CN112348803B - 一种超声波边缘检测方法及系统 - Google Patents
一种超声波边缘检测方法及系统 Download PDFInfo
- Publication number
- CN112348803B CN112348803B CN202011301369.8A CN202011301369A CN112348803B CN 112348803 B CN112348803 B CN 112348803B CN 202011301369 A CN202011301369 A CN 202011301369A CN 112348803 B CN112348803 B CN 112348803B
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- matrix
- image block
- measurement result
- measurement
- 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.)
- Active
Links
- 238000003708 edge detection Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 89
- 239000011159 matrix material Substances 0.000 claims abstract description 84
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 230000007547 defect Effects 0.000 claims abstract description 47
- 239000000523 sample Substances 0.000 claims description 30
- 238000007405 data analysis Methods 0.000 claims description 14
- 238000002604 ultrasonography Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
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
- G06T7/10—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
- G06T7/13—Edge detection
-
- 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
- G06T2207/10132—Ultrasound 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明属于测试技术领域,具体涉及一种超声波边缘检测方法及系统。方法包括如下步骤:步骤1:获取超声波检测框,将超声波检测框均匀地划分为2m×2n个超声波检测块;步骤2:对待检测区域分割得到多个图像块,对每个图像块建立对应的矩阵获得多个矩阵;步骤3:在待检测区域移动超声波检测框,每移动一次则采集当前超声波返回值,并将该超声波返回值分别填入当前超声波检测框覆盖的图像块对应的矩阵中,至所有矩阵完整时,停止移动并将完整矩阵作为测量结果矩阵;步骤4:获得分界线阈值和每个图像块的超声波测量值,将每个图像块的超声波测量值与分界线阈值进行比较,获得缺陷图像块集合,根据缺陷图像块集合得到缺陷边缘形状。
Description
技术领域
本发明属于测试技术领域,具体涉及一种超声波边缘检测方法及系统。
背景技术
超声波探伤是利用超声能透入金属材料的深处,并由一截面进入另一截面时,在界面边缘发生反射的特点来检查零件缺陷的一种方法,当超声波束自零件表面由探头通至金属内部,遇到缺陷与零件底面时就分别发生反射波,在荧光屏上形成脉冲波形,根据这些脉冲波形来判断缺陷位置和大小。
由于超声波探头发射功率的限制,超声波探头的最小直径为30mm,在对缺陷区域进行扫查时仅可判别直径>20mm的缺陷,这就造成超声波检测结果误差过大。
发明内容
本发明的目的在于提供一种超声波边缘检测方法及系统,用以解决现有技术中的直径≤2mm的缺陷无法进行精密检测的问题。
