CN112730428A - 接杆焊缝检测系统及方法 - Google Patents
接杆焊缝检测系统及方法 Download PDFInfo
- Publication number
- CN112730428A CN112730428A CN202011533536.1A CN202011533536A CN112730428A CN 112730428 A CN112730428 A CN 112730428A CN 202011533536 A CN202011533536 A CN 202011533536A CN 112730428 A CN112730428 A CN 112730428A
- Authority
- CN
- China
- Prior art keywords
- area
- black
- gray scale
- connecting rod
- welding seam
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims description 17
- 238000003466 welding Methods 0.000 claims abstract description 152
- 241000251468 Actinopterygii Species 0.000 claims abstract description 27
- 230000001678 irradiating effect Effects 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G01N2021/8887—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
Abstract
本发明公开了一种接杆焊缝检测系统,其包括摄像机、光源及处理器;光源用于发射出照射待检测接杆的光束;光束轴心同摄像机镜头的轴心的夹角在25度到31度之间;待检测接杆的轴心垂直于光束轴心同摄像机镜头轴心所在平面;摄像机用于采集待检测接杆的轴向不同位置的绕轴旋转一周的黑白图像;处理器存储有标定接杆焊缝黑白图形;标定接杆焊缝黑白图形中部为横向鱼鳞纹;处理器根据待检测接杆的轴向不同位置的绕轴旋转一周的黑白图像灰度及标定接杆焊缝黑白图形灰度,输出检测结果信号。本发明还公开了一种接杆焊缝检测方法。本发明能准确、全面、高效的实现焊缝检测。
Description
技术领域
本发明涉及焊接检测技术,特别涉及一种接杆焊缝检测系统及方法。
背景技术
现有的接杆焊缝的质量的检测,主要通过涡流测试来检测,工件旋转,探测头伸前至焊缝处,距离要求0.4mm,检测焊缝的粗糙度,探测头内感应线圈产生电流变化,通过测试仪放大,最终转换为百分比。该检测方法主要有以下缺点:
(1)未焊接零件无法判断。
(2)螺旋焊接零件无法判断。失效主要为焊缝没有搭接完整,起焊点和收焊点没有重合,造成泄露等问题
(3)焊接孔洞,要求为直径小于0.1mm,大于0.1则判为不合格零件。孔洞零件无法100%检出,造成零件大量的报废。焊接时焊接孔洞产生原理:因为零件本身存在有机物涂膜,焊接中零件表面的有机物遇到高温发生剧烈的燃烧,从而产生了大量的气体,气体无法正常排出,聚集到一定压力,便会从焊缝的熔池中喷射出来,造成了焊缝上的焊接孔洞。所以在焊接过程中,焊缝上有缩孔是一个不可避免的缺陷。
(4)焊缝宽度,焊缝的相对位置无法检测。而这些在现实生产中都是靠抽检来保证,产品也会带来相对的风险。
接杆焊缝质量的有效检测有重要意义。例如,喷油器是一个高科技产品,生产线的工艺设备非常复杂,而焊接工艺更加复杂,焊接的质量直接会影响到喷油器的寿命,其中的接杆组件的焊接最为关键,接杆组件主要由上面的接杆和下面的阀体组成,上下压配后通过激光机焊接,保证产品的耐久度和密封性,该组件相当于电磁阀的腔体而介质为汽油,一旦焊缝质量不过关,会造成泄露等严重后果。
发明内容
本发明要解决的技术问题是能准确、全面、高效的实现焊缝检测。
