CN114062381A - 一种激光传感器保护玻璃污染程度检测装置及检测方法 - Google Patents

一种激光传感器保护玻璃污染程度检测装置及检测方法 Download PDF

Info

Publication number
CN114062381A
CN114062381A CN202111571571.7A CN202111571571A CN114062381A CN 114062381 A CN114062381 A CN 114062381A CN 202111571571 A CN202111571571 A CN 202111571571A CN 114062381 A CN114062381 A CN 114062381A
Authority
CN
China
Prior art keywords
laser
image
detection
value
protective glass
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
Application number
CN202111571571.7A
Other languages
English (en)
Inventor
郝盼
张彦超
张永泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Full Vision Intelligent Photoelectric Co ltd
Original Assignee
Suzhou Full Vision Intelligent Photoelectric Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Full Vision Intelligent Photoelectric Co ltd filed Critical Suzhou Full Vision Intelligent Photoelectric Co ltd
Priority to CN202111571571.7A priority Critical patent/CN114062381A/zh
Publication of CN114062381A publication Critical patent/CN114062381A/zh
Pending legal-status Critical Current

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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • 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

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)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

本发明公开了一种激光传感器保护玻璃污染程度检测装置及检测方法，检测装置包括图像传感器、图像处理器、污染检测处理器、激光功率控制器；检测方法包括以下步骤：S1、使用激光器对未污染的保护玻璃片进行照射操作，对反射得到的光斑进行出厂标定操作，得到标定数据；S2、令激光器对已污染的保护玻璃片进行照射操作，对反射得到的光斑进行检测，得到光斑检测结果；S3、将光斑检测结果与标定数据进行比较并计算得到综合评价函数；S4、设定已污染保护玻璃片的污染评价阈值，将综合评价函数与污染评价阈值进行比较，得出已污染保护玻璃片的污染程度。

