CN112051272A - 一种基于机器视觉的高压气瓶内表面缺陷检测系统 - Google Patents

一种基于机器视觉的高压气瓶内表面缺陷检测系统 Download PDF

Info

Publication number
CN112051272A
CN112051272A CN202011077644.2A CN202011077644A CN112051272A CN 112051272 A CN112051272 A CN 112051272A CN 202011077644 A CN202011077644 A CN 202011077644A CN 112051272 A CN112051272 A CN 112051272A
Authority
CN
China
Prior art keywords
unit
gas cylinder
image
image acquisition
pressure gas
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
Application number
CN202011077644.2A
Other languages
English (en)
Inventor
苑玮琦
矫美娜
褚诚激
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.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
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 Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN202011077644.2A priority Critical patent/CN112051272A/zh
Publication of CN112051272A publication Critical patent/CN112051272A/zh
Pending legal-status Critical Current

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
    • G01N21/90—Investigating the presence of flaws or contamination in a container or its contents
    • G01N21/909—Investigating the presence of flaws or contamination in a container or its contents in opaque containers or opaque container parts, e.g. cans, tins, caps, labels
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • 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)
  • 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)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及消防、医疗和汽车等行业用高压气瓶在线检测系统的领域，尤其涉及一种基于机器视觉的高压气瓶内表面缺陷在线检测系统。解决了气瓶径向尺寸小难以成像以及弧形表面导致的面阵相机成像畸变问题。包括图像采集单元、控制处理单元，旋转单元、触发单元、平移单元；所述图像采集单元与控制处理单元相连，控制处理单元分别与旋转单元和平移单元相连，所述旋转单元与触发单元相连，触发单元与图像采集单元相连，所述图像采集单元安装在平移单元上。

