CN113012115A - 一种螺栓立体成像检测系统及方法 - Google Patents
一种螺栓立体成像检测系统及方法 Download PDFInfo
- Publication number
- CN113012115A CN113012115A CN202110235661.2A CN202110235661A CN113012115A CN 113012115 A CN113012115 A CN 113012115A CN 202110235661 A CN202110235661 A CN 202110235661A CN 113012115 A CN113012115 A CN 113012115A
- Authority
- CN
- China
- Prior art keywords
- image
- bolt
- target
- defect
- target bolt
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000003384 imaging method Methods 0.000 title claims abstract description 29
- 230000007547 defect Effects 0.000 claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 16
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 238000003707 image sharpening Methods 0.000 claims description 7
- 230000004069 differentiation Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000035515 penetration Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 description 34
- 238000010586 diagram Methods 0.000 description 8
- 230000002457 bidirectional effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10116—X-ray 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种螺栓立体成像检测系统及方法,属于螺栓检测领域;本系统包括:图像采集单元、处理单元、控制单元、输出单元、存储单元;本发明通过工业相机和X射线源进行对目标螺栓采集图像和缺陷图像进行对采集的图像模拟信号转换为数字图像信号,进而将采集的转换处理以及融合匹配,从而得出目标螺栓的缺陷位置和目标立体图像;同时可以有效的进行螺栓内外的缺陷检测,同时通过处理单元中去除噪声和模糊;使得图像能够尽可能地贴近原始图像,且进行图像的边缘锐化;即加强图像的轮廓边缘和细节,使灰度反差增强。
Description
技术领域
本发明公开了一种螺栓立体成像检测系统及方法,属于螺栓检测领域。
背景技术
螺栓作为机械机器中必不可少的工件,主要用于各个零件、构件之间的连接,同时承担着支撑各个零件、构件的作用;随着工业现场大尺寸工件检测日益呈现出检测过程自动化,检测环境复杂化,检测对象多样化的特点,传统的检测手段已无法满足大尺寸工件在线检测的需求。
随着我们飞机的快速发展,无论军事飞机还是民用飞机,首要的任务就是确保飞机的安全性,确保各个零件部件之间的连接是否符合规定,由于高空飞机受到自身振动、气流冲击和温度瞬变等干扰时,导致飞机螺栓结构松动、断裂或者脱落等问题。螺栓在生产过程中的检测成为螺栓安全的关键,现有技术中螺栓的检测还存在以下问题:
1.在生产中,螺栓的外部检测多数还存在人工检测,这样不仅效率底而且不能保证准确率;
2.现有技术无法进行内外同时检测且检测螺栓对象的局限性很大,不能同时驾车呢多中不同类型和大小的螺栓,造成检测效率下降。
发明内容
发明目的:提供一种螺栓立体成像检测系统及方法,以解决上述问题。
技术方案:一种螺栓立体成像检测系统,包括:
图像采集单元,用于通过工业相机和X射线源进行对目标螺栓采集图像和缺陷图像;
处理单元,用于对采集的图像模拟信号转换为数字图像信号;
控制单元,用于进行采集的转换处理以及融合匹配,从而得出目标螺栓的缺陷位置;
输出单元,用于输出缺陷信息。
存储单元,用于根据螺栓信息进行存储各类信息、和缺陷信息。
优选的,处理单元进行将采集信号转化为图像信号,同时进行对采集信号进行放大滤波有效的消除采集中的噪声;具体的方法如下:
获取采集图下信息;
获取电信号;
进行电信号输出;
进行电信号处理;
进行图像处理并生成图像;
进行图像存储。
优选的,处理单元包括:光电转换支路、模数转换支路和滤波放大支路。
一种螺栓立体成像检测系统的检测方法,包括以下步骤:
获取目标螺栓立体图像;即首先通过工业相机进行照射目标螺栓的立体图像;
获取目标螺栓的缺陷位置;即通过X射线源对目标螺栓进行穿透探伤,从而配合目标螺栓立体图像进行缺陷显现,进而获取目缺陷在目标螺栓上的位置;
输出检测信息。
优选的,在进行获取目标螺栓立体图像时,需要以多方面进行采集目标螺栓图像,并对每一幅图像进行处理,进而提取每个方向下目标螺栓的特征点,并根据特征点进行建立目标螺栓的三维立体图像,具体方法如下:
确实目标螺栓的初始角度;即通过传输至旋转台上的目标螺栓进行采集第一幅图像,并将螺栓的当前角度即为初始角度(0°);
对四个方位进行图像采集;即通过旋转台自转,并通过工业相机对螺栓的四个方向(0度、90度、180度、270度)都进行采集一张图像。
对获取的图像进行处理;即对采集的四张目标螺栓图像进行图像信息处理,通过对图像进行增强、滤波、边缘锐化和分割,从而提取出每张图像中的螺栓特征点;
进行特征融合成像;即对所提取的特征点进行融合,将目标螺栓的所有特征点进行匹配去除从而只保留唯一特征点,依次连接特征点,从而完成成像;得到目标螺栓的立体图像。
优选的,进行对获取的图像进行处理是根据采集的没张图像通过信号处理单元后,将采集模拟图像信号转换为数字图像信号,且这些数字图像信号还无法直接形成图像,需要进行一系列的处理;具体的处理方法如下:
进行图像增强;
进行图像的滤波;
进行图像的边缘锐化;
进行图像的分割。
优选的,进行图像的滤波;通过去除噪声和模糊;使得图像能够尽可能地贴近原始图像;即通过将图像中一点的像素值用该点的邻域点像素值的中值代替,使周围的像素值接近真实值,从而消除孤立的噪声点;具体方法的算法如下:
进定义一个统计变量A、门限值V和噪声参照值Z;将绝对值为B逐个与门限值V作比较,如果绝对值为B ≥门限值V,则统计变量A加 1,并结束比较;同时判断统计变量A是否大于噪声参照值Z,当变量A大于噪声参照值Z时,则确认为噪声, 继而用窗口像素均值代之;否则, 不变。
优选的,进行图像的边缘锐化;即加强图像的轮廓边缘和细节,使灰度反差增强;图像的锐化处理是为了消除因相机焦点尺寸带来的半影区和在对摄像源进行降噪和增强等处理过程中引入的图像模糊,并对图像中的细节和图像的边缘进行增强,从而提高图像的空间分辨率,进而方便了人眼和计算机的观察和检测;图像锐化处理实质是对图像中的高频分量进行增强,从而达到突出图像边缘和轮廓的目的;图像锐化处理是使用图像像素值的变化程度(即灰度梯度)来判断边缘的位置和增强边缘处理;锐化处理是通过空间微分来完成的,在图像处理常用一阶微分进行完成;即选取图像中一点的像素值,则该像素的梯度为:
优选的,进行特征融合成像是将采集的四幅目标螺栓图像根据上述方法进行依次的处理和提取图像特征点,并根据这些提取的特征点进行融合形成目标螺栓立体图像;对四幅有重叠区域的输入图像进行平滑过渡,即选择一个合适的过渡权值函数,对图像重叠区域的像素进行加权平均;从而得到融合后的具体立体图像,得到公式:
优选的,获取目标螺栓的缺陷位置的具体方法如下:
进行螺栓内外全体扫描;
进行图像匹配获取缺陷位置;
进行缺陷的分类和定性;
进行边界图像填充;
输出缺陷信息。
有益效果:本发明通过工业相机和X射线源进行对目标螺栓采集图像和缺陷图像通进行对采集的图像模拟信号转换为数字图像信号,进而将采集的转换处理以及融合匹配,从而得出目标螺栓的缺陷位置和目标立体图像;同时可以有效的进行螺栓内外的缺陷检测,同时通过处理单元中去除噪声和模糊;使得图像能够尽可能地贴近原始图像,且进行图像的边缘锐化;即加强图像的轮廓边缘和细节,使灰度反差增强;图像的锐化处理是为了消除因相机焦点尺寸带来的半影区和在对摄像源进行降噪和增强等处理过程中引入的图像模糊,并对图像中的细节和图像的边缘进行增强,从而提高图像的空间分辨率,进而方便了人眼和计算机的观察和检测。
