CN113567442A - 一种基于红外热波及图像处理的窑筒体缺陷在线检测方法 - Google Patents
一种基于红外热波及图像处理的窑筒体缺陷在线检测方法 Download PDFInfo
- Publication number
- CN113567442A CN113567442A CN202110005155.4A CN202110005155A CN113567442A CN 113567442 A CN113567442 A CN 113567442A CN 202110005155 A CN202110005155 A CN 202110005155A CN 113567442 A CN113567442 A CN 113567442A
- Authority
- CN
- China
- Prior art keywords
- defect
- image
- infrared
- thermal wave
- kiln cylinder
- 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 51
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 230000006835 compression Effects 0.000 claims abstract description 5
- 238000007906 compression Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 239000013307 optical fiber Substances 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000001681 protective effect Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000008358 core component Substances 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 6
- 239000004568 cement Substances 0.000 description 7
- 238000001354 calcination Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011144 upstream manufacturing 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
- 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
-
- 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
- G01N2021/8854—Grading and classifying of flaws
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
-
- 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
本发明涉及一种基于红外热波及图像处理的窑筒体缺陷在线检测方法，步骤包括：S1通过光电伺服控制系统对高精度分辨率红外热像仪进行控制和操作；S2高精度分辨率红外热像仪对窑筒体扫描采集，获取红外热波图像序列；S3微处理器将得到的红外热波多帧图像序列应用优化算法进行数据拟合、压缩与重建预处理；S4图像数据传输模块将预处理后的红外热波图像通过光纤传送至计算机；S5通过快速检查规范和判别程序、系统数据库对热波图像中的缺陷类型、尺寸参数检测和定量识别；S6对缺陷进行重建和三维显示，还原为视觉可见的图像，通过工业计算机显示出来，从而发现缺陷的类型和位置。
Description
技术领域
本发明涉及红外热波检测技术来实现运转设备部件内部缺陷及损伤在线无损检测与图像处理分析方法，尤其涉及了一种基于红外热波及图像处理的窑筒体缺陷在线检测方法。
背景技术
红外热波成像的实质是瞬态热波与被测对象内部结构以及界面相互作用的机理和作用后的表征问题，在此研究的基础上实现缺陷信息的完整携带和高保真解读，从而为缺陷的定量识别奠定理论基础。
回转窑是新型干法水泥生产装备线上核心设备之一，是水泥熟料锻烧过程中的关键设备。在水泥工业中，水泥熟料的煅烧是整个生产线最重要的工艺环节，回转窑则是该煅烧工艺环节的核心。回转窑筒体倾斜安装在数对支撑托轮组上且作旋转运动，承受着物料、窑衬、外齿圈等所有回转部件的重量。矿石经上游设备破碎、粉磨、预热后进入回转窑，回转窑筒体承担着物料的煅烧分解、输送等工艺过程；回转窑由窑头喷煤燃烧器为其提供热源，窑内温度可达1000℃～1450℃，物料在其中进行热交换和物理化学反应烧成水泥熟料块，烧成水泥熟料后从窑筒体的低端卸出，进入篦冷机。
回转窑筒体长度几十米、直径数米不等，由厚度不等的筒节现场拼接焊接而成，在其运输、焊接和使用过程中难免会出现各种类型的损伤和缺陷，这些损伤和缺陷的存在和扩展，将会极大地影响设备运行的可靠行和使用寿命；窑筒体技术性能和运转情况直接关系到熟料的质量、产量以及煤粉消耗和成本控制，因此必须采取有效的检测手段，对这些损伤和缺陷进行判定和识别，确保设备运行随时处于安全可靠状态。
发明内容
本发明的目的在于提供一种基于红外热波及图像处理的窑筒体缺陷在线检测方法。以解决现有技术中导致的上述缺陷，本发明主要解决了以下问题:一、如何对运转设备缺陷在线检测；二、如何更好的实现对微小缺陷图像处理分析并显示出来。
为了实现上述目的，本发明硬件系统主要包括保护罩、计算机、一台高精度分辨率红外热像仪、光电伺服控制系统、微处理器和电源等，其软件系统主要包括图像采集处理软件系统、快速检查规范和判别程序、系统数据库及其管理系统等内容。本发明采取的技术方案如下：所述保护罩用来为图像采集处理模块提供遮挡保护；所述光电伺服控制系统对高精度分辨率红外热像仪控制和操作；所述高精度分辨率红外热像仪安装在所述保护罩内对窑筒体扫描，采集获取窑筒体表面红外热波多帧图像；所述微处理器对红外热波图像序列数据应用优化算法拟合、压缩与重建算法预处理；所述数据传输模块将预处理后的红外热波图像经光纤传输至所述计算机；所述快速检查规范和判别程序、系统数据库对热波图像中的缺陷类型、尺寸参数检测和定量识别。所述硬件系统计算机将还原为视觉可见的缺陷图像显示出来。
附图说明
本说明书包括以下附图，所示内容分别是：
图1是红外热波检测原理框图；
图2是图像处理分析模块流程图；
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明，所述是对本发明的解释而不是限定。
本发明提供一种技术解决方案：一种基于红外热波及图像处理的窑筒体缺陷在线检测方法，能够较好的对运转设备缺陷在线无损检测和评估；基于图像处理技术可以获得和利用更多、更全面的表征缺陷信息，保证检测的准确性、科学性、完整性，有利于制定更优的维修解决方案，提高检测效率和检测质量。请参阅附图1至附图2，所述方法具体包括如下步骤：
步骤S1：通过光电伺服控制系统对高精度分辨率红外热像仪进行控制和操作，从而实现光电跟踪设备视轴的稳定和对目标的准确跟踪。其中采用保护罩对图像采集处理模块进行遮挡，以减少环境辐射等因素对检测结果带来的巨大噪声问题，有效提高检测能力。
步骤S2:通过高精度分辨率红外热像仪对窑筒体扫描采集，并进行相应的解码操作和对图像抽帧处理，获取窑筒体表面红外热波多帧图像。
步骤S3:通过微处理器将步骤S2采集得到的红外热波多帧图像序列数据应用优化算法进行拟合、压缩与重建预处理。
步骤S4:通过数据传输模块将步骤S3预处理后的红外热波图像通过光纤传送至中控计算机。
步骤S5通过快速检查规范和判别程序、系统数据库，应用热波图像序列数据的融合、分割和模式识别技术实现对缺陷的类型、尺寸参数检测和定量识别。
步骤S6：将步骤S4得到的图像，在缺陷定量识别的基础上，对缺陷进行重建和三维显示，还原为视觉可见的图像，通过计算机显示出来，就可以分辨出缺陷处与正常区域的差异，从而发现缺陷的类型和位置。
在本发明具体实现上，在步骤S2中，所述高精度分辨率红外热像仪是红外热波检测的核心部件，它的性能直接影响着对缺陷的准确检测。优选为非致冷红外焦平面阵列热像仪，这种热像仪具有非常高的温度分辨率，可以达到0.01℃，基本上能够满足热波检测的需要。
在步骤S3中应用优化算法对图像序列数据进行拟合、压缩与重建预处理是红外热波无损检测中的一项关键共性核心技术。它不仅可以显著降低帧间时域噪声，减少温度不均匀的影响，提高缺陷的对比度，而且可以大大压缩存储空间、提高检测的精度与速度；同时，重建的红外热波图像还是后续处理的基础，是能否实现缺陷定性、定量识别的关键所在。
在步骤S4中应用热波图像序列数据的融合、分割和模式识别技术，不仅可以分离出影响热波图像可视性和识别能力的有害和无用信息，而且可以有效提炼出相互印证的装备缺陷信息，实现更为准确和有效的无损检测与评估。
因此，以上结合附图对本发明进行了系统性描述。显然，本发明具体实现并不受上述方式的限制，只要是采用了本发明的方法构思和技术方案进行的各种非实质性的改进或未经改进，将本发明的上述方法和技术方案直接应用于其它场合的，均在本发明的保护范围之内。
Claims (7)
1.一种基于红外热波及图像处理的窑筒体缺陷在线检测方法，其特征在于：包括硬件系统主要有保护罩、一台高精度分辨率红外热像仪、光电伺服控制系统、微处理器、计算机和电源等，其软件系统主要有图像采集处理软件系统、快速检查规范和判别程序、系统数据库及其管理系统等内容。
2.一种基于红外热波及图像处理的窑筒体缺陷在线检测方法，其特征在于：包括如下步骤：步骤S1光电伺服控制系统对高精度分辨率红外热像仪进行控制和操作；步骤S2高精度分辨率红外热像仪对窑筒体扫描采集，获取窑筒体表面红外热波多帧图像；步骤S3微处理器将得到的红外热波多帧图像序列数据应用优化算法进行拟合、压缩与重建预处理。步骤S4图像数据传输模块将预处理后的红外热波图像序列通过光纤传送至计算机；步骤S5应用热波图像序列数据的融合、分割和模式识别技术实现对缺陷的类型、尺寸参数检测和定量识别；步骤S6对缺陷进行重建和三维显示，还原为视觉可见的图像。
3.根据权利要求2所述的一种基于红外热波及图像处理的窑筒体缺陷在线检测方法，其特征在于：所述图像采集处理模块采用保护罩来进行遮挡，以减少环境辐射等因素对检测结果带来的巨大噪声问题，有效提高检测能力。
4.根据权利要求2所述的一种基于红外热波及图像处理的窑筒体缺陷在线检测方法，其特征在于：在步骤S2中所述高精度分辨率红外热像仪是红外热波检测的核心部件，它的性能直接影响着对缺陷的准确检测，优选为非致冷红外焦平面阵列热像仪。
5.根据权利要求2所述的一种基于红外热波及图像处理的窑筒体缺陷在线检测方法，其特征在于：在步骤S3中应用优化算法对图像序列数据进行拟合、压缩与重建预处理，可显著降低帧间时域噪声，减少温度不均匀的影响，提高缺陷的对比度，而且大大压缩存储空间、提高检测的精度与速度；同时，还是后续处理的基础，是能否实现缺陷定性、定量识别的关键所在。
6.根据权利要求2所述的一种基于红外热波及图像处理的窑筒体缺陷在线检测方法，其特征在于：在步骤S5中应用热波图像序列数据的融合、分割和模式识别技术，分离出影响热波图像可视性和识别能力的有害和无用信息，并且提炼出相互印证的设备缺陷信息，实现更为准确和有效的无损检测与评估。
7.根据权利要求2所述的一种基于红外热波及图像处理的窑筒体缺陷在线检测方法，其特征在于：在步骤S6中对缺陷进行重建和三维显示，还原为视觉可见的图像，通过工业计算机显示出来，分辨出缺陷处与正常区域的差异，从而发现缺陷的类型和位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110005155.4A CN113567442A (zh) | 2021-01-04 | 2021-01-04 | 一种基于红外热波及图像处理的窑筒体缺陷在线检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110005155.4A CN113567442A (zh) | 2021-01-04 | 2021-01-04 | 一种基于红外热波及图像处理的窑筒体缺陷在线检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113567442A true CN113567442A (zh) | 2021-10-29 |
Family
ID=78160919
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110005155.4A Pending CN113567442A (zh) | 2021-01-04 | 2021-01-04 | 一种基于红外热波及图像处理的窑筒体缺陷在线检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113567442A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114353964A (zh) * | 2022-03-21 | 2022-04-15 | 北矿智云科技(北京)有限公司 | 半自磨机筒体温度的检测系统和方法 |
| CN114894843A (zh) * | 2022-05-17 | 2022-08-12 | 金陵海关技术中心 | 一种金属点焊热波成像无损检测方法 |
| CN116245842A (zh) * | 2023-03-07 | 2023-06-09 | 江苏大汉建设实业集团有限责任公司 | 应对智慧建筑缺陷检测的图像处理方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102033081A (zh) * | 2010-10-15 | 2011-04-27 | 哈尔滨工业大学 | 基于图像序列处理的红外锁相热波无损检测方法 |
| CN103926274A (zh) * | 2014-04-22 | 2014-07-16 | 哈尔滨工业大学 | 一种cfrp层板缺陷的红外热波雷达成像无损检测方法与系统 |
| CN109932394A (zh) * | 2019-03-15 | 2019-06-25 | 山东省科学院海洋仪器仪表研究所 | 涡轮叶片缺陷的红外热波双目立体成像检测系统及方法 |
| CN210803269U (zh) * | 2019-09-26 | 2020-06-19 | 吉林大学 | 原位高压吸收光谱测量系统 |
-
2021
- 2021-01-04 CN CN202110005155.4A patent/CN113567442A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102033081A (zh) * | 2010-10-15 | 2011-04-27 | 哈尔滨工业大学 | 基于图像序列处理的红外锁相热波无损检测方法 |
| CN103926274A (zh) * | 2014-04-22 | 2014-07-16 | 哈尔滨工业大学 | 一种cfrp层板缺陷的红外热波雷达成像无损检测方法与系统 |
| CN109932394A (zh) * | 2019-03-15 | 2019-06-25 | 山东省科学院海洋仪器仪表研究所 | 涡轮叶片缺陷的红外热波双目立体成像检测系统及方法 |
| CN210803269U (zh) * | 2019-09-26 | 2020-06-19 | 吉林大学 | 原位高压吸收光谱测量系统 |
Non-Patent Citations (2)
| Title |
|---|
| 徐亚军 等: "复合材料红外热波检测图像处理技术的研究进展", 红外, vol. 39, no. 9, 25 September 2018 (2018-09-25), pages 1 - 3 * |
| 贾茹;崔启良;李芳菲;李敏;何志;崔田;周强;洪时明;邹广田;: "一套高温高压原位拉曼散射、布里渊散射测量系统", 光散射学报, no. 03, 15 September 2008 (2008-09-15) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114353964A (zh) * | 2022-03-21 | 2022-04-15 | 北矿智云科技(北京)有限公司 | 半自磨机筒体温度的检测系统和方法 |
| CN114894843A (zh) * | 2022-05-17 | 2022-08-12 | 金陵海关技术中心 | 一种金属点焊热波成像无损检测方法 |
| CN116245842A (zh) * | 2023-03-07 | 2023-06-09 | 江苏大汉建设实业集团有限责任公司 | 应对智慧建筑缺陷检测的图像处理方法及系统 |
| CN116245842B (zh) * | 2023-03-07 | 2023-11-21 | 江苏大汉建设实业集团有限责任公司 | 应对智慧建筑缺陷检测的图像处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113567442A (zh) | 一种基于红外热波及图像处理的窑筒体缺陷在线检测方法 | |
| Farahani et al. | A coupled 3D laser scanning and digital image correlation system for geometry acquisition and deformation monitoring of a railway tunnel | |
| US8792705B2 (en) | System and method for automated defect detection utilizing prior data | |
| US10710615B2 (en) | In-motion high-speed non-destructive evaluation for railcar axles | |
| CN104964886A (zh) | 一种焊接构件疲劳应力及应变实时非接触式监测方法 | |
| CN105004758A (zh) | 一种涡流线扫描热成像检测系统及方法 | |
| CN102608124A (zh) | 微细管道管内缺陷及形貌测量装置及方法 | |
| Juarez et al. | In situ thermal inspection of automated fiber placement for manufacturing induced defects | |
| CN105548196B (zh) | 硬质合金顶锤在线无损检测的方法和装置 | |
| Huang et al. | Rapid surface damage detection equipment for subway tunnels based on machine vision system | |
| Rizk et al. | Wind turbine blade defect detection using hyperspectral imaging | |
| JP2007212283A (ja) | 外観検査装置及び外観検査方法 | |
| Montaggioli et al. | Automated damage detection of bridge’s sub-surface defects from infrared images using machine learning | |
| Dąbek et al. | Measurement of idlers rotation speed in belt conveyors based on image data analysis for diagnostic purposes | |
| WO2022183678A1 (zh) | 一种多相机拍摄的疲劳裂纹三维测量系统和方法 | |
| West et al. | Improved visual inspection of advanced gas-cooled reactor fuel channels | |
| CN114894843A (zh) | 一种金属点焊热波成像无损检测方法 | |
| CN105548202A (zh) | 一种混凝土收缩裂缝自动监测系统 | |
| Zhang et al. | Study on wind turbine blade defect detection system based on imaging array | |
| Attard | A tunnel structural health monitoring solution using computer vision and data fusion | |
| Li et al. | Automated extraction of tunnel leakage location and area from 3D laser scanning point clouds | |
| Liu et al. | Multi-feature vision transformer for automatic defect detection and quantification in composites using thermography | |
| CN105738414A (zh) | 基于非制冷型红外相机的热波成像检测装置及方法 | |
| Szeto et al. | Nondestructive Test Using a 3D Computer Vision System for Damage Detection of Structures | |
| Wang et al. | Research Progress and Application Analysis of Intelligent Non-destructive Testing Technology for Cable Supported Bridges |
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 |