CN113702391A - 一种钢坯表面及近表面缺陷复合检测方法及装置 - Google Patents
一种钢坯表面及近表面缺陷复合检测方法及装置 Download PDFInfo
- Publication number
- CN113702391A CN113702391A CN202111049954.8A CN202111049954A CN113702391A CN 113702391 A CN113702391 A CN 113702391A CN 202111049954 A CN202111049954 A CN 202111049954A CN 113702391 A CN113702391 A CN 113702391A
- Authority
- CN
- China
- Prior art keywords
- image
- billet
- steel billet
- defect
- color
- 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
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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0181—Memory or computer-assisted visual determination
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明涉及钢坯表面缺陷检测技术领域,特别涉及一种钢坯表面及近表面缺陷复合检测方法及装置,通过设有翻转机构分别对上半表面及下半表面喷淋磁悬液、成像;首先通过3D相机采集3D图像,再依次进行磁化、喷淋磁悬液,然后再通过紫外LED光源照明、2D相机采集2D图像,最后通过计算机分别对3D图像和所述2D图像进行图像纹理分析、边界提取、表面异常区域的获取、对应位置匹配及从2D图像中滤除所有与3D图像中位置及面积匹配的属于非缺陷类异常信息,以精准获取缺陷信息,有效避免了缺陷的漏检、误检,依此方法且在计算机的智能控制下,解放传统方式下的人工劳动,且检测效率大大提高,能够满足现代化大规模生产的需要。
Description
技术领域
本发明涉及钢坯表面缺陷检测技术领域,特别涉及一种钢坯表面及近表面缺陷复合检测方法及装置。
背景技术
裂纹和结疤是钢坯表面的主要缺陷,如果不进行处理会流转到后道工序,严重影响产品使用性能。目前钢坯缺陷检测通常采用所谓磁粉探伤法,即对钢坯充磁后喷淋含有荧光剂的磁粉液,有缺陷的位置会发生磁粉聚集,通过紫外光照射,采用相机对磁化荧光图像进行采集和显示,在特定暗室里人工目视观察聚集磁粉的荧光来检查钢坯表面缺陷并用记号笔标记,但由于钢坯表面粗糙,并存有挫伤、轮廓线,且钢坯下部存在磁粉液集流,影响成像,使得图像识别困难,缺陷的漏检、误检率较高,且工况条件差,工作人员容易发生疲惫,目视检测还需要放低生产速度检查,生产效率大大降低,不能满足现代化大规模生产的需要。
现有专利CN201711466112、CN201811551639、CN201810360376中提供了在相关领域的缺陷磁化和缺陷显现手段,但缺陷检测还是以人工目视检测为主,针对连续生产、检测对象缺陷形态复杂的钢坯的检测,不能实现自动化检测及精准识别。
本发明的目的在于克服上述不足,提供一种钢坯表面及近表面缺陷复合检测方法及装置,通过设有翻转机构将整根待检钢材翻转180°,分别对上半表面及下半表面喷淋磁悬液,避免了由于磁粉液集流在钢材下部从而影响成像的缺陷;首先通过设置3D相机采集钢坯上半表面的3D图像,再依次进行磁化、喷淋磁悬液,再通过设置紫外LED光源照射下2D相机采集待测表面的2D图像,最后通过计算机处理,即对所述3D图像和所述2D图像进行图像纹理分析、边界提取、表面异常区域的获取、对应位置匹配及从2D图像中滤除所有与3D图像中位置及面积匹配的异常信息,获取所述钢坯表面及近表面真实的异常信息,并标记、输出应用,能够精准的过滤掉钢坯表面由于挫伤、轮廓线所造成的非缺陷类的异常信息,精准计算出缺陷的面积及位置,有效避免了缺陷的漏检、误检,且在计算机的智能控制下,解放了传统工作模式的人工劳动,检测效率大大提高,能够满足现代化大规模生产的需要。
本发明提供的具体技术方案如下:
一种钢坯表面及近表面缺陷复合检测方法,用于检测放置于翻转机构上的预检钢坯,包括下列步骤:
S1:获取3D相机采集的钢坯上半表面的第一3D图像;
