CN110987944A - 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法 - Google Patents

一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法 Download PDF

Info

Publication number
CN110987944A
CN110987944A CN201911320789.8A CN201911320789A CN110987944A CN 110987944 A CN110987944 A CN 110987944A CN 201911320789 A CN201911320789 A CN 201911320789A CN 110987944 A CN110987944 A CN 110987944A
Authority
CN
China
Prior art keywords
welding seam
contour
curve
defects
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.)
Granted
Application number
CN201911320789.8A
Other languages
English (en)
Other versions
CN110987944B (zh
Inventor
蒋平
李斌
程思
滑双东
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.)
Wuhan Xinnaishi Intelligent Technology Co Ltd
Original Assignee
Wuhan Xinnaishi Intelligent Technology Co Ltd
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 Wuhan Xinnaishi Intelligent Technology Co Ltd filed Critical Wuhan Xinnaishi Intelligent Technology Co Ltd
Priority to CN201911320789.8A priority Critical patent/CN110987944B/zh
Publication of CN110987944A publication Critical patent/CN110987944A/zh
Application granted granted Critical
Publication of CN110987944B publication Critical patent/CN110987944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • G01N2021/8887—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 based on image processing techniques

Landscapes

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

Abstract

本发明公开了一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，是在获得焊缝表面轮廓数据后，对该实际轮廓曲线采用加权三次样条曲线实时拟合得到标准轮廓，将标准轮廓分别向上、向下平移波动距离得到焊缝合格区间；将实际轮廓曲线与焊缝合理区间进行比对：当实际轮廓曲线全部处于焊缝合理区间内，焊缝无缺陷；当实际轮廓曲线高于上轮廓线或低于下轮廓线，且超出部分的面积大于或等于阈值时，该焊缝轮廓不合格；当不合格焊缝轮廓连续出现数量达到焊缝缺陷临界尺寸值时则判定焊缝存在缺陷；并在此基础上进行缺陷分类和计算相应特征值。本发明的焊缝表面缺陷检测方法，能快速准确地检测出焊缝缺陷，且对环境、传感器等引起的干扰不敏感。

