平均器配置为对多个捕获的图像进行求平均。
条款9.根据条款1-8中任一项所述的系统，其还包括激光器，所述激光器被配置为在所述加料制造容器中的材料沉积处引导光脉冲，其中所述光脉冲的持续时间小于所述第一相机和所述第二相机的积分时间的两倍。
条款10.根据条款1-9中任一项所述的系统，其中所述第一相机和所述第二相机配置为以每秒至少5000个图像的速率捕获所述材料在所述加料制造容器中的沉积的图像。
条款11.一种检测由加料制造过程生产的物体中的不符合规范的空隙的方法，该方法包括：
通过第一相机从第一角度捕获材料在加料制造容器中沉积的第一多个图像；
通过第二相机和从第二角度捕获材料在加料制造容器中沉积的第二多个图像；
通过通信地耦合到所述第一相机和第二相机并且被硬编码以检测材料元素的特征的至少一个硬件电子特征检测器，检测从所述第一多个图像和所述第二多个图像中提取的图像数据中的特征数据；
通过通信地耦合到所述硬件电子特征检测器的至少一个电子三角仪，从所述特征数据生成所述加料制造容器中的材料的电子三维表示；
根据所述材料在所述加料制造容器中的所述电子三维表示，确定所述加料制造容器中存在不符合规范的空隙；和
提供在所述加料制造容器中存在不符合规范的空隙的警报。
条款12.根据条款11所述的方法，其中所述材料包括切碎的纤维碎片。
条款13.根据条款12所述的方法，其中所述特征数据包括检测多个独立的切碎的纤维碎片的边缘。
条款14.根据条款12或13所述的方法，还包括：
计算多个切碎的纤维碎片的体积；和
计算来自所述体积的空隙信息，其中所述空隙信息表示所述加料制造容器中的至少一个空隙的大小。
条款15.根据条款11-14中任一项所述的方法，其中所述警报包括将所述加料制造容器清空的指示。
条款16.根据条款11-15中任一项所述的方法，其还包括去除所述第一多个图像和所述第二多个图像中的噪声。
条款17.根据条款11-16中任一项所述的方法，其中所述加料制造容器包括模具。
条款18.根据条款11-17中任一项所述的方法，其还包括：通过对所述第一多个图像的图像子集求平均并且对所述第二多个图像的图像子集求平均，从所述第一多个图像和所述第二多个图像中获取所述图像数据。
条款19.根据条款11-18中任一项所述的方法，其还包括通过激光器引导光脉冲于所述加料制造容器中的所述材料的沉积处，其中所述光脉冲的持续时间小于所述第一相机和所述第二相机的积分时间的两倍。
条款20.根据条款11-19中任一项所述的方法，其中通过所述第一相机的捕获和通过所述第二相机的捕获各自均包括以至少每秒5000个图像的速率捕获所述材料在所述加料制造容器中沉积的图像。
请注意，尽管示例性示例已关于使用切碎的纤维碎片的加料制造过程被描述，但示例并不限于此。所公开的技术可应用于使用由离散元素组成的加料制造材料的任何加料制造技术，所述离散元素包括例如边缘的特征，其可用于确定元素的体积。例如，该技术可应用于使用由平行六面体形状的离散元素组成的材料的任何加料制造技术。
以上描述的某些示例可以部分地使用计算机应用或程序来执行。计算机程序可以以多种形式存在，包括主动和被动。例如，计算机程序可以以一个或多个软件程序、软件模块或两者兼有的形式存在，该计算机程序可以包括源代码、目标代码、可执行代码或其他格式的程序指令、固件程序或硬件描述语言(HDL)文件。上述任何一种都可以实施在计算机可读介质上，其可以包括计算机可读存储设备和具有压缩或非压缩形式的介质。示范性计算机可读存储设备和介质包括常规计算机系统RAM(随机存取存储器)、ROM(只读存储器)、EPROM(可擦除、可编程ROM)、EEPROM(电可擦除、可编程ROM)以及磁盘或光盘或磁带。
本领域技术人员将能够对所描述的示例进行各种修改，而不背离真实的精神和范围。此处使用的术语和描述仅作为说明提出，而不意味着作为限制。特别是，尽管该方法已通过示例进行了描述，但该方法的步骤可以以与图示不同的顺序或同时执行。本领域技术人员将认识到，在所附权利要求及其等同物所界定的精神和范围内，这些变化和其他变化是可能的。

