CN112179907A - 一种烧结型滚抛磨块表面缺陷检测方法与系统 - Google Patents
一种烧结型滚抛磨块表面缺陷检测方法与系统 Download PDFInfo
- Publication number
- CN112179907A CN112179907A CN202010822381.7A CN202010822381A CN112179907A CN 112179907 A CN112179907 A CN 112179907A CN 202010822381 A CN202010822381 A CN 202010822381A CN 112179907 A CN112179907 A CN 112179907A
- Authority
- CN
- China
- Prior art keywords
- grinding block
- image
- defect
- detection
- stepping motor
- 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
- 238000000227 grinding Methods 0.000 title claims abstract description 99
- 230000007547 defect Effects 0.000 title claims abstract description 55
- 238000005498 polishing Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims description 23
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 20
- 238000005096 rolling process Methods 0.000 claims abstract description 4
- 230000000007 visual effect Effects 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010252 digital analysis Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
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
- 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
- G01N2021/8864—Mapping zones of defects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- 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)
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
Abstract
本发明公开了一种烧结型滚抛磨块表面缺陷检测系统,包括:利用采样圆盘、单片机、步进电机和数字显微镜组成的磨块表面图像采集单元;利用图像增强、阈值分割、缺陷边界统计和缺陷提取方法组成的磨块表面缺陷检测单元;利用上位机界面实现系统设置、图像采集、图像检测及检测结论直观呈现与操控的磨块表面缺陷检测方法与系统的显示单元。本发明可以连续采集磨块表面图像并对磨块表面缺陷进行数字化分析,能替代传统的人工检测。既消除了人工检测判断的主观性,又有利于减少因检测评价不准确而影响滚抛磨块使用效果。
Description
技术领域
本发明涉及检测技术与装置领域,具体涉及一种烧结型滚抛磨块表面缺陷检测方法与系统。
背景技术
目前国内现有烧结型滚抛磨块的制备质量不高,不同批次滚抛磨块的质量不稳定,滚抛磨块制备工艺过程简单、参数控制不稳定、生产智能化程度较低,导致滚抛磨块磨损率高、抗冲击强度低导致不正常破碎等,主要表现在滚抛磨块表面存在黑心、杂质、凹凸等缺陷,这些问题直接影响加工效果、加工效率和使用经济性。因此,对滚抛磨块表面缺陷进行快速、准确检测,对滚磨光整加工技术精密化发展有着重要意义。
国内磨块生产和使用厂家因为受到技术、环境等因素的限制,仍然采用人工检测为主的检测方式。这种方式存在诸多弊端:检测效率低下、检测标准不统一、检测结果存在很大的主观性,且对检测人员有着较高的要求;检测人员的身体疲劳、经验不足都会影响到检测的可信度。为此,本发明设计一种烧结型滚抛磨块表面缺陷检测系统与方法。
发明内容
针对上述情况,本发明的目的在于提供一种烧结型滚抛磨块表面缺陷检测方法与系统,其可以连续采集磨块表面图像并对磨块表面缺陷进行数字化分析,能替代传统的人工检测;既消除了人工检测判断的主观性,又有利于减少因检测评价不准确而影响滚抛磨块使用效果。