Description

一种激光传感器保护玻璃污染程度检测装置及检测方法
技术领域
本发明涉及激光传感器领域，尤其涉及一种激光传感器保护玻璃污染程度检测装置及检测方法。
背景技术
激光传感器技术已被广泛应用于工业民用多个领域，是一项非常重要的传感器技术。特别是应用在自动化焊接行业的激光焊缝跟踪传感器，能快速、精准地识别和提取焊缝特征点。
激光传感器的可靠性和精度，取决于激光器投射到被测量物体上的激光条纹质量。而在焊接过程环境非常恶劣，融化金属飞溅、有机助焊剂烟雾、金属粉尘会很快污染激光传感器前的保护镜片。保护镜片污染达到一定程度会严重影响传感器的稳定性和可靠，必须能及时检测镜片的污染程度提示使用者及时更换，避免因为保护镜片污染过于严重而造成瑕疵品的增加。
目前通常通过增加对射的光电发送和接收装置对保护片进行透过性检测，透过性降低到一起阈值后认为镜片被污染。这种方法需要增加对射结构，造成结构体积的复杂，增大了检测成本；同时对射测量是间接测量，通过测量激光路附近的小区域来判断保护片的污染结果，其具有一定的片面性，严重影响了保护片的污染度检测准确率，因此，有必要对其进行改进。
发明内容
本发明目的是针对上述问题，提供一种提高准确率的激光传感器保护玻璃污染程度检测装置及检测方法。
为了实现上述目的，本发明的技术方案是：
一种激光传感器保护玻璃污染程度检测装置，包括图像传感器、图像处理器、污染检测处理器、激光功率控制器，图像传感器设置在保护玻璃片上方，图像传感器的信号输出端与图像处理器的信号输入端相连接，图像处理器的信号输出端与污染检测处理器的信号输入端相连接，污染检测处理器的信号输出端与激光功率控制器的信号输入端相连接，激光功率控制器的信号输出端与激光器的信号输入端的相连接，激光器的发射端口设置在保护玻璃片上方。
进一步的，所述图像传感器上设置有镜头，镜头呈倾斜状设置，镜头的信号输出端与图像传感器的信号输入端相连接。
进一步的，所述镜头上设置有窄通保护片。
一种激光传感器保护玻璃污染程度检测装置的检测方法，包括以下步骤：
S1、使用激光器对未污染的保护玻璃片进行照射操作，并通过图像传感器、图像处理器、污染检测处理器、激光功率控制器对反射得到的光斑进行出厂标定操作，得到标定数据；
S2、令激光器对已污染的保护玻璃片进行照射操作，并通过图像传感器、图像处理器、污染检测处理器、激光功率控制器对反射得到的光斑进行检测，得到光斑检测结果；
S3、将光斑检测结果与标定数据进行比较并计算得到综合评价函数；
S4、设定已污染保护玻璃片的污染评价阈值，将综合评价函数与污染评价阈值进行比较，得出已污染保护玻璃片的污染程度。
进一步的，所述步骤S1包括以下步骤：
S11、准备一片未污染的保护玻璃片；
S12、通过激光功率控制器将激光器的输出功率调节为5％；
S13、对初始激光光斑强度进行测量；
S131、将图像传感器的快门调节为最小间隔，采集得到若干个激光光斑图像；
S132、将若干个激光光斑图像划分为十段，在每段内，根据一阶矩查找圆内所包含的能量与该段内总能量的比值为80.5％时的圆形，该圆形的圆心
Figure BDA0003423471920000031
的计算公式为：
Figure BDA0003423471920000032
S133、计算以
Figure BDA0003423471920000033
为圆心，5为半径的像素灰度平均值，其计算公式为：
Figure BDA0003423471920000034
其中，mb为第b段激光线位于灰度中心半径5内的点的个数；I(k)为第k个像素的灰度；
S134、当灰度平均值小于设定饱和值的80％时，调高模拟增益和/或电子快门的参数值，每调高一个参数值，重新计算在当前参数值下的灰度平均值，不断调高参数值，直到灰度平均值在设定饱和值的80％～90％之间时，记录此时的光斑强度值；当灰度平均值大于设定饱和值的90％时，调低模拟增益和/或电子快门的参数值，每调低一个参数值，重新计算在当前参数值下的灰度平均值，不断调低参数值，直到灰度平均值在设定饱和值的80％～90％之间时，记录此时的光斑强度值；
S14、对激光光斑进行结构化处理；
S141、使用图像处理器将激光光斑的图像转换为二值化图像，并将二值化图像分割为9/12/15/16/18/21/24个初始区域图像；
S142、对初始区域图像进行面积计算、质心计算并保存计算结果，得到初始区域图像面积、初始区域图像质心；
S15、通过激光功率控制器将激光器的输出功率提升为5％，重复步骤S13～S15,直至激光器的输出功率达到100％，获取到20组测量数据；
S16、通过对20组测量数据中的初始激光光斑强度进行拟合，得到初始亮度曲线；
S17、将初始亮度曲线、不同亮度的初始区域图像面积以及不同亮度的初始区域图像质心作为标定数据。
进一步的，所述步骤S2包括以下步骤：
S21、启动检测操作；
S22、按照步骤S12～S16进行操作，分别生成检测亮度曲线、不同亮度的检测区域图像。
进一步的，所述步骤S3包括以下步骤：
S31、计算检测光斑的强度序列LM；其计算公式为：