Claims (14)

1.一种用于检测由加料制造过程生产的物体中的不符合规范的空隙的系统(200)，所述系统包括：
第一相机(206)，其被定位为从第一角度捕获材料(202)在加料制造容器(204)中沉积的第一多个图像；
第二相机(208)，其被定位成从第二角度捕获所述材料在所述加料制造容器(204)中沉积的第二多个图像；
至少一个硬件电子特征检测器(218，220)，其通信地耦合到所述第一相机和所述第二相机，所述硬件电子特征检测器被硬编码以检测从第一多个图像和第二多个图像导出的图像数据中的材料元素的特征；
至少一个电子三角仪(222)，其通信地耦合到所述至少一个硬件电子特征检测器，并且配置为：从所述至少一个硬件电子特征检测器接收特征数据；并根据所述特征数据生成所述材料在所述加料制造容器中的电子三维表示；
至少一个电子空隙检测器(224)，其配置为从所述加料制造容器中的所述材料的所述电子三维表示确定所述加料制造容器中存在不符合规范的空隙；和
至少一个显示器(234)，其被配置为提供关于在所述加料制造容器中存在不符合规范的空隙的警报。
2.根据权利要求1所述的系统，其中所述材料包括切碎的纤维碎片(102)并且其中所述至少一个硬件电子特征检测器还配置为检测多个独立的切碎的纤维碎片(102)的边缘。
3.根据权利要求2所述的系统，其中所述至少一个电子空隙检测器(224)还配置为：
计算多个切碎的纤维碎片的体积；和
计算来自所述体积的空隙信息，其中所述空隙信息表示所述加料制造容器中至少一个空隙的大小。
4.根据权利要求1所述的系统，其还包括降噪器(214，216)，所述降噪器被配置为执行傅立叶变换以降低所述第一多个图像和所述第二多个图像中的噪声。
5.根据权利要求1所述的系统，其还包括平均器(226，228)，所述平均器被配置为对多个捕获的图像进行求平均。
6.根据权利要求1所述的系统，其还包括激光器(230，232)，所述激光器被配置为引导光脉冲于所述加料制造容器中的材料沉积处，其中所述光脉冲的持续时间小于所述第一相机和所述第二相机的积分时间的两倍。
7.根据权利要求1所述的系统，其中所述第一相机和所述第二相机配置为以每秒至少5000个图像的速率捕获所述材料在所述加料制造容器中沉积的图像。
8.一种检测由加料制造过程生产的物体中的不符合规范的空隙的方法(400)，所述方法包括：
通过第一相机(206)从第一角度捕获(402)材料(202)在加料制造容器(204)中沉积的第一多个图像；
通过第二相机(208)从第二角度捕获(402)所述材料在所述加料制造容器中沉积的第二多个图像；
通过通信地耦合到所述第一相机和第二相机并且被硬编码以检测所述材料的元素的特征的至少一个硬件电子特征检测器(218，220)，检测(408)从所述第一多个图像和所述第二多个图像中提取的图像数据中的特征数据；
通过通信地耦合到所述硬件电子特征检测器的至少一个电子三角仪(222)，从所述特征数据生成(410)所述加料制造容器中的所述材料的电子三维表示；
根据所述材料在所述加料制造容器中的所述电子三维表示，确定(412)所述加料制造容器中存在不符合规范的空隙；和
提供在所述加料制造容器中存在不符合规范的空隙的警报(414)。
9.根据权利要求8所述的方法，其中所述材料包括切碎的纤维碎片(102)并且其中所述特征数据包括检测多个独立的切碎的纤维碎片(102)的边缘。
10.根据权利要求9所述的方法，还包括：
计算多个切碎的纤维碎片(102)的体积；和
计算来自所述体积的空隙信息，其中所述空隙信息表示所述加料制造容器中的至少一个空隙的大小。
11.根据权利要求8所述的方法，其还包括去除所述第一多个图像和所述第二多个图像中的噪声(406)。
12.根据权利要求8所述的方法，其还包括通过对所述第一多个图像的图像子集求平均(404)并且对所述第二多个图像的图像子集求平均(404)，从所述第一多个图像和所述第二多个图像中获取所述图像数据。
13.根据权利要求8所述的方法，其还包括通过激光器(206，208)引导光脉冲于所述加料制造容器中的所述材料的沉积处，其中所述光脉冲的持续时间小于所述第一相机和所述第二相机的积分时间的两倍。
14.根据权利要求8所述的方法，其中通过所述第一相机的捕获以及通过所述第二相机的捕获每个均包括以每秒至少5000个图像的速率捕获所述材料在所述加料制造容器中沉积的图像。
CN201910485241.2A 2018-06-06 2019-06-05 切碎的纤维加料制造空隙检测 Active CN110569705B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/001,666 US10572989B2 (en) 2018-06-06 2018-06-06 Chopped fiber additive manufacturing void detection
US16/001,666 2018-06-06

