CN110926993A - 磨损图像采集系统及采集方法 - Google Patents
磨损图像采集系统及采集方法 Download PDFInfo
- Publication number
- CN110926993A CN110926993A CN201911313366.3A CN201911313366A CN110926993A CN 110926993 A CN110926993 A CN 110926993A CN 201911313366 A CN201911313366 A CN 201911313366A CN 110926993 A CN110926993 A CN 110926993A
- Authority
- CN
- China
- Prior art keywords
- wear
- image acquisition
- grinding
- image
- friction
- 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
- 238000000034 method Methods 0.000 title claims description 18
- 238000000227 grinding Methods 0.000 claims abstract description 94
- 230000007246 mechanism Effects 0.000 claims abstract description 53
- 238000011068 loading method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000006073 displacement reaction Methods 0.000 claims abstract description 37
- 230000033001 locomotion Effects 0.000 claims abstract description 14
- 231100000241 scar Toxicity 0.000 claims description 32
- 239000000758 substrate Substances 0.000 claims description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000011176 pooling Methods 0.000 claims description 4
- 230000001681 protective effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims 2
- 238000013135 deep learning Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001125 extrusion Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011941 photocatalyst Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/56—Investigating resistance to wear or abrasion
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/0202—Control of the test
- G01N2203/0212—Theories, calculations
- G01N2203/0218—Calculations based on experimental data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
- G01N2203/0647—Image analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/067—Parameter measured for estimating the property
- G01N2203/0682—Spatial dimension, e.g. length, area, angle
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