S2:控制磁化装置将所述钢坯磁化、喷洒装置将磁悬液喷淋到所述上半表面;
S3:获取在紫外LED光源照射下2D相机采集的第一彩色2D图像;
S4:控制所述翻转机构将所述钢坯翻转1800,使所述钢坯的下半表面处于待检位置;
S5:重复步骤S1至S3,分别获取第二3D图像、第二彩色2D图像;
S6:对所述第一3D图像、所述第二3D图像采集,并进行纹理分析、边缘提取,以分别获取3D图像细节信息;对所述第一彩色2D图像、所述第二彩色2D图像采集,并进行纹理分析、边缘提取,以分别获取2D图像细节信息;
S7:将所述第一彩色2D图像中磁粉聚集的表面异常区域与所述第一3D图像的空间位置及纹理相对应、匹配,从所述第一彩色2D图像中滤除所有与所述第一3D图像匹配的异常信息,获取所述钢坯上半表面的异常信息,并标记为第一缺陷信息;
将所述第二彩色2D图像中磁粉聚集的表面异常区域与所述第二3D图像的空间位置及纹理相对应、匹配,从所述第二彩色2D图像中滤除所有与所述第二3D图像的图像信息相一致的异常信息,获取所述钢坯下半表面的异常信息,并标记为第二缺陷信息。
优选地,S1还包括:所述3D相机、所述2D相机的放置数量及位置与所述钢坯的形状相匹配,均获得预设表面轮廓且满足预设的分辨率要求。
进一步地,S1还包括如下步骤:所述钢坯包括方型钢坯、圆角方型钢坯及圆钢,检测所述方型钢坯时,所述方型钢坯的棱边位于正上方,当检测所述圆角方型钢坯时,所述圆角位于正上方。
进一步地,当所述钢坯包括方型钢坯时,垂直于两侧面对称设置两个所述3D相机,当棱边为大圆角时,对应所述大圆角及两侧面均设置有所述3D相机;
当所述钢坯包括方型钢坯时,顶部及对称垂直于两侧面设置所述2D相机,当棱边为大圆角时,除顶部设有所述2D相机外,两侧面对称设置的所述2D相机摄像头向下倾斜放置,所述摄像头中心线与两侧面垂线夹角为锐角,使得三部所述2D相机获取的所述钢坯被测表面2D图像满足预设要求。
优选地,S6中:对所述第一3D图像、所述第二3D图像进行纹理分析前还包括如下步骤:依据所述第一3D图像、所述第二3D图像的纹理特征复杂程度进行区域划分,并表征3D图像轮廓网格。
优选地,S7中:将所述第一彩色2D图像与所述第一3D图像比对,将所述第二彩色2D图像与所述第二3D图像比对前还包括如下步骤:
依据所述第一彩色2D图像、所述第二彩色2D图像的纹理特征复杂程度进行区域划分,依据预设2D图像的标准阈值判断出异常区域,标识所述异常区域位置及面积。
进一步地,S7中:标记所述第一缺陷信息、所述第二缺陷信息前还包括:获取磁粉聚集区域信息,依据预设缺陷种类信息分析判断所述缺陷类型,提取和定量计算,获取缺陷的面积、深度及缺陷发生的具体位置,标识缺陷信息。
本发明还公开了一种钢坯表面及近表面缺陷复合检测装置,包括:
3D相机,用于获取预测的钢坯表面的3D图像;
2D相机,用于在紫外LED光源照射下获取所述钢坯表面的彩色2D图像;
磁化与磁悬液喷淋装置,用于将所述钢坯磁化、将磁悬液喷淋到所述钢坯表面上;
计算机,与所述3D相机、所述紫外LED光源、2D相机、磁化与磁悬液喷淋装置连接,用于处理获取的3D图像与2D图像,匹配过滤掉2D图像中的非缺陷类的异常信息,获取裂纹类缺陷,并标记应用,包括获取单元、储存单元、图像分割单元、图像处理单元、计算单元、标记单元、控制单元。
优选地,所述获取单元,用于获取所述3D相机产生的第一3D图像、第二3D图像,在紫外LED光源下2D相机产生的第一彩色2D图像、第二彩色2D图像。
所述储存单元,用于储存预设缺陷种类信息、预设2D图像的标准阈值、所述获取单元获取的信息、缺陷计算及标记结果。
所述图像分割单元,依据图像的纹理特征复杂程度将所述第一3D图像、第二3D图像、所述第一彩色2D图像、所述第二彩色2D图像进行区域划分;
所述图像处理单元包括3D图像处理单元和2D图像处理单元。
所述3D图像处理单元,用于对3D图像进行纹理分析、边缘提取、表征3D图像轮廓网格。
所述2D图像处理单元,用于对2D图像进行纹理分析、边缘提取;并依据预设缺陷种类信息分析判断缺陷的类型,并匹配相应位置;从2D图像中滤除所有与3D图像中匹配的异常信息,获取所述钢坯表面及近表面真实的异常信息。
所述计算单元,用于定量计算,包括面积及深度的计算。
所述标记单元,用于标记缺陷类型、位置信息。
所述控制单元,依据预设程序控制装置执行动作。
有益效果为:
本发明提供一种钢坯表面及近表面缺陷复合检测方法及装置,通过设有翻转机构将整根待检钢材翻转180°,分别对上半表面及下半表面喷淋磁悬液,避免了由于磁粉液集流在钢材下部从而影响成像的缺陷;首先通过设置3D相机采集钢坯上半表面的3D图像,再依次进行磁化、喷淋磁悬液,再通过设置在紫外LED光源照射下2D相机采集待测表面的2D图像,最后通过计算机处理,即对所述3D图像和所述2D图像进行图像纹理分析、边界提取、表面异常区域的获取、对应位置匹配及从2D图像中滤除所有与3D图像中位置及面积匹配的异常信息,获取所述钢坯表面及近表面真实的异常信息,并标记、输出应用,能够精准的过滤掉钢坯表面由于挫伤、轮廓线所造成的非缺陷类的异常信息,精准计算出缺陷的面积及位置,有效避免了缺陷的漏检、误检,且在计算机的智能控制下,解放了传统工作模式下的人工劳动,检测效率大大提高,能够满足现代化大规模生产的需要。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
在附图中:
图1是本发明技术方案流程图;
图2是本发明技术方案结构示意图;
图3是3D相机对方型钢坯拍摄时的位置示意图;
图4是3D相机对大圆弧方型钢坯拍摄时的位置示意图;
图5是3D相机对圆型钢坯拍摄时的位置示意图;
图6是2D相机对方型钢坯拍摄时的位置示意图;
图7是2D相机对大圆弧方型钢坯拍摄时的位置示意图;
图8是2D相机对圆型钢坯拍摄时的位置示意图;
图9是计算机内部结构示意图。
其中:
钢坯1;3D相机2;紫光源2D相机3;紫外LED光源31;2D相机32;
计算机4;获取单元41;储存单元42;图像分割单元43;
图像处理单元44;3D图像处理单元441;2D图像处理单元442;计算单元45;标记单元46;控制单元47
翻转机构5;磁化与磁悬液喷淋装置6;磁化装置61;喷淋装置62。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。说明书后续描述为实施本申请的较佳实施方式,然所述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。
本发明实施例:
本发明还公开了一种钢坯表面及近表面缺陷复合检测装置,参照图1、图9:包括:
3D相机2,用于获取预测的钢坯1表面的3D图像。
紫光源2D相机3,包括紫外LED光源31与2D相机32,在外LED光源31的照射下2D相机32获取所述钢坯1表面的彩色2D图像。
磁化与磁悬液喷淋装置6,包括磁化装置61及喷淋装置62,磁化装置61将所述钢坯1磁化,喷淋装置62将磁悬液喷淋到所述钢坯1表面上。计算机4,与所述3D相机2、所述紫光源2D相机3、磁化与磁悬液喷淋装置6连接,包括获取单元41、储存单元42、图像分割单元43、图像处理单元44、计算单元45、标记单元46及控制单元47。
优选地,所述获取单元41,用于获取所述3D相机2产生的第一3D图像、第二3D图像,所述2D相机32在紫外LED光源31照射下产生的第一彩色2D图像、第二彩色2D图像。
所述储存单元42,用于储存预设缺陷种类信息、预设2D图像的标准阈值、所述获取单元获取的信息、缺陷计算及标记结果。
所述图像分割单元43,依据图像的纹理特征复杂程度将所述第一3D图像、第二3D图像、所述第一彩色2D图像、所述第二彩色2D图像进行区域划分。
所述图像处理单44,包括3D图像处理单元441和2D图像处理单元442;所述3D图像处理单元441,用于对3D图像进行纹理分析、边缘提取、表征3D图像轮廓网格。
所述2D图像处理单元442,用于对2D图像进行纹理分析、边缘提取;并依据预设缺陷种类信息分析判断缺陷的类型,并匹配相应位置;从2D图像中滤除所有与3D图像中匹配的异常信息,获取所述钢坯表面及近表面真实的异常信息。
所述计算单元45用于定量计算,包括面积及深度的计算。
所述标记单元46用于标记缺陷类型、位置信息。
所述控制单元47依据预设的程序用于控制装置执行动作。
参照图1、图3至图8:
本发明公开了一种钢坯表面及近表面缺陷复合检测方法,用于检测放置在翻转机构5上的预检钢坯1,包括下列步骤:
S1:计算机4获取单元41获取3D相机2采集的钢坯1上半表面的第一3D图像,并传输至储存单元42。
S2:控制单元47依据预设的程序控制磁化装置61将所述钢坯1磁化、喷淋装置62将磁悬液喷淋到所述上半表面。
S3:在紫外LED光源31的照射下2D相机32对所述上半表面进行拍摄,获取单元41获取第一彩色2D图像,并传输至储存单元42。
S4:控制单元47控制所述翻转机构5将所述钢坯1翻转1800,使所述钢坯1的下半表面处于待检位置。