为实现上述目的,本发明所采取的技术方案是:提供一种烧结型滚抛磨块表面缺陷检测方法与系统,其采集烧结型滚抛磨块表面图像并对缺陷进行数字化,以解决目前人工检测存在的主观性、不准确和效率低等问题。
一种烧结型滚抛磨块表面缺陷检测方法,具体包含以下步骤:
S1、采集滚抛磨块表面图像;
S11、将磨块放置在采样圆盘的采样点,单片机输出周期一定的PWM波驱动步进电机转动,步进电机带动采样圆盘转动,运送磨块到数字显微镜的视野范围内;
S12、单片机暂停PWM波输出,通过串口向上位机发送图像采集信号;
S13、上位机接收图像采集信号,控制数字显微镜采集磨块图像,通过串口向单片机发送图像采集完成信号;
S14、单片即接收图像采集完成信号,继续输出PWM波驱动步进电机,重复S11、 S12、S13步骤,直至采样圆盘的磨块采集完成。
S2、对滚抛磨块图像进行图像预处理;
S21、图像灰度化,能够在保持图像的形态特征的同时,大幅度地减少计算量,增加上位机处理速度,图像灰度化过程如下:
Gray(x,y)=0.299R(x,y)+0.578G(x,y)+0.114B(x,y) (3)
式中:x、y为像素点坐标;R、G、B分别为图像中的红色分量、绿色分量、蓝色分量;
S22、高斯滤波,能够消除图像中孤立的噪声点,在消除噪声的同时,能够保护缺陷的边缘,使之不被模糊,高斯滤波首先通过高斯内核函数生成维数为3×3高斯核,接着通过高斯核对图像进行卷积运算,高斯内核函数计算过程如下:
式中:xg、yg为高斯核中点的坐标;σ为高斯函数的标准差;
S23、直方图均衡化,用于增加图像的对比度,使缺陷部分与背景对比更加明显,直方图均衡化过程如下:
(1)直方图归一化
式中:n为磨块图像中像素点总个数;nk为灰度值等于k的像素个数;P(k)为灰度值等于k时,归一化后的直方图;
(2)计算累积分布函数
(3)直方图均衡化
式中:M、N为图像的长度和宽度;L为灰度等级;round表示四舍五入取整运算; h(v)表示灰度值等于v时,均衡化后的直方图。
S3、利用最大类间方差法对磨块图像进行阈值分割,将磨块图像分割为图像背景、磨块、黑心缺陷三个区域;
阈值T的计算公式如下:
δ=θ0θ1(μ0-μ1)2 (8)
式中:δ为通过阈值计算得到的方差;θ0为小于阈值T的像素占比,即背景像素占比;θ1为大于T的像素占比,即磨块缺陷像素占比;μ0为小于阈值T的像素平均灰度值;μ1为大于阈值T的像素平均灰度值;
对磨块图像中的每个像素依次进行计算,当方差δ取得最大值时,记录阈值T,利用阈值T进行图像分割,得到图像背景、磨块、黑心缺陷三个区域。
S4、统计磨块边缘像素点和磨块区域像素点数量,得到磨块区域周长和面积,计算磨块缺陷圆度;
磨块圆度计算公式如下:
c=4πA/P2 (9)
式中:c为磨块区域圆度,A为磨块区域面积,P为磨块区域周长。
S5、计算磨块黑心缺陷尺寸;
S51、利用霍夫变换计算磨块图像的圆心(x0,y0),半径R0;
S52、计算缺陷中像素点到圆心的距离di:
式中:(x,y)为磨块缺陷区域的像素点坐标;
S53、计算缺陷像素的加权系数wi:
S54、对磨块缺陷图像的单位像素面积进行加权,累加求和,确定磨块缺陷的面积 S,其计算过程如下所示。
本发明还提供一种烧结型滚抛磨块表面缺陷检测系统,其设备包括:采样圆盘、单片机、步进电机、数字显微镜和上位机;采样圆盘固定在步进电机的轴上,单片机与步进电机连接控制其转动和停止;单片机与上位机连接传递信号;上位机与数字显微镜连接控制其拍摄磨块图像。
本发明的有益效果是:滚抛磨块表面缺陷可进行数字化分析,对不同角度拍摄的磨块图像提供客观、一致的检测结果,消除人工检测的主观性,提高检测效率和准确率,减少人工检测成本,为制备高性能滚抛磨块提供反馈依据,使滚磨光整加工技术朝着更精密、自动化与智能化的方向发展。
附图说明
图1为本发明实施例提供的滚抛磨块缺陷检测系统示意图;
图2为本发明实施例提供的供料圆盘示意图;
图3为本发明实施例提供的滚抛磨块缺陷检测处理流程图;
图4为本发明实施例提供的滚抛磨块图像采集流程图;
图5为本发明实施例提供的滚抛磨块缺陷计算流程图;
图6为本发明实施例提供的磨块黑心缺陷检测界面示意图;
图7为本发明实施例提供的磨块圆度异常检测界面示意图;
图中:1、单片机;2、步进电机;3、供料圆盘;4、数字显微镜;5、上位机。
具体实施方式
下面对本发明技术方案进行详细说明,但是本发明的保护范围不局限于所述实施例。
如图1、2所示,本发明提供一种烧结型滚抛磨块表面缺陷检测系统,所需设备包括:单片机1、步进电机2、供料圆盘3、数字显微镜4及上位机5;其中,单片机分别连接步进电机与上位机,由步进电机带动采样圆盘运转;上位机连接数字显微镜,数字显微镜分布于采样圆盘上方。
