CN111402245A - 一种辊压机辊面缺陷识别方法和装置 - Google Patents

一种辊压机辊面缺陷识别方法和装置 Download PDF

Info

Publication number
CN111402245A
CN111402245A CN202010202708.0A CN202010202708A CN111402245A CN 111402245 A CN111402245 A CN 111402245A CN 202010202708 A CN202010202708 A CN 202010202708A CN 111402245 A CN111402245 A CN 111402245A
Authority
CN
China
Prior art keywords
setting
cloud data
average height
point cloud
dimensional
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
CN202010202708.0A
Other languages
English (en)
Other versions
CN111402245B (zh
Inventor
王志凌
高霖
张文进
黄贺
许瑞康
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.)
Cnbm Hefei Powder Technology Equipment Co ltd
Original Assignee
Cnbm Hefei Powder Technology Equipment 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 Cnbm Hefei Powder Technology Equipment Co ltd filed Critical Cnbm Hefei Powder Technology Equipment Co ltd
Priority to CN202010202708.0A priority Critical patent/CN111402245B/zh
Publication of CN111402245A publication Critical patent/CN111402245A/zh
Priority to PCT/CN2021/076093 priority patent/WO2021185010A1/zh
Priority to DE212021000130.0U priority patent/DE212021000130U1/de
Application granted granted Critical
Publication of CN111402245B publication Critical patent/CN111402245B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • 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
    • G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G01N2021/8861—Determining coordinates of flaws
    • 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
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明的一种辊压机辊面缺陷识别方法和装置，可解决人工检查辊面情况，效率低，误差大的技术问题。包括以下步骤：将首次获取的辊面三维点云数据A0设为基准数据；获取辊面磨损后的三维点云数据A1，对于同一X、Y点，其高度值Z的变化设为∆Z；当∆Z大于设定值时，设为异常点；连接相邻异常点，区域连接面积大于设定值时，将该区域设为凹坑缺陷；自动计算凹坑缺陷的面积S、平均高度差∆Z_A、体积V、中心位置。本发明根据获取的辊面三维点云数据，通过和基准数据的对比，自动计算、识别和判断辊面缺陷的类型、面积、体积及位置等信息，然后根据缺陷识别信息对辊面的磨损情况进行判断。