为了实现上述任务,本发明采用以下技术方案:
一种超声波边缘检测方法,包括如下步骤:
步骤1:获取超声波检测框,将超声波检测框均匀地划分为2m行和2n列,得到2m×2n个超声波检测块;
步骤2:均匀分割待检测区域得到多个图像块,所述图像块与步骤1中超声波检测块的大小相同,对所述图像块建立对应的矩阵,其中,一个图像块对应一个矩阵,每个矩阵的维度为2m×2n且矩阵为空;
步骤3:在待检测区域移动超声波检测框,每移动一次则采集当前超声波返回值,并将该超声波返回值分别填入当前超声波检测框覆盖的图像块对应的矩阵中,移动超声波检测框至每个待检测区域中的图像块都被覆盖2m×2n次时,停止移动并将完整矩阵作为测量结果矩阵;
超声波检测框每次移动的距离为一个图像块的长度或宽度,超声波检测框每次移动的方向为横向或纵向;
步骤4:获得每个测量结果矩阵的方差和所有测量结果矩阵的方差的平均值;将每个测量结果矩阵的方差和所有测量结果矩阵的方差的平均值进行比较,若任一测量结果矩阵的方差小于等于所有测量结果矩阵的方差的平均值,则标记该测量结果矩阵对应的图像块为正常图像块,否则,标记该图像块为缺陷图像块;获得缺陷图像块集合,根据缺陷图像块集合得到缺陷边缘形状。
进一步的,所述超声波返回值的取值范围为0~100mm。
进一步的,每个测量结果矩阵的方差采用式Ⅰ获得:
其中,h11表示该测量结果矩阵第一行第一列位置处的超声波返回值,h12表示该测量结果矩阵第一行第二列位置处的超声波返回值,h2m2n表示该测量结果矩阵第2m行第2n列位置处的超声波返回值,表示该测量结果矩阵的超声波返回值均值。
一种超声波边缘检测系统,包括超声波探头A、动作控制单元C、数据采集单元D、数据解析单元E和图形显示单元F;
所述超声波探头A用于获取超声波检测框,并将超声波检测框均匀地划分为2m行和2n列,得到2m×2n个超声波检测块;
所述动作控制单元C用于控制伺服电机带动超声波探头A在缺陷区域移动,超声波探头A每次移动的距离为一个图像块的长度或宽度,超声波探头A 每次移动的方向为横向或纵向;
所述数据采集单元D用于在每次移动时采集超声波返回值,并将超声波返回值传输给数据解析单元E;还用于均匀分割待检测区域得到多个图像块,所述图像块与超声波检测块的大小相同;
所述数据解析单元E用于对所述图像块建立对应的矩阵,其中,一个图像块对应一个矩阵,每个矩阵的维度为2m×2n且矩阵为空;还用于获取数据采集单元D送来的超声波返回值,并将该超声波返回值分别填入当前超声波检测框覆盖的图像块对应的矩阵中,至所有矩阵完整时,停止移动并将完整矩阵作为测量结果矩阵;
还用于获得每个测量结果矩阵的方差和所有测量结果矩阵的方差的平均值;将每个测量结果矩阵的方差和所有测量结果矩阵的方差的平均值进行比较,若任一测量结果矩阵的方差小于等于所有测量结果矩阵的方差的平均值,则标记该测量结果矩阵对应的图像块为正常图像块,否则,标记该图像块为缺陷图像块;获得缺陷图像块集合,将缺陷图像块集合传输给图形显示单元F;
图形显示单元F用于接收数据解析单元E传输的缺陷图像块集合,获得缺陷边缘形状并显示。
进一步的,所述超声波返回值的取值范围为0~100mm。
进一步的,每个测量结果矩阵的方差采用式Ⅰ获得:
其中,h11表示该测量结果矩阵第一行第一列位置处的超声波返回值,h12表示该测量结果矩阵第一行第二列位置处的超声波返回值,h2m2n表示该测量结果矩阵第2m行第2n列位置处的超声波返回值,表示该测量结果矩阵的超声波返回值均值。
本发明与现有技术相比具有以下技术特点:
1、本发明可以有效提高超声波设备的探测精度,提高测量准确性。探测误差≤2mm。
2、本发明可以根据缺陷边缘形状精确计算每个缺陷的形状、面积大小及在粘接区域的分布,从而降低对缺陷的误检率。
附图说明
图1本发明的系统结构图;
图2是超声波探头测量区域分割图;
图3是绝对位置p点的超声波探头测量结果矩阵h;
图4是系统的流程图;
图5是实施例中需检测边缘示意图;
图6是部分图像块的测量矩阵;
其中,图6(a)是编号为1的图像块的测量矩阵,图6(b)是编号为2 的图像块的测量矩阵,图6(c)是编号为21的图像块的测量矩阵,图6(d) 是编号为22的图像块的测量矩阵,图6(e)是编号为91的图像块的测量矩阵,图6(f)是编号为91的图像块的测量矩阵,图6(g)是编号为51的图像块的测量矩阵,图6(h)是编号为52的图像块的测量矩阵;
图7是实施例中检测结果对比示意图;