如图3所示,烧结型滚抛磨块表面缺陷检测方法,具体步骤如下:
(1)将磨块放置在采样圆盘的采样点,单片机输出周期一定的PWM波驱动步进电机转动,步进电机带动采样圆盘转动,运送磨块到数字显微镜的视野范围内;
(2)单片机暂停PWM波输出,通过串口向上位机发送图像采集信号;
(3)上位机接收图像采集信号,控制数字显微镜采集并保存磨块图像,通过串口通信向单片机发送图像采集完成信号,具体图像采集信号如图4所示;
(4)上位机检测磨块缺陷,计算、保存并显示磨块缺陷尺寸数据,具体如图5所示;
(5)单片即接收图像采集完成信号,继续输出PWM波驱动步进电机,重复步骤 (2)、(3)、(4),直至采样圆盘的磨块检测完成,其检测情况如图6、7所示。
以上所述是本发明的优选实施方式,应当指出,本技术领域的普通技术人员通过阅读本发明说明书对本发明技术方案采取的任何等效的变换,均为本发明的权利要求所涵盖。
Claims (4)
1.一种烧结型滚抛磨块表面缺陷检测方法,其特征在于,所述方法包含以下步骤:
(1)利用采样圆盘、单片机、步进电机、数字显微镜采集滚抛磨块表面缺陷图像;
(2)利用加权平均法将磨块图像转为灰度图像,使用核维数为3×3、标准差为0.8的高斯窗口进行滤波处理,通过直方图均衡化对磨块图像进行图像增强;
(3)利用最大类间方差法对磨块图像进行阈值分割,将磨块图像分割为图像背景、磨块、黑心缺陷三个区域;
(4)统计磨块边缘像素点和磨块区域像素点数量,得到磨块区域的周长、面积,计算磨块的圆度;
(5)通过孔洞填充、像素取反、图像相加等操作提取磨块黑心缺陷,对黑心缺陷区域进行像素点加权求和计算磨块缺陷尺寸;
(6)通过上位机界面显示磨块圆度和黑心缺陷检测结果。
3.一种烧结型滚抛磨块表面缺陷检测系统,其特征在于:所述检测系统由采样圆盘、单片机、步进电机、数字显微镜和上位机组成;其中,采样圆盘固定在步进电机的轴上;单片机与步进电机连接控制其转动和停止;单片机与上位机连接传递信号;上位机与数字显微镜连接控制其拍摄磨块图像。
4.根据权利要求3所述的烧结型滚抛磨块表面缺陷检测系统,其特征在于:磨块缺陷检测步骤如下:
(1)将磨块放置在采样圆盘的采样点,单片机输出周期一定的PWM波驱动步进电机转动,步进电机带动采样圆盘转动,运送磨块到数字显微镜的视野范围内;
(2)单片机暂停PWM波输出,通过串口向上位机发送图像采集信号;
(3)上位机接收图像采集信号,控制数字显微镜采集并保存磨块图像,通过串口通信向单片机发送图像采集完成信号;
(4)上位机检测磨块缺陷,计算、保存并显示磨块缺陷尺寸数据;
(5)单片即接收图像采集完成信号,继续输出PWM波驱动步进电机,重复步骤(2)、(3)、(4),直至采样圆盘的磨块检测完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010822381.7A CN112179907B (zh) | 2020-08-14 | 一种烧结型滚抛磨块表面缺陷检测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010822381.7A CN112179907B (zh) | 2020-08-14 | 一种烧结型滚抛磨块表面缺陷检测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112179907A true CN112179907A (zh) | 2021-01-05 |
CN112179907B CN112179907B (zh) | 2024-06-04 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113686854A (zh) * | 2021-08-20 | 2021-11-23 | 金华职业技术学院 | 一种食品检测用食品微生物快速检测装置 |
CN113804623A (zh) * | 2021-09-16 | 2021-12-17 | 太原理工大学 | 一种球形滚抛磨块全方位检测系统与方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819163A (zh) * | 2010-06-03 | 2010-09-01 | 成都精密光学工程研究中心 | 光学元件亚表面缺陷的检测装置及其方法 |
CN102023127A (zh) * | 2010-09-21 | 2011-04-20 | 郑州磨料磨具磨削研究所 | 超硬磨具出露磨粒数量和磨粒出露高度的检测方法 |
CN109059810A (zh) * | 2018-07-24 | 2018-12-21 | 天津大学 | 固结磨料磨具表面地貌检测方法及装置 |