Publications (2)

Publication Number Publication Date
CN110569705A true CN110569705A (zh) 2019-12-13
CN110569705B CN110569705B (zh) 2024-04-05

Family

ID=66776098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910485241.2A Active CN110569705B (zh) 2018-06-06 2019-06-05 切碎的纤维加料制造空隙检测

Country Status (6)

Country Link
US (1) US10572989B2 (zh)
EP (1) EP3579184B1 (zh)
JP (1) JP7403973B2 (zh)
CN (1) CN110569705B (zh)
BR (1) BR102019011508A2 (zh)
CA (1) CA3045281A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114279625A (zh) * 2021-12-03 2022-04-05 北京晨晶精仪电子有限公司 真空度检测电路、真空度检测方法及真空计

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140177936A1 (en) * 2012-12-26 2014-06-26 Israel Aerospace Industries Ltd. System and method for inspecting structures formed of composite materials during the fabrication thereof
US20150273583A1 (en) * 2014-03-28 2015-10-01 Mitutoyo Corporation Layer scanning inspection system for use in conjunction with an additive workpiece fabrication system
WO2017100903A1 (en) * 2015-12-14 2017-06-22 Motion Metrics International Corp. Method and apparatus for identifying fragmented material portions within an image
CN107076669A (zh) * 2014-09-17 2017-08-18 卡尔蔡司显微镜有限责任公司 用于产生物体的三维图像的装置及方法
US20180071987A1 (en) * 2015-03-12 2018-03-15 Nikon Corporation Apparatus for manufacturing three dimensional shaped object, and method for manufacturing structure
CN107807082A (zh) * 2017-10-19 2018-03-16 武汉科技大学 基于激光扫描的沥青混合料断面空隙的测定方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0918302B1 (de) * 1997-11-24 2002-07-10 Weiglhofer, Gerhard Kohärenzdetektor
JP2003069888A (ja) 2001-08-23 2003-03-07 Nidec Copal Corp 多重撮影機能付デジタルカメラ
JP4260587B2 (ja) 2003-09-18 2009-04-30 株式会社日立ハイテクノロジーズ パターン欠陥検査装置
JP5078296B2 (ja) 2006-08-07 2012-11-21 倉敷紡績株式会社 写真測量装置及び写真測量システム
US8442301B2 (en) * 2009-04-30 2013-05-14 General Electric Company Nondestructive inspection method and system
JP5776771B2 (ja) 2011-06-24 2015-09-09 コニカミノルタ株式会社 対応点探索装置、および距離測定装置
JP5640025B2 (ja) 2012-01-27 2014-12-10 Ckd株式会社 三次元計測装置
US9117267B2 (en) * 2012-10-18 2015-08-25 Google Inc. Systems and methods for marking images for three-dimensional image generation
US9759547B2 (en) 2014-08-19 2017-09-12 The Boeing Company Systems and methods for fiber placement inspection during fabrication of fiber-reinforced composite components
US9731455B2 (en) 2014-09-03 2017-08-15 The Boeing Company Chopped fiber composite sorting and molding systems and methods
JP6682184B2 (ja) 2014-12-19 2020-04-15 キヤノン株式会社 画像処理方法、画像処理プログラム、画像処理装置および撮像装置
JP2016133454A (ja) 2015-01-21 2016-07-25 株式会社ジェイテクト ころ軸受の三次元位置測定方法および三次元位置測定装置
WO2018200866A1 (en) * 2017-04-26 2018-11-01 UHV Technologies, Inc. Material sorting using a vision system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140177936A1 (en) * 2012-12-26 2014-06-26 Israel Aerospace Industries Ltd. System and method for inspecting structures formed of composite materials during the fabrication thereof
US20150273583A1 (en) * 2014-03-28 2015-10-01 Mitutoyo Corporation Layer scanning inspection system for use in conjunction with an additive workpiece fabrication system
CN107076669A (zh) * 2014-09-17 2017-08-18 卡尔蔡司显微镜有限责任公司 用于产生物体的三维图像的装置及方法
US20180071987A1 (en) * 2015-03-12 2018-03-15 Nikon Corporation Apparatus for manufacturing three dimensional shaped object, and method for manufacturing structure
WO2017100903A1 (en) * 2015-12-14 2017-06-22 Motion Metrics International Corp. Method and apparatus for identifying fragmented material portions within an image
CN107807082A (zh) * 2017-10-19 2018-03-16 武汉科技大学 基于激光扫描的沥青混合料断面空隙的测定方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114279625A (zh) * 2021-12-03 2022-04-05 北京晨晶精仪电子有限公司 真空度检测电路、真空度检测方法及真空计
CN114279625B (zh) * 2021-12-03 2024-05-10 北京晨晶电子有限公司 真空度检测电路、真空度检测方法及真空计

