CN111062913A - 一种激光选区融化成型粉床铺粉质量检测方法 - Google Patents
一种激光选区融化成型粉床铺粉质量检测方法 Download PDFInfo
- Publication number
- CN111062913A CN111062913A CN201911165391.1A CN201911165391A CN111062913A CN 111062913 A CN111062913 A CN 111062913A CN 201911165391 A CN201911165391 A CN 201911165391A CN 111062913 A CN111062913 A CN 111062913A
- Authority
- CN
- China
- Prior art keywords
- image
- img
- defect
- processing
- filtering
- 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
- 239000000843 powder Substances 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000002844 melting Methods 0.000 title claims abstract description 18
- 230000008018 melting Effects 0.000 title claims abstract description 18
- 230000007547 defect Effects 0.000 claims abstract description 94
- 230000007480 spreading Effects 0.000 claims abstract description 6
- 238000003892 spreading Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 56
- 238000001914 filtration Methods 0.000 claims description 43
- 238000012216 screening Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 15
- 230000009191 jumping Effects 0.000 claims description 12
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 claims description 10
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000003702 image correction Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910001092 metal group alloy Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000010309 melting process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/30168—Image quality inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明一种激光选区融化成型粉床铺粉质量检测方法，利用机器视觉检测方法以实现对铺粉缺陷的自动检测，并根据粉床出现的缺陷特征将缺陷分为面积缺陷、直线缺陷、拖拽缺陷三大类。本发明利用机器视觉的检测铺粉质量，通过确保每层的铺粉质量来提高最终成形零件的质量，检测快速便捷，可有效地降低检测成本，便于推广。
Description
技术领域
本发明属于机器视觉和图像处理技术领域，具体涉及一种激光选区融化成型粉床铺粉质量检测方法。
背景技术
激光选区融化(selective laser melting，SLM)是利用激光束将设计好的二维截面的金属合金粉末融化，由下而上逐层打印金属零件实体的一种金属增材制造技术。
在激光选区融化加工过程中，每一层金属合金粉末铺粉质量会直接影响到最终零件的质量。在铺粉过程中会因为刮刀的震动和打印残渣的存留等情况产生种种不同的缺陷，这些缺陷很有可能导致最终成品成为废品。为了提高打印零件的成品率，对粉床每层的铺粉质量进行检测是十分有必要的。现有技术中使用红外相机对粉床的温度分布进行检测、对由于散热不足引起的空隙等进行分析处理，该方法是为了确定在构建过程中由工艺参数变化或是随机工程中一起的误差，以及零件内部空腔部分的缺陷检测，是通过对不同的测量值与预定的参考值的比对达到检测目的，最低可以检测到100微米的材料缺陷，检测精度有限；且利用红外相机进行检测时，由于红外相机本身限制所以不能对整个构建区域进行检测，为了避免激光加工期间红外相机受到光学损伤和灰尘烟雾干扰，还需要额外安装屏蔽玻璃，使用成本较高，另外红外检测需要对预定参考值进行比对，也给该方法增加了推广难度。