CN208283294U (zh) * | 2018-06-01 | 2018-12-25 | 上海工程技术大学 | 一种多根羊毛羊绒纤维图像连续采集识别的装置 |
CN110866916A (zh) * | 2019-11-29 | 2020-03-06 | 广州大学 | 一种基于机器视觉的光伏电池片黑心黑角检测方法、装置及设备 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819163A (zh) * | 2010-06-03 | 2010-09-01 | 成都精密光学工程研究中心 | 光学元件亚表面缺陷的检测装置及其方法 |
CN102023127A (zh) * | 2010-09-21 | 2011-04-20 | 郑州磨料磨具磨削研究所 | 超硬磨具出露磨粒数量和磨粒出露高度的检测方法 |
CN208283294U (zh) * | 2018-06-01 | 2018-12-25 | 上海工程技术大学 | 一种多根羊毛羊绒纤维图像连续采集识别的装置 |
CN109059810A (zh) * | 2018-07-24 | 2018-12-21 | 天津大学 | 固结磨料磨具表面地貌检测方法及装置 |
CN110866916A (zh) * | 2019-11-29 | 2020-03-06 | 广州大学 | 一种基于机器视觉的光伏电池片黑心黑角检测方法、装置及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113686854A (zh) * | 2021-08-20 | 2021-11-23 | 金华职业技术学院 | 一种食品检测用食品微生物快速检测装置 |
CN113804623A (zh) * | 2021-09-16 | 2021-12-17 | 太原理工大学 | 一种球形滚抛磨块全方位检测系统与方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110286126B (zh) | 一种基于视觉图像的晶圆表面缺陷分区域检测方法 | |
CN110286124B (zh) | 基于机器视觉的耐火砖测量系统 | |
CN115082418B (zh) | 一种汽车零部件精密识别方法 | |
CN115619793B (zh) | 基于计算机视觉的电源适配器外观质量检测方法 | |
CN115115612B (zh) | 一种用于机械配件的表面缺陷检测方法及系统 | |
WO2021109697A1 (zh) | 字符分割方法、装置以及计算机可读存储介质 | |
CN116109637B (zh) | 基于视觉的涡轮增压器叶轮外观缺陷检测的系统及其方法 | |
CN116051543B (zh) | 一种用于钢材剥皮的缺陷识别方法 | |
CN113989233A (zh) | 基于图像的零件表面粗糙度支持向量机检测方法及系统 | |
CN110728286B (zh) | 一种基于火花图像的砂带磨削材料去除率识别方法 | |
CN113484867B (zh) | 一种基于成像声呐封闭空间下鱼群密度探测方法 | |
CN112179907A (zh) | 一种烧结型滚抛磨块表面缺陷检测方法与系统 | |
CN112179907B (zh) | 一种烧结型滚抛磨块表面缺陷检测方法与系统 | |
CN116630312B (zh) | 一种恒力浮动打磨头打磨质量视觉检测方法 | |
CN111815575B (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 | |
CN117315670A (zh) | 一种基于计算机视觉的水表读数区域检测方法 | |
CN116797598A (zh) | 基于图像特征的养殖饲料质量精细化检测方法 | |
CN111815580A (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN111695477A (zh) | 基于图像处理组合技术的贝类外部形态参数测量方法 | |
CN115187788A (zh) | 一种基于机器视觉的农作物种子自动计数方法 | |
CN115187609A (zh) | 一种大米黄粒检测方法和系统 | |
CN114022418A (zh) | 一种锂电池极片缺陷检测方法及系统 | |
CN110827272B (zh) | 一种基于图像处理的轮胎x光图像缺陷检测方法 | |
CN114354631A (zh) | 一种基于视觉的阀门毛坯表面缺陷检测方法 | |
CN113155247A (zh) | 物体称重方法、状态评估方法、称重系统及状态评估系统 |
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 |