Description

一种辊压机辊面缺陷识别方法和装置
技术领域
本发明涉及辊面缺陷检测技术领域，具体涉及一种辊压机辊面缺陷识别方法和装置。
背景技术
辊压机广泛运用于建材水泥、冶金矿山、化工等领域，具备高效、节能、环保等优点，其工作原理如下图1所示，主要依靠两个水平安装且同步相向旋转的挤压辊进行高压料层粉碎。被封闭的物料层在被迫向下移动的过程中所受挤压力逐渐增至足够大，直至被粉碎且被挤压成密实料饼从机下排出。
由于辊压机在高压力下运行，在高效粉碎的同时，设备也会同步受到磨损，图2展示了种辊压机辊面常见缺陷：a)辊面不均匀磨损，由于辊压机存在边缘效应，即辊面中间磨损快，两边磨损慢，长期运行后，出现辊面中间凹陷的现象，使得无法通过调节辊缝延长辊面使用寿命的目的。b)辊面凹坑，当有钢球锤头等金属异物进入辊压机时，容易造成辊面局部破坏，例如辊面出现凹坑，如不及时发现处理，则会伤及整个辊面，导致辊面大修或报废。
目前，尚没有针对辊压机辊面缺陷识别的相关技术、装备及相应研究。在水泥工厂都是采用人工方式检查辊面情况，发现有缺陷就进行堆焊修复，而检查需要拆盖，增加了工人劳动强度，常常需要经过多个时间点的检查比较才能确定是否需要辊面修复，工人劳动成本和时间成本较高,人工观察的准确率和及时性也很差。
发明内容
本发明提出的一种辊压机辊面缺陷识别方法和装置，可解决采用人工方式检查辊面情况，效率低，误差大的技术问题。
为实现上述目的，本发明采用了以下技术方案：
一种辊压机辊面缺陷识别方法，基于辊压机，在辊压机的端面建立三维坐标系；
包括以下步骤：
将首次获取的辊面三维点云数据A0设为基准数据；
获取辊面磨损后的三维点云数据A1，对于同一X、Y点，其高度值Z的变化设为ΔZ；
当ΔZ大于设定值时，设为异常点；
连接相邻异常点，区域连接面积大于设定值时，将该区域设为凹坑缺陷；
自动计算凹坑缺陷的面积S、平均高度差ΔZ_A、体积V、中心位置。
进一步，还包括对于三维点云数据A1，当X＝xm不变，Y从y1至yn变化，计算xm圆周的平均高度Hm；
计算最大平均高度Hmax与最小平均高度Hmin的差值ΔH；
当ΔH大设定值时，辊面设为不均匀磨损。
另一方面本发明还公开一种辊压机辊面缺陷识别装置，包括以下模块：
三维扫描仪，用于获取辊压机的辊面三维点云数据；
计算判断单元，用于执行以下步骤：
将三维扫描仪首次获取的辊面三维点云数据A0设为基准数据；
使用三维扫描仪获取辊面磨损后的三维点云数据A1，对于同一X、Y点，其高度值Z的变化设为ΔZ；
当ΔZ大于设定值时，设为异常点；
连接相邻异常点，区域连接面积大于设定值时，将该区域设为凹坑缺陷；
自动计算凹坑缺陷的面积S、平均高度差ΔZ_A、体积V、中心位置。
进一步的，计算判断单元，还用于执行以下步骤：
对于三维点云数据A1，当X＝xm不变，Y从y1至yn变化，计算xm圆周的平均高度Hm；
计算最大平均高度Hmax与最小平均高度Hmin的差值ΔH；
当ΔH大设定值时，辊面设为不均匀磨损。
由上述技术方案可知，本发明的辊压机辊面缺陷识别方法根据获取的辊面三维点云数据，通过和基准数据的对比，自动计算、识别和判断辊面是否存在缺陷，以及缺陷的类型、面积、体积及位置等信息，然后根据缺陷识别信息对辊面的磨损情况进行自动判断。相比人工检测，本发明更智能，更精准且效率高。
附图说明
图1辊压机挤压粉碎示意图；
图2a为辊面的不均匀磨损；
图2b为辊面的凹坑的缺陷；
图3是本发明的方法原理图；
图4是本发明辊面的坐标示意图；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
如图3和图4所示，本实施例所述的辊压机辊面缺陷识别方法，基于辊压机，在辊压机的端面建立三维坐标系；
包括以下步骤：
将首次获取的辊面三维点云数据A0设为基准数据；
获取辊面磨损后的三维点云数据A1，对于同一X、Y点，其高度值Z的变化设为ΔZ；
当ΔZ大于设定值时，设为异常点；
连接相邻异常点，区域连接面积大于设定值时，将该区域设为凹坑缺陷；
自动计算凹坑缺陷的面积S、平均高度差ΔZ_A、体积V、中心位置。
其次，
对于三维点云数据A1，当X＝xm不变，Y从y1至yn变化，计算xm圆周的平均高度Hm；
计算最大平均高度Hmax与最小平均高度Hmin的差值ΔH；
当ΔH大设定值时，辊面设为不均匀磨损。
以下对于上述步骤具体说明：
1、将首次获取的辊面三维点云数据A0设为基准数据；
获取辊面磨损后的三维点云数据A1，对于同一X、Y点，其高度值Z的变化设为ΔZ；
当ΔZ大于某值时，设为异常点；
连接相邻异常点，区域连接面积大于某值时，将该区域设为凹坑缺陷；
自动计算凹坑缺陷的面积S、平均高度差ΔZA、体积V、中心位置。
2、
对于三维点云数据A1，当X＝xm不变，Y从y1至yn变化，计算xm圆周的平均高度Hm；
计算最大平均高度Hmax与最小平均高度Hmin的差值ΔH；
当ΔH大于某值时，辊面设为不均匀磨损。
以下具体说明：
首次检测时，通过扫描仪获取三维点云数据
Figure BDA0002419926010000051
X代表点所处的沿辊面宽度的坐标值，Y代表点所处沿圆周方向的坐标值，Z代表该点距离圆柱轴线的高度值，如X＝x1，Y＝y1，则
Figure BDA0002419926010000052
X＝x1，Y＝y2，则
Figure BDA0002419926010000053
将首次扫描结果设为该辊面的基准数据。
当辊面出现缺陷后，获取三维点云数据
Figure BDA0002419926010000054
对于同一个点，对比磨损前后的三维数据，其二维平面坐标X、Y值不会改变，改变的仅仅是Z值，此时将此次扫描结果与基准数据相减，可得到该点的高度差ΔZ＝Z0-Z1，当高度差ΔZ≥5mm时，将该点设置为异常点。
若部分异常点彼此相连，当相连的异常点的汇总面积S≥100mm2，将该面积内的所有点设置为凹坑缺陷，计算凹坑的面积S、平均高度差
Figure BDA0002419926010000055
体积V＝S×ΔZA及中心位置。
对于扫描数据
Figure BDA0002419926010000061
当X＝xm不变，Y从y1至yn变化，代表着xm所处辊面宽度坐标位置一周的点，将这些点的高度值算术平均即得到xm圆周的平均高度
Figure BDA0002419926010000062
算出最大平均高度Hmax和最小平均高度Hmin，得到差值ΔH＝Hmax-Hmin，当ΔH≥10mm，将该辊面设定为不均匀磨损。
由上可知，本发明实施例的辊压机辊面缺陷识别方法根据获取的辊面三维点云数据，通过和基准数据的对比，自动计算、识别和判断辊面是否存在缺陷，以及缺陷的类型、面积、体积及位置等信息，然后根据缺陷识别信息对辊面的磨损情况进行自动判断。相比人工检测，更智能，更精准且效率高。
另一方面本发明还公开一种辊压机辊面缺陷识别装置，包括以下模块：
三维扫描仪，用于获取辊压机的辊面三维点云数据；
计算判断单元，用于执行以下步骤：
将三维扫描仪首次获取的辊面三维点云数据A0设为基准数据；
使用三维扫描仪获取辊面磨损后的三维点云数据A1，对于同一X、Y点，其高度值Z的变化设为ΔZ；
当ΔZ大于设定值时，设为异常点；
连接相邻异常点，区域连接面积大于设定值时，将该区域设为凹坑缺陷；
自动计算凹坑缺陷的面积S、平均高度差ΔZ_A、体积V、中心位置。
进一步的，计算判断单元，还用于执行以下步骤：
对于三维点云数据A1，当X＝xm不变，Y从y1至yn变化，计算xm圆周的平均高度Hm；
计算最大平均高度Hmax与最小平均高度Hmin的差值ΔH；
当ΔH大设定值时，辊面设为不均匀磨损。
可理解的是，本发明实施例提供的装置与本发明实施例提供的方法相对应，相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种辊压机辊面缺陷识别方法，基于辊压机，其特征在于：在辊压机的端面建立三维坐标系；
包括以下步骤：
将首次获取的辊面三维点云数据A0设为基准数据；
获取辊面磨损后的三维点云数据A1，对于同一X、Y点，其高度值Z的变化设为ΔZ；
当ΔZ大于设定值时，设为异常点；
连接相邻异常点，区域连接面积大于设定值时，将该区域设为凹坑缺陷；
自动计算凹坑缺陷的面积S、平均高度差ΔZ_A、体积V、中心位置。
2.根据权利要求1所述的辊压机辊面缺陷识别方法，其特征在于：还包括：
对于三维点云数据A1，当X＝xm不变，Y从y1至yn变化，计算xm圆周的平均高度Hm；
计算最大平均高度Hmax与最小平均高度Hmin的差值ΔH；
当ΔH大设定值时，辊面设为不均匀磨损。
3.根据权利要求2所述的辊压机辊面缺陷识别方法，其特征在于：
设获取三维点云数据
Figure FDA0002419923000000011
X代表点所处的沿辊面宽度的坐标值，Y代表点所处沿圆周方向的坐标值，Z代表该点距离圆柱轴线的高度值；
将首次三维点云数据设为该辊面的基准数据；
当辊面出现缺陷后对辊面进行扫描，获取三维点云数据
Figure FDA0002419923000000021
对于同一个点，对比磨损前后的三维数据，其二维平面坐标X、Y值不会改变，改变的仅仅是Z值，此时将此次扫描结果与基准数据相减，可得到该点的高度差ΔZ＝Z0-Z1，当高度差ΔZ≥5mm时，将该点设置为异常点；
若部分异常点彼此相连，当相连的异常点的汇总面积S≥100mm2，将该面积内的所有点设置为凹坑缺陷，计算凹坑的面积S、平均高度差
Figure FDA0002419923000000022
体积V＝S×ΔZA及中心位置。
4.根据权利要求3所述的辊压机辊面缺陷识别方法，其特征在于：
对于扫描数据
Figure FDA0002419923000000023
当X＝xm不变，Y从y1至yn变化，代表着xm所处辊面宽度坐标位置一周的点，将这些点的高度值算术平均即得到xm圆周的平均高度
Figure FDA0002419923000000024
算出最大平均高度Hmax和最小平均高度Hmin，得到差值ΔH＝Hmax-Hmin，当ΔH≥10mm，将该辊面设定为不均匀磨损。
5.一种辊压机辊面缺陷识别装置，其特征在于：
包括以下模块：
三维扫描仪，用于获取辊压机的辊面三维点云数据；
计算判断单元，用于执行以下步骤：
将三维扫描仪首次获取的辊面三维点云数据A0设为基准数据；
使用三维扫描仪获取辊面磨损后的三维点云数据A1，对于同一X、Y点，其高度值Z的变化设为ΔZ；
当ΔZ大于设定值时，设为异常点；
连接相邻异常点，区域连接面积大于设定值时，将该区域设为凹坑缺陷；
自动计算凹坑缺陷的面积S、平均高度差ΔZ_A、体积V、中心位置。
6.根据权利要求5所述的一种辊压机辊面缺陷识别装置，其特征在于：
计算判断单元，还用于执行以下步骤：
对于三维点云数据A1，当X＝xm不变，Y从y1至yn变化，计算xm圆周的平均高度Hm；
计算最大平均高度Hmax与最小平均高度Hmin的差值ΔH；
当ΔH大设定值时，辊面设为不均匀磨损。
CN202010202708.0A 2020-03-20 2020-03-20 一种辊压机辊面缺陷识别方法和装置 Active CN111402245B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010202708.0A CN111402245B (zh) 2020-03-20 2020-03-20 一种辊压机辊面缺陷识别方法和装置
PCT/CN2021/076093 WO2021185010A1 (zh) 2020-03-20 2021-02-08 一种辊压机辊面缺陷识别方法和装置
DE212021000130.0U DE212021000130U1 (de) 2020-03-20 2021-02-08 Vorrichtung zur Erkennung von Defekten auf der Walzenoberfläche einer Walzenpresse