其中,图7(a)为传统方法检测结果示意图,图7(b)为本方法检测结果示意图。
图中标号代表:A是超声波探头、C-动作控制单元、B-待测物、D-数据采集单元、E-数据解析单元、F-图形显示单元。
具体实施方式
首先给出本发明中涉及到的技术词语的含义:
绝对坐标:绝对坐标系统是所有坐标全部基于一个固定的坐标系原点的位置的描述的坐标系统。在本发明中,超声波检测框的中点为固定的坐标系原点。
超声波检测框:超声波探头一次探测能覆盖的面积。
超声波返回值:在本实施例中为反射体深度。
在本发明中,待检测区域为待测金属件的外表面,待测区域被分割为多个图像块且每个图像块的大小和超声波探头的每个分割单元相同,超声波探头的每个分割单元即为超声波检测块,填入超声波返回值时采取对矩阵从上到下从左到右的原则依次填入。
在本实施例中公开了一种超声波边缘检测方法,包括如下步骤:
步骤1:获取超声波检测框,将超声波检测框均匀地划分为2m行和2n列,得到2m×2n个超声波检测块;
步骤2:均匀分割待检测区域得到多个图像块,所述图像块与步骤1中超声波检测块的大小相同,对所述图像块建立对应的矩阵,其中,一个图像块对应一个矩阵,每个矩阵的维度为2m×2n且矩阵为空;
步骤3:在待检测区域移动超声波检测框,每移动一次则采集当前超声波返回值,并将该超声波返回值分别填入当前超声波检测框覆盖的图像块对应的矩阵中,移动超声波检测框至每个待检测区域中的图像块都被覆盖2m×2n次时,此时所有矩阵完整时,停止移动并将完整矩阵作为测量结果矩阵;
超声波检测框每次移动的距离为一个图像块的长度或宽度,超声波检测框每次移动的方向为横向或纵向;
步骤4:获得分界线阈值,所述分界线阈值为各测量结果矩阵的方差的平均值;获得每个图像块的超声波测量值,所述每个图像块的超声波测量值为该图像块对应的测量结果矩阵的方差;
将每个图像块的超声波测量值与分界线阈值进行比较,若图像块的测量值小于等于分界线阈值,则标记该图像块为正常图像块,否则,标记该图像块为缺陷图像块;获得缺陷图像块集合,根据缺陷图像块集合得到缺陷边缘形状。
具体的,所述的超声波检测框的形状为矩形,尺寸为A×B,则在测量时,其测量区域尺寸也是A×B。
具体的,每个图像块对应一个绝对坐标,其中第Pij个图像块的绝对坐标为(xi,yj),1≤i≤2m,1≤j≤2n;
具体的,第Pij(xi,yj)个图像块绝对坐标的取值满足以下表达式:
其中,A为超声波检测框的长度,B为超声波检测框的宽度,(x,y)表示超声波检测框中心点的实际坐标。
具体的,第Pij个图像块的测量结果矩阵为h{i,j},矩阵中每个元素为超声波探头处于不同位置时超声波返回值。
具体的,对于每个像块对应的测量结果矩阵的方差采用式Ⅰ获得:
其中,h11表示该测量结果矩阵第一行第一列位置处的超声波返回值,h12表示该测量结果矩阵第一行第二列位置处的超声波返回值,h2m2n表示该测量结果矩阵第2m行第2n列位置处的超声波返回值,表示该测量结果矩阵的超声波返回值均值。
具体的,超声波返回值的取值范围为0~100mm。
实施例2
在本实施例中公开了一种超声波边缘检测系统包括超声波探头A、动作控制单元C、数据采集单元D、数据解析单元E和图形显示单元F;
所述超声波探头A用于获取超声波检测框,并将超声波检测框均匀地划分为2m行和2n列,得到2m×2n个超声波检测块;
所述动作控制单元C用于控制伺服电机带动超声波探头A在缺陷区域移动,超声波探头A每次移动的距离为一个图像块的长度或宽度,超声波探头A 每次移动的方向为横向或纵向;
所述数据采集单元D用于在每次移动时采集超声波返回值,并将超声波返回值传输给数据解析单元E;还用于均匀分割待检测区域得到多个图像块,所述图像块与超声波检测块的大小相同;
所述数据解析单元E用于对所述图像块建立对应的矩阵,其中,一个图像块对应一个矩阵,每个矩阵的维度为2m×2n且矩阵为空;还用于获取数据采集单元D送来的超声波返回值,并将该超声波返回值分别填入当前超声波检测框覆盖的图像块对应的矩阵中,至所有矩阵完整时,停止移动并将完整矩阵作为测量结果矩阵;
还用于获得分界线阈值和每个图像块的超声波测量值,所述分界线阈值为各测量结果矩阵的方差的平均值,所述每个图像块的超声波测量值为该图像块对应的测量结果矩阵的方差;将每个图像块的超声波测量值与分界线阈值进行比较,若图像块的超声波测量值小于等于分界线阈值,则标记该图像块为正常图像块,否则,标记该图像块为缺陷图像块;获得缺陷图像块集合,将缺陷图像块集合传输给图形显示单元F;
图形显示单元F用于接收数据解析单元E传输的缺陷图像块集合,获得缺陷边缘形状并显示。
如图1所示,电磁超声探头A安装在水平丝杠上,动作控制单元C控制伺服电机带动其在水平面内自由移动。B是待测物。超声波探头A的测量值送给数据采集单元D。数据解析单元E接收动作控制单元C送来的坐标信息和数据采集单元D送来的测量信息,计算每个坐标点的采集信息并打包成有效的数据包传给图形显示单元F,图形显示单元F以三维和二维的图形负责显示最终的测量结果。
实施例3
在本实施例中,公开了一种超声波边缘检测方法,具体针对薄壳体待测物进行测量,在本实施例中,如图5所示,图中左边深色区域为正常区域,按照 1mm2/块进行分割,编号1~14定义为第一边界图像块,91~99为不规则形状边界后的第二层边界图像块。中间白色区域为缺陷部位,同样按照1mm2/块进行分割,编号21~34为缺陷边界的第一边界图像块,51~59为不规则形状边界后的第二层边界图像块,最右边为超声波探头一次探测能覆盖的面积,即超声波检测框区域,为超声波探头。其面积=100mm2。
设正常块的高度为100,超声波探头的移动速度为每次1mm,则对于每个图像块都会产生一个10×10的测量矩阵,如图6所示。
测量结果矩阵sn的方差表如下:
sn | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 |
s | 17.6 | 18.0 | 18.3 | 18.7 | 17.7 | 16.1 | 14.4 | 13.1 | 14.3 | 16.8 | 16.4 | 14.6 | 13.4 | 12.5 |
sn | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 |
s | 17.3 | 18.0 | 18.5 | 18.0 | 19.2 | 18.4 | 17.1 | 15.5 | 16.4 | 18.4 | 17.6 | 15.7 | 14.0 | 12.6 |
sn | 91 | 92 | 93 | 94 | 95 | 96 | 97 | 98 | 99 | |||||
s | 17.3 | 15.4 | 13.3 | 11.8 | 12.1 | 13.2 | 14.4 | 15.0 | 13.8 | |||||
sn | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | |||||
s | 19.5 | 19.8 | 19.1 | 17.9 | 19.6 | 18.4 | 19.3 | 18.1 | 16.3 |
取方差s的平均值为分界线,则:
当s<16.4时,标示该块为正常块;
当s>16.4时,标示该块为缺陷块。
经验算:
在第一边界图像块的正确率:≈50%
在第二边界图像块的正确率:≈90%
结论:该发明的方法可以在第二边界图像块精确识别边界,本方法的精度取决于分割的精度。若分割块的面积为a(mm2),则测量精度为:
如图7所示,图7a)是未经过算法处理的数据测出的缺陷数据;图7(b) 是经过算法处理的缺陷数据。可以看出,经过算法处理后,缺陷边界的处理更加的准确和清晰,大大降低了误检率。
Claims (6)
1.一种超声波边缘检测方法,其特征在于,包括如下步骤:
步骤1:获取超声波检测框,将超声波检测框均匀地划分为2m行和2n列,得到2m×2n个超声波检测块;
步骤2:均匀分割待检测区域得到多个图像块,所述图像块与步骤1中超声波检测块的大小相同,对所述图像块建立对应的矩阵,其中,一个图像块对应一个矩阵,每个矩阵的维度为2m×2n且矩阵为空;
步骤3:在待检测区域移动超声波检测框,每移动一次则采集当前超声波返回值,并将该超声波返回值分别填入当前超声波检测框覆盖的图像块对应的矩阵中,移动超声波检测框至每个待检测区域中的图像块都被覆盖2m×2n次时,停止移动并将完整矩阵作为测量结果矩阵;
超声波检测框每次移动的距离为一个图像块的长度或宽度,超声波检测框每次移动的方向为横向或纵向;
步骤4:获得每个测量结果矩阵的方差和所有测量结果矩阵的方差的平均值;将每个测量结果矩阵的方差和所有测量结果矩阵的方差的平均值进行比较,若任一测量结果矩阵的方差小于等于所有测量结果矩阵的方差的平均值,则标记该测量结果矩阵对应的图像块为正常图像块,否则,标记该图像块为缺陷图像块;获得缺陷图像块集合,根据缺陷图像块集合得到缺陷边缘形状。
2.如权利要求1所述的超声波边缘检测方法,其特征在于,所述超声波返回值的取值范围为0~100mm。
3.如权利要求1所述的超声波边缘检测方法,其特征在于,每个测量结果矩阵的方差采用式Ⅰ获得:
其中,h11表示该测量结果矩阵第一行第一列位置处的超声波返回值,h12表示该测量结果矩阵第一行第二列位置处的超声波返回值,h2m2n表示该测量结果矩阵第2m行第2n列位置处的超声波返回值,表示该测量结果矩阵的超声波返回值均值。
4.一种超声波边缘检测系统,其特征在于,包括超声波探头A、动作控制单元C、数据采集单元D、数据解析单元E和图形显示单元F;
所述超声波探头A用于获取超声波检测框,并将超声波检测框均匀地划分为2m行和2n列,得到2m×2n个超声波检测块;
所述动作控制单元C用于控制伺服电机带动超声波探头A在缺陷区域移动,超声波探头A每次移动的距离为一个图像块的长度或宽度,超声波探头A每次移动的方向为横向或纵向;
所述数据采集单元D用于在每次移动时采集超声波返回值,并将超声波返回值传输给数据解析单元E;还用于均匀分割待检测区域得到多个图像块,所述图像块与超声波检测块的大小相同;
所述数据解析单元E用于对所述图像块建立对应的矩阵,其中,一个图像块对应一个矩阵,每个矩阵的维度为2m×2n且矩阵为空;还用于获取数据采集单元D送来的超声波返回值,并将该超声波返回值分别填入当前超声波检测框覆盖的图像块对应的矩阵中,至所有矩阵完整时,停止移动并将完整矩阵作为测量结果矩阵;
还用于获得每个测量结果矩阵的方差和所有测量结果矩阵的方差的平均值;将每个测量结果矩阵的方差和所有测量结果矩阵的方差的平均值进行比较,若任一测量结果矩阵的方差小于等于所有测量结果矩阵的方差的平均值,则标记该测量结果矩阵对应的图像块为正常图像块,否则,标记该图像块为缺陷图像块;获得缺陷图像块集合,将缺陷图像块集合传输给图形显示单元F;
图形显示单元F用于接收数据解析单元E传输的缺陷图像块集合,获得缺陷边缘形状并显示。
5.如权利要求4所述的超声波边缘检测系统,其特征在于,所述超声波返回值的取值范围为0~100mm。
6.如权利要求4所述的超声波边缘检测系统,其特征在于,每个测量结果矩阵的方差采用式Ⅰ获得:
其中,h11表示该测量结果矩阵第一行第一列位置处的超声波返回值,h12表示该测量结果矩阵第一行第二列位置处的超声波返回值,h2m2n表示该测量结果矩阵第2m行第2n列位置处的超声波返回值,表示该测量结果矩阵的超声波返回值均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011301369.8A CN112348803B (zh) | 2020-11-19 | 2020-11-19 | 一种超声波边缘检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011301369.8A CN112348803B (zh) | 2020-11-19 | 2020-11-19 | 一种超声波边缘检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348803A CN112348803A (zh) | 2021-02-09 |
CN112348803B true CN112348803B (zh) | 2024-03-29 |
Family
ID=74364208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011301369.8A Active CN112348803B (zh) | 2020-11-19 | 2020-11-19 | 一种超声波边缘检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348803B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430789A (zh) * | 2008-11-19 | 2009-05-13 | 西安电子科技大学 | 基于Fast Slant Stack变换的图像边缘检测方法 |
CN104034795A (zh) * | 2014-06-12 | 2014-09-10 | 东北大学 | 基于区域遗传四叉树算法的油气管道缺陷检测方法及系统 |
CN104461534A (zh) * | 2014-12-05 | 2015-03-25 | 华东交通大学 | 基于Android移动终端的便携式智能超声探伤系统 |
CN105259252A (zh) * | 2015-10-15 | 2016-01-20 | 浙江大学 | 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 |
WO2016011548A1 (en) * | 2014-07-21 | 2016-01-28 | Spectrum Scientific Inc. | Method and device for bone scan in meat |
CN106770664A (zh) * | 2016-11-22 | 2017-05-31 | 中国计量大学 | 一种基于全聚焦成像算法改进边缘缺陷检测的方法 |
CN109916287A (zh) * | 2019-01-30 | 2019-06-21 | 西安维控自动化科技有限公司 | 一种基于磁感应的平面位移传感器、位移检测方法及系统 |
CN111175381A (zh) * | 2019-12-09 | 2020-05-19 | 中北大学 | 基于全矩阵数据的复合构件界面快速成像定量检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106247171B (zh) * | 2015-06-12 | 2019-10-22 | 宁波市鄞州磁泰电子科技有限公司 | 管道缺陷检测方法、管道缺陷检测装置和管道缺陷检测设备 |
JP6546826B2 (ja) * | 2015-10-08 | 2019-07-17 | 株式会社日立パワーソリューションズ | 欠陥検査方法、及びその装置 |
-
2020
- 2020-11-19 CN CN202011301369.8A patent/CN112348803B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430789A (zh) * | 2008-11-19 | 2009-05-13 | 西安电子科技大学 | 基于Fast Slant Stack变换的图像边缘检测方法 |
CN104034795A (zh) * | 2014-06-12 | 2014-09-10 | 东北大学 | 基于区域遗传四叉树算法的油气管道缺陷检测方法及系统 |
WO2016011548A1 (en) * | 2014-07-21 | 2016-01-28 | Spectrum Scientific Inc. | Method and device for bone scan in meat |
CN104461534A (zh) * | 2014-12-05 | 2015-03-25 | 华东交通大学 | 基于Android移动终端的便携式智能超声探伤系统 |
CN105259252A (zh) * | 2015-10-15 | 2016-01-20 | 浙江大学 | 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 |
CN106770664A (zh) * | 2016-11-22 | 2017-05-31 | 中国计量大学 | 一种基于全聚焦成像算法改进边缘缺陷检测的方法 |
CN109916287A (zh) * | 2019-01-30 | 2019-06-21 | 西安维控自动化科技有限公司 | 一种基于磁感应的平面位移传感器、位移检测方法及系统 |
CN111175381A (zh) * | 2019-12-09 | 2020-05-19 | 中北大学 | 基于全矩阵数据的复合构件界面快速成像定量检测方法 |
Non-Patent Citations (4)
Title |
---|
Multi-sensor measurement and data fusion technology for manufacturing process monitoring: a literature review;Lingbao Kong;Xing Peng;Yao Chen;Ping Wang;Min Xu;;International Journal of Extreme Manufacturing(第02期);全文 * |
Pavement crack image acquisition methods and crack extraction algorithms:A review;Weixing Wang;Mengfei Wang;Hongxia Li;Heng Zhao;Kevin Wang;Changtao He;Jun Wang;Sifan Zheng;Jiabin Chen;;Journal of Traffic and Transportation Engineering(English Edition)(第06期);全文 * |
基于SLIC超像素算法和密度聚类的TA2钛板表面缺陷定量化评估研究;陈宸;叶波;邓为权;包俊;曾辉耀;;电子测量与仪器学报(第11期);全文 * |
超声波平测法在混凝土盐冻损伤检测中的应用研究;徐存东;高懿伟;程昱;张锐;田俊娇;王燕;姚志鹏;;混凝土(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112348803A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11891261B2 (en) | Device and method for detecting flatness of sheet material | |
US20130013224A1 (en) | Strain Measuring Method, Strain Measuring Device and Program | |
CN104520983A (zh) | 用于半导体制造中的检验的嵌入噪声中的缺陷的检测 | |
CN107817044B (zh) | 基于机器视觉的板材振动的测量装置及方法 | |
CN108592948B (zh) | 一种管水准器气泡偏移量自动测量方法 | |
CN116342718B (zh) | 一种线激光3d相机的标定方法、装置、存储介质及设备 | |
JP6131355B2 (ja) | X線走査方法及び走査システム | |
CN106124034A (zh) | 基于机器视觉的薄壁件工作模态测试装置及测试方法 | |
US10282837B2 (en) | Image measuring apparatus and non-temporary recording medium on which control program of same apparatus is recorded | |
CN117571721B (zh) | 一种电路板焊盘表面缺陷检测方法、装置及存储介质 | |
CN115861217A (zh) | 一种基于视觉的背光板电路板缺陷检测系统及方法 | |
CN113160223A (zh) | 轮廓的确定方法、确定装置、检测设备及存储介质 | |
CN113074660A (zh) | 一种大尺寸透明物体的面型测量方法 | |
CN109990744B (zh) | 体积测量方法、装置、系统和计算机可读存储介质 | |
CN112348803B (zh) | 一种超声波边缘检测方法及系统 | |
CN111325793A (zh) | 一种图像测量中基于光斑的像素尺寸动态标定系统和标定方法 | |
CN109141829B (zh) | 一种靶线清晰度计算及工业相机后截距的检测方法 | |
CN113610083A (zh) | 车辆vin码的字符识别和字符打刻深度检测系统及检测方法 | |
CN115699282A (zh) | 使用机器学习的半导体叠对测量 | |
JPH07239221A (ja) | 曲げ角度検出装置およびそれに用いる直線抽出装置並びに曲げ角度検出位置設定装置 | |
JP5136108B2 (ja) | 三次元形状計測方法および三次元形状計測装置 | |
KR101618748B1 (ko) | 판재의 변형률 측정 시스템 및 그 방법 | |
JP2680460B2 (ja) | 折曲機の角度計測装置 | |
CN112233063B (zh) | 一种大尺寸圆形物体的圆心定位方法 | |
CN109377482A (zh) | 一种基于点云数据的轮胎胎角性质检测方法 |
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 |