CN114460093A - 一种航空发动机缺陷检测方法及系统 - Google Patents
一种航空发动机缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN114460093A CN114460093A CN202210110074.5A CN202210110074A CN114460093A CN 114460093 A CN114460093 A CN 114460093A CN 202210110074 A CN202210110074 A CN 202210110074A CN 114460093 A CN114460093 A CN 114460093A
- Authority
- CN
- China
- Prior art keywords
- engine
- aero
- standard
- detected
- image
- 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 90
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 63
- 238000012545 processing Methods 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 206010034719 Personality change Diseases 0.000 claims description 3
- 229910003460 diamond Inorganic materials 0.000 claims description 3
- 239000010432 diamond Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 238000003860 storage Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000002950 deficient Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种航空发动机缺陷检测方法及系统，方法包括：对标准航空发动机进行三维扫描，获取所述标准航空发动机的三维模型和各个采集视角下的标准二维图像；对待检测的航空发动机进行定位得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系；根据所述相对位置关系采集与所述标准航空发动机的所述采集视角相对应角度的所述待检测的航空发动机的二维图像；与所述标准二维图像进行比对，从所述待检测的航空发动机的二维图像中筛选出缺陷图像，确认所述缺陷图像对应的区域是否为缺陷区域。对发动机在调装过程中存在的错装、漏装、多装和位置不匹配等缺陷进行快速、有效检测。
Description
技术领域
本发明涉及机械制造技术领域，尤其涉及一种航空发动机缺陷检测方法及系统。
背景技术
近年来，随着航空发动机设计方案和生产制造工艺的不断发展，发动机零部件数目、型号以及装配工艺变得越来越复杂，作为发动机制造的最后环节，发动机装配的效率和稳定性对发动机的质量、性能和生产效率有着重要影响。目前航空发动机的装配工作主要是由人工或人工辅助完成，零件装配精度的高低和稳定性依赖于装配工人的技艺水平和操作经验。这种装配方式存在两方面的问题，第一，不同工人的经验和技艺差异会对发动机装配的质量和生产效率产生极大影响；第二，航空发动机零部件数目繁多、型号规格相似、装配工艺繁杂，人工装配过程中错装、漏装现象时有发生，严重影响了装配的质量和效率。
现有技术中缺乏一种航空发动机智能装配中的缺陷检测方法及系统。
以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明为了解决现有的问题，提供一种航空发动机缺陷检测方法及系统。
为了解决上述问题，本发明采用的技术方案如下所述：
一种航空发动机缺陷检测方法，包括如下步骤：S1：对标准航空发动机进行三维扫描，获取所述标准航空发动机的三维模型和各个采集视角下的标准二维图像，包括：将所述标准航空发动机视为圆柱体，将所述圆柱体沿底面直径对等分为第一半圆柱体和第二半圆柱体，在所述第一半圆柱体和所述第二半圆柱体分别设置挂载的至少一个采集相机，所述采集相机依次在竖直方向、水平方向扫描多次直至全面覆盖所述第一半圆柱体和所述第二半圆柱体的表面得到各个所述采集视角下的所述标准二维图像；S2：对待检测的航空发动机进行定位得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系；S3：根据所述相对位置关系采集与所述标准航空发动机的所述采集视角相对应角度的所述待检测的航空发动机的二维图像，包括：将所述待检测的航空发动机视为圆柱体，将所述圆柱体沿底面直径对等分为第三半圆柱体和第四半圆柱体，在所述第三半圆柱体和所述第四半圆柱体分别设置挂载的至少一个采集相机，所述采集相机依次在竖直方向、水平方向扫描多次直至全面覆盖所述第三半圆柱体和所述第四半圆柱体的表面得到各个所述采集视角相对应角度下的所述待检测的航空发动机的二维图像；S4：与所述标准二维图像进行比对，从所述待检测的航空发动机的二维图像中筛选出缺陷图像，确认所述缺陷图像对应的区域是否为缺陷区域。
优选地，对待检测的航空发动机进行定位得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系包括：对所述待检测的航空发动机的局部特征区域进行三维扫描得到三维模型，将所述待检测的航空发动机的三维模型与所述标准航空发动机的三维模型进行匹配，利用采样一致性初始配准算法和最近点迭代算法，解算出所述待检测的发动机相对所述标准航空发动机的相对位置关系。
优选地，解算出所述待检测的发动机相对所述标准航空发动机的相对位置关系包括：采用最近点迭代算法得到所述待检测的航空发动机的点云a和所述标准航空发动机的点云b刚体变换矩阵T，包括如下步骤：对所述标准航空发动机的点云b进行点采样，得到采样点集s；在所述待检测的航空发动机的点云a中寻找所述采样点集s的最近对应点，得到点对集合c；对所述点对集合c中的点云进行加权处理，并基于点云距离和法向剔除所述点对集合c和所述采样点集s中的无效点对；应用目标能量函数来优化所述点对集合c中剩余点对的点对距离，得到刚体变换Ti，所述刚体编号Ti对所述采样点集s进行刚体变换；直到目标能量函数优化停止：T＝Tn*......T1*T0；其中，目标能量函数表示为argminT＝∑||T*b-a||2，表示最小化所述待检测的航空发动机的点云a和所述标准航空发动机的点云b两幅点云对应点之间的距离，其中*表示变换矩阵T对b进行坐标变换。
优选地，从所述待检测的航空发动机的二维图像中通过与所述标准航空发动机的标准二维图像进行全局特征比对得到所述缺陷图像，包括如下步骤：采用图像差分算法获取所述待检测的航空发动机的二维图像与所述标准航空发动机的标准二维图像的差分图像；对所述待检测的航空发动机的二维图像进行滤波得到滤波后的所述待检测的航空发动机的二维图像；基于特征匹配方法对滤波后的所述待检测的航空发动机的二维图像与所述标准航空发动机的标准二维图像进行特征提取和特征比对，结合差分图像得到所述缺陷图像。
优选地，确认所述缺陷图像对应的区域是否为所述缺陷区域包括：对所述缺陷图像进行差分计算，提取差异区域，并利用所述差异区域开展基于孪生网络和菱形搜索算法的图像局部匹配提取所述缺陷区域得到检测结果。
优选地，根据所述缺陷图像中所述缺陷区域的二维坐标解算三维坐标并得到在所述待检测的航空发动机缺陷的位置。
本发明还提供一种航空发动机缺陷检测系统，用于实现如上任一所述的方法，包括检测平台单元、机械臂单元、测量单元和处理单元；所述检测平台单元，用于放置航空发动机；所述航空发动机包括所述标准航空发动机和所述待检测的航空发动机；所述机械臂单元，设置在所述检测平台单元上且与所述测量单元连接，用于带动所述测量单元进行空间姿态变化；所述测量单元，用于跟随所述机械臂单元进行空间姿态变化采集所述航空发动机的图像；所述处理单元，用于控制所述机械臂单元进行空间姿态变化、接受所述测量单元采集的图像并进行处理得到所述航空发动机的检测结果。
优选地，所述检测平台单元包括主体、滑轨和立柱；所述主体是两侧距离可伸缩的凹形结构；所述滑轨分别设置在所述凹形结构的两侧，所述机械臂单元分别设置在所述滑轨上；所述立柱设置在所述凹形结构的中间，所述航空发动机放置在所述立柱上。
优选地，所述测量单元包括：彩色相机，用于采集所述航空发动机外表面的颜色信息，所述颜色信息用于缺陷检测；投影仪，用于向所述航空发动机的外表面投射特定编码的光栅条纹信息；工业黑白相机，用于采集所述投影仪投射到所述航空发动机的外表面的条纹信息,所述条纹信息用于三维重建。
优选地，所述处理单元还用于：根据所述航空发动机的三维模型的规格尺寸大小、所述彩色相机的视野大小、所述彩色相机的分辨率对所述机械臂单元进行空间姿态变化的路径规划；和/或，根据所述二维图像和所述三维模型得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系；和/或，根据所述路径规划和所述相对位置关系控制所述机械臂在所述滑轨上运动和/或多个自由度上运动对所述待检测的航空发动机进行图像采集得到与所述标准航空发动机采集视角相对应角度的图像。
本发明的有益效果为：提供一种航空发动机缺陷检测方法及系统，通过对航空发动机的整机以及各区域部件进行精准定位和高清图像获取，通过视觉引导匹配以及目标区域相似性度量，对各形态零件进行比对分析，从而对发动机在调装过程中存在的错装、漏装、多装和位置不匹配等缺陷进行快速、有效检测。
进一步地，本发明基于深度学习的图像处理算法对采集到的图像进行对比检测对比检测，识别错装及检测漏装的准确率高。
再进一步地，本发明的系统中机械臂单元可根据不同被测物的尺寸规格进行自动调整，自动化集成度高。
附图说明
图1是本发明实施例中一种航空发动机缺陷检测方法的示意图。
图2是本发明实施例中一种航空发动机缺陷检测系统的示意图。
图3是本发明实施例中一种检测平台单元的结构示意图。
图4是本发明实施例中一种测量单元的结构示意图。
图5是本发明实施例中一种标准航空发动机或待检测的航空发动机视为圆柱体的示意图。
图6是本发明实施例中一种高分辨相机扫描区域示意图。
图7是本发明实施例中航空发动机缺陷检测总流程示意图。
具体实施方式
为了使本发明实施例所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外，连接既可以是用于固定作用也可以是用于电路连通作用。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本发明实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
如图1所示，本发明提供一种航空发动机缺陷检测方法，包括如下步骤：
S1：对标准航空发动机进行三维扫描，获取所述标准航空发动机的三维模型和各个采集视角下的标准二维图像，包括：
将所述标准航空发动机视为圆柱体，将所述圆柱体沿底面直径对等分为第一半圆柱体和第二半圆柱体，在所述第一半圆柱体和所述第二半圆柱体分别设置挂载的至少一个采集相机，所述采集相机依次在竖直方向、水平方向扫描多次直至全面覆盖所述第一半圆柱体和所述第二半圆柱体的表面得到各个所述采集视角下的所述标准二维图像；
S2：对待检测的航空发动机进行定位得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系；
S3：根据所述相对位置关系采集与所述标准航空发动机的所述采集视角相对应角度的所述待检测的航空发动机的二维图像，包括：
将所述待检测的航空发动机视为圆柱体，将所述圆柱体沿底面直径对等分为第三半圆柱体和第四半圆柱体，在所述第三半圆柱体和所述第四半圆柱体分别设置挂载的至少一个采集相机，所述采集相机依次在竖直方向、水平方向扫描多次直至全面覆盖所述第三半圆柱体和所述第四半圆柱体的表面得到各个所述采集视角相对应角度下的所述待检测的航空发动机的二维图像；
S4：与所述标准二维图像进行比对，从所述待检测的航空发动机的二维图像中筛选出缺陷图像，确认所述缺陷图像对应的区域是否为缺陷区域。
本发明的方法通过对航空发动机的整机以及各区域部件进行精准定位和高清图像获取，通过视觉引导匹配以及目标区域相似性度量，对各形态零件进行比对分析，从而对发动机在调装过程中存在的错装、漏装、多装和位置不匹配等缺陷进行快速、有效检测。
如下对本发明的方法进行详细说明。
在获取了标准航空发动机的标准二维图像以后，先要对待检测的航空发动机记性定位，即获取待检测的航空发动机与所述标准航空发动机的相对位置关系。3D相机计算标准件与检测件的空间位姿变化，进而引导机械臂来调整高分辨率的彩色相机拍照姿态，使校准后彩色相机对于检测件的相对位姿与标准件的相对位姿一致，保证所拍摄的检测件图像区域与标准件图像区域完全一致
在本发明的一种实施例中，对待检测的航空发动机进行定位得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系包括：
对所述待检测的航空发动机的局部特征区域进行三维扫描得到三维模型，将所述待检测的航空发动机的三维模型与所述标准航空发动机的三维模型进行匹配，利用采样一致性初始配准算法和最近点迭代算法，解算出所述待检测的发动机相对所述标准航空发动机的相对位置关系。
采样一致性初始配准算法(SAC-IA，Sample Consensus Initial Aligment)，算法主要利用模型中点云的快速点特征直方图(FPFH，Fast Point Feature Histogram)特征进行进行匹配，使得两模型之间得到一个接近的空间位置。
最近点迭代算法(ICP，Iterative Closest Point)配准方法进行模型配准，解算出所述待检测的发动机相对所述标准航空发动机的相对位置关系包括：
采用最近点迭代算法得到所述待检测的航空发动机的点云a和所述标准航空发动机的点云b刚体变换矩阵T，包括如下步骤：
对所述标准航空发动机的点云b进行点采样，得到采样点集s；
在所述待检测的航空发动机的点云a中寻找所述采样点集s的最近对应点，得到点对集合c；
对所述点对集合c中的点云进行加权处理，并基于点云距离和法向剔除所述点对集合c和所述采样点集s中的无效点对；
应用目标能量函数来优化所述点对集合c中剩余点对的点对距离，得到刚体变换Ti，所述刚体编号Ti对所述采样点集s进行刚体变换；
直到目标能量函数优化停止：T＝Tn*......T1*T0。
其中，目标能量函数表示为argminT＝∑||T*b-a||2，表示最小化所述待检测的航空发动机的点云a和所述标准航空发动机的点云b两幅点云对应点之间的距离，其中*表示变换矩阵T对b进行坐标变换。
对航空发动机匹配而言，即可计算出待检测的航空发动机于标准航空发动机之间的变换矩阵，即相对空间关系。
在本发明的一种实施例中，从所述待检测的航空发动机的二维图像中通过与所述标准航空发动机的标准二维图像进行全局特征比对得到所述缺陷图像，包括如下步骤：
采用图像差分算法获取所述待检测的航空发动机的二维图像与所述标准航空发动机的标准二维图像的差分图像；
对所述待检测的航空发动机的二维图像进行滤波得到滤波后的所述待检测的航空发动机的二维图像；
基于特征匹配方法对滤波后的所述待检测的航空发动机的二维图像与所述标准航空发动机的标准二维图像进行特征提取和特征比对，结合差分图像得到所述缺陷图像。
在一种具体的实施例中，本发明得到标准航空发动机上的图像采集时机械臂与相机的位姿，待检测航空发动机的与标准发动机的相对位姿，计算与标准发动机上采集的二维图像对应的机械臂调整路径，控制机械臂六个自由度的变化以及机械臂4与滑轨3相连的电机驱动单元的移动，控制机械臂4的空间位姿变化。
进一步地，确认所述缺陷图像对应的区域是否为所述缺陷区域包括：
对所述缺陷图像进行差分计算，提取差异区域，并利用所述差异区域开展基于孪生网络和菱形搜索算法的图像局部匹配提取所述缺陷区域得到检测结果。
再进一步地，根据所述缺陷图像中所述缺陷区域的二维坐标解算三维坐标并得到在所述待检测的航空发动机缺陷的位置。
具体地，用于根据待检测航空发动机采集的二维图像序列和标准航空发动机的二维图像序列进行图像比对和缺陷检测定位。根据缺陷检测结果将所有检测结果进行汇生成检测报告单元，根据二维缺陷检测结果，解算缺陷三维坐标，指示光源投影映射到发动机缺陷位置进行显示。
在一种具体的实施例中，对所有拍摄获取的全局图像，利用图像差分、图像滤波和特征提取技术，对待检测航空发动机的图像和相对应的标准图像进行全局特征比对将绝大部分(>90％)的非缺陷图像排除掉，对剩余少部分的差异较大的图像标注为缺陷图像。
其中，图像差分技术可表示为img_diff＝abs(img-img_base)。其中img_diff表示差分图像，img表示对照图像，img_base表示基准图像，abs为取绝对值运算，减号为图像对应像素点的做差。差异区域掩码表示为img_diff>6即像素灰度绝对差值的绝对值差值大于6标注为差异区域。
其中，图像边缘滤波技术采用图像处理领域常见的中值滤波技术，使用非线性平滑技术抑制图像噪声。
如图2所示，本发明提供一种航空发动机缺陷检测系统，其特征在于，用于实现如上任一所述的方法，包括检测平台单元、机械臂单元、测量单元和处理单元；
所述检测平台单元，用于放置航空发动机用于检测；所述航空发动机包括所述标准航空发动机和所述待检测的航空发动机；
所述机械臂单元，设置在所述检测平台单元上且与所述测量单元连接，用于带动所述测量单元进行空间姿态变化；
所述测量单元，用于跟随所述机械臂单元进行空间姿态变化采集所述航空发动机的图像；
处理单元，用于控制所述机械臂单元进行空间姿态变化、接受所述测量单元采集的图像并进行处理得到所述航空发动机的检测结果。
采用如上所述的航空发动机缺陷检测系统对标准航空发动机和待检测的航空发动机进行检测。
如图3所示，所述检测平台单元包括主体1、滑轨3和立柱2；
所述主体1是两侧距离可伸缩的凹形结构；用于放置待检测的航空发动机设备以及其他硬件设备；
所述滑轨3分别设置在所述凹形结构的两侧，所述机械臂单元分别设置在所述滑轨3上；
所述立柱2设置在所述凹形结构的中间，所述航空发动机6放置在所述立柱2上。
继续如图3所示，还包括各部分连接通信线束7以及进行支持智能控制和检测软件计算的计算机8。
可以理解的是，可伸缩的凹形结构可根据航空发动机的规格尺寸进行调整以适用于不同型号发动机。
在一种具体的实施例中，机械臂单元包括两套机械臂4分别设置在凹形结构的两侧，滑轨3可用于扩展机械臂4的范围，增大机械臂的可伸展空间，可针对不同尺度的待检测发动机进全方位检测。
进一步地，机械臂4分别在凹形结构两侧的滑轨3上，可根据处理单元计算出的图像采集轨迹，改变自身自由度调整三维空间位置，带动测量单元用于图像采集。机械臂单元与处理单元相连，根据处理单元规划出的机械臂4空间路径指示机械臂4进行空间姿态变化。根据标准航空发动机三维模型的规格尺寸、彩色相机的视野大小、彩色相机分辨率解算机械臂4进行图像采集的路径序列。
在一种具体的实施例中，立柱2的数量是8个，高度在1000-2000mm，可以方便机械臂4绕到下方进行多种姿态拍摄检测。
如图4所示，所述测量单元包括：
彩色相机11，用于采集所述航空发动机外表面的颜色信息，所述颜色信息用于缺陷检测；高分辨率彩色相机的规格如相机视场角、相机分辨率等可根据实际扫描件的尺寸规格选择，彩色相机规格修改后，可调整具体的图像采集路径。
在一种具体的实施例中，采用的是分辨率在2500万像素以上的彩色相机。
投影仪9，用于根据预先设置的编码向所述航空发动机的外表面投射特定编码的光栅条纹信息；
工业黑白相机10，用于采集所述投影仪投射到所述航空发动机的外表面的条纹信息,所述条纹信息用于三维重建。可根据待检测发动机的实际规格要求选择不同的相机规格，实际中建议采用2500万像素以上的工业相机。
测量单元用于在机械臂的带动下采集进行三维扫描的黑白图像以及用于图像比对和缺陷检测的高分辨率彩色图像。
如图5所示，在实际测量中，将标准航空发动机或待检测的航空发动机视为圆柱体。
如图6所示，将圆柱体沿底面直径对等分为两个半圆柱体，在每个半圆柱体分别设置挂载的至少一个采集相机，所述采集相机依次在竖直方向、水平方向扫描多次直至全面覆盖所述圆柱体的表面得到各个采集视角下二维图像。
在一种具体的实施例中，在测量单元对标准航空发动机和待检测的航空发动机进行检测之前需要进行标定。通过全局点标定板对机械臂4、高精度的彩色相机11、滑轨3之间进行位置标定。通过机械臂利用工业黑白相机10捕获投影仪9投射的光栅信息，利用三维重建算法进行区域三维重建，逐步扫描得到三维模型。可以理解的是，可以采用现有技术中成熟的标定方法进行标定。
对航空发动机做近似处理，将其视为一个由圆柱、半球体组成的近似几何体。根据相机的视野大小、机械臂的可达范围，设计机械臂的运动范围。根据航空发动机的规格尺寸、航空发动机装配中的最小零件的尺寸以及高分辨率彩色相机分辨率，对发动机做路径规划，获得检测拍摄的扫描点以及相应顺序。
具体地，假定某型号航空发动机为一个由圆柱、半球体组成的近似几何体，综合考虑发动机长度(5448±10mm)以及最小零件直径(≥0.5mm)，拟采用多视角拍摄的方式，对发动机各区域进行图像采集；具体采集方如下表1所示：
表1单台高分辨相机扫描范围
| 水平扫描幅宽 | 水平扫描次数 | 垂直扫描幅宽 | 垂直扫描次数 |
| 682mm | 4次 | 505mm | 5次 |
航空发动机左右两侧各放置两台与机械臂挂载的高分辨率相机，共四台。每台相机负责扫描发动机1/4区域，即5450/2＝2725mm长度区间。为了满足对最小零件分辨率≥1pixel的要求，进一步将该2725mm长度区间划分为4个子区间，每个子区间长度大于682mm；对于分辨率为2500万像素的相机，其水平幅宽约为6000pixel，即1个pixel大约占0.12mm。因此，对于最小尺寸直径为0.5mm的目标零件，大约占4-5个pixel，满足后续图像处理算法对零件尺度的需求。
对于垂直方向的扫描次数，需考虑将航空发动机半径由曲面映射到平面，具体分析如下：
航空发动机直径1500mm，由此根据圆形周长公式计算其垂直方向的展开长度为2355mm。对于2500万像素的相机，垂直幅宽约为4000pixels，且相机的像元大小为1/1.8’inch所示。通过比例公式
计算得到x＝505mm。相机与发动机的距离可通过获取相机焦距，以及视场大小，利用三角相似关系：
f＝15mm推出L＝1425mm；
因此，相机距离发动机约1.4米距离，且需垂直扫描4.6幅图像即可。
如图6所示，两个虚线框区域为单台相机各自水平扫描的区域。对于左侧虚线框中，分为四个子区域，为相机视场所包含的拍摄区域，每个子区域如虚线覆盖所示，在垂直方向，相机需垂直依次拍摄5幅图像，从而将发动机一半表面积进行完全覆盖。
据此可根据测头与发动机的位置计算20个不同空间点位进行图像采集，路径可记为P＝{p1,p2,...p20}，其中pi∈P，pi＝(xi，yi，zi)表示第i个路径的空间坐标。
线束7包括侧头内部线束、机械臂4与计算机8之间的通信线束，机械臂4、高精度的彩色相机11和计算机8的电源线束等，主要用于支持设备通电以及各控制信号的通信。
计算机8主要用于执行机械臂控制模块、扫描软件模块以及图像缺陷检测等软件计算和数据传输、分析等。在一种具体的实施例中，处理单元还用于：
根据所述航空发动机的三维模型的规格尺寸大小、所述彩色相机的视野大小、所述彩色相机的分辨率对所述机械臂单元进行空间姿态变化的路径规划；
和/或，根据所述二维图像和所述三维模型得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系；
和/或，根据所述路径规划和所述相对位置关系控制所述机械臂在所述滑轨上运动和/或多个自由度上运动对所述待检测的航空发动机进行图像采集得到与所述标准航空发动机采集视角相对应角度的图像。
如图7所示，是本发明的航空发动机缺陷检测总流程图，主要包括对标准航空发动机的处理和对待检测航空发动机处理两部分。具体步骤包括：
第一步，安装、检查调整检测系统中各个硬件设备，确保机械臂4、测量单元、滑轨3之间连接无误。根据航空发动机尺寸规格，调整检测平台单元的主体1的空间位置，部署机械臂单元、测量单元和处理单元，搭建好航空发动机缺陷检测系统。
第二步，在检测平台单元上利用机械臂单元和测量单元对标准航空发动机进行三维扫描。具体包括以下内容：
(1)首先利用全局点标定板标记出机械臂4和扫描仪9、机械臂4和高分辨率彩色相机11之间的位置关系，接着利用预先标定好的大型标定板标定出不同机械臂之间的位置关系，完成整个检测设备的位置标定，作为后续相机姿态调整的基准。
(2)利用测量单元对标准发动机进行三维扫描，得到标准发动机的三维模型。
(3)根据前述的图片采集路径规划方法对标准航空发动机进行图像采集路径规划。
(4)根据图像采集路径控制机械臂采集标准航空发动机各不同视角下的标准二图像序列。
(5)将标准航空发动机的三维模型和二维图像序列保存到处理单元中的发动机标准三维模型单元和发动机标准图像库单元，以便后期检测过程中对待检测航空发动机的进行位姿计算和图像比对。
(6)利用预先规划的扫描路径重建待检测的发动机的局部特征解算出待检测发动机相对标准发动机的位置关系，同时调整预先设定好的自动拍摄路径点，保证标准件数据采集和待检测件的拍摄角度基本一致。
(7)机械臂单元根据解算的待检测航空发动机的位置信息以及图像采集路径，自动调整机械臂4的空间位置，与采集单元完成对待检测发动机的二维图像采集。
(8)获取拍摄的检测件图像后，通过一系列图像处理算法对主要检测区域进行特征提取与分析，进而判断检测区域是否符合工装要求。对发动机缺陷区域的检测可分为三个阶段：全局图像粗匹配、检测区域图像精匹配、缺陷区域计算。
(8.1)对所有拍摄获取的全局图像，利用图像差分、边缘滤波、特征提取等技术，对检测件图像和相对应的标准图像进行全局特征比对将绝大部分(>90％)的非缺陷图像排除掉，对剩余少部分的差异较大的图像标注为缺陷图像。
(8.2)将差异较大图像对，通过差分计算，提取差异区域，并利用差异区域开展图像局部精匹配，从而进一步确认该区域是否为缺陷目标区域。
(8.3)提取缺陷目标区域的二维图像区域和其对应的空间坐标位置。
(9)根据检测结果生成报告。若存在缺陷缺陷，根据缺陷区域坐标反馈，将光源投影映射到发动机缺陷位置，进行指示显示。
通过本发明提出的方法和系统将二维图像识别和三维物体姿态定位应用于航空发动机的缺陷检测，可大幅度提高检测效率。
本申请实施例还提供一种控制装置，包括处理器和用于存储计算机程序的存储介质；其中，处理器用于执行所述计算机程序时至少执行如上所述的方法。
本申请实施例还提供一种存储介质，用于存储计算机程序，该计算机程序被执行时至少执行如上所述的方法。
本申请实施例还提供一种处理器，所述处理器执行计算机程序，至少执行如上所述的方法。
所述存储介质可以由任何类型的易失性或非易失性存储设备、或者它们的组合来实现。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，ErasableProgrammable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，ElectricallyErasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，FerromagneticRandomAccess Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，RandomAccess Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous StaticRandom Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous DynamicRandom Access Memory)、增强型同步动态随机存取存储器(ESDRAMEnhanced SynchronousDynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，Sync LinkDynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct RambusRandom Access Memory)。本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上内容是结合具体的优选实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。
Claims (10)
1.一种航空发动机缺陷检测方法，其特征在于，包括如下步骤：
S1：对标准航空发动机进行三维扫描，获取所述标准航空发动机的三维模型和各个采集视角下的标准二维图像，包括：
将所述标准航空发动机视为圆柱体，将所述圆柱体沿底面直径对等分为第一半圆柱体和第二半圆柱体，在所述第一半圆柱体和所述第二半圆柱体分别设置挂载的至少一个采集相机，所述采集相机依次在竖直方向、水平方向扫描多次直至全面覆盖所述第一半圆柱体和所述第二半圆柱体的表面得到各个所述采集视角下的所述标准二维图像；
S2：对待检测的航空发动机进行定位得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系；
S3：根据所述相对位置关系采集与所述标准航空发动机的所述采集视角相对应角度的所述待检测的航空发动机的二维图像，包括：
将所述待检测的航空发动机视为圆柱体，将所述圆柱体沿底面直径对等分为第三半圆柱体和第四半圆柱体，在所述第三半圆柱体和所述第四半圆柱体分别设置挂载的至少一个采集相机，所述采集相机依次在竖直方向、水平方向扫描多次直至全面覆盖所述第三半圆柱体和所述第四半圆柱体的表面得到各个所述采集视角相对应角度下的所述待检测的航空发动机的二维图像；
S4：与所述标准二维图像进行比对，从所述待检测的航空发动机的二维图像中筛选出缺陷图像，确认所述缺陷图像对应的区域是否为缺陷区域。
2.如权利要求1中所述的航空发动机缺陷检测方法，其特征在于，对待检测的航空发动机进行定位得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系包括：
对所述待检测的航空发动机的局部特征区域进行三维扫描得到三维模型，将所述待检测的航空发动机的三维模型与所述标准航空发动机的三维模型进行匹配，利用采样一致性初始配准算法和最近点迭代算法，解算出所述待检测的发动机相对所述标准航空发动机的相对位置关系。
3.如权利要求2中所述的航空发动机缺陷检测方法，其特征在于，解算出所述待检测的发动机相对所述标准航空发动机的相对位置关系包括：
采用最近点迭代算法得到所述待检测的航空发动机的点云a和所述标准航空发动机的点云b刚体变换矩阵T，包括如下步骤：
对所述标准航空发动机的点云b进行点采样，得到采样点集s；
在所述待检测的航空发动机的点云a中寻找所述采样点集s的最近对应点，得到点对集合c；
对所述点对集合c中的点云进行加权处理，并基于点云距离和法向剔除所述点对集合c和所述采样点集s中的无效点对；
应用目标能量函数来优化所述点对集合c中剩余点对的点对距离，得到刚体变换Ti，所述刚体编号Ti对所述采样点集s进行刚体变换；
直到目标能量函数优化停止：T＝Tn*......T1*T0；
其中，目标能量函数表示为argminT＝∑||T*b-a||2，表示最小化所述待检测的航空发动机的点云a和所述标准航空发动机的点云b两幅点云对应点之间的距离，其中*表示变换矩阵T对b进行坐标变换。
4.如权利要求3中所述的航空发动机缺陷检测方法，其特征在于，从所述待检测的航空发动机的二维图像中通过与所述标准航空发动机的标准二维图像进行全局特征比对得到所述缺陷图像，包括如下步骤：
采用图像差分算法获取所述待检测的航空发动机的二维图像与所述标准航空发动机的标准二维图像的差分图像；
对所述待检测的航空发动机的二维图像进行滤波得到滤波后的所述待检测的航空发动机的二维图像；
基于特征匹配方法对滤波后的所述待检测的航空发动机的二维图像与所述标准航空发动机的标准二维图像进行特征提取和特征比对，结合差分图像得到所述缺陷图像。
5.如权利要求4所述的航空发动机缺陷检测方法，其特征在于，确认所述缺陷图像对应的区域是否为所述缺陷区域包括：
对所述缺陷图像进行差分计算，提取差异区域，并利用所述差异区域开展基于孪生网络和菱形搜索算法的图像局部匹配提取所述缺陷区域得到检测结果。
6.如权利要求5所述的航空发动机缺陷检测方法，其特征在于，根据所述缺陷图像中所述缺陷区域的二维坐标解算三维坐标并得到在所述待检测的航空发动机缺陷的位置。
7.一种航空发动机缺陷检测系统，其特征在于，用于实现如权利要求1-6任一所述的方法，包括检测平台单元、机械臂单元、测量单元和处理单元；
所述检测平台单元，用于放置航空发动机；所述航空发动机包括所述标准航空发动机和所述待检测的航空发动机；
所述机械臂单元，设置在所述检测平台单元上且与所述测量单元连接，用于带动所述测量单元进行空间姿态变化；
所述测量单元，用于跟随所述机械臂单元进行空间姿态变化采集所述航空发动机的图像；
所述处理单元，用于控制所述机械臂单元进行空间姿态变化、接受所述测量单元采集的图像并进行处理得到所述航空发动机的检测结果。
8.如权利要求7所述的航空发动机缺陷检测系统，其特征在于，所述检测平台单元包括主体、滑轨和立柱；
所述主体是两侧距离可伸缩的凹形结构；
所述滑轨分别设置在所述凹形结构的两侧，所述机械臂单元分别设置在所述滑轨上；
所述立柱设置在所述凹形结构的中间，所述航空发动机放置在所述立柱上。
9.如权利要求8所述的航空发动机缺陷检测系统，其特征在于，所述测量单元包括：
彩色相机，用于采集所述航空发动机外表面的颜色信息，所述颜色信息用于缺陷检测；
投影仪，用于向所述航空发动机的外表面投射特定编码的光栅条纹信息；
工业黑白相机，用于采集所述投影仪投射到所述航空发动机外表面的条纹信息,所述条纹信息用于三维重建。
10.如权利要求9所述的航空发动机缺陷检测系统，其特征在于，所述处理单元还用于：
根据所述航空发动机的三维模型的规格尺寸大小、所述彩色相机的视野大小、所述彩色相机的分辨率对所述机械臂单元进行空间姿态变化的路径规划；
和/或，根据所述二维图像和所述三维模型得到所述待检测的航空发动机与所述标准航空发动机的相对位置关系；
和/或，根据所述路径规划和所述相对位置关系控制所述机械臂在所述滑轨上运动和/或多个自由度上运动，对所述待检测的航空发动机进行图像采集得到与所述标准航空发动机采集视角相对应角度的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210110074.5A CN114460093A (zh) | 2022-01-29 | 2022-01-29 | 一种航空发动机缺陷检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210110074.5A CN114460093A (zh) | 2022-01-29 | 2022-01-29 | 一种航空发动机缺陷检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114460093A true CN114460093A (zh) | 2022-05-10 |
Family
ID=81412046
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210110074.5A Pending CN114460093A (zh) | 2022-01-29 | 2022-01-29 | 一种航空发动机缺陷检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114460093A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114792323A (zh) * | 2022-06-23 | 2022-07-26 | 张家港沙龙精密管业有限公司 | 一种基于图像处理的钢管变形检测方法及系统 |
| CN116523852A (zh) * | 2023-04-13 | 2023-08-01 | 成都飞机工业（集团）有限责任公司 | 一种基于特征匹配的碳纤维复合材料的异物检测方法 |
| CN116817772A (zh) * | 2023-08-31 | 2023-09-29 | 北京航为高科连接技术有限公司 | 航空沉头紧固件头部高度检测方法、装置及系统 |
| CN117871415A (zh) * | 2024-03-11 | 2024-04-12 | 天津大学四川创新研究院 | 一种基于平行光源的曝光式结构性瑕疵检测系统和方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08152309A (ja) * | 1994-11-30 | 1996-06-11 | Dainippon Screen Mfg Co Ltd | パターン欠陥検査装置 |
| US20070217672A1 (en) * | 2006-03-20 | 2007-09-20 | Siemens Power Generation, Inc. | Combined 2D and 3D nondestructive examination |
| US20130113915A1 (en) * | 2011-11-09 | 2013-05-09 | Pratt & Whitney | Method and System for Position Control Based on Automated Defect Detection Feedback |
| KR20130058414A (ko) * | 2011-11-25 | 2013-06-04 | 주식회사 미르기술 | 적외선패턴조사부를 구비하는 비전검사장치 |
| JP2014109530A (ja) * | 2012-12-04 | 2014-06-12 | Yasunaga Corp | 欠陥検査装置及び欠陥検査方法 |
| CN104036513A (zh) * | 2014-06-26 | 2014-09-10 | 西安新拓三维光测科技有限公司 | 一种三维弯管多相机视觉检测方法及其系统 |
| WO2016204402A1 (ko) * | 2015-06-17 | 2016-12-22 | 주식회사 쓰리디산업영상 | 부품 결함 검사 방법 및 그 장치 |
| CN207832690U (zh) * | 2017-11-22 | 2018-09-07 | 佛山科学技术学院 | 一种镜片缺陷检测装置 |
| US20180322623A1 (en) * | 2017-05-08 | 2018-11-08 | Aquifi, Inc. | Systems and methods for inspection and defect detection using 3-d scanning |
| CN109752392A (zh) * | 2018-12-24 | 2019-05-14 | 苏州江奥光电科技有限公司 | 一种pcb板缺陷类型检测系统和方法 |
| US20190143523A1 (en) * | 2017-11-16 | 2019-05-16 | General Electric Company | Robotic system architecture and control processes |
| CN209296602U (zh) * | 2018-12-21 | 2019-08-23 | 成都云之澳科技有限公司 | 航空发动机智能检测系统 |
| US20210270755A1 (en) * | 2018-06-29 | 2021-09-02 | Universiteit Antwerpen | Item inspection by dynamic selection of projection angle |
| KR20210154585A (ko) * | 2020-06-12 | 2021-12-21 | 투아이시스(주) | 2d 및 3d 구성을 이용한 콘크리트 균열 검측시스템 |
| CN113888457A (zh) * | 2020-07-03 | 2022-01-04 | 深圳了然视觉科技有限公司 | 基于三维激光扫描技术的缺陷检测系统及方法 |
-
2022
- 2022-01-29 CN CN202210110074.5A patent/CN114460093A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08152309A (ja) * | 1994-11-30 | 1996-06-11 | Dainippon Screen Mfg Co Ltd | パターン欠陥検査装置 |
| US20070217672A1 (en) * | 2006-03-20 | 2007-09-20 | Siemens Power Generation, Inc. | Combined 2D and 3D nondestructive examination |
| US20130113915A1 (en) * | 2011-11-09 | 2013-05-09 | Pratt & Whitney | Method and System for Position Control Based on Automated Defect Detection Feedback |
| KR20130058414A (ko) * | 2011-11-25 | 2013-06-04 | 주식회사 미르기술 | 적외선패턴조사부를 구비하는 비전검사장치 |
| JP2014109530A (ja) * | 2012-12-04 | 2014-06-12 | Yasunaga Corp | 欠陥検査装置及び欠陥検査方法 |
| CN104036513A (zh) * | 2014-06-26 | 2014-09-10 | 西安新拓三维光测科技有限公司 | 一种三维弯管多相机视觉检测方法及其系统 |
| WO2016204402A1 (ko) * | 2015-06-17 | 2016-12-22 | 주식회사 쓰리디산업영상 | 부품 결함 검사 방법 및 그 장치 |
| US20180322623A1 (en) * | 2017-05-08 | 2018-11-08 | Aquifi, Inc. | Systems and methods for inspection and defect detection using 3-d scanning |
| US20190143523A1 (en) * | 2017-11-16 | 2019-05-16 | General Electric Company | Robotic system architecture and control processes |
| CN207832690U (zh) * | 2017-11-22 | 2018-09-07 | 佛山科学技术学院 | 一种镜片缺陷检测装置 |
| US20210270755A1 (en) * | 2018-06-29 | 2021-09-02 | Universiteit Antwerpen | Item inspection by dynamic selection of projection angle |
| CN209296602U (zh) * | 2018-12-21 | 2019-08-23 | 成都云之澳科技有限公司 | 航空发动机智能检测系统 |
| CN109752392A (zh) * | 2018-12-24 | 2019-05-14 | 苏州江奥光电科技有限公司 | 一种pcb板缺陷类型检测系统和方法 |
| KR20210154585A (ko) * | 2020-06-12 | 2021-12-21 | 투아이시스(주) | 2d 및 3d 구성을 이용한 콘크리트 균열 검측시스템 |
| CN113888457A (zh) * | 2020-07-03 | 2022-01-04 | 深圳了然视觉科技有限公司 | 基于三维激光扫描技术的缺陷检测系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王科伟;: "柴油发动机常见故障现象和原因分析及排除方法", 科技创新导报, no. 11, 11 April 2018 (2018-04-11), pages 100 - 101 * |
| 白雪冰;王科俊;邹丽晖;: "基于灰度共生矩阵的木材表面缺陷图像的纹理分割方法", 东北林业大学学报, no. 12, 25 December 2008 (2008-12-25), pages 25 - 29 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114792323A (zh) * | 2022-06-23 | 2022-07-26 | 张家港沙龙精密管业有限公司 | 一种基于图像处理的钢管变形检测方法及系统 |
| CN116523852A (zh) * | 2023-04-13 | 2023-08-01 | 成都飞机工业（集团）有限责任公司 | 一种基于特征匹配的碳纤维复合材料的异物检测方法 |
| CN116817772A (zh) * | 2023-08-31 | 2023-09-29 | 北京航为高科连接技术有限公司 | 航空沉头紧固件头部高度检测方法、装置及系统 |
| CN116817772B (zh) * | 2023-08-31 | 2023-12-15 | 北京航为高科连接技术有限公司 | 航空沉头紧固件头部高度检测方法、装置及系统 |
| CN117871415A (zh) * | 2024-03-11 | 2024-04-12 | 天津大学四川创新研究院 | 一种基于平行光源的曝光式结构性瑕疵检测系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114460093A (zh) | 一种航空发动机缺陷检测方法及系统 | |
| CN107255443B (zh) | 一种复杂环境下双目视觉传感器现场标定方法及装置 | |
| US9965870B2 (en) | Camera calibration method using a calibration target | |
| CN108921901B (zh) | 一种基于精密二轴转台和激光跟踪仪的大视场相机标定方法 | |
| US7693325B2 (en) | Transprojection of geometry data | |
| US8396329B2 (en) | System and method for object measurement | |
| US7015473B2 (en) | Method and apparatus for internal feature reconstruction | |
| US20140132729A1 (en) | Method and apparatus for camera-based 3d flaw tracking system | |
| US20200184617A1 (en) | Inspection method for a manufactured article and system for performing same | |
| CN103615980B (zh) | 一种板件上圆孔参数的测量方法及系统 | |
| Liu et al. | An improved online dimensional measurement method of large hot cylindrical forging | |
| US20200124406A1 (en) | Method for referencing a plurality of sensors and associated measuring device | |
| CN112967312B (zh) | 一种面向野外刚体目标的实时鲁棒位移监测方法及系统 | |
| JP2022126587A (ja) | 複雑な曲面を有するワークの自動視覚検査装置 | |
| US9245375B2 (en) | Active lighting for stereo reconstruction of edges | |
| CN112461122B (zh) | 一种隧道表面特征检测装置及方法 | |
| CN112381921A (zh) | 一种边缘重建方法及系统 | |
| CN112598755A (zh) | 一种基于凿岩台车的掌子面智能分析方法 | |
| CN112254680A (zh) | 一种多自由度的智能视觉3d信息采集设备 | |
| CN103884294A (zh) | 一种宽视场的红外光三维形貌测量的方法及其装置 | |
| CN104655041B (zh) | 一种附加约束条件的工业零件轮廓线多特征提取方法 | |
| Morgan et al. | Selection and installation of high resolution imaging to monitor the PBFAM process, and synchronization to post-build 3D computed tomography | |
| CN115717865A (zh) | 环形结构全场变形测量方法 | |
| CN114638795A (zh) | 一种多结构光测量单元在线测量方法及系统 | |
| Uyanik et al. | A method for determining 3D surface points of objects by a single camera and rotary stage |
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 |