Figure BDA0003423471920000041
Figure BDA0003423471920000042
其中，mb为第b段激光线位于亮度中心半径5内的点的个数；I(k)为第k个像素的亮度,n为当前检测的激光强度等级；
S32、计算初始激光光斑强度与当前检测光斑强度的相关系数，记初始激光光斑强度序列为X,记当前检测光斑强度序列为Y，相关系数ρ(X，Y)的计算公式为：
Figure BDA0003423471920000051
S33、亮度评价函数的计算公式为：
Figure BDA0003423471920000052
其中，
Figure BDA0003423471920000053
为初始激光光斑强度序列X的平均值，
Figure BDA0003423471920000054
为当前检测光斑强度序列为Y的平均值,N为激光强度等级的个数；
S33、对检测区域图像的容忍权重进行计算，其计算公式为：
W(i)＝log1/2x(i),i＝1，...，B；
其中,B为子块的个数，x(i)＝[0，...1]中，0代表完全不能容忍有污染，1代表完全忍受有污染；
S34、计算每个检测区域图像的面积和质心，检测区域图像质心
Figure BDA0003423471920000055
的计算公式为：
Figure BDA0003423471920000056
Figure BDA0003423471920000057
S35、进行加权求和，其计算公式为：
Figure BDA0003423471920000058
S36、配准评价值的计算公式为：
Figure BDA0003423471920000061
其中，n为当前激光强度等级，B为图像子块个数，H为容忍度不为0的子块数，Si为第i个子块的面积，Wi为第i个子块的容忍权重，di为n激光强度等级下第i个子块的质心坐标，MF为图像行数和列数的最小值；
S37、重复步骤S33～S36，得到所有亮度下检测区域图像的配准评价值；
S38、通过亮度评价函数和配准评价值计算综合评价函数，其计算公式为：
F＝α·LF+(1-α)·RF；
其中，α∈[0，…，1]代表亮度评价指标所占权重，1-α代表配准评价指标所占权重。
进一步的，所述步骤S4中，污染评价阈值分别为：(0-0.1]、(0.1-0.3]、(0.3-0.5]、(0.5-0.7]、(0.7-1.0)；其中，(0-0.1]表示轻度污染，(0.1-0.3]表示轻中度污染，(0.3-0.5]表示中度污染，(0.5-0.7]表示重中度污染，(0.7-1.0)表示重度污染。
与现有技术相比，本发明具有的优点和积极效果是：
本发明基于图像传感器对保护镜片上的激光光斑进行直接测量，同时通过在不同激光功率输出情况下对光斑整体亮度、光斑形态进行测量，将测量结果与标定数据进行对比配准，从而评估出保护镜片的污染程度，其能准确识别出大面积较轻污染以及小面积严重污染，解决了目前检测方法中出现了保护镜片检测片面性的缺陷，提高了保护镜片污染度的检测准确率；并且，本发明的运算量小，运行时间短，可以快速得到保护镜片的污染度识别结果，同时本发明结构简单、成本较低，降低了保护镜片的检测成本，进一步提高了本发明的使用效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为检测装置的结构示意图；
图2为本发明中检测装置的测量效果图；
图3为本发明的检测流程图；
图4为出厂标定操作的框架流程图；
图5为检测评价操作的框架流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
如图1、图2所示，本实施例公开了一种激光传感器保护玻璃污染程度检测装置，包括图像传感器3、图像处理器4、污染检测处理器5、激光功率控制器6，图像传感器3、图像处理器4、污染检测处理器5、激光功率控制器6均固定连接在固定壳体1内；图像传感器3设置在保护玻璃片上方，图像传感器3的信号输出端与图像处理器4的信号输入端相连接，图像处理器4的信号输出端与污染检测处理器5的信号输入端相连接，污染检测处理器5的信号输出端与激光功率控制器6的信号输入端相连接，激光功率控制器6的信号输出端与激光器2的信号输入端的相连接，激光器2的发射端口设置在保护玻璃片上方。
所述图像传感器3上设置有镜头，镜头呈倾斜状设置，激光器发射出来的激光与镜头光轴的夹角在0～45度之间，通常在13.5度；镜头的信号输出端与图像传感器的信号输入端相连接。
所述镜头上设置有窄通保护片7，窄通保护片7的半带宽为激光中心波长﹢20nm～-10nm，光学窄通片非激光波长的通过率小于0.2％。
上述检测装置的检测流程如图3所示，具体操作步骤为：
一、出厂标定，具体操作步骤如图4所示；
步骤1：准备1片未被污染的保护玻璃片；
步骤2：激光器功率输出5％；
步骤3：激光光斑强度测量；
(1)控制图像传感器快门最快；
(2)按10段统计图像亮度分布。
在每段内，根据一阶矩查找圆内所包含的能量与该段总能量的比值为80.5％时圆的圆心