公开了磨损图像采集系统及采集方法,磨损图像采集系统中,加载机构配置成经由摩擦件施加预定载荷值到待测样品,一维水平运动位移台包括保持待测样品的摩擦基体,所述一维水平运动位移台经由电机驱动往复运动,电机控制模块连接所述电机,电机控制模块发送控制命令致动电机使得所述待测样品与摩擦件在预定载荷值以预定速度摩擦预定次数,磨痕图像采集模块朝向所述待测样品,所述磨痕图像采集模块每隔预定时刻拍摄磨痕图像且保存,摩擦力采集模块在拍摄磨痕图像的同时采集相应的摩擦力信号,磨痕特征识别模块连接所述磨痕图像采集模块识别所述磨痕图像以提取磨痕特征;磨痕图像处理模块基于所述磨痕图像生成标签及标定相应的摩擦力信号并保存。
Description
技术领域
本发明涉及磨损测量技术领域,特别是一种磨损图像采集系统及采集方法。
背景技术
设备磨损是机械设备中普遍存在的现象,也是制约机械设备寿命及运行成本的关键因素,目前,减小设备磨损最有效的方法是对磨损状态进行监测,在磨损部件失效前对部件进行更换,降低其突然失效对机器造成的危害。目前常用的磨损检测方法主要有振动监测技术、油液分析、红外热成像、内窥镜探测方法等,但这些方法都无法精确、快速地反映接触表面的磨损状况,而图像采集技术的发展则为磨损监测提供了一种全新的手段,可以更加直观、有效地表明磨损部件的磨损特征,且结构简单,价格更加低廉,因此,有必要采用图像识别分析的方法进行磨损检测。近年来,随着深度学习技术的快速发展,深度学习技术在图像处理分析领域的应用也越来越广泛,利用此技术,可以实现对设备磨损的在线自动监测,因此极具现实意义。
然而在目前发展的过程中,深度学习还存在着相当大的局限性,其中一个难点就是对标定数据的获取。对一个训练模型进行深度学习需要大量的人工标定数据,尤其在图像识别中,经常需要上百万个人工标定的数据,才能使训练结果接近实际情况。而获得这些人工标定数据集不仅需要花费大量金钱成本,同时也需要消耗大量时间,因此有必要设计一种用于磨损图像深度学习自动标签的采集系统。
在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解,因此可能包含不构成本领域普通技术人员公知的现有技术的信息。
发明内容
为了解决上述问题,本发明提供了磨损图像采集系统及采集方法,实现磨损图像深度学习大数据集的自动标定与获取。本发明的目的是通过以下技术方案予以实现。
一种磨损图像采集系统包括,
加载机构,其配置成经由摩擦件施加预定载荷值到待测样品,
一维水平运动位移台,其包括保持待测样品的摩擦基体,所述一维水平运动位移台经由电机驱动往复运动,
电机控制模块,其连接所述电机,电机控制模块发送控制命令致动电机使得所述待测样品与摩擦件在预定载荷值以预定速度摩擦预定次数,
磨痕图像采集模块,其朝向所述待测样品,所述磨痕图像采集模块每隔预定时刻拍摄磨痕图像且保存,
摩擦力采集模块,其在拍摄磨痕图像的同时采集相应的摩擦力信号,
磨痕特征识别模块,其连接所述磨痕图像采集模块识别所述磨痕图像以提取磨痕特征;
磨痕图像处理模块,其连接所述磨痕图像采集模块、摩擦力采集模块和磨痕特征识别模块,其基于所述磨痕图像生成标签及标定相应的摩擦力信号并保存。
所述的磨损图像采集系统中,磨损图像采集系统还包括卷积神经网络模块,其包括卷积层、池化层和全连接层,标签处理后的磨痕图像作为数据集输入卷积神经网络模块中训练学习以得到磨痕图像磨痕特征与摩擦基体使用寿命的对应关系。
所述的磨损图像采集系统中,所述磨痕特征识别模块包括,
灰度处理单元,其对所述磨痕图像二值化灰度处理,
滤波单元,其对二值化灰度处理后的磨痕图像滤波去噪后高斯平滑处理,
阈值分割单元,其基于高斯平滑处理后的磨痕图像提取磨损区域,
特征提取单元,其基于所述磨损区域进行边缘检测及霍夫检测获取磨痕特征。
所述的磨损图像采集系统中,所述磨痕图像采集模块包括,
相机支座,其包括竖直杆,
相机滑动板,其设在所述竖直杆上,所述相机滑动板在竖直方向上和水平方向相对于所述竖直杆可移动,
工业相机,其连接所述相机滑动板且朝向待测样品。
所述的磨损图像采集系统中,所述摩擦力采集模块包括,
应变片,其采集待测样品摩擦力的模拟信号,
数据采集卡,其将所述模拟信号实时转化为电压信号。
所述的磨损图像采集系统中,所述一维水平电动位移台包括:
左右支架,其固定在所述基座上;
左右导轨,其固定在所述左右支架;
位移台,其沿所述左右导轨滑动;
中间支架,其通过丝杠与直流电机相连,所述直流电机通过丝杠带动所述位移台作往复运动。
所述的磨损图像采集系统中,所述位移台设有用于夹持摩擦基体的基体夹具。
所述的磨损图像采集系统中,所述加载机构包括,
加载梁,所述加载梁包括后端的调平结构、前端的卡具及用于连接所述调平结构和所述卡具的中间片梁;
保护套,其覆盖于所述中间片梁上;
应变片,其紧贴于所述中间片梁的两侧以采集摩擦力信号。
所述的磨损图像采集系统中,所述加载机构保持在支撑架上,所述加载机构设有加载控制机构,其通过螺纹连接加载机构的中间片梁。
