CN114022433B - 碳纤维复合材料出口分层损伤鲁棒性视觉检测方法 - Google Patents
碳纤维复合材料出口分层损伤鲁棒性视觉检测方法 Download PDFInfo
- Publication number
- CN114022433B CN114022433B CN202111262046.7A CN202111262046A CN114022433B CN 114022433 B CN114022433 B CN 114022433B CN 202111262046 A CN202111262046 A CN 202111262046A CN 114022433 B CN114022433 B CN 114022433B
- Authority
- CN
- China
- Prior art keywords
- outlet
- damage
- layering
- threshold
- composite material
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000000007 visual effect Effects 0.000 title claims abstract description 15
- 239000002131 composite material Substances 0.000 title claims abstract description 13
- 229920000049 Carbon (fiber) Polymers 0.000 title claims abstract description 11
- 239000004917 carbon fiber Substances 0.000 title claims abstract description 11
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000005553 drilling Methods 0.000 claims abstract description 12
- 238000005520 cutting process Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000003754 machining Methods 0.000 abstract description 6
- 239000000463 material Substances 0.000 abstract description 5
- 238000011897 real-time detection Methods 0.000 abstract description 2
- 238000011065 in-situ storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003822 epoxy resin Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 229920000647 polyepoxide Polymers 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000002247 constant time method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于机械加工领域,提出了一种碳纤维复合材料出口分层损伤鲁棒性视觉检测方法,通过梯度迭代最小截尾二乘法和多尺度阈值分割消除毛刺、材料纹理等干扰因素影响,实现分层损伤的快速、高精度提取;该方法首先采用视觉检测系统采集钻削出口图像;然后基于梯度迭代最小截尾二乘法拟合圆心与半径;最后通过多尺度自适应阈值分割对图像进行处理,提取出口分层区域。实现分层损伤的快速、高精度提取,为在位、实时检测提供条件。
Description
技术领域
本发明属于机械加工领域,涉及一种碳纤维复合材料出口分层损伤鲁棒性视觉检测方法。
背景技术
碳纤维复合材料(CarbonFiberReinforcedPolymer,简称CFRP),具有高比强度、高比模量、耐腐蚀、耐疲劳等性能优点。钻削加工是CFRP最常见的加工方式。在加工过程中的力、热作用下,纤维容易从基体上脱开或断裂,极易产生分层损伤,进而影响构件的承载性能。
CFRP分层的准确检测是对CFRP构件加工质量进行评估的基础。现阶段,最常用的无损检测方法包括超声C扫描、X射线CT、视觉检测等。其中超声C扫描、X射线CT两种方法检测速度慢,且难以实现分层损伤的实时在位检测。视觉测量方法具备的特点使其具备了在CFRP大型复杂构件上应用的潜力。但由于CFRP材料背景复杂、圆拟合精度差、阈值选取困难等问题的存在,难以满足CFRP制孔分层损伤区域提取的速度、鲁棒性及精度要求。
对于出口分层损伤视觉检测方法,AlejandroHernandez等人2020年在《InstituteofElectricalandElectronicsEngineers》发表了文章《AMachineVisionFrameworkforAutonomousInspectionofDrilledHolesinCFRPPanels》,通过高分辨率相机对孔出口分层进行拍摄,用图像处理算法来测量最大损伤处、分层面积。东北大学的温泉等人在专利《一种碳纤维复合材料钻削损伤的表征方法》(专利号CN201510528966.7)通过超景深显微镜对试验得到的制孔出口形貌进行视觉检测,但是对于损伤区域提取方法不明确、提取精度低,且难以实现分层损伤的实时在位检测。
发明内容
本发明要解决的技术难题是针对CFRP出口复杂背景、毛刺干扰、材料纹理导致分层提取速度慢、鲁棒性及精度差的问题,发明一种碳纤维复合材料分层损伤鲁棒性视觉检测方法。该方法首先使用工业相机获取待检测孔的图像,然后对出口的圆心和半径进行拟合,最后,通过阈值分割对图像进行二值化处理,提取出口分层。该方法有效克服了复杂背景、毛刺干扰、材料纹理等因素的影响,实现了复合材料钻削出口分层的快速高精提取。
一种碳纤维复合材料出口分层损伤鲁棒性视觉检测方法,该方法是通过梯度迭代最小截尾二乘法和多尺度阈值分割消除干扰因素影响,实现分层损伤的快速、高精度提取;具体步骤如下:
第一步,采用视觉检测系统采集钻削出口图像;
拍摄复合材料的钻削出口;光源照明装置2位于待测物3上方进行照亮,工业相机1位于二者上端对待测物3进行拍摄,视野中出现一个完整的加工孔,获得p张出口图像;
第二步,基于梯度迭代最小截尾二乘法拟合圆心与半径;
对所获取的图像进行灰度化处理和二值化处理,再进行Gabor滤波处理;通过边缘检测算法提取出加工孔的出口轮廓;对获取的出口轮廓数据,根据圆周点和离群点的不同分布特性,通过提出梯度迭代最小截尾二乘法,迭代消除离群点后确定圆心和半径;
优化目标函数表示为:
f=∑g(xi,yi)2 (1)
g(x,y)=(x-xc)2+(y-yc)2-R2 (2)
式中,(xi,yi)是圆周点的坐标,(xc,yc)是加工孔中心点的坐标,R为加工孔的半径;
迭代终止条件为轮廓点到圆心的距离与平均距离的偏差小于设定值[Sigma]:
式中,N为所取的轮廓点总数;
第三步,通过多尺度自适应阈值对图像进行分割,获取分层损伤区域;
利用阈值分割方法将暗分层从对比度低的亮工件上分割出来;
其中,b(i,j)是分割后的二值图像像素,p(i,j)代表原图像的像素点,T(i,j)为局部阈值;
使用两个不同的窗口大小用于描述像素邻域特征;长度为wl×wl的大窗口获取该区域的全局特性,长度为ws×ws的小窗口用于增强阈值分割方法的细节分辨能力,通过像素邻域的均值及标准差求解得到局部阈值T(i,j);
T(i,j)=Tl(i,j)+Ts(i,j) (6)
其中,ml(i,j)代表大窗口局部均值,ms(i,j)代表小窗口局部均值,sl(i,j)代表大窗口的局部标准差,Tl(i,j)代表大窗口的阈值,Ts(i,j)代表小窗口的阈值;p、q和R是常数。
本发明的有益效果:本发明的方法实现分层损伤的快速、高精度提取,为在位、实时检测提供条件。
附图说明
图1为钻削出口图像采集示意图。其中,1-工业相机,2-光源照明装置,3-待测物。
图2为图像评估的流程图。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。
在立式数控加工中心中,机床主轴上安装帕莱克90°的角度头,将绕数值Z轴旋转的主切削运动转换为绕X轴旋转的切削运动,采用直径为8mm的小顶角麻花钻,沿机床坐标系的X方向实施横向钻削加工。实验用CFRP板厚度为8mm,共包含44层碳纤维,每层碳纤维由CYCOM977-2环氧树脂基体和东芝T300碳纤维复合而成,0°/90°玻璃纤维/环氧树脂层铺设在上下表面。板材被裁成宽度为30mm,长为200mm的长条,放置在专用夹具中。实验中主轴转速为3000rpm,沿X方向进给速度为150mm/min。被加工的CFRP样件固定在专用夹具的槽中。专用夹具的背部有一个直径为16mm的梯形孔,远大于所钻孔的公称直径,钻孔时,刀具每次都从此孔钻出,可保证加工每个孔出口区域材料的支撑刚度一致且不会影响制孔分层等损伤的扩展。在本次实验中,采用同一刀具连续钻取了218个孔。
通过所提出的方法,首先进行图像的获取,然后拟合加工孔的圆心和半径,再确定分层轮廓。整体流程如附图2示,该方法的具体步骤如下:
第一步,采用视觉检测系统采集钻削出口图像
拍摄复合材料的钻削出口;光源照明装置2位于待测物3上方进行照亮,工业相机1位于二者上端对待测物3进行拍摄,视野中出现一个完整的加工孔,获得218张出口图像。
第二步,基于梯度迭代最小截尾二乘法拟合圆心与半径;
然后通过灰度化处理、二值化化处理得到预处理的图像,然后利用Gabor滤波对所得图像进行滤波,通过边缘检测算法提取出分层出口轮廓,通过梯度迭代最小截尾二乘法迭代消除离群点后确定圆心和半径;
在每次优化求解后,消除了距离圆心太远或太近的一些离群点;迭代终止条件为轮廓点到圆心的距离与平均距离的偏差小于设定值0.01;
第三步,通过多尺度自适应阈值对图像进行分割,获取分层损伤区域;
通过像素邻域的均值及标准差求解得到局部阈值T(i,j),使用了两个不同的窗口大小来描述像素点的邻域特征;使用长度为wl×wl的较大窗口来获取该区域的全局特性,使用长度为ws×ws的较小窗口来增强阈值分割方法的细节分辨能力。
考虑到复合材料的分层通常在图片上较暗,在b(i,j)的构建中,像素灰度值低于T(i,j)的点被保留。邻域的对比度越大,sl(x,y)的值越接近R,Tl(x,y)的值也越接近于均值ml(x,y)。局部邻域的对比度越低,Tl(x,y)越接近于ml(x,y)/2。因此,较暗的分层可以与较亮且对比度较低的工件上分割出来。
为了避免噪声的影响,窗口大小wl×wl相对较大。另外,部分分层的亮度和对比度与工件的差异相对较小,在较大的窗口尺寸下,会产生相对小的Tl(x,y)值,这会导致提取准确性的下降。用小窗口下的区域特性对上述影响使用指数形式对结果进行补偿。
在指数调整函数中,常数p和q决定了指数补偿的程度。在我们的实践中,p=1.1,q=0.015得到了相对较好的结果。对于一个半径在图像中占比约为500个像素点的孔来说,wl设置为40,ws设置为5可以得到图像的多尺度信息,更有利于分层的提取过程。
通过所提出的方法圆参数拟合误差小于0.2%,轮廓提取精度小于0.5%,分析时间小于3.5秒,与其他方法相比均明显改善,实现分层损伤的快速、高精度提取,以及在位检测。
Claims (1)
1.一种碳纤维复合材料出口分层损伤鲁棒性视觉检测方法,其特征在于,该方法是通过梯度迭代最小截尾二乘法和多尺度阈值分割消除干扰因素影响,实现分层损伤的快速、高精度提取;具体步骤如下:
第一步,采用视觉检测系统采集钻削出口图像;
拍摄复合材料的钻削出口;光源照明装置(2)位于待测物(3)上方进行照亮,工业相机(1)位于二者上端对待测物(3)进行拍摄,视野中出现一个完整的加工孔,获得p张出口图像;
第二步,基于梯度迭代最小截尾二乘法拟合圆心与半径;
对所获取的图像进行灰度化处理和二值化处理,再进行Gabor滤波处理;通过边缘检测算法提取出加工孔的出口轮廓;对获取的出口轮廓数据,根据圆周点和离群点的不同分布特性,通过提出梯度迭代最小截尾二乘法,迭代消除离群点后确定圆心和半径;
优化目标函数表示为:
f=∑g(xi,yi)2 (1)
g(x,y)=(x-xc)2+(y-yc)2-R2 (2)
式中,(xi,yi)是圆周点的坐标,(xc,yc)是加工孔中心点的坐标,R为加工孔的半径;
迭代终止条件为轮廓点到圆心的距离与平均距离的偏差小于设定值[Sigma]:
式中,N为所取的轮廓点总数;
第三步,通过多尺度自适应阈值对图像进行分割,获取分层损伤区域;
利用阈值分割方法将暗分层从对比度低的亮工件上分割出来;
其中,b(i,j)是分割后的二值图像像素,p(i,j)代表原图像的像素点,T(i,j)为局部阈值;
使用两个不同的窗口大小用于描述像素邻域特征;长度为wl×wl的大窗口获取该区域的全局特性,长度为ws×ws的小窗口用于增强阈值分割方法的细节分辨能力,通过像素邻域的均值及标准差求解得到局部阈值T(i,j);
T(i,j)=Tl(i,j)+Ts(i,j) (7)
其中,ml(i,j)代表大窗口局部均值,ms(i,j)代表小窗口局部均值,sl(i,j)代表大窗口的局部标准差,Tl(i,j)代表大窗口的阈值,Ts(i,j)代表小窗口的阈值;p、q和R是常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111262046.7A CN114022433B (zh) | 2021-10-28 | 2021-10-28 | 碳纤维复合材料出口分层损伤鲁棒性视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111262046.7A CN114022433B (zh) | 2021-10-28 | 2021-10-28 | 碳纤维复合材料出口分层损伤鲁棒性视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114022433A CN114022433A (zh) | 2022-02-08 |
CN114022433B true CN114022433B (zh) | 2023-12-29 |
Family
ID=80058249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111262046.7A Active CN114022433B (zh) | 2021-10-28 | 2021-10-28 | 碳纤维复合材料出口分层损伤鲁棒性视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022433B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767439A (zh) * | 2019-01-10 | 2019-05-17 | 中国科学院上海技术物理研究所 | 一种自适应窗口的多尺度差异与双边滤波的目标检测方法 |
CN111429367A (zh) * | 2020-03-06 | 2020-07-17 | 暨南大学 | 用于复合材料分层损伤检测的热像数据处理方法 |
CN111583272A (zh) * | 2020-04-17 | 2020-08-25 | 西安工程大学 | 一种联合最大熵的改进Niblack红外图像分割方法 |
CN113537236A (zh) * | 2021-06-21 | 2021-10-22 | 电子科技大学 | 用于航天器损伤红外检测的热扩散效应缺陷定量识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8363974B2 (en) * | 2009-07-21 | 2013-01-29 | Qualcomm Incorporated | Block artifact reducer |
US8928316B2 (en) * | 2010-11-16 | 2015-01-06 | Jentek Sensors, Inc. | Method and apparatus for non-destructive evaluation of materials |
-
2021
- 2021-10-28 CN CN202111262046.7A patent/CN114022433B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767439A (zh) * | 2019-01-10 | 2019-05-17 | 中国科学院上海技术物理研究所 | 一种自适应窗口的多尺度差异与双边滤波的目标检测方法 |
CN111429367A (zh) * | 2020-03-06 | 2020-07-17 | 暨南大学 | 用于复合材料分层损伤检测的热像数据处理方法 |
CN111583272A (zh) * | 2020-04-17 | 2020-08-25 | 西安工程大学 | 一种联合最大熵的改进Niblack红外图像分割方法 |
CN113537236A (zh) * | 2021-06-21 | 2021-10-22 | 电子科技大学 | 用于航天器损伤红外检测的热扩散效应缺陷定量识别方法 |
Non-Patent Citations (4)
Title |
---|
A novel method for predicting delamination of carbon fiber reinforced plastic(CFRP) based on multi-sensor data;Jiacheng Cui et al.;《Mechanical Systems and Signal Processing》;第1-23页 * |
CFRP切削加工损伤成因及其评价方法;殷俊伟;《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅰ辑》(第02期);第1-163页 * |
Image processing methodology for assement of drilling induced damage in CFRP;Silva et al.;《https://run.unl.pt/bitstream/10362/9866/1/Silva_2013.pdf》;第1-102页 * |
Segmentation of Cerebral Venous Vessel in SWI Based on Multi-adaptive Threshold with Vessel Enhancement and Background Effects Elimination;Xiu Xu et al.;《2012 Sixth International Conference on Internet Computing for Science and Engineering》;第107-111页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114022433A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dai et al. | A machine vision system for micro-milling tool condition monitoring | |
CN111230593B (zh) | 一种基于动态图像序列的铣刀磨损量视觉测量方法 | |
Dutta et al. | Application of digital image processing in tool condition monitoring: A review | |
Kerr et al. | Assessment and visualisation of machine tool wear using computer vision | |
Peng et al. | Study of tool wear monitoring using machine vision | |
Shahabi et al. | In-cycle monitoring of tool nose wear and surface roughness of turned parts using machine vision | |
Bradley et al. | Surface texture indicators of tool wear-a machine vision approach | |
US20120062728A1 (en) | Surface inspecting device | |
CN101670533A (zh) | 基于工件加工表面图像分析的刀具磨损状态评价方法 | |
CN114279357B (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统 | |
Zhang et al. | Research on tool wear detection based on machine vision in end milling process | |
Bommi | Surface Roughness Prediction in Turning of Monel K 500 using DWT Technique | |
Bagga et al. | A novel approach of combined edge detection and segmentation for tool wear measurement in machining | |
CN112907556A (zh) | 一种基于机器视觉的旋转刀具磨损量自动测量方法 | |
CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
CN116539620A (zh) | 一种刀具表面缺陷在机检测方法 | |
CN114022433B (zh) | 碳纤维复合材料出口分层损伤鲁棒性视觉检测方法 | |
CN114187286A (zh) | 一种基于机器视觉的木板材表面加工质量控制方法 | |
JP5638327B2 (ja) | 外観検査装置 | |
Sukeri et al. | Wear detection of drill bit by image-based technique | |
CN116087196A (zh) | 一种构件表面损伤面积的测量方法 | |
Zhang et al. | Novel auto-regressive measurement of diamond tool wear in ultra-precision raster milling | |
Sharma et al. | Tool condition monitoring using the chain code technique, pixel matching and morphological operations | |
Zhang et al. | Defect measurement in CFRP drilling based on digital image processing | |
Wang et al. | A detection system of tool parameter using machine vision |
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 |