Figure BDA0003423471920000081
Figure BDA0003423471920000082
同时计算以
Figure BDA0003423471920000083
为圆心，5为半径的像素的灰度平均值，记为lm，
Figure BDA0003423471920000091
其中，mb为第b段激光线位于灰度中心半径5内的点的个数；I(k)为第k个像素的灰度。
当所述灰度均值小于设定饱和值的80％时，调高所述模拟增益和/或电子快门的参数值，每调高一个参数值，需重新计算在当前参数值下的灰度均值，不断调高参数值，直到设定的灰度均值在设定饱和值的80％～90％之间。并记录此时的光斑强度值。
当所述灰度均值大于设定饱和值的90％时，调低所述模拟增益和/或电子快门的参数值，每调低一个参数值，需重新计算在当前参数值下的灰度均值，不断调低参数值，直到设定的灰度均值在设定饱和值的80％～90％之间。并记录此时的光斑强度值。
步骤4：对激光光斑进行结构化
对二值化图像进行分区域，分割成9/12/15/16/18/21/24个区域；
Figure BDA0003423471920000092
分区域进行面积、质心计算生成分个区域的数据并保存每个区域生成的面积和质心结果。
步骤5：激光器输出功率提升5％，达到10％后，重复步骤3～5，一直到激光器输出功能达到100％。共获取到20组标定数据。
Figure BDA0003423471920000093
Figure BDA0003423471920000101
步骤6：对亮度曲线进行拟合；
步骤7：生成标定数据；
保存亮度曲线、不同亮度的分区面积和质心数据作为标定数据。
二、在线检测并评价，具体操作步骤如图5所示；
步骤1：启动测量；
步骤2：对图像亮度、光斑形状进行结构化，这一过程与标定过程中的步骤2～6相同，生成的新的亮度曲线并将其与标定数据的亮度曲线进行评价；
步骤3：计算亮度评价函数；
计算当前亮度序列LM：
Figure BDA0003423471920000102
Figure BDA0003423471920000103
其中，mb为第b段激光线位于亮度中心半径5内的点的个数；I(k)为第k个像素的亮度,n为当前激光强度等级。
计算初始亮度值与当前亮度值的相关系数，记初始亮度值序列为X,其计算方式与上式相同；记当前亮度值序列为Y，则相关系数ρ(X，Y)为：
Figure BDA0003423471920000111
亮度评价函数为：
Figure BDA0003423471920000112
其中，
Figure BDA0003423471920000113
为序列X的平均值，
Figure BDA0003423471920000114
为序列Y的平均值,N为激光强度等级的个数。
步骤4：分区配准；每张图片对标定数据分区对面积、质心数据进配准，配准生成评价函数。
(1)分区设有权重W，表示每个区域的容忍度，即可以忍受该区域污染的程度；W(i)＝log1/2x(i),i＝1，...，B；
其中,B为子块的个数，x(i)＝[0，...1],0代表完全不能容忍有污染，1代表完全忍受有污染。不允许每个子块的容忍度都为0，即至少有一个子块的容忍度不为0。
(2)计算每个区域的面积S与质心
Figure BDA0003423471920000115
S即二值化后该区域值为1的像素个数。
Figure BDA0003423471920000116
Figure BDA0003423471920000121
(3)进行加权求和：
Figure BDA0003423471920000122
总的配准评价值RF为:
Figure BDA0003423471920000123
其中，n为当前激光强度等级，B为图像子块个数，H为容忍度不为0的子块数，Si为第i个子块的面积，Wi为第i个子块的容忍权重，di为n激光强度等级下第i个子块的质心坐标，MF为图像行数和列数的最小值。
步骤5：对20张图形重复步骤4，得到所有亮度下的配准评价值；
步骤6、综合评价；通过亮度评价函数和配准评价值计算得到一个综合评价结果，其计算公式为：
F＝α·LF+(1-α)·RF；
其中，α∈[0，…，1]代表亮度评价指标所占权重，1-α代表配准评价指标所占权重。结果越趋近于1，代表污染越严重，结果越趋近于0，代表污染越轻。(0-0.1]轻度污染，(0.1-0.3]轻中度污染，(0.3-0.5]中度污染，(0.5-0.7]重中度污染，(0.7-1.0)重度污染。
本发明基于图像传感器对保护镜片上的激光光斑进行直接测量，同时通过在不同激光功率输出情况下对光斑整体亮度、光斑形态进行测量，将测量结果与标定数据进行对比配准，从而评估出保护镜片的污染程度，其能准确识别出大面积较轻污染以及小面积严重污染，解决了目前检测方法中出现了保护镜片检测片面性的缺陷，提高了保护镜片污染度的检测准确率；并且，本发明的运算量小，运行时间短，可以快速得到保护镜片的污染度识别结果，同时本发明结构简单、成本较低，降低了保护镜片的检测成本，进一步提高了本发明的使用效果。