所述的磨损图像采集系统中,所述调平机构保持在支撑架上,所述调平机构螺栓连接调节配重使得未加载时,加载机构与摩擦基体间无摩擦力。
根据本发明另一方面,一种所述磨损图像采集系统的采集方法包括以下步骤,
加载机构施加预定载荷值到待测样品,一维水平运动位移台带动所述待测样品与摩擦件在预定载荷值以预定速度摩擦预定次数,
所述磨痕图像采集模块每隔预定时刻拍摄磨痕图像且保存,摩擦力采集模块在拍摄磨痕图像的同时采集相应的摩擦力信号,
磨痕特征识别模块识别所述磨痕图像以提取磨痕特征,磨痕图像处理模块基于所述磨痕图像生成标签及标定相应的摩擦力信号并保存,标签处理后的磨痕图像作为数据集输入卷积神经网络模块中训练学习以得到磨痕图像磨痕特征与摩擦基体使用寿命的对应关系。
与现有技术相比,本发明的有益效果是:
本发明能够自动进行图像识别、特征提取和自动标签,可以为深度学习提供了大量数据集,能够节约大量时间和成本;通过将图像采集系统集成到摩擦磨损机上,不会对运动部件产生影响,能够确保测试结果与实际情况基本一致。
上述说明仅是本发明技术方案的概述,为了能够使得本发明的技术手段更加清楚明白,达到本领域技术人员可依照说明书的内容予以实施的程度,并且为了能够让本发明的上述和其它目的、特征和优点能够更明显易懂,下面以本发明的具体实施方式进行举例说明。
附图说明
通过阅读下文优选的具体实施方式中的详细描述,本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。显而易见地,下面描述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。而且在整个附图中,用相同的附图标记表示相同的部件。
在附图中:
图1是本发明的磨损图像采集系统整体框架示意图;
图2是本发明磨损图像采集系统的标签流程示意图;
图3是本发明磨损图像采集系统的特征识别模块的流程示意图;
图4是磨损图像采集系统的特征识别处理模块流程示意图;
图5是本发明的摩擦结构示意图;
图6是本发明一维水平电动位移台的结构示意图;
图7是本发明的卷积神经网络模块的框架示意图;
图8是本发明采集方法的步骤示意图。
以下结合附图和实施例对本发明作进一步的解释。
具体实施方式
下面将参照附图1至图8更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
需要说明的是,在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解,技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语,故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式,然所述描述乃以说明书的一般原则为目的,并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为便于对本发明实施例的理解,下面将结合附图以具体实施例为例做进一步的解释说明,且各个附图并不构成对本发明实施例的限定。
为了更好地理解,如图1所示,一种磨损图像采集系统包括,
加载机构6,其配置成经由摩擦件施加预定载荷值到待测样品,
一维水平运动位移台9,其包括保持待测样品的摩擦基体11,所述一维水平运动位移台9经由电机驱动往复运动,
电机控制模块14,其连接所述电机,电机控制模块14发送控制命令致动电机使得所述待测样品与摩擦件在预定载荷值以预定速度摩擦预定次数,
磨痕图像采集模块15,其朝向所述待测样品,所述磨痕图像采集模块15每隔预定时刻拍摄磨痕图像且保存,
摩擦力采集模块12,其在拍摄磨痕图像的同时采集相应的摩擦力信号,
磨痕特征识别模块13,其连接所述磨痕图像采集模块15识别所述磨痕图像以提取磨痕特征;
磨痕图像处理模块16,其连接所述磨痕图像采集模块15、摩擦力采集模块12和磨痕特征识别模块13,其基于所述磨痕图像生成标签及标定相应的摩擦力信号并保存。
为了进一步理解本发明,参见图1,系统包括五个模块,分别为磨痕图像采集模块15、磨痕特征识别模块13、磨痕图像处理模块16、电机控制模块14及摩擦力采集模块12;
在一个实施例中,所述磨损图像深度学习自动标签流程如图2所示,首先进入登录界面,登录成功后,进行图像信号和力信号通道的选择及采集方式等参数的设置,设置完成后,启动系统,系统驱动直流电机运动,通过工业相机和应变片同时采集图像信号和摩擦力信号,而后软件自动进行图像识别处理和自动标签以及摩擦力信号的标定,最终将数据保存在目标文件夹中,完成采集。所述采集过程是循环进行的,直到点击停止按钮结束采集。
