CN114460085A - 检查装置和用于检验通过烧结方法制造的物体的方法 - Google Patents

检查装置和用于检验通过烧结方法制造的物体的方法 Download PDF

Info

Publication number
CN114460085A
CN114460085A CN202111269731.2A CN202111269731A CN114460085A CN 114460085 A CN114460085 A CN 114460085A CN 202111269731 A CN202111269731 A CN 202111269731A CN 114460085 A CN114460085 A CN 114460085A
Authority
CN
China
Prior art keywords
image
prediction
defect
cracks
capturing
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
CN202111269731.2A
Other languages
English (en)
Inventor
S.萨德吉博鲁耶尼
S.克鲁尔
Y.贝齐迪
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.)
Volkswagen AG
Original Assignee
Volkswagen AG
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 Volkswagen AG filed Critical Volkswagen AG
Publication of CN114460085A publication Critical patent/CN114460085A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/10—Formation of a green body
    • B22F10/14—Formation of a green body by jetting of binder onto a bed of metal powder
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/60—Treatment of workpieces or articles after build-up
    • B22F10/64—Treatment of workpieces or articles after build-up by thermal means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F3/00—Manufacture of workpieces or articles from metallic powder characterised by the manner of compacting or sintering; Apparatus specially adapted therefor ; Presses and furnaces
    • B22F3/003—Apparatus, e.g. furnaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B22—CASTING; POWDER METALLURGY
    • B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
    • B22F3/00—Manufacture of workpieces or articles from metallic powder characterised by the manner of compacting or sintering; Apparatus specially adapted therefor ; Presses and furnaces
    • B22F3/10—Sintering only
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y10/00—Processes of additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • 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
    • 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
    • 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

Abstract

本发明涉及一种用于针对可能的缺陷检验通过烧结方法制造的物体(12)的检查装置和方法，其中，至少如果满足预定的条件，则物体(12)的至少一部分的至少一个图像(B、B1、B2、B3、B4)通过检查装置(10)的图像拍摄装置(18)被拍摄，并且通过检查装置(10)检验是否可以在至少一个图像(B、B1、B2、B3、B4)中识别物体(12)的缺陷(R、R1、R2、R3、R4)。本发明规定，在拍摄至少一个图像(B、B1、B2、B3、B4)之前，检查装置(10)提供关于物体(12)的可能的缺陷(R、R1、R2、R3、R4)的预测，并且根据预测确定至少一个拍摄参数，其中，根据至少一个确定的拍摄参数(P)实施拍摄至少一个图像(B、B1、B2、B3、B4)。