为解决上述技术问题,本发明提供的接杆焊缝检测系统,其包括摄像机1、光源2及处理器;
所述光源2,用于发射出照射待检测接杆3的光束;
所述光束轴心同所述摄像机1镜头的轴心的夹角在25度到31度之间;
所述待检测接杆3的轴心垂直于所述光束轴心同摄像机1镜头轴心所在平面;
所述摄像机1,用于采集所述待检测接杆3的轴向不同位置的绕轴旋转一周的黑白图像;
所述处理器,存储有标定接杆焊缝黑白图形;
所述标定接杆焊缝黑白图形中部为横向鱼鳞纹;
所述处理器,用于根据所述待检测接杆的轴向不同位置的绕轴旋转一周的黑白图像灰度及标定接杆焊缝黑白图形灰度,输出检测结果信号。
较佳的,所述处理器,用于根据所述待检测接杆3的轴向不同位置的绕轴旋转一周的黑白图像,对待检测接杆3的焊缝30进行焊缝定位;
所述处理器,当所述待检测接杆3的轴向当前位置的绕轴旋转一周的黑白图像,同所述标定接杆焊缝黑白图形灰度一致,则将当前位置的绕轴旋转一周的黑白图像中的横向鱼鳞纹区域判定为焊缝区,并输出接杆已焊接信号。
较佳的,所述处理器,首先通过边界灰度直方图对当前位置的绕轴旋转一周的黑白图像中的横向鱼鳞纹区域进行第一次筛选,得到初步横向鱼鳞纹区域;
然后对初步横向鱼鳞纹区域中的疑似颗粒进行多角度灰度计算,即以10度为单位,把360度的角度空间量化为36级,再以这些像素点的角度为索引,统计分别落在36级角度空间的灰度模之和,得到的边界灰度直方图横坐标为角度,纵坐标为Sobel算子计算出的灰度值之和;
再统计初步横向鱼鳞纹区域边界点在不同角度的平均灰度值,将其和边界灰度直方图相结合对初步横向鱼鳞纹区域进行第二次筛选,得到优化横向鱼鳞纹区域。
较佳的,所述处理器,还用于根据所述焊缝区的黑白图像,判断待检测接杆3的焊缝30是否存在螺旋焊接;
所述处理器,当所述焊缝区的黑白图像,沿横向中心带依次分为中灰度区、高灰度区、低灰度区,则输出焊缝无螺旋焊信号,否则输出焊缝有螺旋焊信号;
中灰度区的灰度在低灰度区灰度到高灰度区灰度之间,高灰度区的灰度高于中灰度区,低灰度区的灰度低于中灰度区;
高灰度区横向长度、低灰度区横向长度均在0.5mm到3mm之间;
高灰度区横向长度、低灰度区横向长度均小于所述焊缝区的黑白图像总长度的1/10。
较佳的,所述处理器,还用于根据所述焊缝区的黑白图像,判断待检测接杆3的焊缝30表面是否存在孔洞;
所述处理器,当所述焊缝区的黑白图像,沿横向中心带存在一黑色区域,该黑色区域的灰度小于低灰度区灰度,并且其邻接区域的灰度均大于低灰度区灰度且小于高灰度区灰度,则输出焊缝30表面有孔洞信号。
较佳的,所述处理器,当所述焊缝区的黑白图像,沿横向中心带存在一黑色区域,该黑色区域的灰度小于低灰度区灰度,并且其邻接区域的灰度均大于低灰度区灰度且小于高灰度区灰度,并且该黑色区域的面积大于8000um2且最大外径小于1mm,则输出焊缝30表面有孔洞信号。
较佳的,所述光源2的亮度大于300cd/m2。
较佳的,所述光源2采用LED或激光器;
所述待检测接杆3为喷油器的接杆。
为解决上述技术问题,本发明提供的用上述的接杆焊缝检测系统检测接杆焊缝的方法,包括以下步骤:
一.使摄像机1、光源2及处理器加电工作;
二.将待检测接杆垂直于所述光源2光束轴心同摄像机1镜头轴心所在平面,并位于所述光束的路径上;
三.将待检测接杆绕其轴旋转一周;
所述摄像机1采集所述待检测接杆3的轴向当前位置的绕轴旋转一周的黑白图像并发送到所述处理器;
四.所述处理器根据所述待检测接杆3的轴向不同位置的绕轴旋转一周的黑白图像,对待检测接杆3的焊缝30进行焊缝定位;
当所述待检测接杆3的轴向当前位置的绕轴旋转一周的黑白图像,同所述标定接杆焊缝黑白图形灰度一致,所述处理器则将当前位置的绕轴旋转一周的黑白图像中的横向鱼鳞纹区域判定为焊缝区,并输出接杆已焊接信号,进行步骤十;否则进行步骤五;
五.将待检测接杆沿轴向变换位置,进行步骤三;
六.检测结束。
较佳的,步骤四中,在判定出焊缝区并输出接杆已焊接信号后,当所述焊缝区的黑白图像,沿横向中心带依次分为中灰度区、高灰度区、低灰度区,则所述处理器输出焊缝无螺旋焊信号,否则输出焊缝有螺旋焊信号;然后进行步骤六;