附图说明
图1是本发明的系统框图。
图2是本发明的工作方法流程图。
图3是本发明的图像特征提取流程图。
图4是本发明的缺陷检测流程图。
图5是本发明的图像采集方法框图。
图6是本发明的工作原理图。
图7是本发明的处理单元电路图。
图8是本发明的光电转换支路电路图。
图9是本发明的模数转换支路电路图。
图10是本发明的滤波放大支路电路图。
具体实施方式
如图2所示,在该实施例中,一种螺栓立体成像检测方法,具体的工作流程如下:
获取目标螺栓立体图像;即首先通过工业相机进行照射目标螺栓的立体图像;
获取目标螺栓的缺陷位置;即通过X射线源对目标螺栓进行穿透探伤,从而配合目标螺栓立体图像进行缺陷显现,进而获取目缺陷在目标螺栓上的位置;
输出检测信息。
在进一步的实施例中,在进行获取目标螺栓立体图像时,需要以多方面进行采集目标螺栓图像,并对每一幅图像进行处理,进而提取每个方向下目标螺栓的特征点,并根据特征点进行建立目标螺栓的三维立体图像,具体方法如下:
确实目标螺栓的初始角度;即通过传输至旋转台上的目标螺栓进行采集第一幅图像,并将螺栓的当前角度即为初始角度(0°);
对四个方位进行图像采集;即通过旋转台自转,并通过工业相机对螺栓的四个方向(0度、90度、180度、270度)都进行采集一张图像。
对获取的图像进行处理;即对采集的四张目标螺栓图像进行图像信息处理,通过对图像进行增强、滤波、边缘锐化和分割,从而提取出每张图像中的螺栓特征点;
进行特征融合成像;即对所提取的特征点进行融合,将目标螺栓的所有特征点进行匹配去除从而只保留唯一特征点,依次连接特征点,从而完成成像;得到目标螺栓的立体图像。
在更进一步的实施例中,上述方法中,进行对获取的图像进行处理是根据采集的没张图像通过信号处理单元后,将采集模拟图像信号转换为数字图像信号,且这些数字图像信号还无法直接形成图像,需要进行一系列的处理;具体的处理方法如下:
进行图像增强;调整图像的对比度,突出重要细节,改善图像质量;先对所采集的图像进行分段;通过选择性的对图像分段内的像素值做相同倍数的放大或者缩小,从而改善灰度不明显区域的视觉效果,提高图像对比度;
进行图像的滤波;通过去除噪声和模糊;使得图像能够尽可能地贴近原始图像;即通过将图像中一点的像素值用该点的邻域点像素值的中值代替,使周围的像素值接近真实值,从而消除孤立的噪声点;具体方法的算法如下:
进定义一个统计变量A、门限值V和噪声参照值Z;将绝对值为B逐个与门限值V作比较,如果绝对值为B ≥门限值V,则统计变量A加 1,并结束比较;同时判断统计变量A是否大于噪声参照值Z,当变量A大于噪声参照值Z时,则确认为噪声, 继而用窗口像素均值代之;否则, 不变;
进行图像的边缘锐化;即加强图像的轮廓边缘和细节(一般轮廓边缘都处于灰度突变的地方),使灰度反差增强;图像的锐化处理是为了消除因相机焦点尺寸带来的半影区和在对摄像源进行降噪和增强等处理过程中引入的图像模糊,并对图像中的细节和图像的边缘进行增强,从而提高图像的空间分辨率,进而方便了人眼和计算机的观察和检测;图像锐化处理实质是对图像中的高频分量进行增强,从而达到突出图像边缘和轮廓的目的;图像锐化处理是使用图像像素值的变化程度(即灰度梯度)来判断边缘的位置和增强边缘处理;锐化处理是通过空间微分来完成的,在图像处理常用一阶微分进行完成;即选取图像中一点的像素值,则该像素的梯度为:
进行图像的分割,从而提取特征点;通过逼近导数来寻找边缘,其边缘点存在于图像梯度最大值处;是邻域的像素对当前像素产生的影响不是等价的,所以距离不同的像素具有不同的权值,对算子结果产生的影响也不同;通过两个卷积核进行比较,图像中的每个像素点都用这两个核做卷积,其中一个对垂直边缘的响应最大,而另一个对水平边缘的响应最大,将两者中的最大值作为该点最终的输出值;从而进行完成图像的分割,只保留最大值所在的像素点,并进行提取,从而获得图像的特征点。
在更进一步的实施例中,将采集的四幅目标螺栓图像根据上述方法进行依次的处理和提取图像特征点,并根据这些提取的特征点进行融合形成目标螺栓立体图像;对四幅有重叠区域的输入图像进行平滑过渡,即选择一个合适的过渡权值函数,对图像重叠区域的像素进行加权平均;从而得到融合后的具体立体图像,得到公式:
在进一步的实施例中,通过X射线源对目标螺栓进行穿透探伤,从而配合目标螺栓立体图像进行缺陷显现,进而获取目缺陷在目标螺栓上的位置,从而获取目标螺栓的缺陷位置;具体方法如下:
进行螺栓内外全体扫描;首先通过X射线源对目标螺栓进行内外穿透探伤,从而得到螺栓的模拟图像;
进行图像匹配获取缺陷位置;将通过射线源获得图像进行目标螺栓图像进行重叠,从而进行确认缺陷位置;
进行缺陷的分类和定性;通过先计算各个缺陷区域的特征参数,而在计算特征参数前要对缺陷进行跟踪提取,标记出每个缺陷的具体位置和几何形状;用曲线起始点的坐标和边界点方向代码来描述曲线或边界的方法,用中心点指向它的8个相邻点的方向来定义;取值0至7,按逆时针递增,称为8连通链码;对于8连通链码,链码值加1,其所指方向逆时针旋转 45°,随着链码值递增,其所指方向按逆时针方向旋转;链码值加4,方向反向;链码值加8,则又回到起始的方向;因为每个像素只有8个邻点,所以链码值只有 8 个,当链码值超过8或小于0时,就得除去或补上 8;
通过缺陷区域的特征参数且进行通过链码方向进行确定缺陷的位置以及区域,通过按从左向右,从下向上的顺序扫描,找出第一个缺陷点,这个点肯定是缺陷边界最左下方的点,再从该点开始搜索,起始搜索方向定为左上方,如果左上方是缺陷点,则为新的边界点,反至则以方向顺时针旋转45°,且继续搜索,以此类推,直到找出第一个缺陷点为止,然后把该点,并将当前作为新的边界点,并将当前的搜索方向逆时针旋转 90°,继续用上述方法寻找下一个缺陷点,直到搜索回到最初的起点为止,从而得到缺陷图像的边界图像;
进行边界图像填充;即把不同于背景 区域的灰度值赋予缺陷区域,则完成一个范围的标定,可以通过标记出的像素来计算常见的缺陷特征参数;在缺陷区域内部至少有一个像素点是已知的,然后搜索区域内所有其它点,并对它们进行填充;如果相邻点不在缺陷区域内,则相邻点为边界点;如果相邻点在缺陷区域内,那么将这一点作为新的已知点,继续搜索下去,直到搜索完所有内部点,从而获得缺陷图像的具体大小;
输出缺陷信息。
一种螺栓立体成像检测系统,包括:
图像采集单元,用于通过工业相机和X射线源进行对目标螺栓采集图像和缺陷图像;
处理单元,用于对采集的图像模拟信号转换为数字图像信号;
控制单元,用于进行采集的转换处理以及融合匹配,从而得出目标螺栓的缺陷位置;
输出单元,用于输出缺陷信息。
存储单元,用于根据螺栓信息进行存储各类信息、和缺陷信息。
在进一步的实施例中,当进行工业相机采集图像时,通过系统中的处理单元进行将采集信号转化为图像信号,同时进行对采集信号进行放大滤波有效的消除采集中的噪声,从而保证图像的准确性以及稳定性,且进行将转化数据存储在数据库,供深度学习模块学习;具体方法如下:
获取采集图下信息;即当使用工业相机拍摄目标螺栓时,目标螺栓反射的光线通过工业相机的镜头透射到CCD上;
获取电信号;即当CCD曝光后,光电感应支路上受到光线的激发而释放出电荷,生成感光元件的电信号。
进行电信号输出;即CCD利用感光元件中的控制信号线路对发光二极管产生的电流进行控制,由电流传输电路输出,CCD会将一次成像产生的电信号收集起来,统一输出到放大器;
进行电信号处理;即将经过放大和滤波后的电信号被传送到ADC(模数转换支路),由ADC将电信号(模拟信号)转换为数字信号,数值的大小和电信号的强度与电压的高低成正比,这些数值其实也就是图像的数据;
进行图像处理并生成图像;即得到的图像数据还不能直接生成图像,要通过DSP(数字信号处理器)进行对这些图像数据进行校正和处理工作,并编码为数码相机所支持的图像格式、分辨率,进而生成为图像;
进行图像存储;当完成上述步骤后,图像文件就会被保存到数据库中。
在进一步的实施例中,处理单元包括:光电转换支路、模数转换支路和滤波放大支路;
光电转换支路包括:双向可控硅U4、放大器U3A、电容C7、二极管D1、二极管D2、电阻R4、光电耦合器U2、放大器U5A;
所述双向可控硅U4的控制端与所述放大器U3A的1号引脚连接,所述双向可控硅U4的一端同时与所述放大器U3A的2号引脚、所述电容C7的一端和所述二极管D2的正极连接,所述放大器U3A的3号引脚同时与所述电容C7的另一端、所述二极管D2的负极和所述二极管D1的正极连接,所述双向可控硅U4的另一端与所述电阻R4的一端连接且输入信号,所述电阻R4的一端输入电压,所述光电耦合器U2的1号引脚与所述电阻R4的另一端连接,所述光电耦合器U2的4号引脚输入电压,所述光电耦合器U2的3号引脚与所述放大器U5A的3号引脚连接,所述放大器U5A的2号引脚与1号引脚连接且输出信号。
在进一步的实施例中,模数转换支路包括:可调电阻RV1、电阻R1、电容C6、电容C1、模数转换器U1、电容C2、电容C3、可调电阻RV2、电容C5、电阻R3、电阻R2、电容C4;
所述可调电阻RV1的一端输入信号,所述电阻R1的一端与所述可调电阻RV1的另一端和控制端连接,所述模数转换器U1的3号引脚同时与所述电阻R1的另一端和所述电容C6的一端连接,所述模数转换器U1的2号引脚接地,所述模数转换器U1的8号引脚与所述电容C1的一端连接且输入信号,所述电容C1的另一端接地,所述模数转换器U1的1号引脚同时与所述电容C6的另一端和所述模数转换器U1的13号引脚连接,所述模数转换器U1的7号引脚与所述电容C2的一端连接,所述电容C2的另一端与所述电容C3的一端连接,所述电容C3的另一端接地,所述模数转换器U1的16号引脚与所述可调电阻RV2的一端连接,所述可调电阻RV2的控制端与所述电阻R3的一端连接,所述模数转换器U1的14号引脚与所述可调电阻RV2的另一端连接,所述模数转换器U1的10号引脚与所述电阻R3的另一端连接,所述模数转换器U1的9号引脚与所述电容C5的一端连接且接地,所述电容C5的另一端输入电压,所述模数转换器U1的15号引脚与电阻R2的一端连接且输出信号,所述电阻R2的另一端与所述电容C4的一端连接且输入电压,所述电容C4的另一端接地。
在进一步的实施例中,滤波放大支路包括:放大器U6A、电阻R5、电阻R6、电阻R7、电容C9、电容C10、电容C8、电容C9;
所述电容C8的一端与所述电阻R7的一端连接且输入信号,电阻R7的另一端同时与所述电阻R5的一端和所述电容C10的一端连接,所述电容C10的另一端接地,所述放大器U6A的2号引脚同时与所述电阻R5的另一端和所述电容C9的一端连接,所述电容C9的另一端同时与所述电容C8的另一端和所述电阻R6的一端连接,所述放大器U6A的3号引脚与所述电阻R6的另一端连接,所述放大器U6A的1号引脚输出信号。
在进一步的实施例中,光电耦合器U2的型号为PC817D;模数转换器U1的型号为ADC10831。
在进一步的实施例中,光电转换支路通过输入采集信号,同时双向可控硅U4和放大器U3A进行控制信号输入,对信号微弱的信号进行放大输入,且电容C7进行控制放大标准,同时通过二极管D1进行输入光电耦合器U2进行转换输出,且通过放大器U5A进行输出至模数转换支路。
在进一步的实施例中,模数转换支路接收光电转换支路输出的电信号,电信号通过可调电阻RV1与电阻R1组成保护电路进行输入模数转换器U1,同时通过电阻R2进行将模拟信号保护输出至滤波放大支路。
在进一步的实施例中,滤波放大支路接收模拟信号,电阻R7与电阻R5配合电容C10、电容C8和电容C9进行滤波工作,消除信号的杂波,同时通过放大器U6A进行放大输出至控制单元。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
Claims (10)
1.一种螺栓立体成像检测系统,其特征在于,包括:
图像采集单元,用于通过工业相机和X射线源进行对目标螺栓采集图像和缺陷图像;
处理单元,用于对采集的图像模拟信号转换为数字图像信号;
控制单元,用于进行采集的转换处理以及融合匹配,从而得出目标螺栓的缺陷位置;
输出单元,用于输出缺陷信息;
存储单元,用于根据螺栓信息进行存储各类信息、和缺陷信息。
2.根据权利要求1所述的一种螺栓立体成像检测系统,其特征在于,处理单元进行将采集信号转化为图像信号,同时进行对采集信号进行放大滤波有效的消除采集中的噪声;具体的方法如下:
获取采集图下信息;
获取电信号;
进行电信号输出;
进行电信号处理;
进行图像处理并生成图像;
进行图像存储。
3.根据权利要求1所述的一种螺栓立体成像检测系统,其特征在于,处理单元包括:光电转换支路、模数转换支路和滤波放大支路。
4.一种权利要求2至3任一项所述的螺栓立体成像检测系统的检测方法,其特征在于,包括以下步骤:
获取目标螺栓立体图像;即首先通过工业相机进行照射目标螺栓的立体图像;
获取目标螺栓的缺陷位置;即通过X射线源对目标螺栓进行穿透探伤,从而配合目标螺栓立体图像进行缺陷显现,进而获取目缺陷在目标螺栓上的位置;
输出检测信息。
5.根据权利要求4所述的一种螺栓立体成像检测系统,其特征在于,在进行获取目标螺栓立体图像时,需要以多方面进行采集目标螺栓图像,并对每一幅图像进行处理,进而提取每个方向下目标螺栓的特征点,并根据特征点进行建立目标螺栓的三维立体图像,具体方法如下:
确实目标螺栓的初始角度;即通过传输至旋转台上的目标螺栓进行采集第一幅图像,并将螺栓的当前角度即为初始角度(0°);
对四个方位进行图像采集;即通过旋转台自转,并通过工业相机对螺栓的四个方向(0度、90度、180度、270度)都进行采集一张图像。
6.对获取的图像进行处理;即对采集的四张目标螺栓图像进行图像信息处理,通过对图像进行增强、滤波、边缘锐化和分割,从而提取出每张图像中的螺栓特征点;
进行特征融合成像;即对所提取的特征点进行融合,将目标螺栓的所有特征点进行匹配去除从而只保留唯一特征点,依次连接特征点,从而完成成像;得到目标螺栓的立体图像。
7.根据权利要求5所述的一种螺栓立体成像检测系统,其特征在于,进行对获取的图像进行处理是根据采集的没张图像通过信号处理单元后,将采集模拟图像信号转换为数字图像信号,且这些数字图像信号还无法直接形成图像,需要进行一系列的处理;具体的处理方法如下:
进行图像增强;
进行图像的滤波;
进行图像的边缘锐化;
进行图像的分割。
8.根据权利要求6所述的一种螺栓立体成像检测系统,其特征在于,所述进行图像的滤波;通过去除噪声和模糊;使得图像能够尽可能地贴近原始图像;即通过将图像中一点的像素值用该点的邻域点像素值的中值代替,使周围的像素值接近真实值,从而消除孤立的噪声点;具体方法的算法如下:
9.根据权利要求6所述的一种螺栓立体成像检测系统,其特征在于,所述进行图像的边缘锐化;即加强图像的轮廓边缘和细节,使灰度反差增强;图像的锐化处理是为了消除因相机焦点尺寸带来的半影区和在对摄像源进行降噪和增强等处理过程中引入的图像模糊,并对图像中的细节和图像的边缘进行增强,从而提高图像的空间分辨率,进而方便了人眼和计算机的观察和检测;图像锐化处理实质是对图像中的高频分量进行增强,从而达到突出图像边缘和轮廓的目的;图像锐化处理是使用图像像素值的变化程度(即灰度梯度)来判断边缘的位置和增强边缘处理;锐化处理是通过空间微分来完成的,在图像处理常用一阶微分进行完成;即选取图像中一点的像素值,则该像素的梯度为:
根据权利要求5所述的一种螺栓立体成像检测系统,其特征在于,所述进行特征融合成像是将采集的四幅目标螺栓图像根据上述方法进行依次的处理和提取图像特征点,并根据这些提取的特征点进行融合形成目标螺栓立体图像;对四幅有重叠区域的输入图像进行平滑过渡,即选择一个合适的过渡权值函数,对图像重叠区域的像素进行加权平均;从而得到融合后的具体立体图像,得到公式:
10.根据权利要求4所述的一种螺栓立体成像检测系统,其特征在于,所述获取目标螺栓的缺陷位置的具体方法如下:
进行螺栓内外全体扫描;
进行图像匹配获取缺陷位置;
进行缺陷的分类和定性;
进行边界图像填充;
输出缺陷信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110235661.2A CN113012115B (zh) | 2021-03-03 | 2021-03-03 | 一种螺栓立体成像检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110235661.2A CN113012115B (zh) | 2021-03-03 | 2021-03-03 | 一种螺栓立体成像检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113012115A true CN113012115A (zh) | 2021-06-22 |
CN113012115B CN113012115B (zh) | 2023-02-14 |
Family
ID=76403920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110235661.2A Active CN113012115B (zh) | 2021-03-03 | 2021-03-03 | 一种螺栓立体成像检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012115B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116908212A (zh) * | 2023-09-12 | 2023-10-20 | 厦门微亚智能科技股份有限公司 | 一种基于特征提取的电芯蓝膜外观缺陷检测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050025377A1 (en) * | 2003-07-29 | 2005-02-03 | Avinash Gopal B. | Method and apparatus for signal-to-noise ratio dependent image processing |
US20100303372A1 (en) * | 2007-07-26 | 2010-12-02 | Omron Corporation | Digital image processing and enhancing system and method with function of removing noise |
CN102496032A (zh) * | 2011-12-02 | 2012-06-13 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种电气设备x射线数字图片处理算法支持系统 |
CN103528523A (zh) * | 2013-11-06 | 2014-01-22 | 湖北工业大学 | 一种基于三维立体建模的螺纹检测方法及系统 |
CN104730079A (zh) * | 2015-03-10 | 2015-06-24 | 盐城市圣泰阀门有限公司 | 缺陷检测系统 |
CN111583114A (zh) * | 2020-04-30 | 2020-08-25 | 安徽工业大学 | 一种管道螺纹自动测量装置及测量方法 |
CN111652844A (zh) * | 2020-04-27 | 2020-09-11 | 中国空间技术研究院 | 一种基于数字图像区域增长的x射线缺陷检测方法及系统 |
CN112364754A (zh) * | 2020-11-09 | 2021-02-12 | 云南电网有限责任公司迪庆供电局 | 螺栓缺陷检测方法及系统 |
-
2021
- 2021-03-03 CN CN202110235661.2A patent/CN113012115B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050025377A1 (en) * | 2003-07-29 | 2005-02-03 | Avinash Gopal B. | Method and apparatus for signal-to-noise ratio dependent image processing |
US20100303372A1 (en) * | 2007-07-26 | 2010-12-02 | Omron Corporation | Digital image processing and enhancing system and method with function of removing noise |
CN102496032A (zh) * | 2011-12-02 | 2012-06-13 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种电气设备x射线数字图片处理算法支持系统 |
CN103528523A (zh) * | 2013-11-06 | 2014-01-22 | 湖北工业大学 | 一种基于三维立体建模的螺纹检测方法及系统 |
CN104730079A (zh) * | 2015-03-10 | 2015-06-24 | 盐城市圣泰阀门有限公司 | 缺陷检测系统 |