Description

检查装置和用于检验通过烧结方法制造的物体的方法
技术领域
本发明涉及一种用于借助检查装置针对可能的缺陷检验通过烧结方法制造的物体的方法，其中，至少如果满足特定的条件，则物体的至少一部分的至少一个图像通过检查装置的图像拍摄装置被拍摄，并且检验是否可以在至少一个图像中识别物体的缺陷。本发明还包括一种用于针对可能的缺陷检验通过烧结方法制造的物体的检查装置。
背景技术
利用3D打印方法制造的物体可能经受后续的烧结过程。这例如在US2018/0307209A1中描述。在此可能会出现物体的变形。为了防止这一点，可以提供物体的初始的模型，该模型被细分为各个部段并且定义对象或物体的几何形状。然后可以针对每个部段计算修改的几何形状，其补偿预测的变形。随后可以适配定义被打印的对象或物体的几何形状的打印参数，从而使得最后被打印的物体不具有预测的变形。
但除了这种变形之外，在3D打印中，尤其取决于后续的烧结过程地也可能导致其他的可能的缺陷、例如物体中的裂纹。然而，利用所描述的补偿方法无法防止这种裂纹。
此外，US 2019/0102880 A1描述了一种用于检查制造的个性化的正畸设备的检查方法。所拍摄的图像可以与注塑部件的几何形状比较，基于注塑部件，设备尤其通过涂覆或深冲制造。通过偏差可以检测到可能的缺陷。该处理方式也不能够用于尤其经受烧结方法的3D打印的物体，因为这些物体通常没有基于预制的注塑部件的几何形状制造。
为了检测在通过烧结方法制造的物体中的缺陷、尤其是裂纹，因此经常实施人工检查，即通过人检查制造的物体。在此不利地存在以下危险，即会忽略非常小的裂纹。
此外，US 2020/0160497 A1描述了一种用于基于机器检测在三维打印的物体中的缺陷的方法。在此，首先照亮这样的物体，并且拍摄该物体的大量图像、尤其是物体的不同的区域的图像。然后由机器学习模型分析这些图像，该机器学习模型针对识别不同的类型的制造缺陷进行训练。
由此，虽然可以提供对3D打印的物体的自动检查，但该自动检查与非常高的耗费相关联。因此期望的是，能够以较少的耗费实施自动检查。
发明内容
因此，本发明所要解决的技术问题在于，提供一种用于在可能的缺陷方面检验通过烧结方法制造的物体的方法，以及一种检查装置，该检查装置允许以尽可能有效的方式自动检验这种物体。
该技术问题通过具有根据相应的独立权利要求的特征的方法和检查装置来解决。本发明的有利的设计方案是从属权利要求、说明书和附图的主题。
在根据本发明的用于通过检查装置针对可能的缺陷检验通过烧结方法制造的物体的方法中，至少如果满足预定的条件，那么物体的至少一部分的至少一个图像通过检查装置的图像拍摄装置被拍摄，并且通过检查装置检验是否可以在至少一个图像中识别物体的缺陷。在此，在拍摄至少一个图像之前，检查装置提供关于物体的可能的缺陷的预测，并且至少如果满足预定的条件，那么根据预测确定至少一个拍摄参数，其中，根据至少一个特定的拍摄参数实施拍摄至少一个图像。
根据本发明的方法在此具有以下很大的优点，即不必从所有可能的视角任意拍摄待检验的物体的大量图像，以便检测可能的缺陷，而是可以基于对物体的可能的缺陷的预测有针对性地实施图像拍摄。图像的拍摄因此可以有利地、有针对性地指向物体的以下区域，在这些区域中，基于预测，诸如裂纹之类的缺陷源是可预期的。相应地，为了能够检测物体的这种缺陷、尤其是裂纹，必须评估明显更少的图像。由此，检查方法变得特别简单和高效。与手动检查不同地，在此不会轻易地忽略可能的缺陷，因为在缺陷在物体上基于预测可预期的位置中可以有针对性地寻找缺陷。例如，如果在物体的非常小的区域内预测非常小的裂纹，那么可以有针对性地拍摄这个小的区域，并且检查这种小的裂纹。例如，图像拍摄装置然后也可以有针对性地放大到这样的区域，以便在图像中以相应放大的方式拍摄和显示这个小的区域。因此，即使在极小的裂纹的情况下也能大大降低忽略的概率。
在已制造的物体经受烧结方法之前，该物体可以例如通过粘合喷射方法(Binder-Jetting-Verfahren)被打印。根据该粘合喷射方法，将粘合剂打印到粉末床上，由此，金属初始粉末颗粒层状地连接。以这种方式制造的构件也被称为坯件。这种坯件通常具有高的孔隙率，并且不具有良好的材料特性。为了改进这种坯件的机械特性，坯件可以在烧结炉中被烧结。在本发明的范围内优选地，通过烧结方法制造的物体表示以这种方式制造的物体。在烧结期间发生孔隙率降低，并且物体同时收缩。通过该收缩导致裂纹。相应优选的是，可能的缺陷(针对可能的缺陷检验通过烧结方法制造的物体)是这样的裂纹、尤其是已制造的物体的表面中的裂纹。但除了粘合喷射方法以外，还可以使用其他的3D打印方法来制造物体。于是可以完全类似地使用所描述的检查方法。
例如，图像拍摄装置可以构造为简单的照相机。此外，图像拍摄装置可以通过单个照相机提供或者也可以包括多个照相机。优选地，仅使用单个、尤其静态布置的照相机来实施该方法，如稍后详细阐述的那样。这能够使检查方法更简单和更有效地实现。
在有利的设计方案中，预定的条件包含，基于所提供的预测来预测物体的至少一个可能的缺陷。例如可以规定，如果没有预测到物体的缺陷或潜在有缺陷的区域，那么不进行这种检查，也就是说不拍摄物体的图像。然而备选地可以规定，即使没有预测到物体的潜在有缺陷的区域，仍然拍摄物体的至少一个图像、优选物体的多个图像，以便仍然寻找可能的缺陷。此外例如还可以规定，基于预测始终预测至少一个区域，即物体的最有可能具有这种可能的缺陷的区域，即使当这种概率是很低的时。以该方式附加地可以有利地提高不会忽略任何可能的缺陷的概率。