Description

一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法
技术领域
本发明属于焊缝缺陷检测技术领域，更具体地，涉及一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法。
背景技术
焊缝质量的好坏决定着机械产品是否合格及满足要求，焊缝质量差使得焊件强度降低，使用过程中容易发生断裂，引起事故进而造成经济损失并威胁人身安全，因此焊接完成后需要对焊缝进行各种检查使焊件达到使用标准。其中，激光钎焊焊缝对表面质量有着较高的要求，特别是在汽车制造中零部件的外表面加工时，焊缝的表面质量更是直接关系到零部件的合格与否。而激光钎焊复杂的拼接接头形式，更是给焊后焊缝表面质量检测带来了不少挑战。所以有必要研究一种针对激光钎焊焊缝的高效可靠的表面缺陷检测方法。
目前国内焊缝表面质量自动检测技术还处于起步阶段，焊缝表面检测主要依靠肉眼观察或百分表等简单测量方法实现，其检测过程的精确性会因为主观因素的影响导致检测结果出现误差乃至误判，而且对于焊缝表面缺陷大多只能定性检出，无法量化评价，对于一些较小的缺陷，还往往会由于测量人员的观察不仔细造成漏检，且检测结果的可追溯性较差，无法适应生产节拍，很难满足快速、准确检测的工业要求。
现有学者也提出了不少检测手段，一种方案提出采用最小二乘法对焊缝轮廓进行十二阶高维拟合，并基于拟合数据和原始轮廓数据的某点差值是否超出预设阈值来判断是否存在未熔合、咬边、气孔缺陷等；通过计算给定长度的焊缝平均高度来评估是否存在焊瘤缺陷。这种检测方法简单易行，但对测量过程中的噪声十分敏感，很容易因高度差的错误计算而导致误检，本质上是对缺陷特征的提取不够完整，仅利用其高度方向上的特点，其宽度特征并没有得到体现，因而不能很好的与噪声区分开；另一方面，高阶多项式拟合方法不适合激光钎焊接头形式，高阶多项式曲线固有的起伏特征不能提供足够的灵活性，无法适应扫描轮廓剧烈的曲率变化，也不能满足检测精度的要求。另一种方案提出通过将焊缝三维数据映射为二维图像后，根据颜色差异来识别焊缝表面图像。但是，这种检测方法精度严格受到颜色差异程度的影响，灵敏度与精度之间很难达到较好的取舍。而且在激光钎焊接头的强噪声环境下，很难达到良好的检测效果。此外，以上专利检测的缺陷类型也未涉及焊接飞溅，而作为严重影响焊接表面质量的缺陷之一，本专利提出了对焊接飞溅的检测方法。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，通过加权三次样条曲线拟合获得标准轮廓，能适应激光钎焊复杂的接头形式，具有很高的拟合精度，针对性强，灵敏度高，为焊缝表面缺陷的准确检测提供了基础；结合缺陷的面积特征，能准确识别焊缝存在的缺陷，同时能很好的避免噪声干扰的影响，具有很高的识别精度。
为了实现上述目的，本发明提供一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，步骤包括：
S1获取焊缝表面轮廓数据；
S2根据焊缝表面轮廓数据对焊缝表面轮廓采用加权三次样条曲线实时拟合得到标准轮廓，将标准轮廓分别向上、向下平移波动距离得到焊缝合格区间；
S3将实际轮廓曲线与焊缝合理区间进行比对，判断焊缝是否存在缺陷：当实际轮廓曲线全部处于焊缝合理区间内，焊缝无缺陷；当实际轮廓曲线高于上轮廓线或低于下轮廓线，且超出部分的面积大于或等于阈值时，所述焊缝轮廓不合格，当不合格焊缝轮廓连续出现数量达到焊缝缺陷临界值时所述焊缝存在缺陷。
进一步地，步骤S1中，设定一个三维空间，以所述焊缝的截面方向为 X轴方向，扫描方向为Y轴方向，焊缝高度为Z轴方向；线激光位于焊缝的 Z轴方向，焊缝与线激光存在Y向的相对运动，对焊缝逐截面进行扫描得到实际轮廓和对应的X、Y和Z轴的值。
进一步地，将焊缝合格区间所在的平面分为6个区间，分别为上轮廓线以上的两侧区间和上轮廓线以上的中间区间，下轮廓线以下的两侧区间和下轮廓线以下的中间区间，根据实际轮廓曲线超出焊缝合理区间的部分所在区间的位置，判断缺陷的类别：当超出部分在上轮廓线以上的两侧区间，该处缺陷为飞溅；当超出部分在上轮廓线以上的中间区间，该处缺陷为上凸缺陷；当超出部分在下轮廓线以下的中间区间，该处缺陷为下凹缺陷。
进一步地，步骤S2中，采用加权三次样条曲线来拟合实际焊缝轮廓的具体方式如下：
S21将获得的焊缝轮廓数据分为若干段，对每段轮廓进行三次样条拟合：
Si(x)＝ai+bi(x-pi)+ci(x-pi)2+di(x-pi)3 (1)