Claims (8)

1.一种激光传感器保护玻璃污染程度检测装置，其特征在于：所述激光传感器保护玻璃污染程度检测装置包括图像传感器、图像处理器、污染检测处理器、激光功率控制器，图像传感器设置在保护玻璃片上方，图像传感器的信号输出端与图像处理器的信号输入端相连接，图像处理器的信号输出端与污染检测处理器的信号输入端相连接，污染检测处理器的信号输出端与激光功率控制器的信号输入端相连接，激光功率控制器的信号输出端与激光器的信号输入端的相连接，激光器的发射端口设置在保护玻璃片上方。
2.如权利要求1所述的激光传感器保护玻璃污染程度检测装置，其特征在于：所述图像传感器上设置有镜头，镜头呈倾斜状设置，镜头的信号输出端与图像传感器的信号输入端相连接。
3.如权利要求2所述的激光传感器保护玻璃污染程度检测装置，其特征在于：所述镜头上设置有窄通保护片。
4.一种如权利要求3所述的激光传感器保护玻璃污染程度检测装置的检测方法，其特征在于：包括以下步骤：
S1、使用激光器对未污染的保护玻璃片进行照射操作，并通过图像传感器、图像处理器、污染检测处理器、激光功率控制器对反射得到的光斑进行出厂标定操作，得到标定数据；
S2、令激光器对已污染的保护玻璃片进行照射操作，并通过图像传感器、图像处理器、污染检测处理器、激光功率控制器对反射得到的光斑进行检测，得到光斑检测结果；
S3、通过污染检测处理器将光斑检测结果与标定数据进行比较并计算得到综合评价函数；
S4、设定已污染保护玻璃片的污染评价阈值，将综合评价函数与污染评价阈值进行比较，得出已污染保护玻璃片的污染程度。
5.如权利要求4所述的激光传感器保护玻璃污染程度检测装置的检测方法，其特征在于：所述步骤S1包括以下步骤：
S11、准备一片未污染的保护玻璃片；
S12、通过激光功率控制器将激光器的输出功率调节为5％；
S13、对初始激光光斑强度进行测量；
S131、将图像传感器的快门调节为最小间隔，采集得到若干个激光光斑图像；
S132、将若干个激光光斑图像划分为十段，在每段内，根据一阶矩查找圆内所包含的能量与该段内总能量的比值为80.5％时的圆形，该圆形的圆心
Figure FDA0003423471910000021
的计算公式为：
Figure FDA0003423471910000022
S133、计算以
Figure FDA0003423471910000023
为圆心，5为半径的像素灰度平均值，其计算公式为：
Figure FDA0003423471910000024
其中，mb为第b段激光线位于灰度中心半径5内的点的个数；I(k)为第k个像素的灰度；
S134、当灰度平均值小于设定饱和值的80％时，调高模拟增益和/或电子快门的参数值，每调高一个参数值，重新计算在当前参数值下的灰度平均值，不断调高参数值，直到灰度平均值在设定饱和值的80％～90％之间时，记录此时的光斑强度值；当灰度平均值大于设定饱和值的90％时，调低模拟增益和/或电子快门的参数值，每调低一个参数值，重新计算在当前参数值下的灰度平均值，不断调低参数值，直到灰度平均值在设定饱和值的80％～90％之间时，记录此时的光斑强度值；
S14、对激光光斑进行结构化处理；
S141、使用图像处理器将激光光斑的图像转换为二值化图像，并将二值化图像分割为9/12/15/16/18/21/24个初始区域图像；
S142、对初始区域图像进行面积计算、质心计算并保存计算结果，得到初始区域图像面积、初始区域图像质心；
S15、通过激光功率控制器将激光器的输出功率提升为5％，重复步骤S13～S15,直至激光器的输出功率达到100％，获取到20组测量数据；
S16、通过对20组测量数据中的初始激光光斑强度进行拟合，得到初始亮度曲线；
S17、将初始亮度曲线、不同亮度的初始区域图像面积以及不同亮度的初始区域图像质心作为标定数据。