Description

一种基于机器视觉的高压气瓶内表面缺陷检测系统
技术领域
本发明涉及消防、医疗和汽车等行业用高压气瓶在线检测系统的领域，尤其涉及一种基于机器视觉的高压气瓶内表面缺陷在线检测系统。
背景技术
高压气瓶是一种承压设备，承装介质一般具有易燃易爆、有毒、强腐蚀性等，又因其移动、重复承装、操作使用人员不固定和使用环境变化的特点，使其在安全方面存在重大隐患，一旦气瓶质量不合格，就会对人们的生命财产造成巨大威胁。
目前，气瓶生产厂商和质检部门以及一些研究机构使用的高压气瓶检测方法包括：人工检测法、超声检测法、红外热成像法和声发射检测法，但这些方法都存在不足之处。
人工检测法，目前是国内气瓶生产厂商使用最多的质检方法，使用强光照射气瓶内壁，质检员肉眼观察或者使用内窥镜观察，凭借多年工作经验对气瓶内壁的质量加以判断和筛选。不仅效率和准确率低，还浪费了人力资源，也对企业造成经济损失。人工检测法在技术指标上也难以统一，随着工业自动化的需求提高，该方法很难满足企业未来发展的需求。
超声检测法，由于超声波自身的传播特性，当裂纹方向与声束方向平行时，一般会出现漏检，且超声检测难以对缺陷进行精确的定量分析，一旦金属表面不光滑，就会降低检测精度，由于这些局限性，很难投入到环境复杂的工业现场当中。
红外热成像法，主要由脉冲热源、红外热像仪和成像软件构成。该检测方法的局限性在于检测精度受限于发射率和反射距离等，且在实际应用中脉冲热源使用时对操作者的安全保护问题一直存在。
声发射检测法，该检测方法的缺点是传感器与被测对象的耦合性难以调整，且被测对象必须处于应力状态，另外声发射检测设备价格昂贵，对检测人员的培训成本也比较高。
针对上述高压气瓶检测方法存在的不足，急需要开发一种更加智能的人机在线检测系统。
发明内容
本发明就是针对现有技术存在的缺陷，提供一种基于机器视觉的高压气瓶内表面缺陷检测系统。
为实现上述目的，本发明采用如下技术方案，包括图像采集单元、控制处理单元，旋转单元、触发单元、平移单元；
所述图像采集单元与控制处理单元相连，控制处理单元分别与旋转单元和平移单元相连，所述旋转单元与触发单元相连，触发单元与图像采集单元相连，所述图像采集单元安装在平移单元上。
进一步地，所述控制处理单元为PC机，且内部安装有图像处理软件，所述图像处理软件包括图像获取模块、图像处理模块和参数输出模块，所述图像获取模块用于获取图像采集单元拍摄的气瓶内表面图像；图像处理模块包括图像滤波、图像增强、阈值分割、边缘检测、缺陷特征筛选和缺陷尺寸计算；参数输出模块用于在PC机显示气瓶内表面缺陷的检测结果。
进一步地，所述图像采集单元包括接触式图像传感器(CIS)和图像采集卡，所述CIS线阵相机通过图像采集卡将采集的图像存储到控制处理单元的PC机。
进一步地，所述旋转单元分为两侧，每侧均包括一主动轮和一从动轮、与主动轮相连的步进电机，主动轮及从动轮均通过各自的轴承座固定于底板；主动轮与从动轮通过转轴相连。
更进一步地，主动轮的旋转速度和角度通过PLC控制步进电机的驱动来实现。
更进一步地，触发单元为增量式旋转编码器，其安装于旋转单元其中一侧步进电机的尾端。
进一步地，所述平移单元包括电动平移台和运动控制卡，PC机通过运动控制卡控制电动平移台的运动速度和距离。
更进一步地，所述电动平移台的台面上安装了电动升降台，电动升降台的台面上还安装了支撑杆，所述支撑杆用于固定CIS线阵相机。
与现有技术相比本发明有益效果。
本发明能够利用CIS线阵相机不断地扫描高压气瓶内表面，然后把图像传给控制处理单元进行检测，解决了气瓶径向尺寸小难以成像以及弧形表面导致的面阵相机成像畸变问题。
本系统完全克服了主观因素的干扰，能快速、客观、准确地对气瓶进行质量检测，大大提高气瓶出厂的质量，更加智能地筛选出存在安全隐患的气瓶。
附图说明
下面结合附图和具体实施方式对本发明做进一步说明。本发明保护范围不仅局限于以下内容的表述。
图1是本发明结构示意图。
图2是本发明整体结构框图。
图3是本发明拉伸伤缺陷的检测算法流程图。
图4是本发明图像拼接效果。
图5是本发明剖面线图。
图6是本发明不同第二对比度效果图。
图7是本发明轮廓线拟合图。
图8是拉伸伤检测结果。
图9是凹坑缺陷的检测算法流程图
图10是凹坑缺陷。
图11是阈值分割结果。
图12是凹坑缺陷检测结果。
图13-14是旋转单元结构示意图。
具体实施方式