发明内容
本发明的目的在于克服上述现有技术的不足，提供一种激光选区融化成型粉床铺粉质量检测方法，该方法包括以下步骤：
S1：在激光选区熔化成形铺粉完成后，通过CCD相机对粉床进行实时图像采集；
S2：对采集到的图像进行灰度级扩展及降噪处理，消除光照不均的影响；
S3：对进行灰度级扩展及降噪处理后的图像进行阈值分割，保留图像中铺粉区域；
S4:通过对图像进行几何变换或通过标定得到的相机参数进行图像校正，修正由于相机位置及相机畸变带来的画面变形，完成图像的预处理；
S5:对预处理后的图像再将缺陷类型识别为面积缺陷、直线缺陷和拖拽缺陷。
优选的，步骤S5中面积缺陷包含点缺陷，直线缺陷为条纹形缺陷，拖拽缺陷为条状面积缺陷。
优选的，步骤S5中面积缺陷识别的步骤为：
第一步，对预处理后的图像进行傅立叶变换得到其对应频域信息，后在频域进行频域滤波处理，对滤波处理后的结果进行傅立叶逆变换得到处理结果的空间域信息；
第二步，遍历整幅图像确定图像区域中的最大灰度值Max和最小灰度值Min；
第三步，以最大灰度值Max*0.8为阈值对图像进行简单阈值处理，对选中的区域以区域面积为条件再次进行筛选，计算筛选后各区域的中心坐标，将各区域圈出，得出面积缺陷痕迹。
优选的，步骤S5中直线缺陷识别的步骤为：
第一步，对预处理后的图像进行DoG处理得到滤波后图像，即对图像进行不同参数的高斯滤波，然后求差，得到处理后的图像ImgDoG，公式表示如下：
ImgDoG＝(Img*gauss(sigma1))-(Img*gauss(sigma2))
其中，ImgDoG为处理后的图像，Img为处理前原始图像，gauss(sigma)表示参数为sigma的高斯滤波器，sigma1＝7.6和sigma2＝0.09；
第二步，按照跳动缺陷方向建立平滑滤波模板并对第一步中处理后的图像ImgDoG进行滤波处理，得到所有跳动方向可能存在的线条；
第三步，遍历整幅图像确定图像区域中的最小灰度值记为Min，然后以最小灰度Min*4作为阈值对图像进行阈值处理将直线挑选出来；
第四步，选出滤波后的图像中存在的直线，将因图像处理造成的不连贯直线进行共线连接，补偿图像处理带来的信息损失；
第五步，对补偿后的直线利用长度或者直线分布的密集程度作为筛选条件进行筛选，得出刮刀跳动缺陷痕迹。
优选的，步骤S5中拖拽缺陷识别的步骤为：
第一步，对预处理后的图像进行DoG处理得到滤波后图像，即对图像进行不同参数的高斯滤波，然后求差，得到处理后的图像ImgDoG，公式表示如下：
ImgDoG＝(Img*gauss(sigma1))-(Img*gauss(sigma2))
其中，ImgDoG为处理后的图像，Img为处理前原始图像，gauss(sigma)表示参数为sigma的高斯滤波器，sigma1＝7.6和sigma2＝0.09；
第二步，按照拖拽缺陷方向建立平滑滤波模板并对图像进行滤波处理，得到所有拖拽方向可能存在的范围图像Img1；
第三步，对滤波处理后的图像进行傅立叶逆变换得到处理结果的空间域信息，在空间域生成参数Sigma分别为10和3的两个高斯滤波器，通过两高斯滤波器线性求差得到实际需要的带通滤波器，然后再在频域对拖拽方向图像Img1用以上滤波器进行频域滤波处理得到图像Img2；
第四步，在空间域对滤波处理后的图像Img2进行灰度范围计算，然后通过全局阈值方法选出拖拽缺陷的实际范围，对分割选中的区域利用周长作为筛选条件进行筛选，得出拖拽缺陷痕迹。
优选的，步骤S3中的阈值分割的步骤为：
第一步，绘制图像对应的灰度直方图，对直方图进行平滑处理；
第二步，逐渐增大平滑模板，得到直方图波峰的最小值，此值即为阈值分割的阈值；
第三步，以该阈值，将图像像素点分类。
优选的，所述频域滤波中采用的滤波器由第一高斯滤波器和第二高斯滤波器求差构成，其中第一高斯滤波器的参数Sigma为10，第二高斯滤波器的参数Sigma为3。
相对于现有技术，本发明的优点在于：
(1)本发明不需要预定参考值，即可直接检测出铺粉缺陷，易于操作，简单便捷。
(2)本发明通过几何变换进行粉床画面的校正，相比传统相机标定方法，大大减少画面标定的复杂程度。
(3)本发明通过频域进行滤波处理，稳定性好准确率高出错率低。
(4)本发明采用CCD相机，视场较大，可以达到对整个粉床区域进行检测的目的。
附图说明
图1是本发明激光选区融化成型粉床铺粉质量检测方法的检测流程图；
图2是经过灰度校正及相机标定画面校正区域裁剪后的图像；
图3是面积缺陷检测过程中频域滤波后的图像；