S5:重复步骤S1至S3,3D相机2采集的钢坯1下半表面的第二3D图像;将磁悬液喷淋到所述下半表面后,在紫外LED光源31的照射下2D相机32采集的钢坯1下半表面的第二彩色2D图像,获取单元41获取第二3D图像及第二彩色2D图像,并传输至储存单元42。
S6:图像分割单元43依据图像的纹理特征复杂程度将所述第一3D图像、第二3D图像、所述第一彩色2D图像、所述第二彩色2D图像进行区域划分;3D图像处理单元441对所述第一3D图像、所述第二3D图像进行纹理分析、边缘提取,并表征3D图像轮廓网格。
2D图像处理单元442对所述第一彩色2D图像、所述第二彩色2D图像进行纹理分析、边缘提取,以获取2D图像细节信息。
S7:所述2D图像处理单元442将所述第一彩色2D图像中磁粉聚集的表面异常区域与所述第一3D图像的空间位置及纹理相对应、匹配,从所述第一彩色2D图像中滤除所有与所述第一3D图像匹配的异常信息,获取所述钢坯1上半表面的异常信息,计算单元45计算缺陷的面积、深度,标记单元46标识缺陷信息及具体位置,并输出该信息。
所述2D图像处理单元442将所述第二彩色2D图像中磁粉聚集的表面异常区域与所述第二3D图像的空间位置及纹理相对应、匹配,从所述第二彩色2D图像中滤除所有与所述第二3D图像的图像信息相一致的异常信息,获取所述钢坯下半表面的异常信息,计算单元45计算缺陷的面积、深度,标记单元46标识缺陷信息及具体位置,并输出该信息。
优选地,S1还包括:所述3D相机2、所述2D相机32的放置数量及位置与所述钢坯1的形状相匹配,均获得预设表面轮廓且满足预设的分辨率要求。
进一步地,所述钢坯1包括方型钢坯、圆角方型钢坯及圆钢,检测所述方型钢坯时,所述方型钢坯的棱边位于正上方,当检测所述圆角方型钢坯时,所述圆角位于正上方。
在一些实施例中,检测钢坯1为方型钢坯时,在满足预设的分辨率要求的前提下,在垂直于两侧面对称设置两个所述3D相机2,即可满足拍摄要求,见图3。
在一些实施例中,当为大圆角方型钢坯时,在满足预设的分辨率要求的前提下,对应所述大圆角及两侧面均设置有所述3D相机2,可满足拍摄要求,见图4。
在一些实施例中,当为圆型钢坯时,在满足预设的分辨率要求的前提下,对应所述圆钢顶部及两侧分别设置有所述3D相机2,可满足拍摄要求,见图5。
在一些实施例中,当所述钢坯1包括方型钢坯时,在满足预设的分辨率要求的前提下,在顶部及对称垂直于两侧面设置紫光源2D相机3,可满足拍摄要求,见图6。
在一些实施例中,当为大圆角方型钢坯时,在满足预设的分辨率要求的前提下,除顶部设有紫光源2D相机3外,两侧面对称设置的紫光源2D相机3摄像头倾斜放置,所述摄像头中心线与两侧面垂线夹角α为锐角,α应满足:5°≤α≤30°,以既满足要求又减少相机的使用,见图7。
在一些实施例中,当为圆型钢坯时,在满足预设的分辨率要求的前提下,对应所述圆钢顶部及两侧分别设置有三部所述紫光源2D相机3,可满足拍摄要求,见图8。
上述说明示出并描述了本申请的优选实施例,但如前所述,应当理解本申请并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述申请构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围,则都应在本申请所附权利要求的保护范围内。
Claims (9)
1.一种钢坯表面及近表面缺陷复合检测方法,用于检测放置于翻转机构上的预检钢坯,其特征在于,包括下列步骤:
S1:获取3D相机采集的钢坯上半表面的第一3D图像;
S2:控制磁化装置将所述钢坯磁化、喷洒装置将磁悬液喷淋到所述上半表面;
S3:获取在紫外LED光源下2D相机采集的第一彩色2D图像;
S4:控制所述翻转机构将所述钢坯翻转1800,使所述钢坯的下半表面处于待检位置;
S5:重复步骤S1至S3,分别获取第二3D图像、第二彩色2D图像;
S6:对所述第一3D图像、所述第二3D图像采集,并进行纹理分析、边缘提取,以分别获取3D图像细节信息;对所述第一彩色2D图像、所述第二彩色2D图像采集,并进行纹理分析、边缘提取,以分别获取2D图像细节信息;
S7:将所述第一彩色2D图像中磁粉聚集的表面异常区域与所述第一3D图像的空间位置及纹理相对应、匹配,从所述第一彩色2D图像中滤除所有与所述第一3D图像匹配的非缺陷类的异常信息,获取所述钢坯上半表面的异常信息,并标记为第一缺陷信息;
将所述第二彩色2D图像中磁粉聚集的表面异常区域与所述第二3D图像的空间位置及纹理相对应、匹配,从所述第二彩色2D图像中滤除所有与所述第二3D图像的图像信息相一致的非缺陷类异常信息,获取所述钢坯下半表面的异常信息,并标记为第二缺陷信息。