在本发明的特别有利的设计方案中，通过计算机模拟来模拟制造物体的烧结方法，并且根据模拟结果提供预测。在此，烧结方法的类型或这种烧结方法的参数对物体中是否或在何处可能出现缺陷、尤其是裂纹具有重要影响。在预测时，不仅可以考虑物体本身的几何形状，而且还可以考虑物体经受的烧结方法的方法参数。通过这种对烧结方法的模拟(以下也简称为烧结模拟)例如可以确定，在烧结过程期间，物体的哪些区域承受最大的收缩，或哪些区域承受最大的几何变化。然后可以将这些区域例如相应识别为物体的潜在有缺陷的区域，然后可以通过拍摄图像更精确地检查这些区域，用以自动的裂纹或缺陷检测。
此外有利的是，基于预测来预测物体的至少一个区域，该区域具有根据可预设的标准增高的存在损坏、尤其是裂纹的概率。在此，损坏表示物体的缺陷的示例。基于预测，尤其基于烧结方法的计算机模拟，现在可以有利地识别物体的具有损坏可能的区域(也被称为燃烧点)。因此，这些区域具有更高的存在损坏的概率。在此，这种损坏通常与物体的表面有关。即使当物体的小部分破裂时，在此也可理解为损坏。在此优选地，损坏又可例如理解为一个裂纹或多个裂纹。
根据可预设的标准，例如可以如下地定义物体的具有更高的存在这种损坏的概率的区域，即该区域比物体的其他的区域具有更高的存在这种损坏的概率。在此，该概率不一定必须超过特定的阈值。然而，通过可预设的标准仍然例如可以预设这种概率的阈值。如果该概率超过预设的阈值，那么根据预设的标准，该区域可以被视为与更高的概率相关联。可以根据预设的度量来计算存在损坏的概率。用于计算这种概率的影响参量例如可以是物体在相关的区域中的应力负载或物体在这些区域中的收缩的程度等。如果上述的计算机模拟用于预测，那么尤其可以特别精确地确定这样的概率，该计算机模拟对制造物体的烧结方法进行模拟。通过这样的计算机模拟，相应也可以模拟物体在烧结方法的过程中的几何变化，并且因此相应例如也对物体的特定的区域中的裂纹形成进行模拟。根据计算机模拟相应在烧结方法结束时具有裂纹的区域可以等同于物体的具有存在损坏的更高的概率的这种区域。随后，可以有针对性地在物体的这些区域中寻找裂纹，其方法尤其是，拍摄相关的区域的图像并且在存在这种裂纹方面对这些图像进行分析。
在本发明的另外的有利的设计方案中，至少一个拍摄参数确定拍摄物体的至少一个区域的拍摄视角。该拍摄视角相应又根据被分类为具有损坏的更高的概率的区域被确定，从而相应可从分配给这些区域的拍摄视角看到这些区域，即这些区域在从该拍摄视角拍摄的图像中是可见的。换言之，例如首先可以基于预测、尤其基于烧结模拟，首先确定物体的具有损坏可能的区域。现在为了对这些区域进行适当的图像拍摄，首先根据被识别的或被预测的区域分别确定拍摄视角，随后，图像拍摄装置相应从该拍摄视角拍摄物体的图像，从而使得相应的预测的区域在图像中可见。因此，可以有利地有针对性地拍摄具有更大的损坏可能的那些区域的图像。由此，可以明显地、即以特别有效的方式和方法提高完全检测可能的缺陷、尤其是裂纹的概率，因为例如不必对没有这种损坏可能的区域进行拍摄。
备选地或附加地，拍摄参数也可以确定图像拍摄装置的放大系数或缩放系数，利用该放大系数或缩放系数应该拍摄物体的区域的图像。当要发现特别小的裂纹时，这例如是特别有利的。相应地，可以针对图像拍摄选择更大的放大系数，用以检测这种小的裂纹。这提高了基于这种图像拍摄也可以发现小的裂纹的概率。例如还可以基于预测，尤其基于烧结模拟来预测在区域中是否预期出现小的或大的裂纹。通过该适配可能性进一步提高方法的效率。
在本发明的另一特别有利的设计方案中，在拍摄图像之前，根据至少一个拍摄参数、通过自动定位装置相对于图像拍摄装置定位物体，尤其从而使得随后从确定的拍摄视角拍摄至少一个图像。换言之，根据确定的拍摄视角(从该拍摄视角，借助图像拍摄装置应该拍摄物体的该区域)，尤其利用所提到的定位装置相应自动定位和定向物体。这具有以下优点，即图像拍摄装置本身不必构造为在其位置和/或定向中是可变的。相反，如果仅将物体放置在安放区域上，并且随后利用可运动的图像拍摄装置从不同的视角拍摄物体，那么例如不可能拍摄物体的安放表面的图像。替代地，如果将物体带到不同的位置和/或定向，那么可以从任何期望的视角拍摄物体。
定位装置例如可以构造为机器人或机器人臂。此外，定位装置还可以具有抓握装置，借助该抓握装置例如可以抓握物体。该抓持装置可以构造为可围绕多个轴线旋转和/或在多个空间方向上运动，从而最终可以将物体带入相对于拍摄装置的每个任意的位置和定向。
相应还优选的是，图像拍摄装置本身是静态照相机。因此，图像拍摄装置在其位置和/或定向中保持不变，以用于从不同的视角拍摄物体的图像。这能够实现图像拍摄装置的特别简单的和廉价的构造。
在本发明的另一有利的设计方案中，针对基于预测对物体的不同的区域中的多个可能的缺陷进行预测的情况，给相应的预测的区域分配拍摄视角，并且从分配的拍摄视角拍摄相应的区域的图像，其中，对于每次拍摄，借助自动定位装置来定位物体，从而从确定的拍摄视角进行后续的拍摄。换句话说，在每两次连续的拍摄之间，可以通过定位装置将物体带入相对于图像拍摄装置的新的位置和/或定向。相应可以根据所提供的至少一个例如确定拍摄视角的拍摄参数来控制定位装置。换句话说，根据预测又可以首先确定相应的拍摄参数，拍摄参数又针对相应的基于预测确定的区域定义拍摄视角。在拍摄期间，物体此外不一定必须由定位装置固定，而是也可以可选地放置到支架上，尤其从而使得从分配的拍摄视角在图像中应该可见的区域从图像拍摄装置的角度也是可见的。然而，如果物体在相应的图像拍摄期间也由定位装置保持，那么这具有可以明显更精确地设置预设的视角的优点。
在本发明的另一有利的设计方案中，检验是否可以根据至少一个图像，尤其借助计算机视觉、检测物体中的缺陷、尤其是裂纹，并且如果检测到缺陷，那么将缺陷映射(或者说成像)到物体的计算机产生的几何模型上。例如可以以CAD模型的形式提供这种几何模型。借助计算机视觉的裂纹检测能够实现根据所进行的图像拍摄对裂纹进行特别可靠的检测。计算机视觉方法在足够的数量中从现有技术已知，并且因此在此不再详细阐述。该处理方式的特别大的优点是，以该方式不仅可以可靠地检测裂纹，而且还可以精确地确定裂纹的位置和形状。换句话说，基于检测到裂纹的拍摄的图像，也可以确定这种裂纹的位置以及例如位置变化过程。这允许将裂纹位置精确地映射到物体的计算机产生的几何模型上。在此优选使用物体的计算机产生的几何模型，制造物体的3D打印方法以该几何模型为基础。换言之，这样的几何模型无论如何都存在，并且现在可以有利地用于位置精确地将检测到的裂纹映射到其上。这具有以下优点，即不必附加地建立几何模型，这又减少其耗费。
此外也可能的是，如果检测到缺陷、尤其是裂纹，那么鉴于缺陷的大小对缺陷进行分类，并且记录缺陷和其分类。换句话说，裂纹可以鉴于其裂纹尺寸、例如长度和/或深度被分类，并且然后相应可以记录相应的裂纹及其相关的位置和位置变化过程以及其例如作为大、中，小的分类。裂纹的位置或位置变化过程的记录可以以将检测到的裂纹映射到几何模型上的形式进行。
根据这些检测到的裂纹参数，即它们的位置和/或分类，例如可以输出相应的信号，和/或可以控制另外的过程。在此特别有利的是，以这种方式记录的裂纹参数例如用于改变或适配烧结方法的设置参数。裂纹位置的准确的知识能够有利地实现，适配烧结方法的参数，从而使得重新制造的、相同类型的物体具有出现这种裂纹的更小的概率。
借助几何坐标变换，可以将检测到的裂纹映射到几何模型上、尤其是3D-CAD模型上。利用映射的数据，在3D欧几里得几何空间中以数字方式确定裂纹。裂纹优选根据裂纹类型被过滤、即分类，即优选根据两种裂纹种类、即微观裂纹和宏观裂纹被分类。在此可以例如针对这种裂纹的长度和/或深度确定定义的边界，以便在低于该边界时分类为微观裂纹，而在超过该边界时分类为宏观裂纹。裂纹类型的这种过滤或鉴于裂纹大小对裂纹的分类，尤其是分类为宏观裂纹和微观裂纹这两种类别在此不仅可以基于检测到的裂纹来实施，而且例如已经针对基于烧结模拟预测的裂纹来实施。如上所述，这例如允许例如利用更大的放大系数拍摄在其中预测非常小的裂纹、即微观裂纹的区域，以便可以更好地检测到这种微观裂纹。裂纹类型的知识例如也可以用作用于分析图像的计算机视觉方法的输入参数，以便提高检测概率。换句话说，在计算机视觉方法中，由此可以有利地预设，要在拍摄的图像中寻找什么类型的裂纹或在此预期什么类型的裂纹。相应可以适配计算机视觉方法的寻找参数。根据裂纹的大小对裂纹进行过滤或分类、无论是实际检测到的裂纹还是预测的裂纹因此具有许多优点。
此外，本发明还涉及一种用于针对可能的缺陷检验通过烧结方法制造的物体的检查装置，其中，检查装置具有用于拍摄物体的至少一部分的至少一个图像的图像拍摄装置和检验模块，检验模块用于检验是否可在至少一个拍摄的图像中识别物体的缺陷。此外，检查装置具有预测模块，该预测模块构造用于，在拍摄至少一个图像之前提供与物体的可能的缺陷有关的预测，并且至少如果满足预定的条件，那么根据预测确定至少一个拍摄参数，其中，检查装置构造用于，根据至少一个特定的拍摄参数、通过图像拍摄装置实施至少一个图像的拍摄。
结合根据本发明的方法及其设计方案描述的优点以相同的方式适用于根据本发明的检查装置。此外，结合根据本发明的方法及其设计方案所提及的特征能够实现根据本发明的检查装置通过另外的相对应的具体的特征实现的扩展。相应地，本发明还包括根据本发明的检查装置的扩展方案，其具有已经结合根据本发明的方法的扩展方案描述的特征。由于该原因，在此不再描述根据本发明的检查装置的相应的扩展方案。
例如，检查装置还可以包括上述的定位装置，其根据至少一个特定的拍摄参数将物体相对于图像拍摄装置定位。此外，预测模块可以设计用于实施用于模拟烧结方法的计算机模拟(或简称为烧结模拟)。
本发明也包括所描述的实施方式的特征的组合
附图说明
随后描述本发明的实施例。为此：
图1示出了根据本发明的实施例的用于针对可能的缺陷检验通过烧结方法制造的物体的检查装置的示意图；
图2示出了用于说明根据本发明的另一实施例的用于针对可能的缺陷检验制造的物体的方法的第一部分的流程图的示意图；
图3示出了用于说明根据本发明的另一实施例的用于针对可能的缺陷检验制造的物体的方法的第二部分的流程图的示意图；并且
图4示出了用于说明根据本发明的另一实施例的用于针对可能的缺陷检验制造的物体的方法的第三部分的流程图的示意图。
具体实施方式
随后阐述的实施例是本发明的优选的实施例。在实施例中，所描述的部件分别表示本发明的单独的、可被视为彼此独立的特征，它们也分别彼此独立地扩展本发明，并且因此也单独地或以与所示的组合不同地被视为本发明的组成部分。此外，所描述的实施例还可以通过本发明的已经描述的其他的特征来补充。
在附图中，功能相同的元件分别设有相同的附图标记。
图1示出了根据本发明的实施例的用于针对可能的缺陷R检验通过烧结方法制造的物体的检查装置10的示意图。尤其地，检查装置10可以用于针对作为这种缺陷或损坏的示例的可能的裂纹R检验物体12，其例如在图2中示出，借助3D打印方法打印并且随后烧结。粘合喷射方法例如可以用作3D打印方法。在粘合喷射方法中，将粘合剂打印到粉末床上，以便将金属初始粉末颗粒层状地连接。以这种方式制造的构件被称为坯件。这种坯件通常具有高的孔隙率，并且因此不具有良好的材料特性。为了改进坯件的机械特性，坯件随后在烧结炉中被烧结。在此加热坯件。在烧结中发生孔隙率降低，由此，物体12收缩。在该收缩过程中，可能会出现或形成裂纹R。裂纹形成在此可能由于不同的原因而出现。为了避免裂纹R，可以适当调节和优化烧结方法的过程参数。然而为此必须已知的是，准确地知道裂纹R出现在制造的物体12上的何处，并且尤其还必须知道这些裂纹R是如何形成的。由此又可以推导出用于烧结方法的合适的参数，以便在后续的构件的制造中防止这种裂纹形成，或至少减少这种裂纹形成的程度。
通过在此提供的检查装置10有利地能够实现，检测、过滤、分类、记录在物体12中形成的裂纹R，并且将其映射到CAD模型上、尤其3D-CAD模型上。针对该目的，检查装置10首先包括控制装置14。控制装置又具有预测模块16。预测模块16在此提供制造物体12的烧结过程的计算机模拟。因此，预测模块16设计用于，对物体12已经经受的烧结过程或烧结进程进行物理模拟。基于这样的模拟，可以识别物体12的最有可能形成裂纹R的区域。这种具有损坏可能的区域也被称为燃烧点。因此，通过由预测模块16实施的模拟来对物体12的这种燃烧点进行模拟。因此现在有利地知道，现在应该在物体12的哪个区域中寻找损坏、尤其是裂纹R。现在基于照相机进行该寻找。针对该目的，检查装置10具有作为图像拍摄装置的示例的照相机18。为了现在首先有针对性地拍摄物体12的具有增加的损坏可能的识别的区域的图像B，此外规定，照相机18本身不围绕物体12运动，而是替代地，根据预设的视角定位物体12，应该从该视角借助照相机18拍摄物体12。针对该目的，检查装置10还包括定位装置，其在该示例中构造为机器人臂20。该机器人臂20设计用于抓握物体12并且将其带到相对于相机18的与这些视角相对应的不同的位置。为此，预测模块16首先将拍摄参数P传输到机器人臂20，拍摄参数定义物体12应该相对于照相机18被带到的位置和/或定向，以便从根据模拟结果确定的拍摄视角拍摄物体12。换言之，预测模块16首先根据识别具有物体12的更大的损坏可能的区域的模拟的结果确定相应于这些区域的拍摄视角。尤其地，这些视角在此被确定为，使得从该物体12的这种视角拍摄的图像包括物体12的具有更大的损坏可能的这种区域。在相应的这种视角中，可以确定物体12相对于照相机18的相关的位置和定向，并且这些位置或定向可以以拍摄参数P的形式传输到抓握臂或机器人臂20。机器人臂20现在设计用于，将物体12在时间上连续带到通过拍摄参数P指定的位置。在机器人臂20将物体12带到第一个这样的位置之后，物体12的图像被照相机18拍摄。然后，必要时，机器人臂20将物体12带到通过拍摄参数P指定的下一位置，并且照相机18又拍摄物体12的图像P。重复该处理方式，直到从所有定义的视角拍摄物体12。
在此，拍摄参数P不仅可以确定视角或相对应的位置和/或定向，而且例如还可以针对照相机18定义缩放系数。还可以通过借助预测模块16实施的模拟最佳地预测，预期哪种类型的裂纹R，尤其预期是否是宏观裂纹还是微观裂纹。为了能够更好地从图像B中提取微观裂纹，在此建议的是，选择具有更高放大系数的图像照片。例如，这也可以通过拍摄参数P来指定。最终由照相机18拍摄的图像B此外又传输到控制装置14，尤其传输到检验模块22。该检验模块22设计用于，通过计算机视觉方法分析传输的图像B并且基于此检测损坏、尤其是裂纹R。检测到的裂纹R随后可以从检验模块22传输到评估模块24。该评估模块24设计用于，例如根据裂纹的大小对检测到的裂纹进行过滤和分类，并且还映射出物体12的三维几何模型。这种映射可以通过几何坐标变换来完成。三维几何模型例如可以提供为3D-CAD模型。该3D-CAD模型例如可以表示最初提供用于制造物体12的几何模型。换言之，最初已经用于物体12的3D打印的几何模型可以用作几何模型。因此不必创建物体12的新的几何模型。利用映射到该模型上的数据，裂纹R在3D欧几里得几何空间中以数字方式被确定。由此可以准确地记录裂纹在其在物体12上的位置。例如，如果基于最终由控制装置14、尤其由评估模块24输出的结果E应该重新设置用于传感器方法的方法参数，以便减少后续制造的物体中的裂纹R的数量和/或大小，那么这是特别有利的。结果E因此可以被输出为物体12的3D-CAD模型和映射在其上的位置正确的检测到的裂纹R，其中此外，相应的裂纹R附加地关于其大小被设置到预设的数量的不同的组中。
在其他方面，预测模块16、检验模块22和评估模块24可以是例如以软件形式提供的功能模块。这些模块不一定必须建造在共同的物理装置中。例如，它们也可以在不同的计算机上，或者通常在控制单元上运行，也在空间上彼此分离地运行。换言之，控制装置14本身不必表示结构单元，而是可以在其功能中也被划分为多个结构单元并且尤其也可以在空间上分布，这些结构单元例如可以包括相应的控制装置。
图2、3和4示出了用于说明根据本发明的用于检验通过烧结方法制造的物体12的方法的流程图的相应的部分。该方法首先在图2中以步骤S10开始，在其中首先提供已制造的物体12。例如，该物体可以通过粘合喷射方法打印，并且随后被烧结。该物体12现在可能具有例如裂纹R形式的缺陷或损坏。现在利用随后描述的方法检测和记录裂纹。针对该目的，首先在步骤S12中实施计算机模拟，其精确地对制造物体12的烧结方法进行模拟。在此，精确利用该烧结方法可理解为，方法和过程参数、例如持续时间、温度等作为输入参数被包括在该情况内。