另一实例所述磨痕特征识别模块流程示意图如图3所示,首先将获取到的图像进行二值化灰度处理,使对比度扩展,图像清晰,特征明显;再进行图像增强处理,对图像进行初步的滤波去噪,进一步增强图像特征;而后进行高斯平滑处理,去除掉一些细小的噪声干扰;进一步通过阈值分割技术将磨损区域提取出来;并最终利用边缘检测技术及霍夫检测算法获取磨损区域特征轮廓。
另一实例所述电机控制模块流程示意图如图4所示,直流电机运行方式设定包括电机转速和转向的设定;而后利用串口通信将数字信号传递到D/A转换电路转换为电压信号,本实例所选择的D/A转换电路为Ardunio Uno板,电压信号再经过驱动控制板,最终实现对直流电机的控制。
另一实施例中,如图5所示,本公开还包括:基座1,设置于所述基座1上的一维水平电动位移台9和支撑架8;其中:
所述一维水平位移台9上设置有基体夹具10,用于夹持摩擦基体11;
所述支撑架8上设置有加载机构6;
所述支撑架上还设置有调平机构7,所述调平机构7通过螺栓连接调节配重,用于保证未加载时,加载机构6与摩擦基体11间无摩擦力;
所述支撑架8上还设置有加载装置控制机构5,所述加载机构控制机构5利用螺栓通过螺纹连接挤压加载机构中间块,实现控制加载机构缓缓落下,防止对摩擦基体11造成初始磨损。
上述实施例通过在加载机构6上添加砝码进行加载,使由夹具夹持的摩擦球与设置于摩擦基体11上的待测样品缓慢接触产生载荷,通过调平机构7将载荷值调整到预设值时,启动一维水平运动位移台9带动摩擦基体11进行往复运动,从而实现摩擦球与待测样品之间的滑动摩擦。
在摩擦球与摩擦基体11相对运动时,通过应变片采集记录摩擦球所受到的摩擦力信号并上传至上位机。同时,利用工业相机4根据光触媒原理对摩擦球摩擦产生的磨痕进行图像采集,然后通过上位机对磨痕宽度进行提取分析。
另一个实施例中,如图6所示,所述一维水平电动位移台9包括:
左右支架903,所述左右支架903固定在所述基座1上;
左右导轨904,所述左右导轨904固定在所述左右支架903上;
位移台905,所述位移台905沿所述左右导轨904滑动;
中间支架907,所述中间支架907通过丝杠906与直流电机901相连,所述直流电机901通过丝杠906带动所述位移台905作往复运动。
该实施例中,直流电机901通过丝杠906能够带动位移台905作往复运动,进而带动摩擦基体11作往复运动。
如图7所示,另一实施例以卷积神经网络为例介绍对经过标签的磨痕图像进行深度学习的过程,卷积神经网络主要包括卷积层、池化层和全连接层,经过标签处理的磨痕图像即可作为数据集输入到卷积神经网络中进行训练与学习,通过大量磨痕图像数据集找到磨痕图像磨痕特征与摩擦基体使用寿命的对应关系。
所述的磨损图像采集系统的优选实施例中,所述磨痕特征识别模块13包括,
灰度处理单元,其对所述磨痕图像二值化灰度处理,
滤波单元,其对二值化灰度处理后的磨痕图像滤波去噪后高斯平滑处理,
阈值分割单元,其基于高斯平滑处理后的磨痕图像提取磨损区域,
特征提取单元,其基于所述磨损区域进行边缘检测及霍夫检测获取磨痕特征。
所述的磨损图像采集系统的优选实施例中,所述磨痕图像采集模块15包括,
相机支座2,其包括竖直杆,
相机滑动板3,其设在所述竖直杆上,所述相机滑动板3在竖直方向上和水平方向相对于所述竖直杆可移动,
工业相机4,其连接所述相机滑动板3且朝向待测样品。
所述的磨损图像采集系统的优选实施例中,所述摩擦力采集模块12包括,
应变片,其采集待测样品摩擦力的模拟信号,
数据采集卡,其将所述模拟信号实时转化为电压信号。
所述的磨损图像采集系统的优选实施例中,所述一维水平电动位移台包括:
左右支架903,其固定在所述基座1上;
左右导轨904,其固定在所述左右支架903;
位移台905,其沿所述左右导轨904滑动;
中间支架907,其通过丝杠906与直流电机901相连,所述直流电机901通过丝杠906带动所述位移台905作往复运动。
所述的磨损图像采集系统的优选实施例中,所述位移台设有用于夹持摩擦基体11的基体夹具10。
所述的磨损图像采集系统的优选实施例中,所述加载机构6包括,
加载梁,所述加载梁包括后端的调平结构、前端的卡具及用于连接所述调平结构和所述卡具的中间片梁;
保护套,其覆盖于所述中间片梁上;
应变片,其紧贴于所述中间片梁的两侧以采集摩擦力信号。
所述的磨损图像采集系统的优选实施例中,所述加载机构6保持在支撑架8上,所述加载机构6设有加载控制机构5,其通过螺纹连接加载机构6的中间片梁。
所述的磨损图像采集系统的优选实施例中,所述调平机构7保持在支撑架8上,所述调平机构7螺栓连接调节配重使得未加载时,加载机构6与摩擦基体11间无摩擦力。
在一个实施例中,系统包括磨痕图像采集模块15、磨痕特征识别处理模块、磨痕图像自动标签与存储模块、直流电机901控制模块10及力传感器数据采集模块;其中:所述磨痕图像采集模块15每隔一定时间拍摄一张磨痕图像,并保存下来;所述磨痕特征识别处理模块将所述磨痕图像采集模块15保存下来的图像进行识别并处理,提取其中的磨痕特征,并将处理好的图片保存;所述磨痕图像自动标签与存储模块将所述磨痕特征识别处理模块保存的图像按一定规则进行文件命名、标签,并保存至指定数据集中;所述直流电机901控制模块10用于控制直流电机901转速和转向,从而实现对摩擦次数和摩擦速度的控制;所述力传感器数据采集模块通过数据采集卡与力传感器相连,对力传感器数据进行连续采集、标定,通过数学计算得到摩擦系数值,并对其进行显示与存储。
在一个实施例中,系统包括工业相机4、应变片、数据采集卡、直流电机901、驱动控制器和直流电源;所述工业相机4用于采集摩擦磨痕图像,通过工业相机4拍摄的图像可以尽量减少图像畸变,使得其可以准确的提取识别磨痕图像的特征,利于保证图像数据的准确性;
所述应变片用于采集摩擦力信号;所述数据采集卡用于将所述应变片采集到的模拟信号实时转化为电压信号;
在一个实施例中,所述直流电机901用于控制试验台进行往复直线运动,实现对摩擦基体11的磨损;所述电机控制器用于控制所述直流电机901启动、制动、换向及堵转保护;所述直流电源用于为直流电机901提供电源;
在一个实施例中,系统包括:基座1,设置于所述基座1上的一维水平电动位移台,支撑架8和相机系统;其中,
所述一维水平位移台上设置有基体夹具10,用于夹持摩擦基体11;
所述支撑架8上设置有加载机构6;
所述加载机构6上设置有卡具;
所述支撑架8上还设置有调平机构7,所述调平机构7通过螺栓连接调节配重,用于保证未加载时,加载机构6与摩擦基体11间无摩擦力;
所述支撑架8上还设置有加载装置控制机构,所述加载机构6控制机构利用螺栓通过螺纹连接挤压加载机构6中间块,实现控制加载机构6缓缓落下,防止对摩擦基体11造成初始磨损。
优选的,所述一维水平电动位移台包括:
左右支架903,所述左右支架903固定在所述基座1上;
左右导轨904,所述左右导轨904固定在所述左右支架903上;
位移台,所述位移台沿所述左右导轨904滑动;
中间支架907,所述中间支架907通过丝杆与直流电机901相连,所述直流电机901通过丝杆带动所述位移台作往复直线运动。
优选的,所述加载机构6包括:
加载梁,所述加载梁包括后端微调平结构、前端卡具及用于连接所述后端微调平结构和所述前端卡具的中间片梁;
保护套,所述保护套覆盖于所述中间片梁上;
应变片,所述应变片紧贴于所述中间片梁的两侧,用于采集所述摩擦球所受摩擦力信号
优选的,所述应变片与所述中间片梁的变形量相同。
如图7所示,磨损图像采集系统还包括卷积神经网络模块,其包括卷积层、池化层和全连接层,标签处理后的磨痕图像作为数据集输入卷积神经网络模块中训练学习以得到磨痕图像磨痕特征与摩擦基体使用寿命的对应关系。本发明的采集系统特别适用于大数据处理。
如图8所示,一种所述磨损图像采集系统的采集方法包括以下步骤,
加载机构6施加预定载荷值到待测样品,一维水平运动位移台9带动所述待测样品与摩擦件在预定载荷值以预定速度摩擦预定次数,
所述磨痕图像采集模块15每隔预定时刻拍摄磨痕图像且保存,摩擦力采集模块12在拍摄磨痕图像的同时采集相应的摩擦力信号,
磨痕特征识别模块13识别所述磨痕图像以提取磨痕特征,磨痕图像处理模块16基于所述磨痕图像生成标签及标定相应的摩擦力信号并保存,标签处理后的磨痕图像作为数据集输入卷积神经网络模块中训练学习以得到磨痕图像磨痕特征与摩擦基体使用寿命的对应关系。
工业实用性
本发明所述的磨损图像采集系统磨损图像采集系统及采集方法可以在磨损测量领域制造并使用。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种磨损图像采集系统,其包括,
加载机构,其配置成经由摩擦件施加预定载荷值到待测样品,
一维水平运动位移台,其包括保持待测样品的摩擦基体,所述一维水平运动位移台经由电机驱动往复运动,
电机控制模块,其连接所述电机,电机控制模块发送控制命令致动电机使得所述待测样品与摩擦件在预定载荷值以预定速度摩擦预定次数,
磨痕图像采集模块,其朝向所述待测样品,所述磨痕图像采集模块每隔预定时刻拍摄磨痕图像且保存,
摩擦力采集模块,其在拍摄磨痕图像的同时采集相应的摩擦力信号,
磨痕特征识别模块,其连接所述磨痕图像采集模块识别所述磨痕图像以提取磨痕特征;
磨痕图像处理模块,其连接所述磨痕图像采集模块、摩擦力采集模块和磨痕特征识别模块,其基于所述磨痕图像生成标签及标定相应的摩擦力信号并保存。
2.如权利要求1所述的磨损图像采集系统,其中,优选的,磨损图像采集系统还包括卷积神经网络模块,其包括卷积层、池化层和全连接层,标签处理后的磨痕图像作为数据集输入卷积神经网络模块中训练学习以得到磨痕图像磨痕特征与摩擦基体使用寿命的对应关系。
3.如权利要求1所述的磨损图像采集系统,其中,所述磨痕特征识别模块包括,
灰度处理单元,其对所述磨痕图像二值化灰度处理,
滤波单元,其对二值化灰度处理后的磨痕图像滤波去噪后高斯平滑处理,
阈值分割单元,其基于高斯平滑处理后的磨痕图像提取磨损区域,
特征提取单元,其基于所述磨损区域进行边缘检测及霍夫检测获取磨痕特征。
4.如权利要求1所述的磨损图像采集系统,其中,所述磨痕图像采集模块包括,
相机支座,其包括竖直杆,
相机滑动板,其设在所述竖直杆上,所述相机滑动板在竖直方向上和水平方向相对于所述竖直杆可移动,
工业相机,其连接所述相机滑动板且朝向待测样品。
5.如权利要求1所述的磨损图像采集系统,其中,所述摩擦力采集模块包括,
应变片,其采集待测样品摩擦力的模拟信号,
数据采集卡,其将所述模拟信号实时转化为电压信号。
6.如权利要求1所述的磨损图像采集系统,其中,所述一维水平电动位移台包括:
左右支架,其固定在所述基座上;
左右导轨,其固定在所述左右支架;
位移台,其沿所述左右导轨滑动,所述位移台设有用于夹持摩擦基体的基体夹具;
中间支架,其通过丝杠与直流电机相连,所述直流电机通过丝杠带动所述位移台作往复运动。
7.如权利要求1所述的磨损图像采集系统,其中,所述加载机构包括,
加载梁,所述加载梁包括后端的调平结构、前端的卡具及用于连接所述调平结构和所述卡具的中间片梁;
保护套,其覆盖于所述中间片梁上;
应变片,其紧贴于所述中间片梁的两侧以采集摩擦力信号。
8.如权利要求7所述的磨损图像采集系统,其中,所述加载机构保持在支撑架上,所述加载机构设有加载控制机构,其通过螺纹连接加载机构的中间片梁。
9.如权利要求7所述的磨损图像采集系统,其中,所述调平机构保持在支撑架上,所述调平机构螺栓连接调节配重使得未加载时,加载机构与摩擦基体间无摩擦力。
10.一种权利要求1-9中任一项所述磨损图像采集系统的采集方法,其包括以下步骤,
加载机构施加预定载荷值到待测样品,一维水平运动位移台带动所述待测样品与摩擦件在预定载荷值以预定速度摩擦预定次数,
所述磨痕图像采集模块每隔预定时刻拍摄磨痕图像且保存,摩擦力采集模块在拍摄磨痕图像的同时采集相应的摩擦力信号,
磨痕特征识别模块识别所述磨痕图像以提取磨痕特征,磨痕图像处理模块基于所述磨痕图像生成标签及标定相应的摩擦力信号并保存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313366.3A CN110926993A (zh) | 2019-12-18 | 2019-12-18 | 磨损图像采集系统及采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313366.3A CN110926993A (zh) | 2019-12-18 | 2019-12-18 | 磨损图像采集系统及采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110926993A true CN110926993A (zh) | 2020-03-27 |
Family
ID=69864403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911313366.3A Pending CN110926993A (zh) | 2019-12-18 | 2019-12-18 | 磨损图像采集系统及采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110926993A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111536178A (zh) * | 2020-07-08 | 2020-08-14 | 莱州三力汽车配件有限公司 | 一种提高汽车用刹车盘使用寿命的方法 |
CN112697464A (zh) * | 2020-12-10 | 2021-04-23 | 煌太阳科技有限公司 | 一种电动助力转向柱正向耐久磨损检测方法 |
CN113810025A (zh) * | 2021-07-23 | 2021-12-17 | 西安交通大学 | 一种摩擦系数的自适应趋势滤波处理方法 |
CN114646563A (zh) * | 2022-05-23 | 2022-06-21 | 河南银金达新材料股份有限公司 | 一种具有金属涂层的聚酯膜表面耐磨度检测方法 |
CN114646564A (zh) * | 2022-05-23 | 2022-06-21 | 河南银金达新材料股份有限公司 | 一种聚酯材料耐磨度检测仪 |