图4是面缺陷检测结果图；
图5是直线缺陷检测DoG后图像；
图6是直线缺陷检测过程平滑滤波的直线缺陷图像；
图7是直线缺陷检测结果图；
图8是拖拽缺陷检测平滑滤波后的图像；
图9是拖拽缺陷检测过程中经频域滤波的结果图；
图10是拖拽缺陷检测结果图。
具体实施方式
下面结合附图及实施例描述本发明具体实施方式：
需要说明的是，本说明书所附图中示意的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
一种激光选区融化成型粉床铺粉质量检测方法，该方法包括以下步骤：
S1：在激光选区熔化成形铺粉完成后，通过CCD相机对粉床进行实时图像采集；CCD相机的视场大于红外相机，可以达到对整个粉床区域进行检测的目的，在本发明中采用CCD相机替代红外相机；
S2：对采集到的图像进行灰度级扩展及降噪处理，消除光照不均的影响；
S3：对进行灰度级扩展及降噪处理后的图像进行阈值分割，保留图像中铺粉区域；
其中，阈值分割的步骤为：
第一步，绘制图像对应的灰度直方图，对直方图进行平滑处理；
第二步，逐渐增大平滑模板，得到直方图波峰的最小值，此值即为阈值分割的阈值；
第三步，以该阈值，将图像像素点分类。
S4:通过对图像进行几何变换或通过标定得到的相机参数进行图像校正，修正由于相机位置及相机畸变带来的画面变形，完成图像的预处理；
S5:对预处理后的图像再将缺陷类型识别为面积缺陷、直线缺陷和拖拽缺陷。其中，面积缺陷包含点缺陷，直线缺陷是指刮刀跳动造成的线缺陷，拖拽缺陷是指残渣等被刮刀带动形成的条状面积缺陷；
面积缺陷识别的步骤为：
首先，对预处理后的图像在频域进行频域滤波处理，处理后的图像在空间域进行阈值分割；
其次，对分割选中的区域利用面积作为筛选条件进行筛选；
最后，计算筛选后各区域的中心坐标，将各区域圈出，得出面积缺陷痕迹。
步骤S5中直线缺陷识别的步骤为：
首先，对预处理后的图像进行DoG处理，然后按照跳动缺陷方向建立平滑滤波模板并对图像进行滤波处理，达到消除其他方向信息干扰的目的；
其次，选出滤波后的图像中存在的直线，将因图像处理造成的不连贯直线进行共线连接，补偿图像处理带来的信息损失；
最后，对补偿后的直线利用长度或者直线分布的密集程度作为筛选条件进行筛选，得出刮刀跳动缺陷痕迹。
步骤S5中拖拽缺陷识别的步骤为：
首先，对预处理后的图像进行DoG处理，然后按照拖拽缺陷方向建立平滑滤波模板并对图像进行滤波处理，达到消除其他方向信息干扰的目的；
其次，对平滑后的图像在频域进行频域滤波处理，处理后在空间域进行全局阈值分割；
最后，对分割选中的区域利用周长作为筛选条件进行筛选，得出拖拽缺陷痕迹。
以上过程中，频域滤波中采用的滤波器由两个不同参数的高斯滤波器求差构成。分别为第一高斯滤波器和第二高斯滤波器，第一高斯滤波器具体参数Sigma为10，第二高斯滤波器具体参数Sigma为3。
实施例1
识别面积缺陷的具体技术方案为：
经过各种图像预处理后得到如图2所示图像，面积缺陷的检测具体技术方案如下：
(1)在空间域生成参数Sigma分别为10和3的两个高斯滤波器，然后在空间域通过两高斯滤波器线性求差得到实际需要的带通滤波器。
(2)将图像进行傅立叶变换得到其对应频域信息，然后利用上一步得到的滤波器在频域进行滤波，对滤波处理后的结果进行傅立叶逆变换的到处理结果的空间域信息如图3所示。
(3)遍历整幅图像确定图像区域中的最小灰度值0.321和最大灰度值100.389，分别记为Min和Max。
(4)以Max*0.8，即100.389*0.8为阈值对图像进行简单阈值处理，对选中的区域以区域面积为条件再次进行筛选，最终得到的区域则为面积缺陷如图4中圆圈圈出区域。
实施例2
识别直线缺陷的具体技术方案为：
经过各种图像预处理后得到如图2所示图像，直线缺陷的检测具体技术方案如下：
(1)对图像进行不同参数的高斯滤波，然后求差，公式表示如下：
ImgDoG＝(Img*gauss(sigma1))-(Img*gauss(sigma2))
其中，ImgDoG为处理后的图像，Img为处理前原始图像，gauss(sigma)表示参数为sigma的高斯滤波器，具体数据为7.6和0.09，经过两次滤波后求差的图像如图5所示。
(2)根据跳动缺陷的特点，按照跳动缺陷方向建立平滑滤波模板并对第一步中处理后的图像ImgDoG进行滤波处理，得到所有跳动方向可能存在的线条。
(3)遍历整幅图像确定图像区域中的最小灰度0.305记为Min，然后以最小灰度Min*4作为阈值对图像进行阈值处理将直线挑选出来，如图6所示。
(4)选出滤波后的图像中存在的直线，将因图像处理造成的不连贯直线进行共线连接，也就是对筛选出来的线条进行共线连接处理，补偿原本在同一直线范围的线条，即补偿图像处理带来的信息损失，将其连接起来，与原图共同显示效果如图7所示。
实施例3
识别拖拽缺陷的具体技术方案为：