基于在步骤S12中被模拟的这种物理烧结模拟，可以识别或预测物体12的具有损坏可能的区域12a、12b、12c、12d。还可以为相应的区域12a、12b、12c、12d确定拍摄视角P1、P2、P3、P4。在此，这些具有损坏可能的区域12a、12b、12c、12d的识别以及相对应的拍摄视角P1、P2、P3、P4的确定在步骤S14中进行。此外，随后在步骤S16中，定义这些拍摄视角P1、P2、P3、P4的拍摄参数P被传输到作为定位装置的示例的机器人臂20。物体12此外可以被带入照相机站。例如，该物体12可以通过传送带传输到这样的照相机站中。例如，如果要针对可能的损坏、例如裂纹依次检查多个这样的物体12，那么可以将相应的物体12放置在这样的传送带上，并且因此依次将其传输到照相机站。上述的照相机18位于该照相机站中。在此，照相机18与机器人臂20同步。机器人臂20也位于照相机站中。现在可以通过照相机18从不同的观察角度拍摄物体12。为此，物体12通过机器人臂20被带到相对应的位置。这在图3中被说明。在此，机器人臂20首先在步骤S18中将物体12带到第一位置X1。例如，该第一位置X1对应于通过模拟确定的拍摄视角P1。尤其是在步骤S16之后实施步骤S18。如果现在将物体12带到该第一位置X1，那么与机器人臂20同步的照相机18拍摄物体12的图像。在此，同步尤其可理解为，照相机18被告知机器人臂20什么时候最终定位物体12，从而现在可以通过照相机18对该位置X1进行拍摄。如果照相机相应拍摄了这样的图像照片B，那么这又相应被告知机器人臂20，使得它可以将物体12带到新的位置X2，以此类推。换句话说，首先在步骤S18中通过机器人臂20将物体12带到第一预设位置X1，并且然后在步骤S20中，照相机18拍摄物体12的图像B。随后，机器人臂20在步骤S22中重新定位物体12，并且相应将其带到下一预设位置X2。随后，在步骤S24中，照相机18再次拍摄物体12的图像B。然后在步骤S26中再次重新定位物体12，从而将其带到下一位置X3，并且在步骤S28中，照相机18再次从该新的拍摄视角拍摄物体12的照片。在最后的步骤S30中，物体12再次被带到下一预设位置X4，并且照相机18在步骤S32中再次在这个新的位置X4拍摄物体12的图像B。因此，可以从不同的观察角度、尤其预设的观察角度拍摄物体12。在每个图像B之后，机器人臂20抓握物体，转动它并且根据新的预设的观察角度放置它。因为机器人臂20与物理烧结模拟连接，在物理烧结模拟中识别出具有损坏可能的区域，所以机器人臂20抓握物体12，并且根据下一预设的观察角度转动物体12，从该下一预设的观察角度可拍摄物体12并且从下一预设的观察角度可能可以看到并且预期裂纹R。这种转动和重新定位在此一直发生，直到所有燃烧点都被覆盖和拍摄。在图4所示的后续的步骤S34中，通过计算机视觉来分析被拍摄的图像B，并且检测可能的损坏或裂纹R。在此示例性地示出了来自物体12的不同的视图的四个图像B1、B2、B3、B4。在当前的示例中，基于前两个图像B1、B2不能检测到裂纹。基于第三图像B3检测到两个裂纹R1、R2，其中一个表示宏观裂纹R1，并且一个表示微观裂纹R2。还基于第四图像B4检测裂纹R3，其尤其同样是宏观裂纹。在步骤S36中，现在可以对检测到的裂纹R1、R2、R3尤其鉴于其大小进行分类和过滤。此外，裂纹R1、R2、R3的精确的位置在步骤S38中被映射到物体12的几何的3D模型26上，并且因此被记录。这些结果尤其可以被输出，例如显示给用户，和/或提供给另外的系统，例如用于调整烧结参数，和/或用于控制另外的后续的方法。
概括而言，基于模拟的模拟结果可以识别具有损坏风险的区域、所谓的燃烧点，这些区域又定义机器人臂20的视图，机器人臂应该从照相机18的角度看将物体12带到这些视图中。该机器人臂20拿起部件、即相应的物体12，并且将它们带到所需的照片视图中，照相机18从照片视图拍摄物体。然后通过计算机视觉来检测可能的裂纹R，再次对其进行分类和过滤，并且将其在其精确的位置中映射到3D模型26上并且对其进行记录。
总之，有利地通过本发明能够实现，过滤裂纹，并且根据裂纹类型对裂纹进行分类(尤其是微观和宏观裂纹)。能够通过模拟和图像识别结果实现这一点。此外，裂纹可以在3D欧几里得几何空间中以数字方式被映射。因此，通过这种方法，可以特别快速地记录被打印的物体，精确并且自动检测裂纹和损坏，过滤裂纹，并且根据裂纹类型对裂纹进行分类，并且此外在3D欧几里得几何空间中以数字方式对裂纹进行映射。除了在汽车工业中的众多有利的应用可能性之外，由此还产生在汽车工业之外、尤其是在涉及物体的增材制造的所有领域中的众多有利的应用可能性。该方法还可以用于粉末冶金和MIM(金属注射成型)工业领域中。航空航天工业和医疗技术同样可以是潜在的另外的应用领域。
附图标记列表
10检查装置
12物体
12a具有损坏可能的区域
12b具有损坏可能的区域
12c具有损坏可能的区域
12d具有损坏可能的区域
14控制装置
16预测模块
18照相机
20机器人臂
22检验模块
24评估模块
26模型
B图像
B1图像
B2图像
B3图像
B4图像
E结果
P拍摄参数
P1拍摄视角
P2拍摄视角
P3拍摄视角
P4拍摄视角
R裂纹
R1裂纹
R2裂纹
R3裂纹
X1位置
X2位置
X3位置
X4位置
S10步骤
S12步骤
S14步骤
S16步骤
S18步骤
S20步骤
S22步骤
S24步骤
S26步骤
S28步骤
S30步骤
S32步骤
S34步骤
S36步骤
S38步骤