Also Published As

Publication number Publication date
CA3045281A1 (en) 2019-12-06
EP3579184B1 (en) 2021-10-13
US20190378268A1 (en) 2019-12-12
JP7403973B2 (ja) 2023-12-25
CN110569705B (zh) 2024-04-05
JP2020020781A (ja) 2020-02-06
US10572989B2 (en) 2020-02-25
EP3579184A1 (en) 2019-12-11
BR102019011508A2 (pt) 2020-03-17

Similar Documents

Publication Publication Date Title
US10719929B2 (en) Error detection in additive manufacturing processes
CN105551064B (zh) 一种基于图像特征估计堆料体积变化率的方法
CA2908689C (en) Mixing infrared and color component data point clouds
EP3283249B1 (en) System and method for monitoring and recoating in an additive manufacturing environment
US20160224017A1 (en) Systems and methods for modelling additively manufactured bodies
Barni et al. Identification of cut & paste tampering by means of double-JPEG detection and image segmentation
WO2000027131A3 (en) Improved methods and apparatus for 3-d imaging
CN110569705B (zh) 切碎的纤维加料制造空隙检测
CN105619818A (zh) 基于声发射的熔融沉积成型3d打印监控系统
CN112677487A (zh) 3d打印的控制方法、控制系统及3d打印设备
CN112801111B (zh) 基于梯度方向的图像直线边缘点分类方法及装置
JP2018193586A (ja) 粉末床評価方法
Sassi et al. Improved spatial gray level dependence matrices for texture analysis
US9542624B2 (en) Recognizing method of flaky or blocky prohibited articles, explosives or drugs
CN114463411B (zh) 基于三维相机的目标体积、质量与密度测量方法
CN106657968A (zh) 三维特征信息感测系统及感测方法
CN113103587A (zh) 3d打印的控制方法、控制系统及3d打印设备
JP6892019B2 (ja) 粉率測定方法及び装置
CN114199336A (zh) 一种煤量计算方法、系统及存储介质
Chiryshev et al. Detection and dimension of moving objects using single camera applied to the round timber measurement
Tian et al. Characterization of the Blast Furnace Burden Surface: Experimental Measurement and Roughness Statistics
CN101615304A (zh) 生成鲁棒的可视外壳的方法
Chen et al. Novel Method for Real-Time Moiré Image Analysis Combining Two-Dimensional Entropy Theory and Quantum-Behaved Particle Swarm Optimization
Himpel et al. Calibration and Correspondence Analysis for Three‐View Stereoscopy in Dusty Plasmas
Wang et al. Design of dynamic volume measure system based on binocular vision

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