6.如权利要求5所述的激光传感器保护玻璃污染程度检测装置的检测方法，其特征在于：所述步骤S2包括以下步骤：
S21、启动检测操作；
S22、按照步骤S12～S16进行操作，分别生成检测亮度曲线、不同亮度的检测区域图像。
7.如权利要求6所述的激光传感器保护玻璃污染程度检测装置的检测方法，其特征在于：所述步骤S3包括以下步骤：
S31、计算检测光斑的强度序列LM；其计算公式为：
Figure FDA0003423471910000041
Figure FDA0003423471910000042
其中，mb为第b段激光线位于亮度中心半径5内的点的个数；I(k)为第k个像素的亮度,n为当前检测的激光强度等级；
S32、计算初始激光光斑强度与当前检测光斑强度的相关系数，记初始激光光斑强度序列为X,记当前检测光斑强度序列为Y，相关系数ρ(X，Y)的计算公式为：
Figure FDA0003423471910000043
S33、亮度评价函数的计算公式为：
Figure FDA0003423471910000044
其中，
Figure FDA0003423471910000045
为初始激光光斑强度序列X的平均值，
Figure FDA0003423471910000046
为当前检测光斑强度序列为Y的平均值,N为激光强度等级的个数；
S33、对检测区域图像的容忍权重进行计算，其计算公式为：
W(i)＝log1/2x(i),i＝1，...，B；
其中,B为子块的个数，x(i)＝[0，...1]中，0代表完全不能容忍有污染，1代表完全忍受有污染；
S34、计算每个检测区域图像的面积和质心，检测区域图像质心
Figure FDA0003423471910000051
的计算公式为：
Figure FDA0003423471910000052
Figure FDA0003423471910000053
S35、进行加权求和，其计算公式为：
Figure FDA0003423471910000054
S36、配准评价值的计算公式为：
Figure FDA0003423471910000055
其中，n为当前激光强度等级，B为图像子块个数，H为容忍度不为0的子块数，Si为第i个子块的面积，Wi为第i个子块的容忍权重，di为n激光强度等级下第i个子块的质心坐标，MF为图像行数和列数的最小值；
S37、重复步骤S33～S36，得到所有亮度下检测区域图像的配准评价值；
S38、通过亮度评价函数和配准评价值计算综合评价函数，其计算公式为：
F＝α·LF+(1-α)·RF；
其中，α∈[0，...，1]代表亮度评价指标所占权重，1-α代表配准评价指标所占权重。
8.如权利要求7所述的激光传感器保护玻璃污染程度检测装置的检测方法，其特征在于：所述步骤S4中，污染评价阈值分别为：(0-0.1]、(0.1-0.3]、(0.3-0.5]、(0.5-0.7]、(0.7-1.0)；其中，(0-0.1]表示轻度污染，(0.1-0.3]表示轻中度污染，(0.3-0.5]表示中度污染，(0.5-0.7]表示重中度污染，(0.7-1.0)表示重度污染。
CN202111571571.7A 2021-12-21 2021-12-21 一种激光传感器保护玻璃污染程度检测装置及检测方法 Pending CN114062381A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111571571.7A CN114062381A (zh) 2021-12-21 2021-12-21 一种激光传感器保护玻璃污染程度检测装置及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111571571.7A CN114062381A (zh) 2021-12-21 2021-12-21 一种激光传感器保护玻璃污染程度检测装置及检测方法