Claims (10)

1.一种用于借助检查装置(10)针对可能的缺陷检验通过烧结方法制造的物体(12)的方法，所述方法具有以下步骤：
-至少如果满足预定的条件，则借助所述检查装置(10)的图像拍摄装置(18)拍摄所述物体(12)的至少一部分的至少一个图像(B、B1、B2、B3、B4)；并且
-通过所述检查装置(10)检验是否能够在至少一个图像(B、B1、B2、B3、B4)中识别所述物体(12)的缺陷(R、R1、R2、R3、R4)，
其特征在于，
在拍摄至少一个图像(B、B1、B2、B3、B4)之前，所述检查装置(10)提供关于物体(12)的可能的缺陷(R、R1、R2、R3、R4)的预测，并且至少如果满足预定的条件，那么根据所述预测确定至少一个拍摄参数，其中，根据至少一个确定的拍摄参数(P)实施拍摄至少一个图像(B、B1、B2、B3、B4)。
2.根据权利要求1所述的方法，其特征在于，预定的条件包含，基于所提供的预测来预测所述物体(12)的至少一个可能的缺陷(R、R1、R2、R3、R4)。
3.根据前述权利要求中任一项所述的方法，其特征在于，借助计算机模拟来对制造物体(12)的烧结方法进行模拟，并且根据模拟结果提供预测。
4.根据前述权利要求中任一项所述的方法，其特征在于，基于预测来预测所述物体的至少一个区域(12a、12b、12c、12d)，所述区域具有根据可预设的标准提高的存在损坏(R、R1、R2、R3、R4)、尤其是裂纹的概率。
5.根据前述权利要求中任一项所述的方法，其特征在于，至少一个拍摄参数(P)确定拍摄物体(12)的至少一个区域的拍摄视角(P1、P2、P3、P4)。
6.根据前述权利要求中任一项所述的方法，其特征在于，在拍摄至少一个图像(B、B1、B2、B3、B4)之前，根据至少一个拍摄参数(P)、通过自动定位装置(20)相对于图像拍摄装置(18)定位所述物体(12)，尤其从而使得随后从确定的拍摄视角(P1、P2、P3、P4)进行拍摄。
7.根据前述权利要求中任一项所述的方法，其特征在于，针对基于预测对物体(12)的不同的区域(12a、12b、12c、12d)中的多个可能的缺陷(R、R1、R2、R3、R4)进行预测的情况，给相应的预测的区域(12a、12b、12c、12d)分配拍摄视角(P1、P2、P3、P4)，并且从分配的拍摄视角(P1、P2、P3、P4)拍摄相应的区域(12a、12b、12c、12d)的图像(B、B1、B2、B3、B4)，其中，在相应的拍摄之前，借助自动定位装置(20)来定位所述物体(12)，从而从确定的拍摄视角(P1、P2、P3、P4)进行后续的拍摄。
8.根据前述权利要求中任一项所述的方法，其特征在于，检验是否能够根据至少一个图像(B、B1、B2、B3、B4)，尤其借助计算机视觉检测物体(12)的缺陷(R、R1、R2、R3、R4)、尤其是裂纹(R、R1、R2、R3、R4)，并且如果检测到所述缺陷(R、R1、R2、R3、R4)，那么将所述缺陷(R、R1、R2、R3、R4)映射到所述物体(12)的计算机产生的几何模型(26)上。
9.根据前述权利要求中任一项所述的方法，其特征在于，如果检测到缺陷(R、R1、R2、R3、R4)，那么鉴于所述缺陷的大小对所述缺陷(R、R1、R2、R3、R4)进行分类，并且记录所述缺陷(R、R1、R2、R3、R4)和其分类。
10.一种针对可能的缺陷(R、R1、R2、R3)检验通过烧结方法制造的物体(12)的检查装置(10)，其中，所述检查装置(10)具有：
-图像拍摄装置(18)，用于拍摄物体(12)的至少一部分的至少一个图像(B、B1、B2、B3、B4)；和
-检验模块，用于检验是否能够在至少一个图像(B、B1、B2、B3、B4)中识别物体(12)的缺陷(R、R1、R2、R3、R4)，
其特征在于，所述检查装置(10)具有预测模块(16)，所述预测模块构造用于，在拍摄至少一个图像(B、B1、B2、B3、B4)之前提供与物体(12)的可能的缺陷(R、R1、R2、R3)有关的预测，并且至少如果满足预定的条件，那么根据预测确定至少一个拍摄参数(P)，其中，所述检查装置(10)构造用于，根据至少一个特定的拍摄参数(P)、通过图像拍摄装置(18)实施至少一个图像(B、B1、B2、B3、B4)的拍摄。
CN202111269731.2A 2020-11-03 2021-10-29 检查装置和用于检验通过烧结方法制造的物体的方法 Pending CN114460085A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020213828.1 2020-11-03
DE102020213828.1A DE102020213828B4 (de) 2020-11-03 2020-11-03 Inspektionseinrichtung und Verfahren zum Überprüfen eines mittels eines Sinterverfahrens gefertigten Gegenstands auf mögliche Fehler

Publications (1)

Publication Number Publication Date
CN114460085A true CN114460085A (zh) 2022-05-10

Family

ID=81184058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111269731.2A Pending CN114460085A (zh) 2020-11-03 2021-10-29 检查装置和用于检验通过烧结方法制造的物体的方法

Country Status (2)

Country Link
CN (1) CN114460085A (zh)
DE (1) DE102020213828B4 (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11157946A (ja) * 1997-12-01 1999-06-15 Nippon Cement Co Ltd セラミックス製造過程のシミュレーション方法、およびそれを用いたセラミックス部材の設計方法
JP2000123771A (ja) * 1998-10-19 2000-04-28 Hitachi Ltd 走査型電子顕微鏡およびそれによる欠陥部位解析方法
CN1922473A (zh) * 2004-02-18 2007-02-28 伊斯拉视像系统股份公司 用于设计检测路径及用于确定待检测区域的方法
CN103344694A (zh) * 2013-07-09 2013-10-09 华北电力大学 一种检测在役支柱瓷绝缘子裂纹缺陷的方法
CN103748670A (zh) * 2011-09-07 2014-04-23 株式会社日立高新技术 区域决定装置、观察装置或检查装置、区域决定方法以及使用了区域决定方法的观察方法或检查方法
AT514553B1 (de) * 2013-09-26 2015-02-15 Polymer Competence Ct Leoben Gmbh Verfahren und Vorrichtung zur optischen Untersuchung einer Oberfläche eines Körpers
CN104777174A (zh) * 2015-03-27 2015-07-15 中国人民解放军装甲兵工程学院 轴类零件截面突变部位表面疲劳裂纹检测系统及方法
CN107369136A (zh) * 2017-06-22 2017-11-21 福建省万龙新材料科技有限公司 聚晶金刚石复合片表面裂纹视觉检测方法
EP3299801A2 (de) * 2016-09-23 2018-03-28 Vision Tools Bildanalyse Systeme GmbH Verfahren und vorrichtung zur darstellung von fehlern an werkstücken
JP2019059645A (ja) * 2017-09-27 2019-04-18 合資会社マルワイ矢野製陶所 セラミックス焼結体の設計指標確認・予測システム及び設計方法
CN109829883A (zh) * 2018-12-19 2019-05-31 歌尔股份有限公司 产品质量检测方法及装置
CN110609037A (zh) * 2019-07-12 2019-12-24 北京旷视科技有限公司 产品缺陷检测系统及方法
US20200160497A1 (en) * 2018-11-16 2020-05-21 Align Technology, Inc. Machine based three-dimensional (3d) object defect detection
CN111325717A (zh) * 2020-01-21 2020-06-23 上海悦易网络信息技术有限公司 手机缺陷位置识别方法及设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE1024495B1 (nl) 2016-09-27 2018-03-13 Materialise N.V. Energiedichtheidskartering in additieve productie-omgevingen
US10996652B2 (en) 2017-04-21 2021-05-04 Desktop Metal, Inc. Adaptive 3D printing
US10783629B2 (en) 2017-09-29 2020-09-22 Align Technology, Inc. Aligner image based quality control system
US10525629B2 (en) 2017-10-03 2020-01-07 Hamilton Sundstrand Corporation Additive manufacturing process distortion compensation system
JP2020001295A (ja) 2018-06-29 2020-01-09 株式会社リコー 造形予測システム、情報処理装置、プログラムおよび造形予測方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11157946A (ja) * 1997-12-01 1999-06-15 Nippon Cement Co Ltd セラミックス製造過程のシミュレーション方法、およびそれを用いたセラミックス部材の設計方法
JP2000123771A (ja) * 1998-10-19 2000-04-28 Hitachi Ltd 走査型電子顕微鏡およびそれによる欠陥部位解析方法
CN1922473A (zh) * 2004-02-18 2007-02-28 伊斯拉视像系统股份公司 用于设计检测路径及用于确定待检测区域的方法
CN103748670A (zh) * 2011-09-07 2014-04-23 株式会社日立高新技术 区域决定装置、观察装置或检查装置、区域决定方法以及使用了区域决定方法的观察方法或检查方法
CN103344694A (zh) * 2013-07-09 2013-10-09 华北电力大学 一种检测在役支柱瓷绝缘子裂纹缺陷的方法
AT514553B1 (de) * 2013-09-26 2015-02-15 Polymer Competence Ct Leoben Gmbh Verfahren und Vorrichtung zur optischen Untersuchung einer Oberfläche eines Körpers
CN104777174A (zh) * 2015-03-27 2015-07-15 中国人民解放军装甲兵工程学院 轴类零件截面突变部位表面疲劳裂纹检测系统及方法
EP3299801A2 (de) * 2016-09-23 2018-03-28 Vision Tools Bildanalyse Systeme GmbH Verfahren und vorrichtung zur darstellung von fehlern an werkstücken
CN107369136A (zh) * 2017-06-22 2017-11-21 福建省万龙新材料科技有限公司 聚晶金刚石复合片表面裂纹视觉检测方法
JP2019059645A (ja) * 2017-09-27 2019-04-18 合資会社マルワイ矢野製陶所 セラミックス焼結体の設計指標確認・予測システム及び設計方法
US20200160497A1 (en) * 2018-11-16 2020-05-21 Align Technology, Inc. Machine based three-dimensional (3d) object defect detection
CN109829883A (zh) * 2018-12-19 2019-05-31 歌尔股份有限公司 产品质量检测方法及装置
CN110609037A (zh) * 2019-07-12 2019-12-24 北京旷视科技有限公司 产品缺陷检测系统及方法
CN111325717A (zh) * 2020-01-21 2020-06-23 上海悦易网络信息技术有限公司 手机缺陷位置识别方法及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
宋海鹏 等: "基于数字图像相关的预腐蚀2024-T4铝合金疲劳开裂实验研究", 航空材料学报, vol. 40, no. 2, 30 April 2020 (2020-04-30), pages 43 - 52 *
陈林宇;刘桂华;: "基于磁粉探伤的柱形工件裂纹自动检测方法", 轴承, no. 03, 5 March 2017 (2017-03-05), pages 45 - 49 *
黎继立 等: "南海一号出水景德镇窑与龙泉窑青瓷特征的无损分析研究", 光谱学与光谱分析, vol. 36, no. 5, 31 May 2016 (2016-05-31), pages 1500 - 1507 *

Also Published As

Publication number Publication date
DE102020213828B4 (de) 2022-12-01
DE102020213828A1 (de) 2022-05-05
US20220138929A1 (en) 2022-05-05

Similar Documents

Publication Publication Date Title
CN111325713B (zh) 基于神经网络的木材缺陷检测方法、系统及存储介质
CN109871895B (zh) 电路板的缺陷检测方法和装置
KR100738693B1 (ko) 프로브 마크 판독 장치 및 프로브 마크 판독 방법
CN102529019B (zh) 一种模具检测、保护及零件检测、摘取的方法
JP6371044B2 (ja) 表面欠陥検査装置および表面欠陥検査方法
CN108508851B (zh) 建立路径以对结构的装配状况执行自动验证的方法和装置
CN117260076A (zh) 用于自动焊接的系统和方法
Janóczki et al. Automatic optical inspection of soldering
JP7230873B2 (ja) 異物検出装置、異物除去装置および異物検出方法
Lin Development of an intelligent transformer insertion system using a robot arm
CN114518526A (zh) 一种适用于pcb板ict的自动测试机控制系统
CN114460085A (zh) 检查装置和用于检验通过烧结方法制造的物体的方法
CN108615232A (zh) 瓷层缺陷的检测方法、装置和检测平台
Mumbelli et al. An application of Generative Adversarial Networks to improve automatic inspection in automotive manufacturing
US11983862B2 (en) Inspection device and method for checking an object produced by sintering for defects
JP2021039457A (ja) 画像処理方法、エッジモデル作成方法、ロボットシステム、および物品の製造方法
JP2008170331A (ja) 組み付け検査方法
CN113727022B (zh) 巡检图像的采集方法及装置、电子设备、存储介质
KR101770558B1 (ko) 가공부품 검사 시스템
CN116678348B (zh) 一种柴油发动机整机零部件错漏装检测方法及装置
CN107123105A (zh) 基于fast算法的图像匹配缺陷检测方法
JP5778685B2 (ja) ボールグリッドアレイデバイスの位置合わせ及び検査のためのシステム及び方法
CN110868586A (zh) 一种摄像头缺陷自动化检测方法
TWI828545B (zh) 自動視覺檢測系統之靈活直觀配置系統
EP4019894B1 (en) Method of measuring a workpiece by using a coordinate measuring machine, and arrangement comprising a coordinate measuring machine

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