其中，pi是第(i+1)个区间的左端点(i＝1，2，3…)，Si(x)是分段定义的三次样条函数，Ai＝[ai,bi,ci,di]是该段样条曲线的参数矩阵；
S22通过求拟合曲线和实际轮廓曲线上的所有点，得到相应的三次样条曲线：
Figure BDA0002327086970000031
A＝argmin(F)
其中，A＝[A0,A1,……,An-1]T是整个样条函数的参数矩阵，
Figure BDA0002327086970000041
是实际轮廓对应位置xi的高度测量值，而yi是三次样条函数在该位置的拟合值， weights、balance和smoothness是影响拟合值与测量值关系的控制因子。
进一步地，所述步骤S22具体包括：
S221初始化Weightsi，使Weightsi＝1；
S222利用A＝argmin(F)来判断拟合误差是否小于预设值；
S223若拟合误差大于等于预设值，对公式(2)中的数据进行更新令 A:xi→yi,
Figure BDA0002327086970000042
更新完成后重复(2)；若拟合误差小于预设值，输出A的值，从而得到标准轮廓曲线。
进一步地，步骤S3中，超出部分面积获取方法如下：求实际轮廓与焊缝合理区间界限之间的差值，其中将位于合理区间部分的差值置零，并采用如下公式对差值轮廓求面积：
Figure BDA0002327086970000043
其中，j是一个不大于
Figure BDA0002327086970000044
的整数。
进一步地，所述面积阈值为0.1mm2～0.5mm2。
进一步地，步骤S2中，所述标准轮廓曲线向上、下平移的距离均在 0.1mm～1mm内取值。
进一步地，步骤S2中，焊缝缺陷临界值在3～7中选取。
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，能够取得下列有益效果：
(1)本发明的基于包络线识别的激光钎焊焊缝表面缺陷检测方法，通过加权三次样条曲线拟合获得标准轮廓，能适应激光钎焊复杂的接头形式，具有较高的拟合精度，针对性强，灵敏度高，为焊缝表面缺陷的准确检测提供了基础；结合缺陷的面积特征，能准确识别焊缝存在的缺陷，同时能很好的避免噪声干扰的影响，具有很高的识别精度。
(2)本发明的基于包络线识别的激光钎焊焊缝表面缺陷检测方法，考虑了缺陷在Y向的连续性，通过设置一定的连续阈值，可以很好的避免偶然噪声的影响，大大的增强了检测方法的鲁棒性，进一步明确和区分了干扰与实际焊缝缺陷特征之间的界线。
(3)本发明的基于包络线识别的激光钎焊焊缝表面缺陷检测方法，设置ROI分类区间，能够有效完成对上凸、下凹、飞溅缺陷种类的分类，能满足基本的分类要求，其中对焊接飞溅的检测，弥补了焊缝表面缺陷检测在这方面的空白，对于焊缝表面质量在线检测的自动化实现具有重要意义；在判断缺陷有无、缺陷识别和分类的同时，不仅能测量缺陷高度、长度、位置，而且也能测量缺陷宽度、缺陷横截面积等，进一步提高了缺陷检测的灵活性，拓展了缺陷检测的思路。
附图说明
图1是本发明实施例中的基于包络线识别的激光钎焊焊缝表面缺陷检测方法的流程图；
图2是本发明实施例中的获得标准轮廓曲线的计算流程图；
图3是本发明实施例中焊缝实际轮廓曲线与焊缝合格区间之间位置关系的示意图；
图4是本发明实施例中焊缝区间划分示意图；
图5是未熔合缺陷(下凹缺陷)检测结果的三维对比图；
图6是未熔合缺陷(下凹缺陷)检测结果的二维对比图；
图7是气孔缺陷(下凹缺陷)检测结果的对比图；
图8是焊瘤缺陷(上凸缺陷)的检测结果的对比图；
图9为飞溅缺陷检测结果的三维对比图；
图10为飞溅缺陷检测结果的二维对比图。
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。
图1是本发明实施例中的基于包络线识别的激光钎焊焊缝表面缺陷检测方法的流程图。如图1所示，
S1获取焊缝表面实际轮廓，通过3D相机扫描，包括但不限于通过线激光扫描，如激光干涉法、双目视觉、单目视觉；
设定一个三维空间，将线激光投射到被检测焊缝的表面，通过获取和分析反射激光的图像，来得到焊缝表面轮廓数据；同时施加一个与线激光垂直的扫描方向，即可获得被检焊缝表面三维形貌。规定以所述焊缝的截面方向为X轴方向，扫描方向为Y轴方向，高度为Z轴方向，线激光位于焊缝的Z轴方向，焊缝与线激光存在Y向的相对运动，对焊缝逐截面进行扫描。
S2设置焊缝的合格区间；
对原始数据进行拟合，得到相应的标准轮廓，通过向上、下平移合理区间，来获得合格轮廓的波动区间，即得到焊缝合格区间；
将实际轮廓的原始数据进行拟合，得到标准轮廓