中灰度区的灰度在低灰度区灰度到高灰度区灰度之间,高灰度区的灰度高于中灰度区,低灰度区的灰度低于中灰度区;
高灰度区横向长度、低灰度区横向长度均在0.5mm到3mm之间;
高灰度区横向长度、低灰度区横向长度均小于所述焊缝区的黑白图像总长度的1/10。
较佳的,步骤四中,所述处理器输出焊缝无螺旋焊信号后,当所述焊缝区的黑白图像沿横向中心带存在一黑色区域,该黑色区域的灰度小于低灰度区灰度,并且其邻接区域的灰度均大于低灰度区灰度且小于高灰度区灰度,并且该黑色区域的面积大于8000um2且最大外径小于1mm,则输出焊缝30表面有孔洞信号,然后进行步骤六。
较佳的,步骤四中,所述处理器输出焊缝无螺旋焊信号后,所述处理器还计算并输出所述焊缝区的黑白图像的横向中心线相对于标定接杆焊缝黑白图形的横向中心线的偏移量。
本发明的接杆焊缝检测系统及方法,根据接杆及焊缝表面的纹理特征,结合中部为横向鱼鳞纹的标定接杆焊缝黑白图形,根据灰度变化输出检测结果信号,能准确、全面、高效的实现焊缝检测。
附图说明
为了更清楚地说明本发明的技术方案,下面对本发明所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的接杆焊缝检测系统一实施例结构示意图;
图2为本发明的接杆焊缝检测系统原理示意图;
图3为接杆及焊缝表面的纹理特征示意图;
图4为本发明的采检测接杆焊缝的方法一实施例流程图。
具体实施方式
下面将结合附图,对本发明中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
如图1所示,接杆焊缝检测系统包括摄像机1、光源2及处理器;
所述光源2,用于发射出照射待检测接杆3的光束;
所述光束轴心同所述摄像机1镜头的轴心的夹角在25度到31度之间;
所述待检测接杆3的轴心垂直于所述光束轴心同摄像机1镜头轴心所在平面;
所述摄像机1,用于采集所述待检测接杆3的轴向不同位置的绕轴旋转一周(360度)的黑白图像;
所述处理器,存储有标定接杆焊缝黑白图形;
所述标定接杆焊缝黑白图形中部为横向鱼鳞纹;
所述处理器,用于根据所述待检测接杆的轴向不同位置的绕轴旋转一周的黑白图像灰度及标定接杆焊缝黑白图形灰度,输出检测结果信号。
摄像机1采集的接杆焊缝的黑白图像中,颜色深浅变化反映了工件表面的高度轮廓,与光源位置、焊接方向等均有关联,可以通过检测系统先行在处理器中标定接杆焊缝黑白图形,并对不同接杆不同位置表面的黑白图像特征进行分类。焊接过程中,随着熔池的移动和凝固,焊缝金属表面呈现类似鱼鳞纹的轮廓,而接杆由机加工获得,在接杆旋转拍摄过程中,接杆非焊缝区呈现水平横纹特征。
实施例一的接杆焊缝检测系统,根据接杆及焊缝表面的纹理特征,结合中部为横向鱼鳞纹的标定接杆焊缝黑白图形,根据灰度变化输出检测结果信号,能准确、全面、高效的实现焊缝检测。
实施例二
基于实施例一的接杆焊缝检测系统,所述处理器,用于根据所述待检测接杆3的轴向不同位置的绕轴旋转一周的黑白图像,对待检测接杆3的焊缝30进行焊缝定位;
所述处理器,当所述待检测接杆3的轴向当前位置的绕轴旋转一周的黑白图像,同所述标定接杆焊缝黑白图形灰度一致,则将当前位置的绕轴旋转一周的黑白图像中的横向鱼鳞纹区域判定为焊缝区,并输出接杆已焊接信号。
实施例二的接杆焊缝检测系统,根据接杆及焊缝表面的纹理特征,采用移动窗口法在各区域水平方向和竖直方向进行灰度差分统计,将水平横纹区域判为接杆背景(非焊缝区),将横向鱼鳞纹区域判定为焊缝区,如图3所示,能准确的实现焊缝定位检测。
实施例三
基于实施例一的接杆焊缝检测系统,所述处理器,首先通过边界灰度直方图对当前位置的绕轴旋转一周的黑白图像中的横向鱼鳞纹区域进行第一次筛选,得到初步横向鱼鳞纹区域;
然后对初步横向鱼鳞纹区域中的疑似颗粒进行多角度灰度计算,即以10度为单位,把360度的角度空间量化为36级,再以这些像素点的角度为索引,统计分别落在36级角度空间的灰度模之和,得到的边界灰度直方图横坐标为角度,纵坐标为Sobel算子计算出的灰度值之和;