2.根据权利要求1所述的钢坯表面及近表面缺陷复合检测方法,其特征在于,S1还包括:所述3D相机、所述2D相机的放置数量及位置与所述钢坯的形状相匹配,均获得预设表面轮廓且满足预设的分辨率要求。
3.根据权利要求2所述的钢坯表面及近表面缺陷复合检测方法,其特征在于,S1还包括如下步骤:所述钢坯包括方型钢坯、圆角方型钢坯及圆钢,检测所述方型钢坯时,所述方型钢坯的棱边位于正上方,当检测所述圆角方型钢坯时,所述圆角位于正上方。
4.根据权利要求3所述的钢坯表面及近表面缺陷复合检测方法,其特征在于,当所述钢坯包括方型钢坯时,垂直于两侧面对称设置两个所述3D相机,当棱边为大圆角时,对应所述大圆角及两侧面均设置有所述3D相机;
当所述钢坯包括方型钢坯时,顶部及对称垂直于两侧面设置所述2D相机,当棱边为大圆角时,除顶部设有所述2D相机外,两侧面对称设置的所述2D相机摄像头向下倾斜放置,所述摄像头中心线与两侧面垂线夹角为锐角,使得三部所述2D相机获取的所述钢坯被测表面2D图像满足预设要求。
5.根据权利要求1所述的钢坯表面及近表面缺陷复合检测方法,其特征在于,S6中:对所述第一3D图像、所述第二3D图像进行纹理分析前还包括如下步骤:依据所述第一3D图像、所述第二3D图像的纹理特征复杂程度进行区域划分,并表征3D图像轮廓网格。
6.根据权利要求1所述的钢坯表面及近表面缺陷复合检测方法,其特征在于,S7中:将所述第一彩色2D图像与所述第一3D图像比对,将所述第二彩色2D图像与所述第二3D图像比对前还包括如下步骤:
依据所述第一彩色2D图像、所述第二彩色2D图像的纹理特征复杂程度进行区域划分,依据预设2D图像的标准阈值判断出异常区域,标识所述异常区域位置及面积。
7.根据权利要求6所述的钢坯表面及近表面缺陷复合检测方法,其特征在于,
S7中:标记所述第一缺陷信息、所述第二缺陷信息前还包括:获取磁粉聚集区域信息,依据预设缺陷种类信息分析判断所述缺陷类型,提取和定量计算,获取缺陷的面积、深度及缺陷发生的具体位置,标识缺陷信息。
8.一种钢坯表面及近表面缺陷复合检测装置,其特征在于,包括:
3D相机,用于获取预测的钢坯表面的3D图像;
2D相机,用于在紫外LED光源下获取所述钢坯表面的彩色2D图像;
磁化与磁悬液喷淋装置,用于将所述钢坯磁化、将磁悬液喷淋到所述钢坯表面上;
计算机,与所述3D相机、所述紫外LED光源、所述2D相机、磁化与磁悬液喷淋装置连接,用于处理获取的3D图像与2D图像,匹配过滤掉2D图像中的非缺陷类的异常信息,获取裂纹类缺陷,并标记应用,包括获取单元、储存单元、图像分割单元、图像处理单元、计算单元、标记单元、控制单元。
9.根据权利要求8所述的钢坯表面及近表面缺陷复合检测装置,其特征在于,所述获取单元,用于获取所述3D相机产生的第一3D图像、第二3D图像,所述2D相机产生的第一彩色2D图像、第二彩色2D图像;
所述储存单元,用于储存预设缺陷种类信息、预设2D图像的标准阈值、所述获取单元获取的信息、缺陷计算及标记结果;
所述图像分割单元,依据图像的纹理特征复杂程度将所述第一3D图像、第二3D图像、所述第一彩色2D图像、所述第二彩色2D图像进行区域划分;
所述图像处理单元包括3D图像处理单元和2D图像处理单元;
所述3D图像处理单元,用于对3D图像进行纹理分析、边缘提取、表征3D图像轮廓网格;
所述2D图像处理单元,用于对2D图像进行纹理分析、边缘提取;并依据预设缺陷种类信息分析判断缺陷的类型,并匹配相应位置;从2D图像中滤除所有与3D图像中匹配的异常信息,获取所述钢坯表面及近表面真实的异常信息;
所述计算单元,用于定量计算,包括面积及深度的计算;
所述标记单元,用于标记缺陷类型、位置信息;
控制单元,依据预设程序控制装置执行动作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111049954.8A CN113702391B (zh) | 2021-09-08 | 2021-09-08 | 一种钢坯表面及近表面缺陷复合检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111049954.8A CN113702391B (zh) | 2021-09-08 | 2021-09-08 | 一种钢坯表面及近表面缺陷复合检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113702391A true CN113702391A (zh) | 2021-11-26 |