其中，标准轮廓是在实际焊缝轮廓的基础上进行拟合得到，即标准轮廓对实际焊缝缺陷处的轮廓做了处理；优选地，本发明采用加权三次样条曲线来拟合实际焊缝轮廓。涉及到的公式如下所示：
Si(x)＝ai+bi(x-pi)+ci(x-pi)2+di(x-pi)3 (1)
Figure BDA0002327086970000061
A＝argmin(F) (3)
其中，A＝[A0,A,……1,An-]T，1Ai＝[ai,bi,ci,di]，
Figure BDA0002327086970000071
Si(x)是分段定义的三次样条函数；
公式(1)是采用三次样条函数对实际焊缝轮廓进行拟合；公式(2) 是对拟合结果进行评估，评估规则中考虑了不同数据点的权重，合格数据点的权重大于缺陷数据点的权重；公式(3)是从拟合结果中获取拟合曲线参数；
F是目标函数，pi是第(i+1)个区间的左端点，A是三次样条函数的参数矩阵。(n-1)是总区间数。
Figure BDA0002327086970000072
是焊缝表面上激光条纹对应位置xi的高度测量值，yi是三次样条函数在该位置的拟合值。weights、balance和smoothness是影响拟合值与测量值关系的控制因子。
具体的操作步骤：
(1)初始化Weightsi，使Weightsi＝1；
(2)利用A＝argmin(F)来判断拟合误差是否小于预设值，
(3)如果拟合误差大于等于预设值，对公式(2)中的数据进行更新令A：xi→yi,
Figure BDA0002327086970000073
更新完成后重复(2)；若拟合误差小于预设值，输出A的值，从而得到标准轮廓曲线。
将标准轮廓曲线向上、下平移得到焊缝合理区间；
优选地，向上、下平移的距离为0.1mm～1mm。
S3判断焊缝是否存在缺陷；
当实际轮廓曲线2全部处于该包络区间内，则可以判定实际轮廓曲线对应的焊缝表面质量合格，无焊接缺陷；而焊缝轮廓局部高于上轮廓线1 或低于下轮廓线3，当超出的轮廓部分的面积大于或等于阈值时，焊缝轮廓不合格，当且仅当不合格焊缝轮廓连续出现数量达到焊缝缺陷临界尺寸值时则判定焊缝存在缺陷。优选地，焊缝缺陷临界值根据实际情况在3～7中选取。
通过上述缺陷测定方法，避免扫描过程中的偶然因素，如环境因素、人为因素、传感器因素等，引起焊缝轮廓局部突变导致误检，有利于保证检测方法的合理性。
现有技术仅根据焊缝全局高度尺寸是否超出范围来判断焊缝轮廓是否合格，本发明通过提取出缺陷数据轮廓并将面积作为阈值参数，从而能够有效地将缺陷和噪声区分开，避免误检，提高检测精度；优选地，其中，面积比对的阈值为0.1mm2～0.5mm2。除此之外，利用本方法，根据缺陷轮廓出现的第一个位置结合扫描步长即可计算缺陷位置；缺陷轮廓连续出现的个数结合扫描步长即可计算缺陷长度。
其中，超出部分面积获取方法如下：求实际轮廓与焊缝合理区间界限之间的差值，其中将位于合理区间部分的差值置零，并采用如下公式对差值轮廓求面积：
Figure BDA0002327086970000081
其中j是一个不大于
Figure BDA0002327086970000082
的整数。
S4缺陷的识别和分类
如图4所示，将焊缝上下空间分为6个区间，根据实际轮廓曲线超出焊缝合理区间的部分所在位置，判断缺陷的类别；具体地：当缺陷轮廓位于①③区域时，则该处缺陷类型是飞溅；当缺陷轮廓位于②区域时，则缺陷为上凸缺陷(如焊瘤)；当缺陷轮廓位于⑤区域时，则缺陷为下凹缺陷 (如未熔合、气孔等)。
S5输出检测结果
本发明提出的检测方法不仅能自动检测焊缝缺陷的有无和类型，而且能测量缺陷的诸多尺寸，除了缺陷高度、长度、位置等信息外，也能测量缺陷宽度、缺陷横截面积等。
利用本方案的检测方法，能够直观、快速、合理、准确的检测出焊缝缺陷，同时还可以直接判断缺陷的类别，图5～图10均为检测的效果图。
图5是未熔合缺陷(下凹缺陷)检测结果的三维对比图，图6是未熔合缺陷(下凹缺陷)检测结果的二维对比图；图7是气孔缺陷(下凹缺陷) 检测结果的对比图；图8是焊瘤缺陷(上凸缺陷)的检测结果的对比图；图9为飞溅缺陷检测结果的三维对比图；图10为飞溅缺陷检测结果的二维对比图。由图5～图10可知，本方案的激光钎焊焊缝表面缺陷检测方法能够真实，准确反映焊缝的缺陷情况，且能直观的判断焊缝缺陷类别，对于焊缝的问题能够全面掌握。
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，并不用于限制本发明，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 (9)