如图1-2、如图13-14所示，本发明包括图像采集单元1、控制处理单元2，旋转单元3、触发单元4、平移单元5，所述图像采集单元1与控制处理单元2 相连，控制处理单元2分别与旋转单元3和平移单元5相连，所述旋转单元3 与触发单元4相连，触发单元4与图像采集单元1相连，所述图像采集单元1 安装在平移单元5上。
本实施例中，所述控制处理单元2为PC机，且内部安装有图像处理软件，所述图像处理软件包括图像获取模块、图像处理模块和参数输出模块，所述图像获取模块用于获取图像采集单元1拍摄的气瓶内表面图像；图像处理模块包括图像滤波、图像增强、阈值分割、边缘检测、缺陷特征筛选和缺陷尺寸计算等；参数输出模块用于在PC机显示气瓶内表面缺陷的检测结果。
本实施例中，所述图像采集单元1包括接触式图像传感器(CIS)和图像采集卡，所述CIS线阵相机通过图像采集卡将采集的图像存储到控制处理单元2 的PC机，且PC机中的图像处理软件对图像进行缺陷检测。
本实施例中，所述CIS线阵相机由LED光源、柱状透镜、光电传感器阵列及其电路板、保护玻璃、接口、外壳等组成，LED发出的光线经过气瓶内表面反射后，通过柱状透镜投射聚焦于光电传感器阵列，由光电传感器阵列将光信号转换为电信号，经处理形成图像。
本实施例中，所述CIS线阵相机分辨率为84.7um，工作距离为8mm，工作模式为单色，接口为Camera link，外观尺寸为361mm*56mm*54mm，有效扫描长度为310mm，CIS线阵相机结构简单、体积小，非常适用于气瓶内部的图像采集。
本实施例中，所述CIS线阵相机电源电压5V，LED光源电源电压24V。
本实施例中，所述旋转单元3可分为两侧，每一侧包括1个主动轮和1个从动轮、1台步进电机及驱动，旋转轮(主动轮及从动轮)通过轴承座固定于底板，将待检测气瓶放在两侧旋转轮之间，使气瓶沿轴心旋转。
本实施例中，所述旋转轮半径为60mm，材质为聚四氟乙烯，可防止气瓶二次损伤。
本实施例中，所述旋转轮的旋转速度和角度由可编程逻辑控制器(PLC)通过步进电机及驱动进行控制，电机驱动接收来自PLC控制器的脉冲信号，并将其转化为电流和电压驱动步进电机旋转。当PLC控制器收到PC机发出的信号，旋转轮(主动轮)才开始旋转，且当气瓶旋转一圈后，PLC控制器再向PC机发送信号，使PC机控制平移单元前进。
本实施例中，所述旋转轮和气瓶的传动比可保证气瓶旋转一圈。举例说明，气瓶外半径为72mm，且旋转轮半径为60mm，则旋转轮旋转1.2圈时气瓶刚好旋转一圈。
本实施例中，所述PLC控制器型号为XC3-24T-E，供电电源为AC220V。
本实施例中，所述触发单元4为增量式旋转编码器，安装于旋转单元3其中一侧步进电机的尾端，当旋转轮开始旋转时，编码器发出高低电平信号触发图像采集卡，当旋转轮停止旋转时，编码器停止发出高低电平信号，即气瓶旋转时CIS线阵相机采集图像，气瓶停止旋转时CIS线阵相机不采集图像。
本实施例中，所述增量式旋转编码器型号为E6B2-CWZ1X，分辨率为1000脉冲/旋转。
本实施例中，所述CIS线阵相机与气瓶轴向平行，即所采集的气瓶内表面图像轴向分辨率为84.7um，为保证图像不失真，周向分辨率也应为84.7um，再根据气瓶周长则能计算出一圈气瓶内表面图像的像素数，即CIS线阵相机的采集次数。举例说明，气瓶内半径为62mm，可求得气瓶周长为390mm，且图像周向分辨率为84.7um，则CIS线阵相机的采集次数为4599次。
本实施例中，所述图像采集卡的倍频功能可以保证编码器发出的脉冲数满足CIS线阵相机的采集次数。举例说明，气瓶的外半径为72mm、内半径为62mm，且气瓶旋转一圈时旋转轮旋转1.2圈，即气瓶旋转一圈时编码器发出1200个脉冲，若CIS线阵相机的采集次数为4599次，则图像采集卡4倍频时可以保证图像不失真。
本实施例中，所述平移单元5包括电动平移台和运动控制卡，所述PC机通过运动控制卡控制电动平移台的运动速度和距离。当PC机接收到PLC控制器发出的信号，电动平移台才开始前进且前进距离为310mm，同时，PC机时刻监测电动平移台的运动状态，若电动平移台处于运动状态，则PC机继续监测，若电动平移台已经停止运动，则PC机向PLC控制器发送信号。
本实施例中，所述电动平移台的台面上安装了电动升降台，电动升降台的台面上还安装了支撑杆，所述支撑杆用于固定CIS线阵相机，电动升降台的作用是调节CIS相机的工作距离。
本实施例中，基于机器视觉的高压气瓶内表面缺陷检测系统的具体工作方式为：系统启动时，载有CIS线阵相机的电动平移台开始前进，当前进310mm 时，PC机向PLC控制器发送信号，此时气瓶开始旋转，同时编码器发出脉冲信号触发图像采集卡，即CIS线阵相机开始采集图像，当气瓶旋转一圈时，PLC控制器再向PC机发送信号，电动平移台开始前进，重复上述过程，直至遍历整个气瓶内表面。