CN113702391B CN113702391B (zh) | 2022-08-23 |
Family
ID=78659240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111049954.8A Active CN113702391B (zh) | 2021-09-08 | 2021-09-08 | 一种钢坯表面及近表面缺陷复合检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113702391B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115901771A (zh) * | 2022-10-14 | 2023-04-04 | 嘉兴凡视智能科技有限公司 | 一种电池盖板正负极柱的毛刺检测方法、装置及其系统 |
CN115950892A (zh) * | 2023-03-14 | 2023-04-11 | 江阴市华昌不锈钢管有限公司 | 基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置 |
CN115980176A (zh) * | 2023-03-20 | 2023-04-18 | 天津市特种设备监督检验技术研究院(天津市特种设备事故应急调查处理中心) | 一种基于磁粉检测的球罐质量数据分析处理方法及系统 |
CN117030724A (zh) * | 2023-10-09 | 2023-11-10 | 诺比侃人工智能科技(成都)股份有限公司 | 一种基于深度学习的多模态工业缺陷分析方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005164511A (ja) * | 2003-12-05 | 2005-06-23 | Nippon Steel Corp | 鋼片の表面疵検査方法 |
US20150130927A1 (en) * | 2012-05-16 | 2015-05-14 | Isra Vision Ag | Method and a device for the inspection of surfaces of an examined object |
CN109142509A (zh) * | 2017-06-27 | 2019-01-04 | 宝山钢铁股份有限公司 | 圆钢磁粉探伤方法与装置 |
CN111044522A (zh) * | 2019-12-14 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 缺陷检测方法、装置及终端设备 |
CN112964778A (zh) * | 2021-03-01 | 2021-06-15 | 山东钢铁股份有限公司 | 一种h型钢自动磁粉探伤检测装置及方法 |
CN113358739A (zh) * | 2021-06-30 | 2021-09-07 | 常州工学院 | 一种基于双目图像融合技术的磁粉探伤检测装置 |
-
2021
- 2021-09-08 CN CN202111049954.8A patent/CN113702391B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005164511A (ja) * | 2003-12-05 | 2005-06-23 | Nippon Steel Corp | 鋼片の表面疵検査方法 |
US20150130927A1 (en) * | 2012-05-16 | 2015-05-14 | Isra Vision Ag | Method and a device for the inspection of surfaces of an examined object |
CN109142509A (zh) * | 2017-06-27 | 2019-01-04 | 宝山钢铁股份有限公司 | 圆钢磁粉探伤方法与装置 |
CN111044522A (zh) * | 2019-12-14 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 缺陷检测方法、装置及终端设备 |
CN112964778A (zh) * | 2021-03-01 | 2021-06-15 | 山东钢铁股份有限公司 | 一种h型钢自动磁粉探伤检测装置及方法 |