CN111652844A (zh) * | 2020-04-27 | 2020-09-11 | 中国空间技术研究院 | 一种基于数字图像区域增长的x射线缺陷检测方法及系统 |
CN111583114A (zh) * | 2020-04-30 | 2020-08-25 | 安徽工业大学 | 一种管道螺纹自动测量装置及测量方法 |
CN112364754A (zh) * | 2020-11-09 | 2021-02-12 | 云南电网有限责任公司迪庆供电局 | 螺栓缺陷检测方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116908212A (zh) * | 2023-09-12 | 2023-10-20 | 厦门微亚智能科技股份有限公司 | 一种基于特征提取的电芯蓝膜外观缺陷检测方法及系统 |
CN116908212B (zh) * | 2023-09-12 | 2023-12-08 | 厦门微亚智能科技股份有限公司 | 一种基于特征提取的电芯蓝膜外观缺陷检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113012115B (zh) | 2023-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543665B (zh) | 图像定位方法及装置 | |
CN106824806B (zh) | 基于机器视觉的小模数塑料齿轮的检测方法 | |
CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
CN109856164B (zh) | 一种机器视觉采集大范围图像的优化装置及其检测方法 | |
CN111126174A (zh) | 一种用于机器人抓取零件的视觉检测方法 | |
CN105718931B (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
CN109986172B (zh) | 一种焊缝定位方法、设备及系统 | |
CN109559324A (zh) | 一种线阵图像中的目标轮廓检测方法 | |
CN114897864A (zh) | 基于数模信息的工件检测及缺陷判断方法 | |
KR20180115646A (ko) | 비전 카메라를 이용한 비드 인식 장치 및 그 방법 | |
CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
CN104777174A (zh) | 轴类零件截面突变部位表面疲劳裂纹检测系统及方法 | |
CN113822810A (zh) | 一种基于机器视觉的三维空间中工件的定位方法 | |
CN109916914A (zh) | 一种产品缺陷检测方法及装置 | |
CN112528979A (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN113012115B (zh) | 一种螺栓立体成像检测系统及方法 | |
CN115100104A (zh) | 玻璃油墨区的缺陷检测方法、装置、设备及可读存储介质 | |
CN110334727B (zh) | 一种隧道裂缝智能匹配检测方法 | |
CN117455917B (zh) | 一种蚀刻引线框架误报库建立及误报在线判定筛选方法 | |
CN113012228B (zh) | 一种工件定位系统及基于深度学习的工件定位方法 | |
JP6585793B2 (ja) | 検査装置、検査方法およびプログラム | |
CN110956624A (zh) | 一种针对立体物体的图像清晰度评价方法 | |
CN104614372B (zh) | 一种太阳能硅片检测方法 | |
CN116883945B (zh) | 一种融合目标边缘检测和尺度不变特征变换的人员识别定位方法 | |
CN113160132A (zh) | 焊缝缺陷图像的检测处理方法及系统 |
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 | ||
GR01 | Patent grant |