CN116183423A (zh) * | 2023-04-28 | 2023-05-30 | 标格达精密仪器(广州)有限公司 | 一种基于图像识别的智能刷洗系统 |
CN116952765A (zh) * | 2023-09-19 | 2023-10-27 | 西南交通大学 | 一种货车车轮多边形磨损抑制与定量评价方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101832901A (zh) * | 2010-05-21 | 2010-09-15 | 西安交通大学 | 一种接触式摩擦界面粘滑特性在线检测装置 |
CN102607977A (zh) * | 2012-03-21 | 2012-07-25 | 西安交通大学 | 基于数字图像处理的磨损原位测量装置及方法 |
CN103149106A (zh) * | 2013-03-28 | 2013-06-12 | 国家烟草质量监督检验中心 | 烟用包装膜耐磨性能测量仪 |
CN203231962U (zh) * | 2012-11-03 | 2013-10-09 | 中国矿业大学 | 一种实时动态观测摩擦界面的端面扭动摩擦磨损试验机 |
CN109615604A (zh) * | 2018-10-30 | 2019-04-12 | 中国科学院自动化研究所 | 基于图像重构卷积神经网络的零件外观瑕疵检测方法 |
CN110095370A (zh) * | 2019-05-20 | 2019-08-06 | 西安交通大学 | 一种在线动态视觉磨痕分析实验装置及方法 |
CN110263474A (zh) * | 2019-06-27 | 2019-09-20 | 重庆理工大学 | 一种数控机床的刀具寿命实时预测方法 |
-
2019
- 2019-12-18 CN CN201911313366.3A patent/CN110926993A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101832901A (zh) * | 2010-05-21 | 2010-09-15 | 西安交通大学 | 一种接触式摩擦界面粘滑特性在线检测装置 |
CN102607977A (zh) * | 2012-03-21 | 2012-07-25 | 西安交通大学 | 基于数字图像处理的磨损原位测量装置及方法 |
CN203231962U (zh) * | 2012-11-03 | 2013-10-09 | 中国矿业大学 | 一种实时动态观测摩擦界面的端面扭动摩擦磨损试验机 |
CN103149106A (zh) * | 2013-03-28 | 2013-06-12 | 国家烟草质量监督检验中心 | 烟用包装膜耐磨性能测量仪 |
CN109615604A (zh) * | 2018-10-30 | 2019-04-12 | 中国科学院自动化研究所 | 基于图像重构卷积神经网络的零件外观瑕疵检测方法 |
CN110095370A (zh) * | 2019-05-20 | 2019-08-06 | 西安交通大学 | 一种在线动态视觉磨痕分析实验装置及方法 |
CN110263474A (zh) * | 2019-06-27 | 2019-09-20 | 重庆理工大学 | 一种数控机床的刀具寿命实时预测方法 |
Non-Patent Citations (7)
Title |
---|
周鹏 等: "《DSP原理与实践——基于TMS320F28x系列(第2版)》", 31 January 2018, 北京航空航天大学出版社 * |
孙惠斌 等: "《高品质切削过程的智能感知与预测技术》", 28 February 2019, 西北工业大学出版社 * |
张晶: "《数字图像处理应用研究》", 30 April 2019, 吉林大学出版社 * |
张玮华: "太阳能电池硅片缺陷自动检测分类方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
王一丁 等: "《数字图像处理》", 31 August 2015, 西安电子科技大学出版社 * |
肖璟: "《本科电子系统设计综合创新实践教程》", 30 June 2015, 北京航空航天大学出版社 * |
邵哲平 等: "《海上信息采集与处理》", 31 August 2017, 大连海事大学出版社 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111536178A (zh) * | 2020-07-08 | 2020-08-14 | 莱州三力汽车配件有限公司 | 一种提高汽车用刹车盘使用寿命的方法 |