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010202708.0A CN111402245B (zh) 2020-03-20 2020-03-20 一种辊压机辊面缺陷识别方法和装置

Publications (2)

Publication Number Publication Date
CN111402245A true CN111402245A (zh) 2020-07-10
CN111402245B CN111402245B (zh) 2024-02-27

Family

ID=71435281

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010202708.0A Active CN111402245B (zh) 2020-03-20 2020-03-20 一种辊压机辊面缺陷识别方法和装置

Country Status (3)

Country Link
CN (1) CN111402245B (zh)
DE (1) DE212021000130U1 (zh)
WO (1) WO2021185010A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669460A (zh) * 2020-12-31 2021-04-16 新拓三维技术(深圳)有限公司 一种工件缺陷检测方法、系统及计算机可读存储介质
WO2021185010A1 (zh) * 2020-03-20 2021-09-23 中建材（合肥）粉体科技装备有限公司 一种辊压机辊面缺陷识别方法和装置
CN114279386A (zh) * 2021-12-22 2022-04-05 惠州锂威新能源科技有限公司 一种对辊磨损的检测方法
CN114324038A (zh) * 2021-09-26 2022-04-12 中国海洋石油集团有限公司 一种冲蚀测量系统及其检测方法
US20220205926A1 (en) * 2020-12-29 2022-06-30 Industrial Technology Research Institute Structure diagnosis system and structure diagnosis method
CN116786202A (zh) * 2023-07-10 2023-09-22 中建材（合肥）粉体科技装备有限公司 一种辊压机通过量实时检测系统和检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016017916A (ja) * 2014-07-10 2016-02-01 Ｊｆｅスチール株式会社 表面形状測定装置及びその方法
US20180204469A1 (en) * 2017-01-13 2018-07-19 Unmanned Innovation, Inc. Unmanned aerial vehicle visual point cloud navigation
CN108982513A (zh) * 2018-07-11 2018-12-11 天津工业大学 一种基于线激光扫描的高精度三维连接器针脚缺陷检测方法
CN110030951A (zh) * 2019-05-14 2019-07-19 武汉大学 一种基于三维激光扫描技术的引水竖井缺陷检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106373127A (zh) * 2016-09-14 2017-02-01 东北林业大学 用于木材树种及表面缺陷的激光扫描并行检测方法
US20180211373A1 (en) * 2017-01-20 2018-07-26 Aquifi, Inc. Systems and methods for defect detection
TWI638992B (zh) * 2017-09-20 2018-10-21 正修學校財團法人正修科技大學 畫作缺陷檢測方法
CN111402245B (zh) * 2020-03-20 2024-02-27 中建材（合肥）粉体科技装备有限公司 一种辊压机辊面缺陷识别方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016017916A (ja) * 2014-07-10 2016-02-01 Ｊｆｅスチール株式会社 表面形状測定装置及びその方法
US20180204469A1 (en) * 2017-01-13 2018-07-19 Unmanned Innovation, Inc. Unmanned aerial vehicle visual point cloud navigation
CN108982513A (zh) * 2018-07-11 2018-12-11 天津工业大学 一种基于线激光扫描的高精度三维连接器针脚缺陷检测方法
CN110030951A (zh) * 2019-05-14 2019-07-19 武汉大学 一种基于三维激光扫描技术的引水竖井缺陷检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李栋;李泷杲;李琦;高瑞;: "基于激光扫描的飞机蒙皮下陷特征点提取" *
王文标;马孜;李爱国;吴翔;: "再制造工件缺损部位定位技术研究" *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021185010A1 (zh) * 2020-03-20 2021-09-23 中建材（合肥）粉体科技装备有限公司 一种辊压机辊面缺陷识别方法和装置
US20220205926A1 (en) * 2020-12-29 2022-06-30 Industrial Technology Research Institute Structure diagnosis system and structure diagnosis method
US11703457B2 (en) * 2020-12-29 2023-07-18 Industrial Technology Research Institute Structure diagnosis system and structure diagnosis method
CN112669460A (zh) * 2020-12-31 2021-04-16 新拓三维技术(深圳)有限公司 一种工件缺陷检测方法、系统及计算机可读存储介质
CN114324038A (zh) * 2021-09-26 2022-04-12 中国海洋石油集团有限公司 一种冲蚀测量系统及其检测方法
CN114279386A (zh) * 2021-12-22 2022-04-05 惠州锂威新能源科技有限公司 一种对辊磨损的检测方法
CN114279386B (zh) * 2021-12-22 2024-02-23 惠州锂威新能源科技有限公司 一种对辊磨损的检测方法
CN116786202A (zh) * 2023-07-10 2023-09-22 中建材（合肥）粉体科技装备有限公司 一种辊压机通过量实时检测系统和检测方法
CN116786202B (zh) * 2023-07-10 2024-04-30 中建材（合肥）粉体科技装备有限公司 一种辊压机通过量实时检测系统和检测方法

Also Published As

Publication number Publication date
CN111402245B (zh) 2024-02-27
WO2021185010A1 (zh) 2021-09-23
DE212021000130U1 (de) 2022-03-22

Similar Documents

Publication Publication Date Title
CN111402245A (zh) 一种辊压机辊面缺陷识别方法和装置
CN111230593B (zh) 一种基于动态图像序列的铣刀磨损量视觉测量方法
CN111103291A (zh) 基于产品焊缝特征的图像识别与质量智能评价系统
CN105606619B (zh) 一种铸坯修磨机的检测及优化修磨方法
CN102680487A (zh) 用于监控特别是汽车车身部件的喷漆质量的系统和方法
Xu et al. Fast on-machine profile characterization for grinding wheels and error compensation of wheel dressing
CN113012098B (zh) 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法
CN112432949B (zh) 一种利用3d拍照技术进行凹印版辊表面缺陷的检测方法
CN114279357A (zh) 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统
CN112907556A (zh) 一种基于机器视觉的旋转刀具磨损量自动测量方法
CN115082410A (zh) 基于图像处理的卡簧缺陷检测方法
Arunachalam et al. Texture analysis for grinding wheel wear assessment using machine vision
CN112529884A (zh) 一种基于压痕特征图像识别的焊点质量评价方法
CN111968100A (zh) 机器视觉检测方法与系统
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
CN114565314A (zh) 一种基于数字孪生的热轧钢卷端面质量管控系统及方法
CN117606566A (zh) 一种基于检斤数据的钢铁生产评测系统
CN107677677A (zh) 一种连铸坯偏析程度定量化表征方法
CN110814894A (zh) 一种金属坯料表面缺陷在线检测修磨装置及修磨方法
CN111815575A (zh) 一种基于机器视觉的轴承钢珠零件检测方法
CN113547281A (zh) 一种平整辊表面裂纹修复、无损检测的方法
Li et al. Research on straightness detection of steel strip edge based on machine vision
CN113910007A (zh) 一种热轧支承辊裂纹处置方法
CN108460763B (zh) 一种磁粉探伤图像自动检测识别方法
Zhifeng Measuring diameter of non-threaded hex bolts based on hough transform

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