CN112834569A - 一种实时检测焊接气孔的方法与设备 - Google Patents
一种实时检测焊接气孔的方法与设备 Download PDFInfo
- Publication number
- CN112834569A CN112834569A CN202110196965.2A CN202110196965A CN112834569A CN 112834569 A CN112834569 A CN 112834569A CN 202110196965 A CN202110196965 A CN 202110196965A CN 112834569 A CN112834569 A CN 112834569A
- Authority
- CN
- China
- Prior art keywords
- welding
- matrix
- infrared thermal
- image corresponding
- real time
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 96
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 230000007547 defect Effects 0.000 claims abstract description 32
- 238000001931 thermography Methods 0.000 claims abstract description 27
- 239000000463 material Substances 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 17
- 238000012847 principal component analysis method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 238000004380 ashing Methods 0.000 claims description 5
- 239000010953 base metal Substances 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- HSFWRNGVRCDJHI-UHFFFAOYSA-N Acetylene Chemical compound C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000003754 machining Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
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)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本申请的目的是提供一种实时检测焊接气孔的方案。该方案在焊接过程中，通过红外热像仪实时采集工件或母材上焊缝区域的红外热成像，接着处理所述工件或母材上的红外热成像，从中选取焊接区域对应的图像，然后根据所述焊接区域对应的图像，提取目标特征矩阵，根据所述目标特征矩阵，判断所述焊接区域是否存在气孔缺陷。与现有技术相比，本申请可以在焊接过程中实时检测焊接气孔缺陷，并且可以有效地预警焊接气孔缺陷，减少焊接的质量问题，提高生产加工效率。本申请还可以节约检测成本，在一定程度上减少了人工检测的成本与专业检测仪器的采购资金。
Description
技术领域
本申请涉及信息技术领域，尤其涉及一种实时检测焊接气孔的技术。
背景技术
在汽车、航空、工程机械制造等过程中的焊接领域，为了保证焊接工件的力学性能，对焊接质量的要求越来越高。在焊接过程中，焊接气孔是最常见的质量缺陷之一，焊接气孔的检测对确保高焊接质量有着至关重要的意义。
焊接气孔是指焊接时熔池中的气体逃逸速度小于焊缝凝固速度产生的表面孔穴或内部孔洞。气孔的成因较为复杂，其形状、位置、大小与焊接技术、母材形状与材料、以及焊接外部环境有关。焊接气孔对焊缝与产品质量有着较大的影响，存在气孔的焊缝更容易发生应力形变甚至断裂，往往造成产品质量不合格或返工导致生产效率低下。
传统的焊接气孔检测方法，主要基于事后检测，依赖于人工检测或非破坏性设备探伤检测(如超声波探伤、电磁探伤等)，无法进行实时在线检测，需要一定的人力和时间成本。同时，人工检测往往精确度较低，而设备探伤需要专门的设备进行检测，成本高昂。
发明内容