图像处理软件(图像处理模块)内图像处理算法的实现。
1、拉伸伤缺陷检测。
气瓶内表面的拉伸伤缺陷本身与背景对比度不高，在几何形态上，呈多条较长较直的划痕密集排列，所以将拉伸伤缺陷近似看做是一条有宽度的直线，再使用高斯线检测提取，与分别提取每一条划痕相比，缩短了算法运行时间，提高了检测效率。图3为拉伸伤缺陷的检测算法流程图。
具体检测步骤如下：
步骤1：图像预处理包括图像拼接、图像滤波和图像增强。CIS线阵相机每次采集一圈气瓶内表面图像，且每圈图像只有几个像素宽度的重合部分，避免对缺陷的尺寸判定造成影响。将每圈图像按照采集的顺序拼接成一幅图像，不仅可以更加直观地展现整个气瓶内表面的缺陷情况，而且减少了图像处理的时间。该系统采集的图像大小为7344*4755，使用硬拼算子按照横坐标不变和纵坐标每次增加3672个像素的规则将图像左右平铺，如图4所示，拼接后的图像大小为7344*4755。
图像拍摄过程中以及数据传输中，经常被外界干扰，使其图像质量下降。为了减小噪声影响，在图像检测之前必须进行去噪处理。该系统采用中值滤波进行模糊处理，与均值滤波相比，中值滤波在模糊图像的同时保留更多的边缘细节，此特征有利于保留缺陷。又因为拉伸伤缺陷与内表面对比度较低，为使缺陷能够更好的在图像中显现出来，该系统采用伽马变换进行图像增强处理，将较宽范围的灰度级映射为较窄范围的低灰度级，使图像看起来整体变暗，最后将γ值确定为3。
步骤2：通过图像处理软件确定拉伸伤缺陷的线宽度和对比度，首先竖直画一条贯穿三条拉伸伤缺陷的剖面线，观察剖面线所在位置的灰度值变化，图5 (b)的3个峰分别对应3条拉伸伤缺陷，最上方的拉伸伤对应最大的峰，中间的拉伸伤与背景的对比度最低，对应最小的峰，即图中两条阈值线之间的峰。
图5(b)从上到下三条拉伸伤的线宽度分别为30、12和20，其上边缘的对比度分别为37、22和24，下边缘的对比度分别为19、12和23，经过综合考虑和实验，将线宽度确定为35个像素，第一对比度和第二对比度确定为15。第二对比度不可以大于第一对比度，且第二对比度越小，提取出的线越会延伸到对比度低的区域，提取出的线越长；反之，较大的第二对比度将会提取出较短的线。所以，首先使第二对比度的值与第一对比度相等，再逐渐减小，观察提取出的线连贯性，图6为不同第二对比度的效果图，最后将第二对比度确定为5。
步骤3：将线宽度和对比度进行微调，最后将线宽确定为34，第一对比度确定为15，第二对比度确定为5。将提取出的轮廓线根据长度和高度进行筛选，再将邻近的轮廓线进行拟合，即可确定拉伸伤缺陷的位置。由于提取出的轮廓线弯曲，在拟合轮廓线时，存在将本不是一条直线的轮廓线连接起来的情况，所以在拟合轮廓线之前先将轮廓线分割为直线和椭圆线，再去掉椭圆线，即去掉轮廓线支叉，如图7(d)所示，轮廓线已经规则化，只有近似在一条水平线上的短线才会连接起来。最后根据轮廓线角度和长度特征再次进行筛选以及连接，图8为最终检测结果。
2、凹坑缺陷提取。
通过分析发现，对于凹坑信息也就是非平面信息，和一些表面污染等平面光学信息的边缘特征是不一样的。平面光学信息的边缘只是灰度上的突变，对比度较大，边缘非常锐利，但是对于凹坑这类有一定深度的非平面缺陷的光学信息的边缘往往比较模糊或者出现阴影，所以该算法采用阈值分割方法。图9 为凹坑缺陷的检测算法流程图：
具体检测步骤如下：
步骤1：与拉伸伤缺陷检测步骤一样，在拼接图像的基础上进行中值滤波处理，掩码选择正方形，掩码边长为凹坑缺陷直径的2倍左右，再用原始图像减滤波图像，保留两幅图像灰度级不同的区域，如图11所示。
步骤2：通过3倍方差准则设定阈值大小，假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。在一幅图像中，区间外的数据实际上就是缺陷，区间内的数据就是不相关细节。从图10看出，凹坑缺陷区域为有阴影的暗区域和光线反射的亮区域，通过计算图像的均值μ和方差σ，保留图像中灰度值在0到μ-3σ之间的暗区域和μ+3σ到 255之间的亮区域，再取两者的交集进行膨胀。再根据凹坑区域的面积和圆度特征进行筛选，保留面积较大圆度较高的区域，并在其局部邻域内进行灰度计算，排除表面杂质的干扰。最后将真正的凹坑区域转换为椭圆形，获取其轮廓线，将凹坑缺陷标注出来，如图12所示。
可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