CN113358739A (zh) * | 2021-06-30 | 2021-09-07 | 常州工学院 | 一种基于双目图像融合技术的磁粉探伤检测装置 |
Non-Patent Citations (1)
Title |
---|
杨水山等: ""基于荧光磁粉成像的小方坯表面缺陷自动检测方法"", 《宝钢技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115901771A (zh) * | 2022-10-14 | 2023-04-04 | 嘉兴凡视智能科技有限公司 | 一种电池盖板正负极柱的毛刺检测方法、装置及其系统 |
CN115950892A (zh) * | 2023-03-14 | 2023-04-11 | 江阴市华昌不锈钢管有限公司 | 基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置 |
CN115980176A (zh) * | 2023-03-20 | 2023-04-18 | 天津市特种设备监督检验技术研究院(天津市特种设备事故应急调查处理中心) | 一种基于磁粉检测的球罐质量数据分析处理方法及系统 |
CN117030724A (zh) * | 2023-10-09 | 2023-11-10 | 诺比侃人工智能科技(成都)股份有限公司 | 一种基于深度学习的多模态工业缺陷分析方法及系统 |
CN117030724B (zh) * | 2023-10-09 | 2023-12-08 | 诺比侃人工智能科技(成都)股份有限公司 | 一种基于深度学习的多模态工业缺陷分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113702391B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113702391B (zh) | 一种钢坯表面及近表面缺陷复合检测方法及装置 | |
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN110648364B (zh) | 一种多维度空间固废视觉检测定位及识别方法与系统 | |
CN109859160B (zh) | 基于机器视觉的铝镁合金铸件内部缺陷图像识别方法 | |
CN108921819B (zh) | 一种基于机器视觉的验布装置及方法 | |
WO2014139273A1 (zh) | 焊缝缺陷检测方法 | |
CN107782733A (zh) | 金属表面缺陷的图像识别无损检测装置及方法 | |
CN109035249B (zh) | 一种基于图像处理的管道故障并行全局阈值检测方法 | |
CN106934801A (zh) | 一种基于Laws纹理滤波的荧光磁粉缺陷自动识别方法 | |
CN111999305B (zh) | 机器视觉硬件系统和轮毂花键结合缝隙视觉检测方法 | |
CN113777030A (zh) | 一种基于机器视觉的布料表面缺陷检测装置及方法 | |
CN107024478A (zh) | 一种零件加工自动缺陷识别系统 | |
CN104535589A (zh) | 一种低压电流互感器在线检测方法和装置 | |
CN113325001A (zh) | 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法 | |
CN104568956B (zh) | 基于机器视觉的带钢表面缺陷的检测方法 | |
CN112819844B (zh) | 一种图像边缘检测方法及装置 | |
CN115541601A (zh) | 一种基于机器视觉的钢材低倍数字化检测方法 | |
CN115201206B (zh) | 基于机器视觉的电动车车把缺陷检测方法 | |
CN116228651A (zh) | 一种布匹缺陷检测方法、系统、设备及介质 | |
CN109557098A (zh) | 基于机器视觉的金属表面检测系统 | |
CN111833350B (zh) | 机器视觉检测方法与系统 | |
CN105354848A (zh) | 一种热镀锌产线的康耐视表面质量检测系统的优化方法 | |
CN113793321B (zh) | 基于机器视觉的铸件表面缺陷动态检测方法及装置 | |
CN109886912A (zh) | 一种推力轴承保持架表面缺陷检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |