CN112730439A - 一种飞机发动机涡轮叶片缺陷智能检测系统及其检测方法 - Google Patents
一种飞机发动机涡轮叶片缺陷智能检测系统及其检测方法 Download PDFInfo
- Publication number
- CN112730439A CN112730439A CN202011591810.0A CN202011591810A CN112730439A CN 112730439 A CN112730439 A CN 112730439A CN 202011591810 A CN202011591810 A CN 202011591810A CN 112730439 A CN112730439 A CN 112730439A
- Authority
- CN
- China
- Prior art keywords
- grabbing
- blade
- shooting
- displacement
- module
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 title claims description 41
- 238000012545 processing Methods 0.000 claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000001454 recorded image Methods 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000006073 displacement reaction Methods 0.000 claims description 122
- 230000007246 mechanism Effects 0.000 claims description 79
- 239000000463 material Substances 0.000 claims description 66
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 239000013589 supplement Substances 0.000 claims description 20
- 238000007599 discharging Methods 0.000 claims description 18
- 230000002950 deficient Effects 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 abstract description 8
- 230000006978 adaptation Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research 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
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic image
Abstract
本发明公开了一种飞机发动机涡轮叶片缺陷智能检测系统包括:工控模块,用于控制叶片的传输工作;抓取模块,用于控制抓取层进行完成对叶片的抓取工作;2D拍摄模块,用于控制2D拍摄层进行完成对叶片的拍摄工作;3D拍摄模块,用于控制3D拍摄层进行完成对叶片的3D拍工作;对比模块,用于进行完成对2D拍摄模块、3D拍摄模块拍摄图像进行与预先录入图像进行对比,进而判断叶片是否具有缺陷。本发明通过设计边缘处理单元进行完成对拍摄画面的边缘化处理,进而根据边缘化处理后的画面进行映射关系的对比,进而判断出叶片的缺陷,进而避免不同光色的画面的对比,出现对比误差,进而影响缺陷判断。
Description
技术领域
本发明涉及一种飞机发动机涡轮叶片缺陷智能检测系统,具体是一种飞机发动机涡轮叶片缺陷智能检测系统及其检测方法。
背景技术
通常航空发动机是一种高度复杂和精密的热力机械,作为飞机的心脏,不仅是飞机飞行的动力,也是促进航空事业发展的重要推动力,人类航空史上的每一次重要变革都与航空发动机的技术进步密不可分。
航空发动机已经发展成为可靠性极高的成熟产品,正在使用的航空发动机包括涡轮喷气/涡轮风扇发动机、涡轮轴/涡轮螺旋桨发动机、冲压式发动机和活塞式发动机等多种类型,不仅作为各种用途的军民用飞机、无人机和巡航导弹动力,而且利用航空发动机派生发展的燃气轮机还被广泛用于地面发电、船用动力、移动电站、天然气和石油管线泵站等领域。
而由于飞机发动机涡轮叶片对需求的精度具有严格要求,因此在对飞机发动机涡轮叶片进行装配时,需要进行对飞机发动机涡轮叶片进行缺陷检测,而传统的检测方式,一般通过工业相机进行正面拍摄,进而通过算法对比,进而检测缺陷,然而由于不同光色的原因,因此拍摄的画面也不相同,因此使用不同光色的画面进行对比,容易出现对比误差,进而影响缺陷判断。
发明内容
发明目的:提供一种飞机发动机涡轮叶片缺陷智能检测系统,以解决现有技术存在的上述问题。
技术方案:一种飞机发动机涡轮叶片缺陷智能检测系统,包括:
工控模块,用于控制叶片的传输工作;
抓取模块,用于控制抓取层进行完成对叶片的抓取工作;
2D拍摄模块,用于控制2D拍摄层进行完成对叶片的拍摄工作;
3D拍摄模块,用于控制3D拍摄层进行完成对叶片的3D拍工作;
对比模块,用于进行完成对2D拍摄模块、3D拍摄模块拍摄图像进行与预先录入图像进行对比,进而判断叶片是否具有缺陷。
在进一步实施例中,所述工控模块包括上料模块和下料模块;
所述上料模块用于控制入料机构进行完成对叶片上料工作;
所述下料模块用于控制出料机构进行完成对叶片的出料工作;
所述入料机构和出料机构为两组并列设置的相同单元,每组相同单元包括运料架,固定安装在所述运料架上的运料电机,与所述运料电机同轴转动的运料轴,套接于所述运料轴的运料输入齿轮,与所述运料输入齿轮传动连接的运料传动齿轮,插接于所述运动传动齿轮且设置在所述运料架两端的运料筒,以及套接所述运料筒的运料带;
所述运料筒与所述运料架转动连接。
在进一步实施例中,所述抓取模块用于控制抓取层进行完成对叶片的抓取工作;
所述抓取层包括抓取机构;
所述抓取机构包括抓取底座,插接于所述抓取底座的抓取第一转轴,套接于所述抓取第一转轴的第一抓取臂,插接于所述第一抓取臂的抓取第二转轴,套接于所述抓取第二转轴的第二抓取臂,与所述第二抓取臂铰接的抓取前板,以及与所述抓取前板固定连接的抓取夹具;
所述抓取第二转轴上套设有适应块,所述适应块与所述抓取底座之间设有第一抓取延伸杆,所述适应块与所述抓取前板之间设有第二抓取延伸杆;
所述抓取第一转轴侧部设有与所述抓取底座固定连接的抓取电机;
所述抓取夹具包括与所述抓取前板固定连接的转动电机,插接于所述转动电机的转动轴,与所述转动轴固定连接的夹具架,以及固定安装在所述夹具架上且对称设置的两组夹具单元;
每组夹具单元包括插接于所述夹具架的夹具导杆,套接于所述夹具导杆的夹具滑块,与所述夹具滑块固定连接的夹具臂,固定安装在所述夹具臂下方的夹具垫块,以及设置在所述夹具滑块与所述夹具架之间的夹具延伸杆;
所述夹具臂上设有用于感知叶片位置的视觉传感器。
在进一步实施例中,所述2D拍摄模块用于控制2D拍摄层进行完成对夹取后叶片的拍摄工作;
所述2D拍摄层包括补光灯及工业相机;
所述补光灯及工业相机下方设有第一变位机构和第二变位机构;
所述第一变位机构与第二变位机构为两组对称设置的相同单元;
每组相同单元包括变位架,插接于所述变位架的变位垂直导杆和变位垂直丝杆,套接于所述变位垂直导杆和变位垂直丝杆的变位垂直滑动架,插接于所述变位垂直滑动架的变位水平导杆和变位水平丝杆,套接于所述变位水平导杆和变位水平丝杆的变位水平滑动架,插接于所述变位水平滑动架的变位第一丝杆和变位第一导杆,套接于所述变位第一丝杆和变位第一滑块的变位第一滑块,以及安装在所述变位第一滑块上的调位机构;
所述垂直丝杆的端部设有与所述变位架固定连接的垂直电机,所述水平丝杆的端部设有与所述变位垂直滑动架固定连接的水平电机,所述变位第一丝杆的端部设有与所述变位水平滑动架固定连接的第一电机;
所述调位机构包括铰接安装在所述变位第一滑块上的若干组调位柱,与调位柱固定连接的调位节,以及与所述调位节固定连接的调位顶板;
所述调位柱包括与所述变位第一滑块铰接的调位气缸,插接于所述调位第一气缸的调位伸缩杆;
所述调位节包括与所述调位伸缩杆固定连接的调位连接杆,与所述调位连接杆固定连接的调位卡块,嵌在所述调位卡块内的若干组调位球,与所述调位球连接的调位适配块,以及与所述调位适配块固定连接且与所述调位顶板固定连接的调位衔接杆;
所述调位球至少五分之三部分镶嵌在所述调位卡块内;
所述调位卡块内开有与所述调位球适配滑槽;
当调位柱工作时,所述调位球沿滑槽进行旋转;
所述调位球与所述调位适配块之前设有旋转架;
所述旋转架包括与所述调位适配块固定连接的架体,以及插接与所述架体的球转轴;
所述转轴穿透所述调位球;
通过设计补光灯进行完成对叶片的灯源补充,使得工业相机拍摄效果更加清晰,同时设计了调位机构、第一变位机构与第二变位机构进行完成对补光灯及工业相机的角度矫正,进而使得拍摄角度更加完善,进而使得检测效果更为精准。
当调位球需要进行适应工作时,此时由调位连接杆带动调位卡块进行摆动,进而使得调位球进行转动,进而使得调位适配块进行摆动,进而使得调位适配块与调位卡块进行改变间距,进而完成自适应工作;
在进一步实施例中,所述2D拍摄模块根据叶片的倾斜角度进行控制第一变位机构和第二变位机构进行改变补光灯及工业相机角度,进行完成工业相机的最佳拍摄角度,进而通过2D拍摄模块将拍摄到的图像传送至对比模块中,进行供对比模块进行对比拍摄到的画面与预先录入完好叶片画面进行对比,进行判断叶片是否出现缺陷。
在进一步实施例中,所述3D拍摄模块主要用于进行控制3D拍摄层进行完成对叶片的三维拍摄工作,进而将拍摄到的画面进行传输至对比模块,进行供对比模块进行对比拍摄到的画面与预先录入完好叶片画面进行对比,进行判断叶片是否出现缺陷;
所述3D拍摄层包括滑动测量机构;
所述滑动测量机构包括滑动输入架,与所述滑动输入架固定连接的滑动输入电机,插接于所述滑动输入电机的滑动输入丝杆,套接于所述滑动输入丝杆的滑动输入块,以及固定安装在所述滑动输入块上的测量仪;
所述测量仪为三维传感器;
通过设计滑动测量机构,通过滑入式的检测方式,进行避免改变了测量仪的角度,使得三维视图更加进准。
在进一步实施例中,所述对比模块根据3D拍摄模、2D拍摄模块传输至的图像信息进行与预先录入完好叶片画面进行对比,进行判断叶片是否出现缺陷;
所述对比模块包括图像边缘处理单元,以及对比单元。
在进一步实施例中,所述边缘处理单元通过利用Sobel算子X方向与Y方向的梯度模版,进行与选定的图像像素模版进行卷积和运算,将计算出的X方向与Y方向的梯度值分别做平方再进行求和,最后进行开方,进行与设定的阈值比较,将大于阈值的点作为边缘点,小于阈值的点视为普通点;
Sobel卷积模版如下:
图像像素
通过两组3×3的模板矩阵,其中,Gx为水平方向模板,Gy垂直方向模板,将Gx与Gy分别与图像像素模板进行平面卷积运算,进而得到水平方向和垂直方向的亮度差分近似值;
通过定义公式:Gx=X×M
Gy=Y×M
其中,Gx表示水平方向梯度值,Gy表示垂直方向梯度值,X与Y分别为水平和垂直方向的梯度算子,M为像素模板;
图像中每个像素的水平方向与垂直方向的灰度值通过定义公式,进而确定该点的灰度大小,定义公式:
最终将G与设定的阈值进行比较,当G大于阀值时,将G视为边缘像素点,进而完成对拍摄图像及录入图像的边缘处理;
通过进行对图像的边缘化处理,进而更加突显出叶片上出现缺陷,进而更加容易进行更具映射关系进行判断出叶片是否出现缺陷。
在进一步实施例中,所述对比单元通过对比经过边缘处理后的拍摄图像及预先录入图像边缘处理后的图像进行对比,进而对比出拍摄图像与预先录入图像的区别点,进而判断叶片是否出现缺陷;
通过算法进行匹配拍摄图像及预先录入图像边缘处理后边缘图像的映射关系,
通过定义算法:
I1(f(x,y))=I2(x,y)
其中,I2(x,y)和I1(x,y)分别表示在I2、I1在(x,y)点处的灰度值,f表示二维空间的几何变换。
一种飞机发动机涡轮叶片缺陷智能检测系统的检测方法,包括:
步骤1、通过工控模块进行控制入料机构进行完成对叶片的送料工作;
首先将叶片放置在入料机构上,由运料电机进行工作,进而带动运料轴进行转动,进而带动运料输入齿轮进行转动,进而带动运料传动齿轮进行转动,进而带动运料筒进行转动,进而带动运料带进行转动;
步骤2、当叶片移动至适配位置后,由视觉传感器进行感知叶片位置,再由抓取模块进行控制抓取层进行完成对叶片的抓取工作;
首先通过抓取电机进行带动抓取第一转轴进行转动,进而带动第一抓取臂进行摆动,再由第一抓取延伸杆进行带动适应块进行摆动,进而带动第二抓取臂进行摆动,进而再由第二抓取延伸杆进行带动抓取前板进行摆动,进而完成带动抓取夹具的调位工作;
步骤3、当抓取夹具调整至适配位置后,再由抓取夹具完成对叶片的抓取工作;
此时由夹具延伸杆进行带动夹具滑块进行沿夹具导杆进行滑动,进而带动两组夹具单元中的夹具臂进行靠近运动,进而完成对叶片的夹具工作;
步骤4、当也片夹取完成后,由抓取层将叶片移动至检测区域,由2D拍摄模块进行控制2D拍摄层进行完成对叶片的2D拍摄工作;
首先由第一变位机构和第二变位机构进行调整拍摄方向及角度;
通过垂直电机进行带动变位垂直丝杆进行转动,进而带动变位垂直滑动架进行沿变位垂直导杆进行滑动,进而再由水平电机进行带动变位水平丝杆进行转动,进而带动变位水平滑动架沿变位水平导杆进行滑动,再由第一电机进行带动变位第一丝杆进行转动,进而使得变位第一滑块进行沿变位第一导杆进行滑动,进而进行调整补光灯和和工业相机的位置;
步骤5、当补光灯和和工业相机位置调整完成后,再由调位机构进行带动补光灯和和工业相机进行完成拍摄角度调整;
通过调位气缸进行带动调位伸缩杆进行升降运动,进而带动调位顶板进行倾斜,进而完成带动补光灯和和工业相机的角度调整;
步骤6、当补光灯和和工业相机角度调整完成后,由工业相机进行完成对叶片的拍摄工作;
步骤7、当2D拍摄层完成工作后,此时再由3D拍摄模块进行控制3D拍摄层进行完成对叶片的3D检测,通过滑动输入电机进行带动滑动输入丝杆进行转动,进而带动滑动输入块进行沿滑动输入架进行滑动,进而带动测量仪进行滑动,进而由测量仪在滑动过程中,完成对叶片的检测工作;
通过对比模块中的边缘处理单元通过利用Sobel算子X方向与Y方向的梯度模版,进行与选定的图像像素模版进行卷积和运算,将计算出的X方向与Y方向的梯度值分别做平方再进行求和,最后进行开方,进行与设定的阈值比较,将大于阈值的点作为边缘点,小于阈值的点视为普通点;
Sobel卷积模版如下:
图像像素
通过两组3×3的模板矩阵,其中,Gx为水平方向模板,Gy垂直方向模板,将Gx与 Gy分别与图像像素模板进行平面卷积运算,进而得到水平方向和垂直方向的亮度差分近似值;
通过定义公式:Gx=X×M
Gy=Y×M
其中,Gx表示水平方向梯度值,Gy表示垂直方向梯度值,X与Y分别为水平和垂直方向的梯度算子,M为像素模板;
图像中每个像素的水平方向与垂直方向的灰度值通过定义公式,进而确定该点的灰度大小,定义公式:
最终将G与设定的阈值进行比较,当G大于阀值时,将G视为边缘像素点,进而完成对拍摄图像及录入图像的边缘处理;
再由对比单元通过对比经过边缘处理后的拍摄图像及预先录入图像边缘处理后的图像进行对比,进而对比出拍摄图像与预先录入图像的区别点,进而判断叶片是否出现缺陷;
通过算法进行匹配拍摄图像及预先录入图像边缘处理后边缘图像的映射关系,
通过定义算法:
I1(f(x,y))=I2(x,y)
其中,I2(x,y)和I1(x,y)分别表示在I2、I1在(x,y)点处的灰度值,f表示二维空间的几何变换;
进而根据映射关系进行判断叶片是否出现缺陷;
步骤8、当叶片拍摄完成后最终再由抓取模块控制抓取层将叶片放置在出料机构上,进而完成对物料的出料工作。
有益效果:本发明公开了一种飞机发动机涡轮叶片缺陷智能检测系统,通过设计边缘处理单元进行完成对拍摄画面的边缘化处理,进而根据边缘化处理后的画面进行映射关系的对比,进而判断出叶片的缺陷,进而避免不同光色的画面的对比,出现对比误差,进而影响缺陷判断。
附图说明
图1是本发明的系统示意图。
图2是本发明的抓取层、2D拍摄层、3D拍摄层示意图。
图3是本发明的抓取机构示意图。
图4是本发明的抓取夹具示意图。
图5是本发明的第一变位机构示意图。
图6是本发明的调位机构示意图。
图7是本发明的调位柱示意图。
图8是本发明的调位节示意图。
图9是本发明的滑动测量机构示意图。
图10是本发明的旋转架示意图。
附图标记:变位架111、变位垂直导杆112、变位垂直丝杆113、变位垂直滑动架114、变位水平滑动架115、变位水平丝杆116、变位水平导杆117、变位第一导杆118、变位第一丝杆119、变位第一滑块120、调位顶板1201、调位柱1202、调位气缸12021、调位伸缩杆12022、调位连接杆12023、调位卡块12024、调位球12025、调位适配块12026、调位衔接杆12027、球转轴12028、架体12029、抓取底座121、抓取第一转轴122、第一抓取臂123、第二抓取臂124、抓取前板125、抓取夹具126、转动电机1261、夹具架 1262、夹具滑块1263、夹具延伸杆1264、夹具导杆1265、夹具臂1266、夹具垫块1267、第二抓取延伸杆127、第一抓取延伸杆128、抓取第二转轴129、滑动输入电机131、滑动输入架132、滑动输入块133、测量仪134。
具体实施方式
经过申请人的研究分析,出现这一问题(使用不同光色的画面进行对比,容易出现对比误差)的原因在于,而由于飞机发动机涡轮叶片对需求的精度具有严格要求,因此在对飞机发动机涡轮叶片进行装配时,需要进行对飞机发动机涡轮叶片进行缺陷检测,而传统的检测方式,一般通过工业相机进行正面拍摄,进而通过算法对比,进而检测缺陷,然而由于不同光色的原因,因此拍摄的画面也不相同,因此使用不同光色的画面进行对比,容易出现对比误差,进而影响缺陷判断,通过设计边缘处理单元进行完成对拍摄画面的边缘化处理,进而根据边缘化处理后的画面进行映射关系的对比,进而判断出叶片的缺陷,进而避免不同光色的画面的对比,出现对比误差,进而影响缺陷判断。
一种飞机发动机涡轮叶片缺陷智能检测系统,基于:变位架111、变位垂直导杆112、变位垂直丝杆113、变位垂直滑动架114、变位水平滑动架115、变位水平丝杆116、变位水平导杆117、变位第一导杆118、变位第一丝杆119、变位第一滑块120、调位顶板 1201、调位柱1202、调位气缸12021、调位伸缩杆12022、调位连接杆12023、调位卡块12024、调位球12025、调位适配块12026、调位衔接杆12027、球转轴12028、架体 12029、抓取底座121、抓取第一转轴122、第一抓取臂123、第二抓取臂124、抓取前板125、抓取夹具126、转动电机1261、夹具架1262、夹具滑块1263、夹具延伸杆1264、夹具导杆1265、夹具臂1266、夹具垫块1267、第二抓取延伸杆127、第一抓取延伸杆 128、抓取第二转轴129、滑动输入电机131、滑动输入架132、滑动输入块133、测量仪134。
一种飞机发动机涡轮叶片缺陷智能检测系统,包括:
工控模块,用于控制叶片的传输工作;
抓取模块,用于控制抓取层进行完成对叶片的抓取工作;
2D拍摄模块,用于控制2D拍摄层进行完成对叶片的拍摄工作;
3D拍摄模块,用于控制3D拍摄层进行完成对叶片的3D拍工作;
对比模块,用于进行完成对2D拍摄模块、3D拍摄模块拍摄图像进行与预先录入图像进行对比,进而判断叶片是否具有缺陷。
所述工控模块包括上料模块和下料模块;
所述上料模块用于控制入料机构进行完成对叶片上料工作;
所述下料模块用于控制出料机构进行完成对叶片的出料工作;
所述入料机构和出料机构为两组并列设置的相同单元,每组相同单元包括运料架,固定安装在所述运料架上的运料电机,与所述运料电机同轴转动的运料轴,套接于所述运料轴的运料输入齿轮,与所述运料输入齿轮传动连接的运料传动齿轮,插接于所述运动传动齿轮且设置在所述运料架两端的运料筒,以及套接所述运料筒的运料带;
所述运料筒与所述运料架转动连接。
在进一步实施例中,所述抓取模块用于控制抓取层进行完成对叶片的抓取工作;
所述抓取层包括抓取机构;
所述抓取机构包括抓取底座121,插接于所述抓取底座121的抓取第一转轴122,套接于所述抓取第一转轴122的第一抓取臂123,插接于所述第一抓取臂123的抓取第二转轴129,套接于所述抓取第二转轴129的第二抓取臂124,与所述第二抓取臂124 铰接的抓取前板125,以及与所述抓取前板125固定连接的抓取夹具126;
所述抓取第二转轴129上套设有适应块,所述适应块与所述抓取底座121之间设有第一抓取延伸杆128,所述适应块与所述抓取前板125之间设有第二抓取延伸杆127;
所述抓取第一转轴122侧部设有与所述抓取底座121固定连接的抓取电机;
所述抓取夹具126包括与所述抓取前板125固定连接的转动电机1261,插接于所述转动电机1261的转动轴,与所述转动轴固定连接的夹具架1262,以及固定安装在所述夹具架1262上且对称设置的两组夹具单元;
每组夹具单元包括插接于所述夹具架1262的夹具导杆1265,套接于所述夹具导杆1265的夹具滑块1263,与所述夹具滑块1263固定连接的夹具臂1266,固定安装在所述夹具臂1266下方的夹具垫块1267,以及设置在所述夹具滑块1263与所述夹具架1262 之间的夹具延伸杆1264;
所述夹具臂1266上设有用于感知叶片位置的视觉传感器。
所述2D拍摄模块用于控制2D拍摄层进行完成对夹取后叶片的拍摄工作;
所述2D拍摄层包括补光灯及工业相机;
所述补光灯及工业相机下方设有第一变位机构和第二变位机构;
所述第一变位机构与第二变位机构为两组对称设置的相同单元;
每组相同单元包括变位架111,插接于所述变位架111的变位垂直导杆112和变位垂直丝杆113,套接于所述变位垂直导杆112和变位垂直丝杆113的变位垂直滑动架114,插接于所述变位垂直滑动架114的变位水平导杆117和变位水平丝杆116,套接于所述变位水平导杆117和变位水平丝杆116的变位水平滑动架115,插接于所述变位水平滑动架115的变位第一丝杆119和变位第一导杆118,套接于所述变位第一丝杆119和变位第一滑块120的变位第一滑块120,以及安装在所述变位第一滑块120上的调位机构;
所述垂直丝杆的端部设有与所述变位架111固定连接的垂直电机,所述水平丝杆的端部设有与所述变位垂直滑动架114固定连接的水平电机,所述变位第一丝杆119的端部设有与所述变位水平滑动架115固定连接的第一电机;
所述调位机构包括铰接安装在所述变位第一滑块120上的若干组调位柱1202,与调位柱1202固定连接的调位节,以及与所述调位节固定连接的调位顶板1201;
所述调位柱1202包括与所述变位第一滑块120铰接的调位气缸12021,插接于所述调位第一气缸的调位伸缩杆12022;
所述调位节包括与所述调位伸缩杆12022固定连接的调位连接杆12023,与所述调位连接杆12023固定连接的调位卡块12024,嵌在所述调位卡块12024内的若干组调位球12025,与所述调位球12025连接的调位适配块12026,以及与所述调位适配块12026 固定连接且与所述调位顶板1201固定连接的调位衔接杆12027;
所述调位球12025至少五分之三部分镶嵌在所述调位卡块12024内;
所述调位卡块12024内开有与所述调位球12025适配滑槽;
当调位柱1202工作时,所述调位球12025沿滑槽进行旋转;
所述调位球12025与所述调位适配块12026之前设有旋转架;
所述旋转架包括与所述调位适配块12026固定连接的架体12029,以及插接与所述架体12029的球转轴12028;
所述转轴穿透所述调位球12025;
通过设计补光灯进行完成对叶片的灯源补充,使得工业相机拍摄效果更加清晰,同时设计了调位机构、第一变位机构与第二变位机构进行完成对补光灯及工业相机的角度矫正,进而使得拍摄角度更加完善,进而使得检测效果更为精准。
当调位球12025需要进行适应工作时,此时由调位连接杆12023带动调位卡块12024 进行摆动,进而使得调位球12025进行转动,进而使得调位适配块12026进行摆动,进而使得调位适配块12026与调位卡块12024进行改变间距,进而完成自适应工作;
所述2D拍摄模块根据叶片的倾斜角度进行控制第一变位机构和第二变位机构进行改变补光灯及工业相机角度,进行完成工业相机的最佳拍摄角度,进而通过2D拍摄模块将拍摄到的图像传送至对比模块中,进行供对比模块进行对比拍摄到的画面与预先录入完好叶片画面进行对比,进行判断叶片是否出现缺陷。
所述3D拍摄模块主要用于进行控制3D拍摄层进行完成对叶片的三维拍摄工作,进而将拍摄到的画面进行传输至对比模块,进行供对比模块进行对比拍摄到的画面与预先录入完好叶片画面进行对比,进行判断叶片是否出现缺陷;
所述3D拍摄层包括滑动测量机构;
由3D拍摄模块进行控制滑动测量机构进行完成对叶片的三维拍摄工作;
所述滑动测量机构包括滑动输入架132,与所述滑动输入架132固定连接的滑动输入电机131,插接于所述滑动输入电机131的滑动输入丝杆,套接于所述滑动输入丝杆的滑动输入块133,以及固定安装在所述滑动输入块133上的测量仪134;
所述测量仪134为三维传感器;
通过设计滑动测量机构,通过滑入式的检测方式,进行避免改变了测量仪134的角度,使得三维视图更加进准。
所述对比模块根据3D拍摄模、2D拍摄模块传输至的图像信息进行与预先录入完好叶片画面进行对比,进行判断叶片是否出现缺陷;
所述对比模块包括图像边缘处理单元,以及对比单元。
所述边缘处理单元通过利用Sobel算子X方向与Y方向的梯度模版,进行与选定的图像像素模版进行卷积和运算,将计算出的X方向与Y方向的梯度值分别做平方再进行求和,最后进行开方,进行与设定的阈值比较,将大于阈值的点作为边缘点,小于阈值的点视为普通点;
Sobel卷积模版如下:
图像像素
通过两组3×3的模板矩阵,其中,Gx为水平方向模板,Gy垂直方向模板,将Gx与 Gy分别与图像像素模板进行平面卷积运算,进而得到水平方向和垂直方向的亮度差分近似值;
通过定义公式:Gx=X×M
Gy=Y×M
其中,Gx表示水平方向梯度值,Gy表示垂直方向梯度值,X与Y分别为水平和垂直方向的梯度算子,M为像素模板;
图像中每个像素的水平方向与垂直方向的灰度值通过定义公式,进而确定该点的灰度大小,定义公式:
最终将G与设定的阈值进行比较,当G大于阀值时,将G视为边缘像素点,进而完成对拍摄图像及录入图像的边缘处理;
通过进行对图像的边缘化处理,进而更加突显出叶片上出现缺陷,进而更加容易进行更具映射关系进行判断出叶片是否出现缺陷。
在进一步实施例中,所述对比单元通过对比经过边缘处理后的拍摄图像及预先录入图像边缘处理后的图像进行对比,进而对比出拍摄图像与预先录入图像的区别点,进而判断叶片是否出现缺陷;
通过算法进行匹配拍摄图像及预先录入图像边缘处理后边缘图像的映射关系,
通过定义算法:
I1(f(x,y))=I2(x,y)
其中,I2(x,y)和I1(x,y)分别表示在I2、I1在(x,y)点处的灰度值,f表示二维空间的几何变换。
工作原理说明:通过工控模块进行控制入料机构进行完成对叶片的送料工作;
首先将叶片放置在入料机构上,由运料电机进行工作,进而带动运料轴进行转动,进而带动运料输入齿轮进行转动,进而带动运料传动齿轮进行转动,进而带动运料筒进行转动,进而带动运料带进行转动;
当叶片移动至适配位置后,由视觉传感器进行感知叶片位置,再由抓取模块进行控制抓取层进行完成对叶片的抓取工作;
首先通过抓取电机进行带动抓取第一转轴进行转动,进而带动第一抓取臂进行摆动,再由第一抓取延伸杆进行带动适应块进行摆动,进而带动第二抓取臂进行摆动,进而再由第二抓取延伸杆进行带动抓取前板进行摆动,进而完成带动抓取夹具的调位工作;
当抓取夹具调整至适配位置后,再由抓取夹具完成对叶片的抓取工作;
此时由夹具延伸杆进行带动夹具滑块进行沿夹具导杆进行滑动,进而带动两组夹具单元中的夹具臂进行靠近运动,进而完成对叶片的夹具工作;
当也片夹取完成后,由抓取层将叶片移动至检测区域,由2D拍摄模块进行控制2D拍摄层进行完成对叶片的2D拍摄工作;
首先由第一变位机构和第二变位机构进行调整拍摄方向及角度;
通过垂直电机进行带动变位垂直丝杆进行转动,进而带动变位垂直滑动架进行沿变位垂直导杆进行滑动,进而再由水平电机进行带动变位水平丝杆进行转动,进而带动变位水平滑动架沿变位水平导杆进行滑动,再由第一电机进行带动变位第一丝杆进行转动,进而使得变位第一滑块进行沿变位第一导杆进行滑动,进而进行调整补光灯和和工业相机的位置;
当补光灯和和工业相机位置调整完成后,再由调位机构进行带动补光灯和和工业相机进行完成拍摄角度调整;
通过调位气缸进行带动调位伸缩杆进行升降运动,进而带动调位顶板进行倾斜,进而完成带动补光灯和和工业相机的角度调整;
当补光灯和和工业相机角度调整完成后,由工业相机进行完成对叶片的拍摄工作;
当2D拍摄层完成工作后,此时再由3D拍摄模块进行控制3D拍摄层进行完成对叶片的3D检测,通过滑动输入电机进行带动滑动输入丝杆进行转动,进而带动滑动输入块进行沿滑动输入架进行滑动,进而带动测量仪进行滑动,进而由测量仪在滑动过程中,完成对叶片的检测工作;
通过对比模块中的边缘处理单元通过利用Sobel算子X方向与Y方向的梯度模版,进行与选定的图像像素模版进行卷积和运算,将计算出的X方向与Y方向的梯度值分别做平方再进行求和,最后进行开方,进行与设定的阈值比较,将大于阈值的点作为边缘点,小于阈值的点视为普通点;
再由对比单元通过对比经过边缘处理后的拍摄图像及预先录入图像边缘处理后的图像进行对比,进而对比出拍摄图像与预先录入图像的区别点,进而判断叶片是否出现缺陷;
根据映射关系进行判断叶片是否出现缺陷;
当叶片拍摄完成后最终再由抓取模块控制抓取层将叶片放置在出料机构上,进而完成对物料的出料工作。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换,这些等同变换均属于本发明的保护范围。
Claims (10)
1.一种飞机发动机涡轮叶片缺陷智能检测系统,其特征是,包括:
工控模块,用于控制叶片的传输工作;
抓取模块,用于控制抓取层进行完成对叶片的抓取工作;
2D拍摄模块,用于控制2D拍摄层进行完成对叶片的拍摄工作;
3D拍摄模块,用于控制3D拍摄层进行完成对叶片的3D拍工作;
对比模块,用于进行完成对2D拍摄模块、3D拍摄模块拍摄图像进行与预先录入图像进行对比,进而判断叶片是否具有缺陷。
2.根据权利要求1所述的一种飞机发动机涡轮叶片缺陷智能检测系统,其特征是:所述工控模块包括上料模块和下料模块;
所述上料模块用于控制入料机构进行完成对叶片上料工作;
所述下料模块用于控制出料机构进行完成对叶片的出料工作;
所述入料机构和出料机构为两组并列设置的相同单元,每组相同单元包括运料架,固定安装在所述运料架上的运料电机,与所述运料电机同轴转动的运料轴,套接于所述运料轴的运料输入齿轮,与所述运料输入齿轮传动连接的运料传动齿轮,插接于所述运动传动齿轮且设置在所述运料架两端的运料筒,以及套接所述运料筒的运料带;
所述运料筒与所述运料架转动连接。
3.根据权利要求1所述的一种飞机发动机涡轮叶片缺陷智能检测系统,其特征是:所述抓取模块用于控制抓取层进行完成对叶片的抓取工作;
所述抓取层包括抓取机构;
所述抓取机构包括抓取底座,插接于所述抓取底座的抓取第一转轴,套接于所述抓取第一转轴的第一抓取臂,插接于所述第一抓取臂的抓取第二转轴,套接于所述抓取第二转轴的第二抓取臂,与所述第二抓取臂铰接的抓取前板,以及与所述抓取前板固定连接的抓取夹具;
所述抓取第二转轴上套设有适应块,所述适应块与所述抓取底座之间设有第一抓取延伸杆,所述适应块与所述抓取前板之间设有第二抓取延伸杆;
所述抓取第一转轴侧部设有与所述抓取底座固定连接的抓取电机;
所述抓取夹具包括与所述抓取前板固定连接的转动电机,插接于所述转动电机的转动轴,与所述转动轴固定连接的夹具架,以及固定安装在所述夹具架上且对称设置的两组夹具单元;
每组夹具单元包括插接于所述夹具架的夹具导杆,套接于所述夹具导杆的夹具滑块,与所述夹具滑块固定连接的夹具臂,固定安装在所述夹具臂下方的夹具垫块,以及设置在所述夹具滑块与所述夹具架之间的夹具延伸杆;
所述夹具臂上设有用于感知叶片位置的视觉传感器。
4.根据权利要求1所述的一种飞机发动机涡轮叶片缺陷智能检测系统,其特征是:所述2D拍摄模块用于控制2D拍摄层进行完成对夹取后叶片的拍摄工作;
所述2D拍摄层包括补光灯及工业相机;
所述补光灯及工业相机下方设有第一变位机构和第二变位机构;
所述第一变位机构与第二变位机构为两组对称设置的相同单元;
每组相同单元包括变位架,插接于所述变位架的变位垂直导杆和变位垂直丝杆,套接于所述变位垂直导杆和变位垂直丝杆的变位垂直滑动架,插接于所述变位垂直滑动架的变位水平导杆和变位水平丝杆,套接于所述变位水平导杆和变位水平丝杆的变位水平滑动架,插接于所述变位水平滑动架的变位第一丝杆和变位第一导杆,套接于所述变位第一丝杆和变位第一滑块的变位第一滑块,以及安装在所述变位第一滑块上的调位机构;
所述垂直丝杆的端部设有与所述变位架固定连接的垂直电机,所述水平丝杆的端部设有与所述变位垂直滑动架固定连接的水平电机,所述变位第一丝杆的端部设有与所述变位水平滑动架固定连接的第一电机;
所述调位机构包括铰接安装在所述变位第一滑块上的若干组调位柱,与调位柱固定连接的调位节,以及与所述调位节固定连接的调位顶板;
所述调位柱包括与所述变位第一滑块铰接的调位气缸,插接于所述调位第一气缸的调位伸缩杆;
所述调位节包括与所述调位伸缩杆固定连接的调位连接杆,与所述调位连接杆固定连接的调位卡块,嵌在所述调位卡块内的若干组调位球,与所述调位球连接的调位适配块,以及与所述调位适配块固定连接且与所述调位顶板固定连接的调位衔接杆;
所述调位球至少五分之三部分镶嵌在所述调位卡块内;
所述调位卡块内开有与所述调位球适配滑槽;
当调位柱工作时,所述调位球沿滑槽进行旋转;
所述调位球与所述调位适配块之前设有旋转架;
所述旋转架包括与所述调位适配块固定连接的架体,以及插接与所述架体的球转轴;
所述转轴穿透所述调位球。
5.根据权利要求4述的一种飞机发动机涡轮叶片缺陷智能检测系统,其特征是:所述2D拍摄模块根据叶片的倾斜角度进行控制第一变位机构和第二变位机构进行改变补光灯及工业相机角度,进行完成工业相机的最佳拍摄角度,进而通过2D拍摄模块将拍摄到的图像传送至对比模块中,进行供对比模块进行对比拍摄到的画面与预先录入完好叶片画面进行对比,进行判断叶片是否出现缺陷。
6.根据权利要求1所述的一种飞机发动机涡轮叶片缺陷智能检测系统,其特征是:所述3D拍摄模块主要用于进行控制3D拍摄层进行完成对叶片的三维拍摄工作,进而将拍摄到的画面进行传输至对比模块,进行供对比模块进行对比拍摄到的画面与预先录入完好叶片画面进行对比,进行判断叶片是否出现缺陷;
所述3D拍摄层包括滑动测量机构;
所述滑动测量机构包括滑动输入架,与所述滑动输入架固定连接的滑动输入电机,插接于所述滑动输入电机的滑动输入丝杆,套接于所述滑动输入丝杆的滑动输入块,以及固定安装在所述滑动输入块上的测量仪;
所述测量仪为三维传感器。
7.根据权利要求1所述的一种飞机发动机涡轮叶片缺陷智能检测系统,其特征是:所述对比模块根据3D拍摄模、2D拍摄模块传输至的图像信息进行与预先录入完好叶片画面进行对比,进行判断叶片是否出现缺陷;
所述对比模块包括图像边缘处理单元,以及对比单元。
8.根据权利要求7所述的一种飞机发动机涡轮叶片缺陷智能检测系统,其特征是:
所述边缘处理单元通过利用Sobel算子X方向与Y方向的梯度模版,进行与选定的图像像素模版进行卷积和运算,将计算出的X方向与Y方向的梯度值分别做平方再进行求和,最后进行开方,进行与设定的阈值比较,将大于阈值的点作为边缘点,小于阈值的点视为普通点;
Sobel卷积模版如下:
通过两组3×3的模板矩阵,其中,Gx为水平方向模板,Gy垂直方向模板,将Gx与Gy分别与图像像素模板进行平面卷积运算,进而得到水平方向和垂直方向的亮度差分近似值;
通过定义公式:Gx=X×M
Gy=Y×M
其中,Gx表示水平方向梯度值,Gy表示垂直方向梯度值,X与Y分别为水平和垂直方向的梯度算子,M为像素模板;
图像中每个像素的水平方向与垂直方向的灰度值通过定义公式,进而确定该点的灰度大小,定义公式:
最终将G与设定的阈值进行比较,当G大于阀值时,将G视为边缘像素点,进而完成对拍摄图像及录入图像的边缘处理。
9.根据权利要求7述的一种飞机发动机涡轮叶片缺陷智能检测系统,其特征是:所述对比单元通过对比经过边缘处理后的拍摄图像及预先录入图像边缘处理后的图像进行对比,进而对比出拍摄图像与预先录入图像的区别点,进而判断叶片是否出现缺陷;通过算法进行匹配拍摄图像及预先录入图像边缘处理后边缘图像的映射关系,
通过定义算法:
I1(f(x,y))=I2(x,y)
其中,I2(x,y)和I1(x,y)分别表示在I2、I1在(x,y)点处的灰度值,f表示二维空间的几何变换。
10.一种飞机发动机涡轮叶片缺陷智能检测系统的检测方法,其特征是,包括:
步骤1、通过工控模块进行控制入料机构进行完成对叶片的送料工作;
首先将叶片放置在入料机构上,由运料电机进行工作,进而带动运料轴进行转动,进而带动运料输入齿轮进行转动,进而带动运料传动齿轮进行转动,进而带动运料筒进行转动,进而带动运料带进行转动;
步骤2、当叶片移动至适配位置后,由视觉传感器进行感知叶片位置,再由抓取模块进行控制抓取层进行完成对叶片的抓取工作;
步骤3、当抓取夹具调整至适配位置后,再由抓取夹具完成对叶片的抓取工作;
此时由夹具延伸杆进行带动夹具滑块进行沿夹具导杆进行滑动,进而带动两组夹具单元中的夹具臂进行靠近运动,进而完成对叶片的夹具工作;
步骤4、当也片夹取完成后,由抓取层将叶片移动至检测区域,由2D拍摄模块进行控制2D拍摄层进行完成对叶片的2D拍摄工作;
首先由第一变位机构和第二变位机构进行调整拍摄方向及角度;
步骤5、当补光灯和和工业相机位置调整完成后,再由调位机构进行带动补光灯和和工业相机进行完成拍摄角度调整;
通过调位气缸进行带动调位伸缩杆进行升降运动,进而带动调位顶板进行倾斜,进而完成带动补光灯和和工业相机的角度调整;
步骤6、当补光灯和和工业相机角度调整完成后,由工业相机进行完成对叶片的拍摄工作;
步骤7、当2D拍摄层完成工作后,此时再由3D拍摄模块进行控制3D拍摄层进行完成对叶片的3D检测,通过滑动输入电机进行带动滑动输入丝杆进行转动,进而带动滑动输入块进行沿滑动输入架进行滑动,进而带动测量仪进行滑动,进而由测量仪在滑动过程中,完成对叶片的检测工作;
通过对比模块中的边缘处理单元通过利用Sobel算子X方向与Y方向的梯度模版,进行与选定的图像像素模版进行卷积和运算,将计算出的X方向与Y方向的梯度值分别做平方再进行求和,最后进行开方,进行与设定的阈值比较,将大于阈值的点作为边缘点,小于阈值的点视为普通点;
Sobel卷积模版如下:
通过两组3×3的模板矩阵,其中,Gx为水平方向模板,Gy垂直方向模板,将Gx与Gy分别与图像像素模板进行平面卷积运算,进而得到水平方向和垂直方向的亮度差分近似值;
通过定义公式:Gx=X×M
Gy=Y×M
其中,Gx表示水平方向梯度值,Gy表示垂直方向梯度值,X与Y分别为水平和垂直方向的梯度算子,M为像素模板;
图像中每个像素的水平方向与垂直方向的灰度值通过定义公式,进而确定该点的灰度大小,定义公式:
最终将G与设定的阈值进行比较,当G大于阀值时,将G视为边缘像素点,进而完成对拍摄图像及录入图像的边缘处理;
再由对比单元通过对比经过边缘处理后的拍摄图像及预先录入图像边缘处理后的图像进行对比,进而对比出拍摄图像与预先录入图像的区别点,进而判断叶片是否出现缺陷;
通过算法进行匹配拍摄图像及预先录入图像边缘处理后边缘图像的映射关系,
通过定义算法:
I1(f(x,y))=I2(x,y)
其中,I2(x,y)和I1(x,y)分别表示在I2、I1在(x,y)点处的灰度值,f表示二维空间的几何变换;
进而根据映射关系进行判断叶片是否出现缺陷;
步骤8、当叶片拍摄完成后最终再由抓取模块控制抓取层将叶片放置在出料机构上,进而完成对物料的出料工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011591810.0A CN112730439A (zh) | 2020-12-29 | 2020-12-29 | 一种飞机发动机涡轮叶片缺陷智能检测系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011591810.0A CN112730439A (zh) | 2020-12-29 | 2020-12-29 | 一种飞机发动机涡轮叶片缺陷智能检测系统及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112730439A true CN112730439A (zh) | 2021-04-30 |
Family
ID=75607660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011591810.0A Pending CN112730439A (zh) | 2020-12-29 | 2020-12-29 | 一种飞机发动机涡轮叶片缺陷智能检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112730439A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113107787A (zh) * | 2021-05-26 | 2021-07-13 | 北京汇力智能科技有限公司 | 风电叶片内部检查机器人系统及其内部状态模型构建方法 |
CN114199888A (zh) * | 2021-11-15 | 2022-03-18 | 江苏大学 | 一种用于涡轮外观缺陷的自动检测线 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208117A (zh) * | 2013-03-21 | 2013-07-17 | 袁景 | 一种多功能智能皮带表面斑块边缘检测方法 |
CN104567679A (zh) * | 2015-01-08 | 2015-04-29 | 华中科技大学 | 一种涡轮叶片视觉检测的系统 |
CN106113075A (zh) * | 2016-08-12 | 2016-11-16 | 无锡百禾工业机器人有限公司 | 一种工业机器人 |
CN106546597A (zh) * | 2015-09-22 | 2017-03-29 | 泰科电子(上海)有限公司 | 焊接质量检测系统和方法 |
CN207675210U (zh) * | 2017-12-28 | 2018-07-31 | 东莞中科蓝海智能视觉科技有限公司 | 面阵实验平台 |
CN208180771U (zh) * | 2018-04-03 | 2018-12-04 | 盐城中德精锻股份有限公司 | 一体式滑移轴套结构 |
CN109813718A (zh) * | 2018-12-30 | 2019-05-28 | 江苏四点灵机器人有限公司 | 一种led芯片模组缺陷检测装置及方法 |
CN109946304A (zh) * | 2019-03-11 | 2019-06-28 | 中国科学院上海技术物理研究所 | 基于特征匹配的零件表面缺陷在线检测系统及检测方法 |
CN110108714A (zh) * | 2019-04-28 | 2019-08-09 | 浙江博拉自动化科技有限公司 | 一种汽车零部件外观检测系统及装置 |
CN111546198A (zh) * | 2020-04-28 | 2020-08-18 | 华中科技大学 | 一种航空发动机叶片机器人智能磨削及检测设备 |
CN111855682A (zh) * | 2020-06-28 | 2020-10-30 | 汪俊 | 一种航空发动机涡轮叶片表面缺陷自动化检测系统 |
CN111993405A (zh) * | 2020-08-27 | 2020-11-27 | 马鞍山贺辉信息科技有限公司 | 一种工业智能机器人的抓取设备及其抓取方法 |
-
2020
- 2020-12-29 CN CN202011591810.0A patent/CN112730439A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208117A (zh) * | 2013-03-21 | 2013-07-17 | 袁景 | 一种多功能智能皮带表面斑块边缘检测方法 |
CN104567679A (zh) * | 2015-01-08 | 2015-04-29 | 华中科技大学 | 一种涡轮叶片视觉检测的系统 |
CN106546597A (zh) * | 2015-09-22 | 2017-03-29 | 泰科电子(上海)有限公司 | 焊接质量检测系统和方法 |
CN106113075A (zh) * | 2016-08-12 | 2016-11-16 | 无锡百禾工业机器人有限公司 | 一种工业机器人 |
CN207675210U (zh) * | 2017-12-28 | 2018-07-31 | 东莞中科蓝海智能视觉科技有限公司 | 面阵实验平台 |
CN208180771U (zh) * | 2018-04-03 | 2018-12-04 | 盐城中德精锻股份有限公司 | 一体式滑移轴套结构 |
CN109813718A (zh) * | 2018-12-30 | 2019-05-28 | 江苏四点灵机器人有限公司 | 一种led芯片模组缺陷检测装置及方法 |
CN109946304A (zh) * | 2019-03-11 | 2019-06-28 | 中国科学院上海技术物理研究所 | 基于特征匹配的零件表面缺陷在线检测系统及检测方法 |
CN110108714A (zh) * | 2019-04-28 | 2019-08-09 | 浙江博拉自动化科技有限公司 | 一种汽车零部件外观检测系统及装置 |
CN111546198A (zh) * | 2020-04-28 | 2020-08-18 | 华中科技大学 | 一种航空发动机叶片机器人智能磨削及检测设备 |
CN111855682A (zh) * | 2020-06-28 | 2020-10-30 | 汪俊 | 一种航空发动机涡轮叶片表面缺陷自动化检测系统 |
CN111993405A (zh) * | 2020-08-27 | 2020-11-27 | 马鞍山贺辉信息科技有限公司 | 一种工业智能机器人的抓取设备及其抓取方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113107787A (zh) * | 2021-05-26 | 2021-07-13 | 北京汇力智能科技有限公司 | 风电叶片内部检查机器人系统及其内部状态模型构建方法 |
CN113107787B (zh) * | 2021-05-26 | 2023-01-03 | 北京汇力智能科技有限公司 | 风电叶片内部检查机器人系统及其内部状态模型构建方法 |
CN114199888A (zh) * | 2021-11-15 | 2022-03-18 | 江苏大学 | 一种用于涡轮外观缺陷的自动检测线 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112730439A (zh) | 一种飞机发动机涡轮叶片缺陷智能检测系统及其检测方法 | |
CN105382631B (zh) | 一种五轴数控机床旋转轴误差的检测设备和方法 | |
CN105806242B (zh) | 采用激光旋转扫描的面型测量装置 | |
CN104567679B (zh) | 一种涡轮叶片视觉检测的系统 | |
CN107121093A (zh) | 一种基于主动视觉的齿轮测量装置及测量方法 | |
CN112013787B (zh) | 基于叶片自特征的叶片三维轮廓重建方法 | |
CN103447800A (zh) | 油封压装检测生产线 | |
CN203426675U (zh) | 油封压装检测生产线 | |
CN106802301A (zh) | 一种发动机气门的机器视觉在线检测系统和方法 | |
CN112666169A (zh) | 一种飞机发动机涡轮叶片缺陷智能检测装置及其检测方法 | |
CN112945966B (zh) | 一种飞机发动机叶片立体成像检测装置及检测方法 | |
CN101804470A (zh) | 翼身对接自动制孔系统及方法 | |
CN112414324B (zh) | 一种基于双目立体视觉的直升机旋翼桨叶扭转角测量方法 | |
CN107192345A (zh) | 圆环器件的管径测量系统及其测量方法 | |
CN115026683B (zh) | 一种基于多机器人协同的航空叶片磨抛装置及控制方法 | |
CN110788884B (zh) | 一种气动软体机器人实验平台及其使用方法 | |
CN110927172B (zh) | 一种飞机整体油箱密封胶漏涂在线检测装置及方法 | |
CN114252452A (zh) | 一种小型回转体外观缺陷和轮廓尺寸在线检测装置及方法 | |
CN109472778A (zh) | 一种基于无人机的高耸结构外观检测方法 | |
CN112893182A (zh) | 一种飞机发动机螺母用智能化矫正检测分类装置及矫正检测分类方法 | |
CN208420338U (zh) | 一种3d摄像头自动检测设备 | |
CN116593395A (zh) | 一种用于板材表面缺陷图像采集的运动控制系统 | |
CN112344899B (zh) | 一种无定心车轮轮对踏面三维轮廓检测方法 | |
CN112945967B (zh) | 一种飞机发动机叶片立体成像检测系统及检测方法 | |
CN113375598A (zh) | 基于自基准面的叶片三维型面轮廓高精度匹配方法 |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20231110 |
|
AD01 | Patent right deemed abandoned |