CN111536178B (zh) * | 2020-07-08 | 2020-10-30 | 莱州三力汽车配件有限公司 | 一种提高汽车用刹车盘使用寿命的方法 |
CN112697464A (zh) * | 2020-12-10 | 2021-04-23 | 煌太阳科技有限公司 | 一种电动助力转向柱正向耐久磨损检测方法 |
CN113810025A (zh) * | 2021-07-23 | 2021-12-17 | 西安交通大学 | 一种摩擦系数的自适应趋势滤波处理方法 |
CN113810025B (zh) * | 2021-07-23 | 2024-05-10 | 西安交通大学 | 一种摩擦系数的自适应趋势滤波处理方法 |
CN114646563A (zh) * | 2022-05-23 | 2022-06-21 | 河南银金达新材料股份有限公司 | 一种具有金属涂层的聚酯膜表面耐磨度检测方法 |
CN114646564A (zh) * | 2022-05-23 | 2022-06-21 | 河南银金达新材料股份有限公司 | 一种聚酯材料耐磨度检测仪 |
CN116183423A (zh) * | 2023-04-28 | 2023-05-30 | 标格达精密仪器(广州)有限公司 | 一种基于图像识别的智能刷洗系统 |
CN116183423B (zh) * | 2023-04-28 | 2023-08-08 | 标格达精密仪器(广州)有限公司 | 一种基于图像识别的智能刷洗系统 |
CN116952765A (zh) * | 2023-09-19 | 2023-10-27 | 西南交通大学 | 一种货车车轮多边形磨损抑制与定量评价方法 |
CN116952765B (zh) * | 2023-09-19 | 2023-12-12 | 西南交通大学 | 一种货车车轮多边形磨损抑制与定量评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110926993A (zh) | 磨损图像采集系统及采集方法 | |
CN111014079B (zh) | 一种轴承缺陷检测装置及轴承缺陷检测方法 | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN112945972B (zh) | 一种基于机器视觉的钢丝绳状态检测装置及方法 | |
CN111238981B (zh) | 一种复合运动下的工业机器人线缆磨损测试方法与装置 | |
CN111672773A (zh) | 基于机器视觉的产品表面缺陷检测系统及检测方法 | |
CN106645170B (zh) | 一种台阶电极自动检查机 | |
CN111323429A (zh) | 一种白酒酒体异物检测设备及检测方法 | |
CN110097042A (zh) | 一种具有弧度的剃须刀外壳的字符检测系统及检测方法 | |
CN107860332A (zh) | 汽车挡风玻璃智能物联网检测系统及检测支架小车 | |
CN112465741A (zh) | 悬架弹簧和气门弹簧的缺陷检测方法、装置及存储介质 | |
CN105118054B (zh) | 一种基于ccd单目测距的驾驶考试系统 | |
CN115931856A (zh) | 一种零件检测计算机视觉系统 | |
CN110044908A (zh) | 一种雷管周身全面检测结构 | |
CN115060742A (zh) | 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法 | |
CN111578850B (zh) | 一种视觉测量起绒织物厚度的测量方法 | |
CN111389743A (zh) | 一种橡胶密封圈检测装置及检测方法 | |
CN213580627U (zh) | 一种橡胶密封圈半自动检测装置 | |
CN118329914A (zh) | 一种基于视觉的油管缺陷检测设备 | |
CN212284937U (zh) | 针对产品表面缺陷的机器视觉检测系统 | |
CN213658588U (zh) | 一种视觉在线检测系统可调式安装座 | |
CN118037811A (zh) | 一种基于图像算法的测量系统及方法 | |
CN117630555B (zh) | 一种废蓄电池充电器检测装置 | |
CN112319543A (zh) | 一种可识别入轨的巡检装置及其巡检方法 | |
CN221174376U (zh) | 一种铝板瑕疵在线检测设备 |
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 |