本申请的一个目的是提供一种实时检测焊接气孔的方法与设备，以解决如何较为准确地实时检测焊接气孔缺陷的问题。
根据本申请的一个方面，提供了一种实时检测焊接气孔的方法，其中，所述方法包括：
在焊接过程中，通过红外热像仪实时采集工件或母材上焊缝区域的红外热成像；
处理所述工件或母材上的红外热成像，从中选取焊接区域对应的图像；
根据所述焊接区域对应的图像，提取目标特征矩阵；
根据所述目标特征矩阵，判断所述焊接区域是否存在气孔缺陷。
根据本申请的另一个方面，还提供了一种实时检测焊接气孔的设备，其中，所述设备包括：
图像采集模块，用于在焊接过程中，通过红外热像仪实时采集工件或母材上焊缝区域的红外热成像；
图像处理模块，用于处理所述工件或母材上的红外热成像，从中选取焊接区域对应的图像；
特征提取模块，用于根据所述焊接区域对应的图像，提取目标特征矩阵；
算法检测模块，用于根据所述目标特征矩阵，判断所述焊接区域是否存在气孔缺陷。
根据本申请的又一个方面，还提供了一种计算设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行所述的实时检测焊接气孔的方法。
根据本申请的又一个方面，还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现所述的实时检测焊接气孔的方法。
本申请提供的方案在焊接过程中，通过红外热像仪实时采集工件或母材上焊缝区域的红外热成像，接着处理所述工件或母材上的红外热成像，从中选取焊接区域对应的图像，然后根据所述焊接区域对应的图像，提取目标特征矩阵，根据所述目标特征矩阵，判断所述焊接区域是否存在气孔缺陷。与现有技术相比，本申请可以在焊接过程中实时检测焊接气孔缺陷，并且可以有效地预警焊接气孔缺陷，减少焊接的质量问题，提高生产加工效率。本申请还可以节约检测成本，在一定程度上减少了人工检测的成本与专业检测仪器的采购资金。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其他特征、目的和优点将会变得更明显：
图1是根据本申请实施例的一种实时检测焊接气孔的方法流程图；
图2(a)～(b)是根据本申请实施例的一种处理工件或母材上的红外热成像并从中选取焊接区域对应的图像的示意图；
图3是根据本申请实施例的一种实时检测焊接气孔的流程图；
图4是根据本申请实施例的一种实时检测焊接气孔的设备示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的装置或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
本申请实施例提供了实时检测焊接气孔的方法，应用图像处理方法和特征提取方法，通过异常检测算法针对焊接气孔进行准确的检测，可以在机器人焊接过程中实时检测焊接气孔缺陷。本申请实施例通过焊接过程中的自动检测，可以有效地预警焊接气孔缺陷，减少焊接的质量问题，提高生产加工效率。本申请实施例还可以节约检测成本，在一定程度上减少了人工检测的成本与专业检测仪器的采购资金。
在实际场景中，执行该方法的设备可以是用户设备、网络设备或者用户设备与网络设备通过网络相集成所构成的设备。其中，所述用户设备包括但不限于智能手机、平板电脑、个人计算机(PC)等终端设备，所述网络设备包括但不限于网络主机、单个网络服务器、多个网络服务器集或基于云计算的计算机集合等实现。在此，云由基于云计算(CloudComputing)的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟计算机。
图1是根据本申请实施例的一种实时检测焊接气孔的方法流程图，该方法包括步骤S101、步骤S102、步骤S103和步骤S104。
步骤S101，在焊接过程中，通过红外热像仪实时采集工件或母材上焊缝区域的红外热成像。
在此，可以通过红外热像仪实时采集到所述工件或母材上焊缝区域的红外热成像原图。
步骤S102，处理所述工件或母材上的红外热成像，从中选取焊接区域对应的图像。
其中，所述焊接区域对应的图像的格式可为png、jpg等常见图片格式。
在一些实施例中，所述步骤S102包括：通过应用图像滤波、图像灰化、阈值分割、最大连通区域判定的方法，从所述工件或母材上的红外热成像中选取焊接区域对应的图像。
例如，所述工件或母材上的红外热成像原图，通过应用图像滤波、图像灰化、阈值分割后得到如图2(a)所示的灰度图，再通过最大连通区域判定得到如图2(b)所示的最大连通区域图。
步骤S103，根据所述焊接区域对应的图像，提取目标特征矩阵。
在一些实施例中，所述步骤S103包括：从所述焊接区域对应的图像中，提取每一行或每一列的温度最大值并构建最大温度数列；计算所述最大温度数列的一次导数和二次导数；分别计算所述最大温度数列的一次导数和二次导数的特征值，组成目标特征矩阵。