Publications (1)

Publication Number Publication Date
CN114062381A true CN114062381A (zh) 2022-02-18

Family

ID=80230104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111571571.7A Pending CN114062381A (zh) 2021-12-21 2021-12-21 一种激光传感器保护玻璃污染程度检测装置及检测方法

Country Status (1)

Country Link
CN (1) CN114062381A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117191809A (zh) * 2023-08-30 2023-12-08 宿州绍宸智能科技有限公司 基于数据分析的玻璃检测设备故障监测预警系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117191809A (zh) * 2023-08-30 2023-12-08 宿州绍宸智能科技有限公司 基于数据分析的玻璃检测设备故障监测预警系统
CN117191809B (zh) * 2023-08-30 2024-03-22 宿州绍宸智能科技有限公司 基于数据分析的玻璃检测设备故障监测预警系统

Similar Documents

Publication Publication Date Title
CN111815572B (zh) 一种基于卷积神经网络对锂电池焊接质量的检测方法
CN114943739B (zh) 一种铝管质量检测方法
CN108780050B (zh) 检测镜头的方法及装置、电子设备和计算机可读存储介质
CN111242123A (zh) 一种基于红外图像的电力设备故障诊断方法
CN114062381A (zh) 一种激光传感器保护玻璃污染程度检测装置及检测方法
US5247154A (en) Method and apparatus for monitoring the laser marking of a bar code label
CN115861307B (zh) 基于人工智能的筋膜枪供电驱动板焊接故障检测方法
CN117635604B (zh) 一种建筑工程钢结构焊接质量检测方法
CN102162725A (zh) 厚度测量的校正方法及厚度测量方法
CN116665057A (zh) 一种基于图像处理的河道水质监测方法及系统
CN216718245U (zh) 一种激光传感器保护玻璃污染程度检测装置
CN108844469B (zh) 一种基于激光测试工件台阶高度的方法及系统
CN117237364A (zh) 基于图像特征的焊管质量检测方法
CN108645865A (zh) 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法
CN115115889A (zh) 一种仪表图像分析方法及装置
JPH08189905A (ja) 疵検査装置
CN105787925B (zh) 推扫型光学遥感载荷原始图像坏线的自动检测方法和系统
CN114970164A (zh) 一种精细化钢铁分类定量方法及便携式系统
CN114719987A (zh) 一种用于轨道车辆车底发热部件温度数据采集的方法及系统
JPS60205683A (ja) 外観判別方法及びその装置
CN113655061A (zh) 一种基于图像识别物质熔点的方法及熔点仪
CN106568782A (zh) 一种基于机器视觉对彩色瓶盖图像颜色量化的方法
CN113312400B (zh) 一种浮法玻璃等级判定方法及装置
CN117607154B (zh) 一种锂电池焊接缺陷检测方法及系统
CN114754706A (zh) 机械零件加工表面粗糙度在线检测方法及系统

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