1.一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，其特征在于，步骤包括：
S1获取焊缝表面实际轮廓数据；
S2根据焊缝表面实际轮廓数据对焊缝表面实际轮廓采用加权三次样条曲线实时拟合得到标准轮廓，将标准轮廓分别向上、向下平移波动距离得到焊缝合格区间；
S3将实际轮廓曲线与焊缝合理区间进行比对，判断焊缝是否存在缺陷：当实际轮廓曲线全部处于焊缝合理区间内，焊缝无缺陷；当实际轮廓曲线高于上轮廓线或低于下轮廓线，且超出部分的面积大于或等于阈值时，所述焊缝轮廓不合格，当不合格焊缝轮廓连续出现数量达到焊缝缺陷临界值时判定所述焊缝存在缺陷。
2.根据权利要求1所述的一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，其特征在于，步骤S1中，设定一个三维空间，以所述焊缝的截面方向为X轴方向，扫描方向为Y轴方向，焊缝高度为Z轴方向；线激光位于焊缝的Z轴方向，焊缝与线激光存在Y向的相对运动，对焊缝逐截面进行扫描得到实际轮廓和对应的X、Y和Z轴的值。
3.根据权利要求1所述的一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，其特征在于，将焊缝合格区间所在的平面分为6个区间，分别为上轮廓线以上的两侧区间和上轮廓线以上的中间区间，下轮廓线以下的两侧区间和下轮廓线以下的中间区间，根据实际轮廓曲线超出焊缝合理区间的部分所在区间的位置，判断缺陷的类别：当超出部分在上轮廓线以上的两侧区间，该处缺陷为飞溅；当超出部分在上轮廓线以上的中间区间，该处缺陷为上凸缺陷；当超出部分在下轮廓线以下的中间区间，该处缺陷为下凹缺陷。
4.根据权利要求1所述的一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，其特征在于，步骤S2中，采用加权三次样条曲线来拟合实际焊缝轮廓的具体方式如下：
S21将获得的焊缝轮廓数据分为若干段，对每段轮廓进行三次样条拟合：
Si(x)＝ai+bi(x-pi)+ci(x-pi)2+di(x-pi)3 (1)
其中，pi是第(i+1)个区间的左端点(i＝1，2，3…)，Si(x)是分段定义的三次样条函数，Ai＝[ai,bi,ci,di]是该段样条曲线的参数矩阵；
S22通过求拟合曲线和实际轮廓曲线上的所有点，得到相应的三次样条曲线：
Figure FDA0002327086960000021
A＝argmin(F)
其中，A＝[A0,A1,……,An-1]T是整个样条函数的参数矩阵，
Figure FDA0002327086960000022
是实际轮廓对应位置xi的高度测量值，而yi是三次样条函数在该位置的拟合值，weights、balance和smoothness是影响拟合值与测量值关系的控制因子。
5.根据权利要求4所述的一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，其特征在于，所述步骤S22具体包括：
S221初始化Weightsi，使Weightsi＝1；
S222利用A＝arg min(F)来判断拟合误差是否小于预设值；
S223若拟合误差大于等于预设值，对公式(2)中的数据进行更新令A:xi→yi,
Figure FDA0002327086960000023
更新完成后重复(2)；若拟合误差小于预设值，输出A的值，从而得到标准轮廓曲线。
6.根据权利要求5所述的一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，其特征在于，步骤S3中，超出部分面积获取方法如下：求实际轮廓与焊缝合理区间界限之间的差值，其中将位于合理区间部分的差值置零，并采用如下公式对差值轮廓求面积：
Figure FDA0002327086960000031
其中，j是一个不大于
Figure FDA0002327086960000032
的整数。
7.根据6所述的一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，其特征在于，所述面积阈值为0.1mm2～0.5mm2。
8.根据权利要求1所述的一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，其特征在于，步骤S2中，所述标准轮廓曲线向上、下平移的距离均在0.1mm～1mm内取值。
9.根据权利要求1所述的一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法，其特征在于，步骤S2中，焊缝缺陷临界值在3～7中选取。
CN201911320789.8A 2019-12-19 2019-12-19 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法 Active CN110987944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911320789.8A CN110987944B (zh) 2019-12-19 2019-12-19 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911320789.8A CN110987944B (zh) 2019-12-19 2019-12-19 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法

Publications (2)

Publication Number Publication Date
CN110987944A true CN110987944A (zh) 2020-04-10
CN110987944B CN110987944B (zh) 2022-07-01

Family

ID=70065545

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911320789.8A Active CN110987944B (zh) 2019-12-19 2019-12-19 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法

Country Status (1)

Country Link
CN (1) CN110987944B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111724369A (zh) * 2020-06-17 2020-09-29 北京智机科技有限公司 一种u型焊缝检测方法
CN111738985A (zh) * 2020-05-29 2020-10-02 长安大学 一种焊缝轮廓视觉检测方法及系统
CN113567433A (zh) * 2021-06-09 2021-10-29 中车青岛四方机车车辆股份有限公司 粘接接头的检测方法及装置
CN114252449A (zh) * 2021-09-27 2022-03-29 上海电机学院 一种基于线结构光的铝合金焊缝表面质量检测系统及方法
CN114523203A (zh) * 2022-03-13 2022-05-24 扬州沃盛车业制造有限公司 一种激光智能焊接方法及系统
CN115008006A (zh) * 2022-05-23 2022-09-06 广州东焊智能装备有限公司 一种激光焊接检测评估系统及方法
CN115236085A (zh) * 2022-07-19 2022-10-25 中冶赛迪信息技术(重庆)有限公司 一种利用投射曲线识别表面质量的方法
CN116984266A (zh) * 2023-09-26 2023-11-03 中江立江电子有限公司 一种连接器分拣装置及分拣方法
CN117760343A (zh) * 2023-12-22 2024-03-26 哈尔滨电机厂(镇江)有限责任公司 一种焊后清理的平整度检查方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104697467A (zh) * 2015-02-12 2015-06-10 中北大学 基于线激光扫描的焊缝外观形状及表面缺陷检测方法
CN106442543A (zh) * 2016-10-14 2017-02-22 龚新林 一种在线识别金属工件连续激光焊缝表面质量的检测方法
CN109001224A (zh) * 2017-06-07 2018-12-14 宁德时代新能源科技股份有限公司 焊缝的检测方法及检测装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104697467A (zh) * 2015-02-12 2015-06-10 中北大学 基于线激光扫描的焊缝外观形状及表面缺陷检测方法
CN106442543A (zh) * 2016-10-14 2017-02-22 龚新林 一种在线识别金属工件连续激光焊缝表面质量的检测方法
CN109001224A (zh) * 2017-06-07 2018-12-14 宁德时代新能源科技股份有限公司 焊缝的检测方法及检测装置

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738985B (zh) * 2020-05-29 2024-04-02 长安大学 一种焊缝轮廓视觉检测方法及系统
CN111738985A (zh) * 2020-05-29 2020-10-02 长安大学 一种焊缝轮廓视觉检测方法及系统
CN111724369A (zh) * 2020-06-17 2020-09-29 北京智机科技有限公司 一种u型焊缝检测方法
CN113567433A (zh) * 2021-06-09 2021-10-29 中车青岛四方机车车辆股份有限公司 粘接接头的检测方法及装置
CN114252449A (zh) * 2021-09-27 2022-03-29 上海电机学院 一种基于线结构光的铝合金焊缝表面质量检测系统及方法
CN114252449B (zh) * 2021-09-27 2023-10-24 上海电机学院 一种基于线结构光的铝合金焊缝表面质量检测系统及方法
CN114523203A (zh) * 2022-03-13 2022-05-24 扬州沃盛车业制造有限公司 一种激光智能焊接方法及系统
CN114523203B (zh) * 2022-03-13 2022-11-29 扬州沃盛车业制造有限公司 一种激光智能焊接方法及系统
CN115008006A (zh) * 2022-05-23 2022-09-06 广州东焊智能装备有限公司 一种激光焊接检测评估系统及方法
CN115236085A (zh) * 2022-07-19 2022-10-25 中冶赛迪信息技术(重庆)有限公司 一种利用投射曲线识别表面质量的方法
CN116984266B (zh) * 2023-09-26 2024-01-16 中江立江电子有限公司 一种连接器分拣装置及分拣方法
CN116984266A (zh) * 2023-09-26 2023-11-03 中江立江电子有限公司 一种连接器分拣装置及分拣方法
CN117760343A (zh) * 2023-12-22 2024-03-26 哈尔滨电机厂(镇江)有限责任公司 一种焊后清理的平整度检查方法
CN117760343B (zh) * 2023-12-22 2024-06-07 哈尔滨电机厂(镇江)有限责任公司 一种焊后清理的平整度检查方法

Also Published As

Publication number Publication date
CN110987944B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN110987944B (zh) 一种基于包络线识别的激光钎焊焊缝表面缺陷检测方法
Chu et al. A vision-based system for post-welding quality measurement and defect detection
CN104697467B (zh) 基于线激光扫描的焊缝外观形状及表面缺陷检测方法
CN102589435B (zh) 噪声环境下激光束中心高效精确检测方法
CN111738985B (zh) 一种焊缝轮廓视觉检测方法及系统
CN114240944B (zh) 一种基于点云信息的焊接缺陷检测方法
Chu et al. A study on welding quality inspection system for shell-tube heat exchanger based on machine vision
CN112561854B (zh) 一种基于线结构光点云的焊缝检测方法
CN112950633A (zh) 一种基于线结构光的铝合金焊缝表面缺陷检测方法
KR101026720B1 (ko) 고속 레이저 비전 센서 시스템, 이를 이용한 고속 이미지프로세싱 방법 및 용접부 외관 검사방법
CN109990711A (zh) 一种冲孔镀镍钢带的外观质量检测方法
Hua et al. Defect detection method using laser vision with model-based segmentation for laser brazing welds on car body surface
CN112415017A (zh) 一种焊缝质量检测系统
CN111192246B (zh) 一种焊点的自动检测方法
JP3974022B2 (ja) 半田付け検査の特徴量算出方法及び装置並びに前記方法を実行するためのプログラム
CN112345540B (zh) 一种基于圆形结构光检测内孔过盈配合表面拆卸损伤的检测方法
Wang et al. Detection of HF-ERW process by 3D bead shape measurement with line-structured laser vision
Yu et al. Visual texture-based 3-D roughness measurement for additive manufacturing surfaces
CN114111576B (zh) 一种飞机蒙皮间隙面差检测方法
Li et al. On-line visual measurement and inspection of weld bead using structured light
CN108240798A (zh) 基于2d激光轮廓传感器和机器视觉的缝隙尺寸测量方法
CN116664508A (zh) 一种焊缝表面质量检测方法及计算机可读存储介质
CN115963113A (zh) 工件胶槽涂胶检测方法和系统
CN115290656A (zh) 一种基于线结构光的焊缝表面缺陷检测与分类方法
CN113251962B (zh) 基于机器学习的超声波车位补偿系统

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