Claims (8)

1.一种基于机器视觉的高压气瓶内表面缺陷检测系统，其特征在于，包括图像采集单元、控制处理单元，旋转单元、触发单元、平移单元；
所述图像采集单元与控制处理单元相连，控制处理单元分别与旋转单元和平移单元相连，所述旋转单元与触发单元相连，触发单元与图像采集单元相连，所述图像采集单元安装在平移单元上。
2.根据权利要求1所述的一种基于机器视觉的高压气瓶内表面缺陷检测系统，其特征在于：所述控制处理单元为PC机，且内部安装有图像处理软件，所述图像处理软件包括图像获取模块、图像处理模块和参数输出模块，所述图像获取模块用于获取图像采集单元拍摄的气瓶内表面图像；图像处理模块包括图像滤波、图像增强、阈值分割、边缘检测、缺陷特征筛选和缺陷尺寸计算；参数输出模块用于在PC机显示气瓶内表面缺陷的检测结果。
3.根据权利要求1所述的一种基于机器视觉的高压气瓶内表面缺陷检测系统，其特征在于：所述图像采集单元包括接触式图像传感器和图像采集卡，所述CIS线阵相机通过图像采集卡将采集的图像存储到控制处理单元的PC机。
4.根据权利要求1所述的一种基于机器视觉的高压气瓶内表面缺陷检测系统，其特征在于：所述旋转单元分为两侧，每侧均包括一主动轮和一从动轮、与主动轮相连的步进电机，主动轮及从动轮均通过各自的轴承座固定于底板；主动轮与从动轮通过转轴相连。
5.根据权利要求4所述的一种基于机器视觉的高压气瓶内表面缺陷检测系统，其特征在于：主动轮的旋转速度和角度通过PLC控制步进电机的驱动来实现。
6.根据权利要求4所述的一种基于机器视觉的高压气瓶内表面缺陷检测系统，其特征在于：触发单元为增量式旋转编码器，其安装于旋转单元其中一侧步进电机的尾端。
7.根据权利要求1所述的一种基于机器视觉的高压气瓶内表面缺陷检测系统，其特征在于：所述平移单元包括电动平移台和运动控制卡，PC机通过运动控制卡控制电动平移台的运动速度和距离。
8.根据权利要求7所述的一种基于机器视觉的高压气瓶内表面缺陷检测系统，其特征在于：所述电动平移台的台面上安装了电动升降台，电动升降台的台面上还安装了支撑杆，所述支撑杆用于固定CIS线阵相机。
CN202011077644.2A 2020-10-10 2020-10-10 一种基于机器视觉的高压气瓶内表面缺陷检测系统 Pending CN112051272A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011077644.2A CN112051272A (zh) 2020-10-10 2020-10-10 一种基于机器视觉的高压气瓶内表面缺陷检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011077644.2A CN112051272A (zh) 2020-10-10 2020-10-10 一种基于机器视觉的高压气瓶内表面缺陷检测系统

Publications (1)

Publication Number Publication Date
CN112051272A true CN112051272A (zh) 2020-12-08

Family

ID=73605168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011077644.2A Pending CN112051272A (zh) 2020-10-10 2020-10-10 一种基于机器视觉的高压气瓶内表面缺陷检测系统

Country Status (1)