再统计初步横向鱼鳞纹区域边界点在不同角度的平均灰度值,将其和边界灰度直方图相结合对初步横向鱼鳞纹区域进行第二次筛选,得到优化横向鱼鳞纹区域。
实施例三的接杆焊缝检测系统,统计横向鱼鳞纹区域边界点在不同角度方向的平均灰度值,将其和边界灰度直方图相结合作为判断依据,通过设置门限的方法得到感兴趣部分黑白图像的边界点,避免背景中边界点信息的干扰,比单一使用边界灰度直方图具有更好的准确性。
Sobel算子是像素图像边缘检测中最重要的算子之一,在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。在技术上,它是一个离散的一阶差分算子,用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子,将会产生该点对应的梯度矢量或是其法矢量。在边缘检测中,常用的一种模板是Sobel算子。Sobel算子有两个,一个是检测水平边缘的;另一个是检测垂直边缘的。与Prewitt算子相比,Sobel算子对于像素的位置的影响做了加权,可以降低边缘模糊程度,因此效果更好。Sobel算子另一种形式是各向同性Sobel(Isotropic Sobel)算子,也有两个,一个是检测水平边缘的,另一个是检测垂直边缘的。各向同性Sobel算子和普通Sobel算子相比,它的位置加权系数更为准确,在检测不同方向的边沿时梯度的幅度一致。将Sobel算子矩阵中的所有2改为根号2,就能得到各向同性Sobel的矩阵。由于Sobel算子是滤波算子的形式,用于提取边缘,可以利用快速卷积函数,简单有效,因此应用广泛。
实施例四
基于实施例一的接杆焊缝检测系统,所述处理器,用于根据所述焊缝区的黑白图像,判断待检测接杆3的焊缝30是否存在螺旋焊接;
所述处理器,当所述焊缝区的黑白图像,沿横向中心带依次分为中灰度区、高灰度区、低灰度区,则输出焊缝无螺旋焊信号,否则输出焊缝有螺旋焊信号;
中灰度区的灰度在低灰度区灰度到高灰度区灰度之间,高灰度区的灰度高于中灰度区,低灰度区的灰度低于中灰度区;
高灰度区横向长度、低灰度区横向长度均在0.5mm到3mm之间;
高灰度区横向长度、低灰度区横向长度均小于所述焊缝区的黑白图像总长度的1/10。
较佳的,所述光源2的亮度大于300cd/m2。
较佳的,所述光源采用LED或激光器。
较佳的,所述接杆为喷油器的接杆。
实施例四的接杆焊缝检测系统,采用高亮度、小发散角光源搭建成像系统,重建焊缝表面高度形貌;如图2所示,光源2发出的光线照射到焊缝表面反射进入摄像机1,当焊缝表面存在明显凸起时,在凸起的上坡面,光线的反射方向与摄像机1镜头轴心较为一致,摄像机1所得到的黑白图像较为明亮,灰度值高;在凸起的下坡面,光线的反射方向偏离摄像机1镜头轴心,所得到的黑白图像灰度较低;对于搭接收焊点来说,表面为凸起状态,其高度沿着工件周向先上升后下降,所得到的黑白图像则呈现先亮(高灰度)后暗(低灰度)的分布。实施例四的接杆焊缝检测系统,利用这种成像特征,能准确地判断接杆焊缝是否存在收焊点,从而准确判别焊缝是否有螺旋焊缺陷。
实施例五
基于实施例一的接杆焊缝检测系统,所述处理器还用于根据所述焊缝区的黑白图像,判断待检测接杆3的焊缝30表面是否存在孔洞;
所述处理器,当所述焊缝区的黑白图像,沿横向中心带存在一黑色区域,该黑色区域的灰度小于低灰度区灰度,并且其邻接区域的灰度均大于低灰度区灰度且小于高灰度区灰度,则输出焊缝30表面有孔洞信号。
较佳的,所述处理器,当所述焊缝区的黑白图像,沿横向中心带存在一黑色区域,该黑色区域的灰度小于低灰度区灰度,并且其邻接区域的灰度均大于低灰度区灰度且小于高灰度区灰度,并且该黑色区域的面积大于8000um2且最大外径小于1mm,则输出焊缝30表面有孔洞信号。
当接杆焊缝表面存在凹坑或孔洞时,由于光线反射方向偏离摄像机,黑白图像上呈现黑色区域。实施例五的接杆焊缝检测系统,当接杆焊缝一周的黑白图像沿周向(水平)中心带存在一黑色区域(外径大于0.1mm且小于1mm),则判为焊缝表面有孔洞,从而能准确检测出焊缝表面是否存在孔洞缺陷,避免造成零件大量的报废。
实施例六
采用实施例一的接杆焊缝检测系统检测接杆焊缝的方法,如图4所示,包括以下步骤:
一.使摄像机1、光源2及处理器加电工作;
二.将待检测接杆垂直于所述光源2光束轴心同摄像机1镜头轴心所在平面,并位于所述光束的路径上;
三.将待检测接杆绕其轴旋转一周;
所述摄像机1采集所述待检测接杆3的轴向当前位置的绕轴旋转一周的黑白图像并发送到所述处理器;
四.所述处理器根据所述待检测接杆3的轴向不同位置的绕轴旋转一周的黑白图像,对待检测接杆3的焊缝30进行焊缝定位;
当所述待检测接杆3的轴向当前位置的绕轴旋转一周的黑白图像,同所述标定接杆焊缝黑白图形灰度一致,所述处理器则将当前位置的绕轴旋转一周的黑白图像中的横向鱼鳞纹区域判定为焊缝区,并输出接杆已焊接信号,进行步骤十;否则进行步骤五;
五.将待检测接杆沿轴向变换位置,进行步骤三;
六.检测结束。
较佳的,步骤四中,在判定出焊缝区并输出接杆已焊接信号后,当所述焊缝区的黑白图像,沿横向中心带依次分为中灰度区、高灰度区、低灰度区,则所述处理器输出焊缝无螺旋焊信号,否则输出焊缝有螺旋焊信号;然后进行步骤六;
中灰度区的灰度在低灰度区灰度到高灰度区灰度之间,高灰度区的灰度高于中灰度区,低灰度区的灰度低于中灰度区;
高灰度区横向长度、低灰度区横向长度均在0.5mm到3mm之间;
高灰度区横向长度、低灰度区横向长度均小于所述焊缝区的黑白图像总长度的1/10。
较佳的,步骤四中,所述处理器输出焊缝无螺旋焊信号后,当所述焊缝区的黑白图像沿横向中心带存在一黑色区域,该黑色区域的灰度小于低灰度区灰度,并且其邻接区域的灰度均大于低灰度区灰度且小于高灰度区灰度,并且该黑色区域的面积大于8000um2且最大外径小于1mm,则输出焊缝30表面有孔洞信号,然后进行步骤六。
较佳的,步骤四中,所述处理器输出焊缝无螺旋焊信号后,所述处理器还计算并输出所述焊缝区的黑白图像的横向中心线相对于标定接杆焊缝黑白图形的横向中心线的偏移量。
较佳的,针对不合格产品测试2遍,以第二遍测试结果为准,充分降低因抖动等引起的图像误差。
以上仅为本申请的优选实施例,并不用于限定本申请。对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种接杆焊缝检测系统,其特征在于,其包括摄像机、光源及处理器;
所述光源,用于发射出照射待检测接杆的光束;
所述光束轴心同所述摄像机镜头的轴心的夹角在25度到31度之间;
所述待检测接杆的轴心垂直于所述光束轴心同摄像机镜头轴心所在平面;
所述摄像机,用于采集所述待检测接杆的轴向不同位置的绕轴旋转一周的黑白图像;
所述处理器,存储有标定接杆焊缝黑白图形;
所述标定接杆焊缝黑白图形中部为横向鱼鳞纹;
所述处理器,用于根据所述待检测接杆的轴向不同位置的绕轴旋转一周的黑白图像灰度及标定接杆焊缝黑白图形灰度,输出检测结果信号。
2.根据权利要求1所述的接杆焊缝检测系统,其特征在于,
所述处理器,用于根据所述待检测接杆的轴向不同位置的绕轴旋转一周的黑白图像,对待检测接杆的焊缝进行焊缝定位;
所述处理器,当所述待检测接杆的轴向当前位置的绕轴旋转一周的黑白图像,同所述标定接杆焊缝黑白图形灰度一致,则将当前位置的绕轴旋转一周的黑白图像中的横向鱼鳞纹区域判定为焊缝区,并输出接杆已焊接信号。
3.根据权利要求2所述的接杆焊缝检测系统,其特征在于,
所述处理器,首先通过边界灰度直方图对当前位置的绕轴旋转一周的黑白图像中的横向鱼鳞纹区域进行第一次筛选,得到初步横向鱼鳞纹区域;
然后对初步横向鱼鳞纹区域中的疑似颗粒进行多角度灰度计算,即以10度为单位,把360度的角度空间量化为36级,再以这些像素点的角度为索引,统计分别落在36级角度空间的灰度模之和,得到的边界灰度直方图横坐标为角度,纵坐标为Sobel算子计算出的灰度值之和;
再统计初步横向鱼鳞纹区域边界点在不同角度的平均灰度值,将其和边界灰度直方图相结合对初步横向鱼鳞纹区域进行第二次筛选,得到优化横向鱼鳞纹区域。
4.根据权利要求2所述的接杆焊缝检测系统,其特征在于,
所述处理器,还用于根据所述焊缝区的黑白图像,判断待检测接杆的焊缝是否存在螺旋焊接;
所述处理器,当所述焊缝区的黑白图像,沿横向中心带依次分为中灰度区、高灰度区、低灰度区,则输出焊缝无螺旋焊信号,否则输出焊缝有螺旋焊信号;
中灰度区的灰度在低灰度区灰度到高灰度区灰度之间,高灰度区的灰度高于中灰度区,低灰度区的灰度低于中灰度区;
高灰度区横向长度、低灰度区横向长度均在0.5mm到3mm之间;
高灰度区横向长度、低灰度区横向长度均小于所述焊缝区的黑白图像总长度的1/10。
5.根据权利要求2所述的接杆焊缝检测系统,其特征在于,
所述处理器,还用于根据所述焊缝区的黑白图像,判断待检测接杆的焊缝表面是否存在孔洞;
所述处理器,当所述焊缝区的黑白图像,沿横向中心带存在一黑色区域,该黑色区域的灰度小于低灰度区灰度,并且其邻接区域的灰度均大于低灰度区灰度且小于高灰度区灰度,则输出焊缝表面有孔洞信号。
6.根据权利要求5所述的接杆焊缝检测系统,其特征在于,
所述处理器,当所述焊缝区的黑白图像,沿横向中心带存在一黑色区域,该黑色区域的灰度小于低灰度区灰度,并且其邻接区域的灰度均大于低灰度区灰度且小于高灰度区灰度,并且该黑色区域的面积大于8000um2且最大外径小于1mm,则输出焊缝表面有孔洞信号。
7.根据权利要求1所述的接杆焊缝检测系统,其特征在于,
所述光源的亮度大于300cd/m2。
8.根据权利要求1所述的接杆焊缝检测系统,其特征在于,
所述光源采用LED或激光器;
所述待检测接杆为喷油器的接杆。
9.一种采用权利要求1的接杆焊缝检测系统检测接杆焊缝的方法,其特征在于,包括以下步骤:
一.使摄像机、光源及处理器加电工作;
二.将待检测接杆垂直于所述光源光束轴心同摄像机镜头轴心所在平面,并位于所述光束的路径上;
三.将待检测接杆绕其轴旋转一周;
所述摄像机采集所述待检测接杆的轴向当前位置的绕轴旋转一周的黑白图像并发送到所述处理器;
四.所述处理器根据所述待检测接杆的轴向不同位置的绕轴旋转一周的黑白图像,对待检测接杆的焊缝进行焊缝定位;
当所述待检测接杆的轴向当前位置的绕轴旋转一周的黑白图像,同所述标定接杆焊缝黑白图形灰度一致,所述处理器则将当前位置的绕轴旋转一周的黑白图像中的横向鱼鳞纹区域判定为焊缝区,并输出接杆已焊接信号,进行步骤十;否则进行步骤五;
五.将待检测接杆沿轴向变换位置,进行步骤三;
六.检测结束。
10.根据权利要求9所述的检测接杆焊缝的方法,其特征在于,
步骤四中,在判定出焊缝区并输出接杆已焊接信号后,当所述焊缝区的黑白图像,沿横向中心带依次分为中灰度区、高灰度区、低灰度区,则所述处理器输出焊缝无螺旋焊信号,否则输出焊缝有螺旋焊信号;然后进行步骤六;
中灰度区的灰度在低灰度区灰度到高灰度区灰度之间,高灰度区的灰度高于中灰度区,低灰度区的灰度低于中灰度区;
高灰度区横向长度、低灰度区横向长度均在0.5mm到3mm之间;
高灰度区横向长度、低灰度区横向长度均小于所述焊缝区的黑白图像总长度的1/10。
11.根据权利要求9所述的检测接杆焊缝的方法,其特征在于,
步骤四中,所述处理器输出焊缝无螺旋焊信号后,当所述焊缝区的黑白图像沿横向中心带存在一黑色区域,该黑色区域的灰度小于低灰度区灰度,并且其邻接区域的灰度均大于低灰度区灰度且小于高灰度区灰度,并且该黑色区域的面积大于8000um2且最大外径小于1mm,则输出焊缝表面有孔洞信号,然后进行步骤六。
12.根据权利要求9所述的检测接杆焊缝的方法,其特征在于,
步骤四中,所述处理器输出焊缝无螺旋焊信号后,所述处理器还计算并输出所述焊缝区的黑白图像的横向中心线相对于标定接杆焊缝黑白图形的横向中心线的偏移量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011533536.1A CN112730428A (zh) | 2020-12-23 | 2020-12-23 | 接杆焊缝检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011533536.1A CN112730428A (zh) | 2020-12-23 | 2020-12-23 | 接杆焊缝检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112730428A true CN112730428A (zh) | 2021-04-30 |
Family
ID=75604328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011533536.1A Pending CN112730428A (zh) | 2020-12-23 | 2020-12-23 | 接杆焊缝检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112730428A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5978090A (en) * | 1996-10-10 | 1999-11-02 | Elpatronic Ag | Method and arrangement for optical inspection of a weld seam |
WO2014139273A1 (zh) * | 2013-03-14 | 2014-09-18 | 苏州华源包装股份有限公司 | 焊缝缺陷检测方法 |
CN105938620A (zh) * | 2016-04-14 | 2016-09-14 | 北京工业大学 | 一种小口径管内焊缝表面缺陷识别装置 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN106442543A (zh) * | 2016-10-14 | 2017-02-22 | 龚新林 | 一种在线识别金属工件连续激光焊缝表面质量的检测方法 |
CN109215000A (zh) * | 2018-08-03 | 2019-01-15 | 武汉工程大学 | 一种焊缝图像处理方法及系统 |
CN111982916A (zh) * | 2020-08-20 | 2020-11-24 | 南京中车浦镇城轨车辆有限责任公司 | 一种基于机器视觉的焊缝表面缺陷检测方法及系统 |
-
2020
- 2020-12-23 CN CN202011533536.1A patent/CN112730428A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5978090A (en) * | 1996-10-10 | 1999-11-02 | Elpatronic Ag | Method and arrangement for optical inspection of a weld seam |
WO2014139273A1 (zh) * | 2013-03-14 | 2014-09-18 | 苏州华源包装股份有限公司 | 焊缝缺陷检测方法 |
CN105938620A (zh) * | 2016-04-14 | 2016-09-14 | 北京工业大学 | 一种小口径管内焊缝表面缺陷识别装置 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN106442543A (zh) * | 2016-10-14 | 2017-02-22 | 龚新林 | 一种在线识别金属工件连续激光焊缝表面质量的检测方法 |
CN109215000A (zh) * | 2018-08-03 | 2019-01-15 | 武汉工程大学 | 一种焊缝图像处理方法及系统 |
CN111982916A (zh) * | 2020-08-20 | 2020-11-24 | 南京中车浦镇城轨车辆有限责任公司 | 一种基于机器视觉的焊缝表面缺陷检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
孙大为;蔡艳;华学明;吴毅雄;: "基于边界方向直方图的激光环焊焊缝表面缺陷检测", 热加工工艺, vol. 39, no. 23, pages 175 - 178 * |
王伟杰;周生元;赵学增;: "基于视觉传感的焊缝识别方法的研究", 机械工程师, no. 10, pages 18 - 20 * |
陆春梅: "基于数字图像处理技术的接杆激光环焊焊缝视觉检测系统研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》, no. 06, pages 23 - 76 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100685206B1 (ko) | 전봉용접관의 비드 절삭형상의 계측방법 및 장치 | |
Shafeek et al. | Assessment of welding defects for gas pipeline radiographs using computer vision | |
CN111815572B (zh) | 一种基于卷积神经网络对锂电池焊接质量的检测方法 | |
CN115018833B (zh) | 一种半导体器件的加工缺陷检测方法 | |
US9047657B2 (en) | Method and system for optically inspecting outer peripheral surfaces of parts | |
CN109001230A (zh) | 基于机器视觉的焊点缺陷检测方法 | |
CN109886298A (zh) | 一种基于卷积神经网络的焊缝质量检测方法 | |
CN115803619A (zh) | 信息处理装置、判定方法、以及信息处理程序 | |
CN112505056A (zh) | 缺陷检测方法和装置 | |
JP3884834B2 (ja) | 欠陥検査方法及びその装置 | |
CN115457031A (zh) | 基于x射线的集成箱体内部缺陷识别方法 | |
CN109239081B (zh) | 基于结构光与视觉成像的焊缝质量参数检测方法 | |
Aoki et al. | Application of artificial neural network to discrimination of defect type in automatic radiographic testing of welds | |
JP2007256162A (ja) | バルブシート隙間計測装置 | |
WO2021250986A1 (ja) | 検査装置、検査方法、および検査プログラム | |
CN115100127A (zh) | 一种基于视觉识别的圆形焊缝缺陷检测方法 | |
CN112862794A (zh) | 一种基于结构光的角焊缝外观检测方法 | |
CN117095004A (zh) | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 | |
CN116399888A (zh) | 一种基于贴片电阻焊点空洞的检测方法与装置 | |
CN112730428A (zh) | 接杆焊缝检测系统及方法 | |
CN115272345A (zh) | 基于图像处理的防火面料质量分析方法 | |
JP7412237B2 (ja) | 検査装置及び溶接装置 | |
CN110287968B (zh) | 一种基于lbp纹理的焊缝探伤底片图像造假的检测方法 | |
CN112129774A (zh) | 一种焊接未熔合缺陷在线检测方法 | |
JP7142825B1 (ja) | 画像判定方法及び画像判定システム |
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 |