例如，所述步骤S103可以包括如图3所示的步骤S303、S304和S305。其中，所述最大温度数列的一次导数用于衡量最大温度的下降速度，二次导数用于衡量最大温度下降速度的变化率。
在一些实施例中，所述最大温度数列的一次导数和二次导数的特征值包括以下至少任一项：所述最大温度数列的一次导数和二次导数的平均值、标准差、均方根、偏度、峰度、最大值、最小值、峰间值。
例如，所述目标特征矩阵可以是M行N列的矩阵，其中，M表示数据样本中的样本数，N表示计算的特征个数。关于所述目标特征矩阵的举例如下：
样本1一次导数平均数，样本1一次导数标准差，……，样本1二次导数平均数，……，样本1二次导数峰间值；
样本2一次导数平均数，样本2一次导数标准差，……，样本2二次导数平均数，……，样本2二次导数峰间值；
样本3一次导数平均数，样本3一次导数标准差，……，样本3二次导数平均数，……，样本3二次导数峰间值；
………………
………………
样本M一次导数平均数，样本M一次导数标准差，……，样本M二次导数平均数，……，样本M二次导数峰间值。
步骤S104，根据所述目标特征矩阵，判断所述焊接区域是否存在气孔缺陷。
在一些实施例中，所述步骤S104包括：使用无气孔的焊缝图片，基于主成分分析法建模得到标准特征矩阵；基于主成分分析法，计算所述目标特征矩阵与所述标准特征矩阵的距离；判断所述目标特征矩阵与所述标准特征矩阵的距离是否大于预设距离阈值；其中，若所述目标特征矩阵与所述标准特征矩阵的距离大于预设距离阈值，则所述焊接区域存在气孔缺陷。
例如，所述步骤S104可以包括如图3所示的步骤S306、S307和S308。
在所述步骤S306中应用的主成分分析法是一种统计方法，其使用正交变换将原变量组成的坐标系变换到新的正交坐标系上，新坐标系指向样本点离散程度最大的多个正交方向(主成分)。通过主成分分析法进行建模，会得到一个可以描述训练样本数据的较低维正交坐标系(如所述标准特征矩阵)，在此坐标系中训练样本点的离散程度最大。
在所述步骤S307中，将对应段焊缝图片的特征矩阵(即所述目标特征矩阵)通过正交变换，转换到基于所述标准特征矩阵使用主成分分析法所得的坐标系中，并计算转换后该特征矩阵值与原矩阵的平方预测误差，此平方预测误差可用来衡量该目标特征矩阵与所述标准特征矩阵的距离和相似性。
在所述步骤S308中，判断所述目标特征矩阵与所述标准特征矩阵的距离是否大于预设距离阈值；若是则进入步骤S309，预警对应的焊接气孔缺陷；否则重复执行步骤S307。
在一些实施例中，所述步骤S104包括：使用无气孔的焊缝图片，基于主成分分析法，根据公式[u]＝[X][P]建模得到标准特征矩阵；其中，[u]表示所述标准特征矩阵，[X]表示所述无气孔的焊缝图片的原始特征矩阵，[P]表示[X]的协方差的特征向量。[u](即所述标准特征矩阵)的作用是建立一个正常无气孔数据的基准模型，以供后续通过新数据与该基准模型的距离判断是否为异常气孔数据。
在一些实施例中，所述步骤S104包括：基于主成分分析法，根据公式{E}＝{x}-{x}[P][P]T和SPE＝∑(Ei)2计算所述目标特征矩阵与所述标准特征矩阵的距离；其中，{E}表示输出值与真实值的差值数列，{x}表示所述焊接区域对应的图像的特征数列，[P]表示模型的特征向量，[P]T表示模型特征向量的转置矩阵；SPE表示预测误差的平方和，用于衡量所述目标特征矩阵与所述标准特征矩阵的距离，Ei表示所述差值数列中的第i个元素。
在一些实施例中，所述方法还包括步骤S105；在所述步骤S105中，若所述焊接区域存在气孔缺陷，预警对应的焊接气孔缺陷。在此，通过有效地预警焊接气孔缺陷，可以减少焊接的质量问题，提高生产加工效率。
图4是根据本申请实施例的一种实时检测焊接气孔的设备示意图，该设备包括图像采集模块401、图像处理模块402、特征提取模块403和算法检测模块404。
图像采集模块401，在焊接过程中，通过红外热像仪实时采集工件或母材上焊缝区域的红外热成像。
在此，可以通过红外热像仪实时采集到所述工件或母材上焊缝区域的红外热成像原图。
图像处理模块402，处理所述工件或母材上的红外热成像，从中选取焊接区域对应的图像。
其中，所述焊接区域对应的图像的格式可为png、jpg等常见图片格式。
在一些实施例中，所述图像处理模块402用于：通过应用图像滤波、图像灰化、阈值分割、最大连通区域判定的方法，从所述工件或母材上的红外热成像中选取焊接区域对应的图像。
例如，所述工件或母材上的红外热成像原图，通过应用图像滤波、图像灰化、阈值分割后得到如图2(a)所示的灰度图，再通过最大连通区域判定得到如图2(b)所示的最大连通区域图。
特征提取模块403，根据所述焊接区域对应的图像，提取目标特征矩阵。
在一些实施例中，所述特征提取模块403用于：从所述焊接区域对应的图像中，提取每一行或每一列的温度最大值并构建最大温度数列；计算所述最大温度数列的一次导数和二次导数；分别计算所述最大温度数列的一次导数和二次导数的特征值，组成目标特征矩阵。
例如，所述特征提取模块403可以执行如图3所示的步骤S303、S304和S305。其中，所述最大温度数列的一次导数用于衡量最大温度的下降速度，二次导数用于衡量最大温度下降速度的变化率。
在一些实施例中，所述最大温度数列的一次导数和二次导数的特征值包括以下至少任一项：所述最大温度数列的一次导数和二次导数的平均值、标准差、均方根、偏度、峰度、最大值、最小值、峰间值。
例如，所述目标特征矩阵可以是M行N列的矩阵，其中，M表示数据样本中的样本数，N表示计算的特征个数。关于所述目标特征矩阵的举例如下：
样本1一次导数平均数，样本1一次导数标准差，……，样本1二次导数平均数，……，样本1二次导数峰间值；
样本2一次导数平均数，样本2一次导数标准差，……，样本2二次导数平均数，……，样本2二次导数峰间值；
样本3一次导数平均数，样本3一次导数标准差，……，样本3二次导数平均数，……，样本3二次导数峰间值；
………………
………………
样本M一次导数平均数，样本M一次导数标准差，……，样本M二次导数平均数，……，样本M二次导数峰间值。
算法检测模块404，根据所述目标特征矩阵，判断所述焊接区域是否存在气孔缺陷。
在一些实施例中，所述算法检测模块404用于：使用无气孔的焊缝图片，基于主成分分析法建模得到标准特征矩阵；基于主成分分析法，计算所述目标特征矩阵与所述标准特征矩阵的距离；判断所述目标特征矩阵与所述标准特征矩阵的距离是否大于预设距离阈值；其中，若所述目标特征矩阵与所述标准特征矩阵的距离大于预设距离阈值，则所述焊接区域存在气孔缺陷。
例如，所述算法检测模块404可以执行如图3所示的步骤S306、S307和S308。
在所述步骤S306中应用的主成分分析法是一种统计方法，其使用正交变换将原变量组成的坐标系变换到新的正交坐标系上，新坐标系指向样本点离散程度最大的多个正交方向(主成分)。通过主成分分析法进行建模，会得到一个可以描述训练样本数据的较低维正交坐标系(如所述标准特征矩阵)，在此坐标系中训练样本点的离散程度最大。
在所述步骤S307中，将对应段焊缝图片的特征矩阵(即所述目标特征矩阵)通过正交变换，转换到基于所述标准特征矩阵使用主成分分析法所得的坐标系中，并计算转换后该特征矩阵值与原矩阵的平方预测误差，此平方预测误差可用来衡量该目标特征矩阵与所述标准特征矩阵的距离和相似性。
在所述步骤S308中，判断所述目标特征矩阵与所述标准特征矩阵的距离是否大于预设距离阈值；若是则进入步骤S309，预警对应的焊接气孔缺陷；否则重复执行步骤S307。
在一些实施例中，所述算法检测模块404用于：使用无气孔的焊缝图片，基于主成分分析法，根据公式[u]＝[X][P]建模得到标准特征矩阵；其中，[u]表示所述标准特征矩阵，[X]表示所述无气孔的焊缝图片的原始特征矩阵，[P]表示[X]的协方差的特征向量。[u](即所述标准特征矩阵)的作用是建立一个正常无气孔数据的基准模型，以供后续通过新数据与该基准模型的距离判断是否为异常气孔数据。
在一些实施例中，所述算法检测模块404用于：基于主成分分析法，根据公式{E}＝{x}-{x}[P][P]T和SPE＝∑(Ei)2计算所述目标特征矩阵与所述标准特征矩阵的距离；其中，{E}表示输出值与真实值的差值数列，{x}表示所述焊接区域对应的图像的特征数列，[P]表示模型的特征向量，[P]T表示模型特征向量的转置矩阵；SPE表示预测误差的平方和，用于衡量所述目标特征矩阵与所述标准特征矩阵的距离，Ei表示所述差值数列中的第i个元素。
在一些实施例中，所述实时检测焊接气孔的设备还包括预警模块405；所述预警模块405用于：若所述焊接区域存在气孔缺陷，预警对应的焊接气孔缺陷。在此，通过有效地预警焊接气孔缺陷，可以减少焊接的质量问题，提高生产加工效率。
综上所述，本申请实施例可以在机器人焊接过程中实时检测焊接气孔缺陷，应用图像处理方法和特征提取方法，通过异常检测算法针对焊接气孔进行准确的检测。本申请实施例通过焊接过程中的自动检测，可以有效地预警焊接气孔缺陷，减少焊接的质量问题，提高生产加工效率。本申请实施例还可以节约检测成本，在一定程度上减少了人工检测的成本与专业检测仪器的采购资金。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据程序指令运行的计算机设备的工作存储器中。在此，本申请的一些实施例提供了一种计算设备，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行前述本申请的多个实施例的方法和/或技术方案。
此外，本申请的一些实施例还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现前述本申请的多个实施例的方法和/或技术方案。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (11)
1.一种实时检测焊接气孔的方法，其中，所述方法包括：
在焊接过程中，通过红外热像仪实时采集工件或母材上焊缝区域的红外热成像；
处理所述工件或母材上的红外热成像，从中选取焊接区域对应的图像；
根据所述焊接区域对应的图像，提取目标特征矩阵；
根据所述目标特征矩阵，判断所述焊接区域是否存在气孔缺陷。
2.根据权利要求1所述的方法，其中，所述方法还包括：
若所述焊接区域存在气孔缺陷，预警对应的焊接气孔缺陷。
3.根据权利要求1所述的方法，其中，处理所述工件或母材上的红外热成像，从中选取焊接区域对应的图像，包括：
通过应用图像滤波、图像灰化、阈值分割、最大连通区域判定的方法，从所述工件或母材上的红外热成像中选取焊接区域对应的图像。
4.根据权利要求1所述的方法，其中，根据所述焊接区域对应的图像，提取目标特征矩阵，包括：
从所述焊接区域对应的图像中，提取每一行或每一列的温度最大值并构建最大温度数列；
计算所述最大温度数列的一次导数和二次导数；
分别计算所述最大温度数列的一次导数和二次导数的特征值，组成目标特征矩阵。
5.根据权利要求4所述的方法，其中，所述最大温度数列的一次导数和二次导数的特征值包括以下至少任一项：
所述最大温度数列的一次导数和二次导数的平均值、标准差、均方根、偏度、峰度、最大值、最小值、峰间值。
6.根据权利要求1所述的方法，其中，根据所述目标特征矩阵，判断所述焊接区域是否存在气孔缺陷，包括：
使用无气孔的焊缝图片，基于主成分分析法建模得到标准特征矩阵；
基于主成分分析法，计算所述目标特征矩阵与所述标准特征矩阵的距离；
判断所述目标特征矩阵与所述标准特征矩阵的距离是否大于预设距离阈值；
其中，若所述目标特征矩阵与所述标准特征矩阵的距离大于预设距离阈值，则所述焊接区域存在气孔缺陷。
7.根据权利要求6所述的方法，其中，使用无气孔的焊缝图片，基于主成分分析法建模得到标准特征矩阵，包括：
使用无气孔的焊缝图片，基于主成分分析法，根据公式[u]＝[X][P]建模得到标准特征矩阵；
其中，[u]表示所述标准特征矩阵，[X]表示所述无气孔的焊缝图片的原始特征矩阵，[P]表示[X]的协方差的特征向量。
8.根据权利要求6所述的方法，其中，基于主成分分析法，计算所述目标特征矩阵与所述标准特征矩阵的距离，包括：
基于主成分分析法，根据公式{E}＝{x}-{x}[P][P]T和SPE＝∑(Ei)2计算所述目标特征矩阵与所述标准特征矩阵的距离；
其中，{E}表示输出值与真实值的差值数列，{x}表示所述焊接区域对应的图像的特征数列，[P]表示模型的特征向量，[P]T表示模型特征向量的转置矩阵；SPE表示预测误差的平方和，用于衡量所述目标特征矩阵与所述标准特征矩阵的距离，Ei表示所述差值数列中的第i个元素。
9.一种实时检测焊接气孔的设备，其中，所述设备包括：
图像采集模块，用于在焊接过程中，通过红外热像仪实时采集工件或母材上焊缝区域的红外热成像；
图像处理模块，用于处理所述工件或母材上的红外热成像，从中选取焊接区域对应的图像；
特征提取模块，用于根据所述焊接区域对应的图像，提取目标特征矩阵；
算法检测模块，用于根据所述目标特征矩阵，判断所述焊接区域是否存在气孔缺陷。
10.一种计算设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行权利要求1至8中任一项所述的方法。
11.一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110196965.2A CN112834569A (zh) | 2021-02-22 | 2021-02-22 | 一种实时检测焊接气孔的方法与设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110196965.2A CN112834569A (zh) | 2021-02-22 | 2021-02-22 | 一种实时检测焊接气孔的方法与设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112834569A true CN112834569A (zh) | 2021-05-25 |
Family
ID=75932813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110196965.2A Pending CN112834569A (zh) | 2021-02-22 | 2021-02-22 | 一种实时检测焊接气孔的方法与设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112834569A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115598177A (zh) * | 2022-12-14 | 2023-01-13 | 西南交通大学（Cn） | 基于微分法的车载电缆内部热缺陷轮廓检测方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101297194A (zh) * | 2005-08-24 | 2008-10-29 | 科巴西斯有限责任公司 | 激光焊接电池模块外壳部件的红外线热成像 |
| CN104977305A (zh) * | 2015-06-29 | 2015-10-14 | 华中科技大学 | 一种基于红外视觉的焊接质量分析装置及分析方法 |
| CN107081503A (zh) * | 2017-05-31 | 2017-08-22 | 温州大学 | 一种弧焊质量的红外无损检测装置及其红外无损检测方法 |
| WO2018074161A1 (ja) * | 2016-10-18 | 2018-04-26 | 日産自動車株式会社 | 溶接品質検査方法及び溶接品質検査装置 |
| CN108198181A (zh) * | 2018-01-23 | 2018-06-22 | 电子科技大学 | 一种基于区域分割和图像融合的红外热图像处理方法 |
| CN110243863A (zh) * | 2019-07-09 | 2019-09-17 | 苏交科集团股份有限公司 | 一种主动激励的焊缝缺陷红外智能检测系统及方法 |
| CN110335204A (zh) * | 2019-05-07 | 2019-10-15 | 中国人民解放军陆军工程大学 | 一种热成像图像增强方法 |
| US20190375036A1 (en) * | 2017-01-30 | 2019-12-12 | Mitsubishi Electric Corporation | Soldering system, control device, control method, and program |
| CN110927168A (zh) * | 2019-11-26 | 2020-03-27 | 华中科技大学 | 一种基于红外图像的焊接与焊点缺陷检测系统及方法 |
| JP2020189324A (ja) * | 2019-05-23 | 2020-11-26 | 株式会社神戸製鋼所 | 構造体の製造システム及び製造方法 |
-
2021
- 2021-02-22 CN CN202110196965.2A patent/CN112834569A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101297194A (zh) * | 2005-08-24 | 2008-10-29 | 科巴西斯有限责任公司 | 激光焊接电池模块外壳部件的红外线热成像 |
| CN104977305A (zh) * | 2015-06-29 | 2015-10-14 | 华中科技大学 | 一种基于红外视觉的焊接质量分析装置及分析方法 |
| WO2018074161A1 (ja) * | 2016-10-18 | 2018-04-26 | 日産自動車株式会社 | 溶接品質検査方法及び溶接品質検査装置 |
| US20190375036A1 (en) * | 2017-01-30 | 2019-12-12 | Mitsubishi Electric Corporation | Soldering system, control device, control method, and program |
| CN107081503A (zh) * | 2017-05-31 | 2017-08-22 | 温州大学 | 一种弧焊质量的红外无损检测装置及其红外无损检测方法 |
| CN108198181A (zh) * | 2018-01-23 | 2018-06-22 | 电子科技大学 | 一种基于区域分割和图像融合的红外热图像处理方法 |
| CN110335204A (zh) * | 2019-05-07 | 2019-10-15 | 中国人民解放军陆军工程大学 | 一种热成像图像增强方法 |
| JP2020189324A (ja) * | 2019-05-23 | 2020-11-26 | 株式会社神戸製鋼所 | 構造体の製造システム及び製造方法 |
| CN110243863A (zh) * | 2019-07-09 | 2019-09-17 | 苏交科集团股份有限公司 | 一种主动激励的焊缝缺陷红外智能检测系统及方法 |
| CN110927168A (zh) * | 2019-11-26 | 2020-03-27 | 华中科技大学 | 一种基于红外图像的焊接与焊点缺陷检测系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张君: "基于主成分分析的焊缝缺陷识别", 《工业控制计算机》 * |
| 蒋先刚: "《数字图像模式识别工程项目研究》", 31 March 2014 * |
| 金永: "《基于光栅投影的玻璃缺陷在线检测技术》", 30 June 2016 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115598177A (zh) * | 2022-12-14 | 2023-01-13 | 西南交通大学（Cn） | 基于微分法的车载电缆内部热缺陷轮廓检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3239931A1 (en) | Image processing apparatus and image processing method | |
| CN104568979A (zh) | 芯片对数据库的影像检测方法 | |
| CN110827249A (zh) | 电子设备背板外观瑕疵检测方法及设备 | |
| JP2008224365A (ja) | 欠陥検査装置及び欠陥検査方法 | |
| WO2019127102A1 (zh) | 信息处理方法、装置、云处理设备以及计算机程序产品 | |
| CN112001880B (zh) | 一种平面构件的特征参数检测方法及装置 | |
| CN110827246A (zh) | 电子设备边框外观瑕疵检测方法及设备 | |
| CN110827245A (zh) | 一种检测屏幕显示断线的方法及设备 | |
| JP2015005181A (ja) | 情報処理装置、判定方法および判定プログラム | |
| CN111815576B (zh) | 金属部件腐蚀状况检测方法、装置、设备和存储介质 | |
| CN111507332A (zh) | 车辆vin码检测方法与设备 | |
| CN112834569A (zh) | 一种实时检测焊接气孔的方法与设备 | |
| CN113808200B (zh) | 一种检测目标对象移动速度的方法、装置及电子设备 | |
| CN112907521B (zh) | 基于ssd和glcm的焊接气孔目标检测方法 | |
| CN114463300A (zh) | 钢材表面缺陷检测方法、电子设备、存储介质 | |
| Čepon et al. | Impact-pose estimation using ArUco markers in structural dynamics | |
| CN117788444A (zh) | Smt贴片偏移检测方法、装置及视觉检测系统 | |
| CN111931920A (zh) | 基于级联神经网络的目标检测方法、装置及存储介质 | |
| CN111488846A (zh) | 一种识别水位的方法及设备 | |
| CN114676907B (zh) | 一种区域地质灾害预警方法、装置、存储介质及设备 | |
| CN114444550B (zh) | 结构化数据解析方法、装置、电子设备及存储介质 | |
| CN113379745B (zh) | 产品缺陷识别方法、装置、电子设备和存储介质 | |
| JP4847356B2 (ja) | テンプレートマッチング装置及び方法 | |
| CN103020601B (zh) | 高压线视觉检测方法和装置 | |
| WO2021005624A1 (en) | Method for simulation assisted data generation and deep learning intelligence creation in non-destructive evaluation systems |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210525 |