Country Link
CN (1) CN112051272A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115575402A (zh) * 2022-10-17 2023-01-06 中国兵器装备集团西南技术工程研究所 一种收口筒形零件内壁缺陷智能识别、计算、判断方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1123477A (ja) * 1997-06-27 1999-01-29 Toyota Motor Corp 円筒内面の検査装置
CN101101197A (zh) * 2006-12-31 2008-01-09 沈阳工业大学 圆筒内外壁加工精度在线成像检测装置及在线成像检测方法
CN203385680U (zh) * 2013-06-30 2014-01-08 北京工业大学 一种内壁表面缺陷图像采集装置
CN103649732A (zh) * 2011-06-06 2014-03-19 费德罗-莫格尔公司 用于圆柱形部件内表面检测的技术
CN105651784A (zh) * 2015-12-22 2016-06-08 新兴能源装备股份有限公司 高压气瓶内表面内窥装置
CN107014829A (zh) * 2017-06-13 2017-08-04 青岛理工大学 基于全反射动态图像采集的孔内表面质量缺陷检测装置及方法
CN107576664A (zh) * 2017-09-28 2018-01-12 清华大学 一种轧辊磨削表面缺陷机器视觉检测系统
CN108896576A (zh) * 2018-05-08 2018-11-27 无锡九霄科技有限公司 一种基于面阵相机的内窥式腔体零部件外观检测方法
CA3060434A1 (en) * 2017-05-31 2018-12-06 Nippon Steel Corporation Tubular body inner surface inspection method and tubular body inner surface inspection apparatus
CN110687130A (zh) * 2019-09-27 2020-01-14 天津大学 微细孔内壁缺陷自动检测方法
CN211235585U (zh) * 2019-11-04 2020-08-11 浙江省特种设备科学研究院 一种气瓶内表面内窥镜扫查装置
CN111665258A (zh) * 2020-06-28 2020-09-15 广州特种承压设备检测研究院 气瓶的检测系统、检测装置及检测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1123477A (ja) * 1997-06-27 1999-01-29 Toyota Motor Corp 円筒内面の検査装置
CN101101197A (zh) * 2006-12-31 2008-01-09 沈阳工业大学 圆筒内外壁加工精度在线成像检测装置及在线成像检测方法
CN103649732A (zh) * 2011-06-06 2014-03-19 费德罗-莫格尔公司 用于圆柱形部件内表面检测的技术
CN203385680U (zh) * 2013-06-30 2014-01-08 北京工业大学 一种内壁表面缺陷图像采集装置
CN105651784A (zh) * 2015-12-22 2016-06-08 新兴能源装备股份有限公司 高压气瓶内表面内窥装置
CA3060434A1 (en) * 2017-05-31 2018-12-06 Nippon Steel Corporation Tubular body inner surface inspection method and tubular body inner surface inspection apparatus
CN107014829A (zh) * 2017-06-13 2017-08-04 青岛理工大学 基于全反射动态图像采集的孔内表面质量缺陷检测装置及方法
CN107576664A (zh) * 2017-09-28 2018-01-12 清华大学 一种轧辊磨削表面缺陷机器视觉检测系统
CN108896576A (zh) * 2018-05-08 2018-11-27 无锡九霄科技有限公司 一种基于面阵相机的内窥式腔体零部件外观检测方法
CN110687130A (zh) * 2019-09-27 2020-01-14 天津大学 微细孔内壁缺陷自动检测方法
CN211235585U (zh) * 2019-11-04 2020-08-11 浙江省特种设备科学研究院 一种气瓶内表面内窥镜扫查装置
CN111665258A (zh) * 2020-06-28 2020-09-15 广州特种承压设备检测研究院 气瓶的检测系统、检测装置及检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苑玮琦 等: "铝合金无缝气瓶内表面缺陷视觉检测研究", 电脑知识与技术, vol. 16, no. 5, pages 227 - 230 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115575402A (zh) * 2022-10-17 2023-01-06 中国兵器装备集团西南技术工程研究所 一种收口筒形零件内壁缺陷智能识别、计算、判断方法

Similar Documents

Publication Publication Date Title
JP5742655B2 (ja) 欠陥検出装置及び欠陥検出方法
CN110243831B (zh) 表面缺陷采集系统、表面缺陷检测方法、装置及存储介质
US20100220910A1 (en) Method and system for automated x-ray inspection of objects
CN112945972B (zh) 一种基于机器视觉的钢丝绳状态检测装置及方法
JP6696278B2 (ja) ドリフト検査装置
CN202075755U (zh) 一种工件表面微裂纹视觉检测装置
CN106383130A (zh) 一种基于机器视觉的短钢管表面缺陷检测装置
CN102374996B (zh) 伞齿轮全齿侧面缺陷多目检测装置及其检测方法
CN105203570B (zh) 气缸套缺陷的x射线自动检测装置和方法
JP4739044B2 (ja) 外観検査装置
CN110161035A (zh) 基于图像特征与贝叶斯数据融合的结构表面裂缝检测方法
CN114719749B (zh) 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统
CN112051272A (zh) 一种基于机器视觉的高压气瓶内表面缺陷检测系统
CN1546995A (zh) 主动红外ccd焊缝检测方法
CN116718616A (zh) 一种用于瑕疵检测的机器视觉检测系统及检测方法
CN117455843A (zh) 一种电缆头缺陷智能化检测系统
JP5305164B2 (ja) 管材の内面検査装置及び検査方法
CN115355824B (zh) 一种透光管图像获取方法、管径测量方法及装置
CN103091332B (zh) 一种基于机器视觉的u型粉管的检测方法及其检测系统
CN116008304A (zh) 一种适用于管道内部的焊缝检测方法
JP5796511B2 (ja) 管状体検査装置及び管状体検査方法
CN110823920A (zh) 一种内孔侧壁表面缺陷采集装置、检测系统及方法
CN111257343A (zh) 管道焊缝内表面质量检测装置、系统及方法
CN114755236A (zh) 一种回转曲面电镀件表面缺陷的检测系统及方法
JP2800932B2 (ja) 円筒ころ軸受の検査装置

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