经过各种图像预处理后得到如图2所示图像，拖拽缺陷的检测具体技术方案如下：
(1)方法同直线检测的第一步，对图像进行不同参数的高斯滤波然后求差。对图像进行不同参数的高斯滤波，然后求差，公式表示如下：
ImgDoG＝(Img*gauss(sigma1))-(Img*gauss(sigma2))
其中，ImgDoG为处理后的图像，Img为处理前原始图像，gauss(sigma)表示参数为sigma的高斯滤波器，具体数据为7.6和0.09。经过两次滤波后求差的图像如图5所示。
(2)根据拖拽缺陷的特点，按照拖拽缺陷方向建立平滑滤波模板并对图像进行滤波处理，得到所有拖拽方向可能存在的范围图像Img1，如图8所示。
(3)在空间域生成参数Sigma分别为10和3的两个高斯滤波器，然后在空间域通过两高斯滤波器线性求差得到实际需要的带通滤波器。然后再在频域对拖拽方向图像Img1用以上滤波器进行频域滤波处理得到图像Img2，如图9所示。
(4)在空间域对滤波处理后的图像Img2进行灰度范围计算，然后通过全局阈值方法选出拖拽缺陷的实际范围，对分割选中的区域利用周长作为筛选条件进行筛选，得出拖拽缺陷痕迹，与原图共同显示效果如图10所示。
本技术方案通过频域进行滤波，可以大大提高检测方法的稳定性。通过缺陷的方向不同，在检测时提前进行分类降低了缺检测后的分类难度，同时提高了部分虽然在缺陷方向但不完全是直线的缺陷的检测。
上面结合附图对本发明优选实施方式作了详细说明，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。
Claims (7)
1.一种激光选区融化成型粉床铺粉质量检测方法，其特征在于：该方法包括以下步骤：
S1：在激光选区熔化成形铺粉完成后，通过CCD相机对粉床进行实时图像采集；
S2：对采集到的图像进行灰度级扩展及降噪处理，消除光照不均的影响；
S3：对进行灰度级扩展及降噪处理后的图像进行阈值分割，保留图像中铺粉区域；
S4:通过对图像进行透视变换或通过标定得到的相机参数进行图像校正，修正由于相机位置及相机畸变带来的画面变形，完成图像的预处理；
S5:对预处理后的图像再将缺陷类型识别为面积缺陷、直线缺陷和拖拽缺陷。
2.根据权利要求1所述的一种激光选区融化成型粉床铺粉质量检测方法，其特征在于：步骤S5中面积缺陷包含点缺陷，直线缺陷为条纹形缺陷，拖拽缺陷为条状面积缺陷。
3.根据权利要求1所述的一种激光选区融化成型粉床铺粉质量检测方法，其特征在于：步骤S5中面积缺陷识别的步骤为：
第一步，对预处理后的图像进行傅立叶变换得到其对应频域信息，后在频域进行频域滤波处理，对滤波处理后的结果进行傅立叶逆变换得到处理结果的空间域信息；
第二步，遍历整幅图像确定图像区域中的最大灰度值Max和最小灰度值Min；
第三步，以最大灰度值Max*0.8为阈值对图像进行简单阈值处理，对选中的区域以区域面积为条件再次进行筛选，计算筛选后各区域的中心坐标，将各区域圈出，得出面积缺陷痕迹。
4.根据权利要求1所述的一种激光选区融化成型粉床铺粉质量检测方法，其特征在于：步骤S5中直线缺陷识别的步骤为：
第一步，对预处理后的图像进行DoG处理得到滤波后图像，即对图像进行不同参数的高斯滤波，然后求差，得到处理后的图像ImgDoG，公式表示如下：
ImgDoG＝(Img*gauss(sigma1))-(Img*gauss(sigma2))
其中，ImgDoG为处理后的图像，Img为处理前原始图像，gauss(sigma)表示参数为sigma的高斯滤波器，sigma1＝7.6和sigma2＝0.09；
第二步，按照跳动缺陷方向建立平滑滤波模板并对第一步中处理后的图像ImgDoG进行滤波处理，得到所有跳动方向可能存在的线条；
第三步，遍历整幅图像确定图像区域中的最小灰度值记为Min,然后以最小灰度Min*4作为阈值对图像进行阈值处理将直线挑选出来；
第四步，将因图像处理造成的不连贯直线进行共线连接，补偿图像处理带来的信息损失；
第五步，对补偿后的直线利用长度或者直线分布的密集程度作为筛选条件进行筛选，得出刮刀跳动缺陷痕迹。
5.根据权利要求1所述的一种激光选区融化成型粉床铺粉质量检测方法，其特征在于：步骤S5中拖拽缺陷识别的步骤为：
第一步，对预处理后的图像进行DoG处理得到滤波后图像，即对图像进行不同参数的高斯滤波，然后求差，得到处理后的图像ImgDoG，公式表示如下：
ImgDoG＝(Img*gauss(sigma1))-(Img*gauss(sigma2))
其中，ImgDoG为处理后的图像，Img为处理前原始图像，gauss(sigma)表示参数为sigma的高斯滤波器，sigma1＝7.6和sigma2＝0.09；
第二步，按照拖拽缺陷方向建立平滑滤波模板并对图像进行滤波处理，得到所有拖拽方向可能存在的范围图像Img1；
第三步，对滤波处理后的图像进行傅立叶逆变换得到处理结果的空间域信息，在空间域生成参数Sigma分别为10和3的两个高斯滤波器，通过两高斯滤波器线性求差得到实际需要的带通滤波器，然后再在频域对拖拽方向图像Img1用以上滤波器进行频域滤波处理得到图像Img2；
第四步，在空间域对滤波处理后的图像Img2进行灰度范围计算，然后通过全局阈值方法选出拖拽缺陷的实际范围，对分割选中的区域利用周长作为筛选条件进行筛选，得出拖拽缺陷痕迹。
6.根据权利要求1所述的一种激光选区融化成型粉床铺粉质量检测方法，其特征在于：步骤S3中的阈值分割的步骤为：
第一步，绘制图像对应的灰度直方图，对直方图进行平滑处理；
第二步，逐渐增大平滑模板，得到直方图波峰的最小值，此值即为阈值分割的阈值；
第三步，以该阈值，将图像像素点分类。
7.根据权利要求3或5所述的一种激光选区融化成型粉床铺粉质量检测方法，其特征在于：所述频域滤波中采用的滤波器由第一高斯滤波器和第二高斯滤波器求差构成，其中第一高斯滤波器的参数Sigma为10，第二高斯滤波器的参数Sigma为3。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911165391.1A CN111062913B (zh) | 2019-11-25 | 2019-11-25 | 一种激光选区融化成型粉床铺粉质量检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911165391.1A CN111062913B (zh) | 2019-11-25 | 2019-11-25 | 一种激光选区融化成型粉床铺粉质量检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111062913A true CN111062913A (zh) | 2020-04-24 |
| CN111062913B CN111062913B (zh) | 2024-03-15 |
Family
ID=70298171
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911165391.1A Active CN111062913B (zh) | 2019-11-25 | 2019-11-25 | 一种激光选区融化成型粉床铺粉质量检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062913B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529861A (zh) * | 2020-12-04 | 2021-03-19 | 武汉锐科光纤激光技术股份有限公司 | 激光切割面条纹的检测方法 |
| CN114897908A (zh) * | 2022-07-14 | 2022-08-12 | 托伦斯半导体设备启东有限公司 | 基于机器视觉的激光选区铺粉烧结面缺陷分析方法及系统 |
| CN116871537A (zh) * | 2023-09-08 | 2023-10-13 | 易加三维增材技术(杭州)有限公司 | 铺粉质量的检测方法、装置、电子设备及3d打印机 |
| CN116984628A (zh) * | 2023-09-28 | 2023-11-03 | 西安空天机电智能制造有限公司 | 一种基于激光特征融合成像的铺粉缺陷检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040161153A1 (en) * | 2003-02-18 | 2004-08-19 | Michael Lindenbaum | Context-based detection of structured defects in an image |
| WO2017063569A1 (en) * | 2015-10-14 | 2017-04-20 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image correction |
| CN107402220A (zh) * | 2017-07-01 | 2017-11-28 | 华中科技大学 | 一种激光选区熔化成形铺粉质量视觉在线检测方法及系统 |
| CN110023092A (zh) * | 2016-11-30 | 2019-07-16 | 兰达实验室（2012）有限公司 | 热转印打印的改进 |
-
2019
- 2019-11-25 CN CN201911165391.1A patent/CN111062913B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040161153A1 (en) * | 2003-02-18 | 2004-08-19 | Michael Lindenbaum | Context-based detection of structured defects in an image |
| WO2017063569A1 (en) * | 2015-10-14 | 2017-04-20 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image correction |
| CN110023092A (zh) * | 2016-11-30 | 2019-07-16 | 兰达实验室（2012）有限公司 | 热转印打印的改进 |
| CN107402220A (zh) * | 2017-07-01 | 2017-11-28 | 华中科技大学 | 一种激光选区熔化成形铺粉质量视觉在线检测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 李军;: "光学遥感图像在舰船目标检测中的应用分析" * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529861A (zh) * | 2020-12-04 | 2021-03-19 | 武汉锐科光纤激光技术股份有限公司 | 激光切割面条纹的检测方法 |
| CN114897908A (zh) * | 2022-07-14 | 2022-08-12 | 托伦斯半导体设备启东有限公司 | 基于机器视觉的激光选区铺粉烧结面缺陷分析方法及系统 |
| CN114897908B (zh) * | 2022-07-14 | 2022-09-16 | 托伦斯半导体设备启东有限公司 | 基于机器视觉的激光选区铺粉烧结面缺陷分析方法及系统 |
| CN116871537A (zh) * | 2023-09-08 | 2023-10-13 | 易加三维增材技术(杭州)有限公司 | 铺粉质量的检测方法、装置、电子设备及3d打印机 |
| CN116871537B (zh) * | 2023-09-08 | 2024-02-20 | 易加三维增材技术(杭州)有限公司 | 铺粉质量的检测方法、装置、电子设备及3d打印机 |
| CN116984628A (zh) * | 2023-09-28 | 2023-11-03 | 西安空天机电智能制造有限公司 | 一种基于激光特征融合成像的铺粉缺陷检测方法 |
| CN116984628B (zh) * | 2023-09-28 | 2023-12-29 | 西安空天机电智能制造有限公司 | 一种基于激光特征融合成像的铺粉缺陷检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111062913B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111062913B (zh) | 一种激光选区融化成型粉床铺粉质量检测方法 | |
| JP4006007B2 (ja) | ひび割れ検出方法 | |
| US7149344B2 (en) | Systems and methods for detecting defects in printed solder paste | |
| US7072503B2 (en) | Systems and methods for detecting defects in printed solder paste | |
| CN111667462B (zh) | 一种焊接缺陷中弱小目标的自动检测方法与系统 | |
| JP2012002531A (ja) | ひび割れ検出方法 | |
| KR101635461B1 (ko) | 웨이블릿 변환에서 마스크 필터링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 | |
| CN109934839A (zh) | 一种基于视觉的工件检测方法 | |
| JP6823486B2 (ja) | ひび割れ検出方法 | |
| CN114252449A (zh) | 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 | |
| JP2018128316A (ja) | ひび割れ検出方法 | |
| JP2013002839A (ja) | ひび割れ検出方法 | |
| CN114612410A (zh) | 一种新型服装检测装置 | |
| KR101913705B1 (ko) | 라인 레이저를 이용한 원통 부착물의 심도 측정 방법 및 장치 | |
| JP4320990B2 (ja) | 画面欠陥検出方法及び装置並びに画面欠陥検出のためのプログラム | |
| JP4244046B2 (ja) | 画像処理方法および画像処理装置 | |
| CN110378856B (zh) | 一种隧道表面二维激光图像增强处理方法 | |
| KR102579457B1 (ko) | 이미지 보정 방법 및 장치 | |
| JP4882204B2 (ja) | 周期性パターンにおけるスジ状ムラの検査方法 | |
| JP4507533B2 (ja) | 周期性パターンにおけるスジ状ムラの検査方法 | |
| KR101637977B1 (ko) | 레이저 비전 시스템을 이용한 용접 조인트의 특징점 검출 방법 | |
| CN110889415B (zh) | 用于不同反光率表面的压印序列号字符分割方法 | |
| JP4863050B2 (ja) | 色ムラ欠陥検査方法及び装置 | |
| JP5167674B2 (ja) | 塗装模様の評価方法 | |
| KR101615733B1 (ko) | 카메라모듈의 렌즈와 적외선필터 사이의 이물 검사를 위한 표면 시각화 방법 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Wei Inventor after: Zhang Bailing Inventor after: Cheng Xing Inventor after: He Yixuan Inventor after: Gao Bin Inventor after: Wei Mingchen Inventor before: Zhang Wei Inventor before: Zhang Bailing Inventor before: Zhou Xin Inventor before: Cheng Xing Inventor before: He Yixuan Inventor before: Gao Bin Inventor before: Wei Mingchen |
|
| CB03 | Change of inventor or designer information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230228 Address after: 710000 Room 301, West 3rd Floor, Building B, Huigu Innovation Park, No. 1123, Hangchuang Road, National Civil Aerospace Industry Base, Xi'an, Shaanxi Province Applicant after: Xi'an Intelligent Manufacturing Enterprise Management Partnership (L.P.) Address before: 710071 Room 303-306, Floor 3, Maker Plaza, No. 385, Aerospace Middle Road, National Civil Aerospace Industry Base, Xi'an, Shaanxi Province Applicant before: XI'AN AERO-SPACE ENGINE & SMART MANUFACTURING INSTITUTE CO.,LTD. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230817 Address after: Room 303, West third floor, building B, Huigu Innovation Park, 1123 hangchuang Road, Xi'an national civil aerospace industry base, Shaanxi 710000 Applicant after: Xi'an Aerospace electromechanical Intelligent Manufacturing Co.,Ltd. Address before: 710000 Room 301, West 3rd Floor, Building B, Huigu Innovation Park, No. 1123, Hangchuang Road, National Civil Aerospace Industry Base, Xi'an, Shaanxi Province Applicant before: Xi'an Intelligent Manufacturing Enterprise Management Partnership (L.P.) |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |