CN114648517A - 管屏焊缝的检测方法、系统、电子设备及存储介质 - Google Patents
管屏焊缝的检测方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114648517A CN114648517A CN202210331012.7A CN202210331012A CN114648517A CN 114648517 A CN114648517 A CN 114648517A CN 202210331012 A CN202210331012 A CN 202210331012A CN 114648517 A CN114648517 A CN 114648517A
- Authority
- CN
- China
- Prior art keywords
- area
- defect
- height
- height map
- pixel point
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本发明公开了一种管屏焊缝的检测方法、系统、电子设备及存储介质,检测方法包括:获取待检测管屏的第一高度图;若第一高度图中存在缺失区域则对缺失区域进行差值填补以获取第二高度图;定位第二高度图中的焊缝区域;对于每一像素点,若像素点的位置与对应的标准位置不一致则将像素点作为缺陷像素点;根据缺陷像素点生成焊缝缺陷区域。通过对第一高度图的缺失区域进行插值填补可以得到能够反应形状不规则的真实管屏的高度的第二高度图。通过对第二高度图中的各个像素点的高度进行分析定位焊缝区域以及比较焊缝区域中各个像素点的位置可以得到缺陷像素点,根据所有的缺陷像素点可以生成焊缝缺陷区域,以准确且有效地发现焊缝区域中的焊缝缺陷区域。
Description
技术领域
本发明涉及管屏焊接领域,特别涉及一种管屏焊缝的检测方法、系统、电子设备及存储介质。
背景技术
超临界及以上压力锅炉的管屏通过钢管及扁钢焊接,焊接质量对管屏成品性能至关重要。管屏是锅炉的构件,锅炉作为大型压力容器与人们的生活息息相关,而管屏的生产过程相当复杂,如果质量不过关,会给人们的生活带来灾难性后果。
当前的管屏焊缝检测主要为人工目视检测,人工目视检测受人为因素影响,标准难以统一,检测效率和检测精度都难以满足要求。当前机器视觉迅猛发展,管屏生产流程固定,生产线已成规模,基于机器视觉的管屏焊缝检测具有实施基础条件。因此,寻找能够以较高准确率实现焊缝检测,成为了理论研究和实际工程中需要面对的问题。
目前针对焊缝检测的方式,主要有通过处理摄像头获得的二维图像获取焊缝特征的方式来实现焊缝缺陷的识别,如公开号为CN113160132A的专利申请公开了一种焊缝缺陷图像的检测处理方法及系统,主要的检测步骤包括:1)获取焊缝缺陷图像;2)对图像进行预处理;3)计算缺陷区域的面积、周长。
其次,也有基于超声波检测的焊缝缺陷识别方式,通过将超声波检测仪经过焊缝后的时域图像转化为频域图像,从而进行缺陷识别,如公开号为CN113256566A的专利申请公开了一种管道焊缝缺陷识别方法,主要的检测步骤包括:1)采用超声波检测管道焊缝,得到所述管道焊缝的离散数据;2)计算离散数据的相对幅值数据,生成时域图像;3)对时域图像进行离散傅里叶变换,得到频域数据,生成频域图像;4)建立深度学习模型,进行模型训练;5)将频域图像导入训练好的模型中,输出识别结果。
另外,也有基于X射线底片的焊缝缺陷识别方法,如公开号为CN108665452A的专利申请公开了一种管道焊缝底片扫描入库以及焊缝缺陷识别方法及其系统,其原理以及实施方式与上述两种方式相差无几,通过将底片图像导入数据库中进行算法识别,识别缺陷。
此外,也有人针对光学摄像获得图像提出基于图像纹理的焊缝表面缺陷识别方法,通过识别图像的纹理特性来反应焊缝表面的质量好坏,如公开号为CN105938563A的专利申请公开了一种基于图像纹理的焊缝表面缺陷识别方法,具体的检测步骤如:1)采集图像,利用相机拍摄焊缝图像;2)图像前期处理,将真彩色RGB图像转化为灰度图;3)训练样本焊缝表面特征提取;4)创建BP神经网络;5)缺陷检测;6)焊接质量评定。
上述现有算法提供的焊缝缺陷图像识别方式,主要针对平面二维图像识别,这种方式的主要缺陷如下:
对缺陷种类要求苛刻:上述方式只能获得二维图像信息,并且要求被识别缺陷具有与周围环境较为明显的差异,否则在图像处理后无法清晰地得到缺陷区域;
图像质量要求高:通过表面纹理特征判断焊缝缺陷,对于图像的清晰度要求比较苛刻,同时该种识别方式能够识别的焊缝缺陷类型不足,局限较大。
此外利用X射线进行识别,对被检测材料性质(声波吸收性、光吸收性)有一定的要求,对于人的身体健康也有一定的损害。
发明内容
本发明要解决的技术问题是为了克服现有技术中难以高效且精确地对管屏的焊缝进行检测的缺陷,提供一种能够高效且精确地对管屏的焊缝进行检测的管屏焊缝的检测方法、系统、电子设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供了一种管屏焊缝的检测方法,所述管屏包括钢管、扁钢及焊缝区域,所述钢管及所述扁钢通过焊接工艺连接,所述焊缝区域表示连接所述钢管及所述扁钢的区域,所述检测方法包括以下步骤:
获取待检测管屏的第一高度图,所述第一高度图包括各个像素点的高度值;
若所述第一高度图中存在缺失区域,则对所述缺失区域进行差值填补,以获取第二高度图;
定位所述第二高度图中的焊缝区域;
对于每一像素点,若所述像素点的位置与对应的标准位置不一致,则将所述像素点作为缺陷像素点;
根据所述缺陷像素点生成焊缝缺陷区域。
较佳地,所述定位所述第二高度图中的焊缝区域的步骤包括以下步骤:
定位所述第二高度图中的管屏区域;
根据所述管屏区域及所述钢管和/或所述扁钢的尺寸确定所述钢管和/或所述扁钢的区域;
根据所述焊接工艺获取所述焊缝区域对应的尺寸;
根据所述钢管和/或所述扁钢的区域及所述焊缝区域对应的尺寸定位所述焊缝区域。
较佳地,所述定位所述第二高度图中的管屏区域的步骤包括以下步骤:
获取所述第二高度图中像素点的不同的高度值出现的频数;
根据所述不同的高度值出现的频数采用最大类间方差法获取高度阈值;
根据目标像素点定位所述管屏区域,所述目标像素点包括所述第二高度图中高度值超过所述高度阈值的像素点。
较佳地,所述根据所述不同的高度值出现的频数采用最大类间方差法获取高度阈值的步骤包括以下步骤:
通过第一公式获取高度阈值,所述第一公式如下:
其中,L表示所述第二高度图中像素点的总数,i表示各个像素点的高度值,pi表示在对应的高度值出现的频次,k表示某一高度;
当σ最大时,对应的k为高度阈值。
较佳地,所述对于每一像素点,若所述像素点的位置与对应的标准位置不一致,则将所述像素点作为缺陷像素点的步骤前还包括:
通过多项式拟合标准焊缝区域中各个像素点的标准位置,所述多项式的阶数大于或等于4。
较佳地,所述多项式的阶数等于5。
较佳地,所述根据所述缺陷像素点生成焊缝缺陷区域的步骤后还包括以下步骤:
将所述焊缝缺陷区域输入至缺陷检测模型以获取缺陷类型,所述缺陷检测模型为以样本焊缝缺陷区域作为训练数据,预设缺陷类型作为金标准进行模型训练所得到的模型;和/或,
所述若所述第一高度图中存在缺失区域,则对所述缺失区域进行差值填补,以获取第二高度图的步骤包括以下步骤:
若所述第一高度图中存在缺失区域:当所述缺失区域的范围大于或等于预设范围时,对所述缺失区域进行差值填补的;当所述缺失区域的范围小于所述预设范围时,对所述缺失区域进行中值滤波;
获取第二高度图;和/或,
所述根据所述缺陷像素点生成焊缝缺陷区域的步骤前还包括:获取待检测管屏的灰度图;
所述根据所述缺陷像素点生成焊缝缺陷区域的步骤后还包括:在所述灰度图中对应的位置处展示所述焊缝缺陷区域。
本发明还提供了一种管屏焊缝的检测系统,所述管屏包括母材及焊缝区域,所述母材包括钢管及扁钢,所述钢管及所述扁钢通过焊接连接,所述焊缝区域表示连接所述钢管及所述扁钢的焊接区域,所述检测系统包括:第一数据获取模块、第二数据获取模块、目标区域定位模块、缺陷像素确认模块及缺陷区域定位模块;
所述第一数据获取模块用于获取待检测管屏的第一高度图,所述第一高度图包括各个像素点的高度值;
所述第二数据获取模块用于若所述第一高度图中存在缺失区域,则对所述缺失区域进行差值填补,以获取第二高度图;
所述目标区域定位模块用于定位所述第二高度图中的焊缝区域;
所述缺陷像素确认模块用于对于每一像素点,若所所述像素点的位置与对应的标准位置不一致,则将所述像素点作为缺陷像素点;
所述缺陷区域定位模块用于根据所述缺陷像素点生成焊缝缺陷区域。
本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序所述处理器执行所述计算机程序时实现如上所述的管屏焊缝的检测方法。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的管屏焊缝的检测方法。
本发明的积极进步效果在于:本发明中,通过激光扫描待检测管屏可以得到待检测管屏中各个像素点的高度值,即第一高度图,通过对第一高度图的缺失区域进行插值填补可以得到能够反应真实管屏的高度的第二高度图。通过对第二高度图中的各个像素点的高度进行分析删除背景区域,定位焊缝区域。通过比较焊缝区域中各个像素点的位置与标准焊缝区域中对应的像素点的标准位置可以得到缺陷像素点,根据所有的缺陷像素点可以生成焊缝缺陷区域。本发明基于各个像素点的高度数据可以准确且有效地发现焊缝区域中的焊缝缺陷区域,可以准确得到焊缝缺陷区域的形状、位置、尺寸及深度,有利于后续对缺陷区域进行种类判断。
附图说明
图1为本发明实施例1中管屏焊缝的检测方法的流程图。
图2为本发明实施例1中步骤103的具体实现方式的流程图。
图3为本发明实施例1中步骤1031的具体实现方式的流程图。
图4为本发明实施例1中一种具体场景下焊缝缺陷区域的示意图。
图5为本发明实施例1中一种具体场景下第二高度图的示意图。
图6为本发明实施例2中管屏焊缝的检测系统的模块示意图。
图7为本发明实施例3中电子设备的模块示意图。
具体实施方式
为了便于理解,下面先对实施例中常出现的术语进行解释:
【包括的定义】如这里所使用的术语“具有”、“可以具有”、“包括”或“可以包括”指示本公开的相应功能、操作、元件等的存在,并且不限制其它的一个或多个功能、操作、元件等的存在。此外应当理解到,如这里所使用的术语“包括”或“具有”是指示在说明书中所描述的特点、数字、步骤、操作、元件、部件或其组合的存在,而不排除一个或多个其它特点、数字、步骤、操作、元件、部件或其组合的存在或增加。
【和/或的定义】如这里所使用的术语“A或B”、“A和/或B的至少之一”或“A和/或B的一个或多个”包括与其一起列举的单词的任意和所有组合。例如,“A或B”、“A和B的至少之一”或“A或B的至少之一”意味着(1)包括至少一个A,(2)包括至少一个B,或(3)包括至少一个A和至少一个B两者。
【第一、第二的定义】本申请实施例中出现的第一、第二等描述,仅作示意与区分描述对象之用,没有次序之分,也不表示本申请实施例中对设备个数的特别限定,不能构成对本申请实施例的任何限制。例如,可以将第一元件称为第二元件,而没脱离本公开的范围,类似地,可以将第二元件称为第一元件。
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供了一种管屏焊缝的检测方法,管屏包括钢管、扁钢及焊缝区域,钢管及扁钢通过焊接工艺连接,焊缝区域表示连接钢管及扁钢的区域,管屏具体是由钢管及扁钢通过焊接工艺交替排列所得到的构建,其中,可以根据不同的需求采用不同尺寸的钢管和/或扁钢,不同的焊接工艺对应的焊缝区域的尺寸也可能不同。如图1所示,该检测方法包括以下步骤:
步骤101、获取待检测管屏的第一高度图。
具体而言,本实施例中可以通过激光传感器扫描待检测管屏从而得到点云数据,本实施例中优选从俯视的角度扫描待检测管屏。扫描后,得到的点云数据中包括各个像素点的高度值,因此可以获取由各个像素点的高度值组成的第一高度图。
本实施例中,通过激光扫描的方式得到第一高度图,一方面,这种方式来扫描待检测管屏不会对人体的健康造成损害,另一方面,这种方式即便在管屏缺陷区域与周围环境不存在明显的差异的情况下,也可以准确地得到各个像素点的高度值,可以提高信息获取的准确度。
步骤102、若第一高度图中存在缺失区域,则对缺失区域进行差值填补,以获取第二高度图。
由于第一高度图中可能存在未捕捉数据,未捕捉数据可能是由于灰尘或局部表面形貌的影响导致局部数据缺失,为检出管屏中的缺陷,避免误识别,缺失的数据不能直接替换为0。并且由于第一高度图中管屏区域的轮廓数据不具有统一的函数表达,因此本实施例可以通过差值填补的方式,来对未捕捉数据所对应的区域进行数据填充,以使处理后的数据,即第二高度图更能反应管屏的真实轮廓。
具体而言,本实施例采用厄密特拉格朗日插值,插值公式如下:
其中Ln(x)为插值多项式,其中,n表示像素点的总数,i表示乘积运算中的像素点,xi表示待插值像素点的横坐标,yi待插像值素点的高度坐标。
应当理解,在其他实施例中,也可以采用其他的差值填补方式,如牛顿差值的方式。
在一种具体的实施方式中,步骤102具体还可以包括以下步骤:
若第一高度图中存在缺失区域:当缺失区域的范围大于或等于预设范围时,对缺失区域进行差值填补的;当缺失区域的范围小于预设范围时,对缺失区域进行中值滤波;
获取第二高度图。
其中,中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点的高度值中值。本实施例中,当缺失区域较小时(如小于5个像素点*5个像素点时),可以通过中值滤波的方式对较小的缺失区域进行处理,可以提高数据处理速度。而当缺失区域较大时(如大于或等于5个像素点*5个像素点时),则对缺失区域进行差值填补以使处理后的缺失区域反应管屏的轮廓,从而可以平衡数据的准确性及处理速度。
在一种具体的实施方式中,由于高度图中还可能存在噪声数据,因此还可以对高度图进行进一步的滤波,来去除噪声数据。
步骤103、定位第二高度图中的焊缝区域。
本实施例中,首先是定位出第二高度图中的管屏区域,再根据管屏区域的位置来定位其中的焊缝区域。如图2所示,具体可以通过以下步骤来定位焊缝区域:
步骤1031、定位第二高度图中的管屏区域。
传统方式中,一般通过二维图像的识别来得到管屏区域,但由于管屏区域的灰度图为深色图像,用于放置管屏的背景区域也为深色图像,因此采用传统方法很难从灰度图中分割处管屏区域。而本实施例可以利用管屏区域与背景区域的高度值的高低差来区分管屏区域及背景区域,从而提高所得到的管屏区域的精确度,具体管屏区域的提取方法如图3所示:
步骤10311、获取第二高度图中像素点的不同的高度值出现的频数;
步骤10312、根据不同的高度值出现的频数采用最大类间方差法获取高度阈值。
具体得,本实施例可以通过第一公式获取高度阈值,第一公式如下:
其中,L表示第二高度图中像素点的总数,i表示各个像素点的高度值,pi表示在对应的高度值出现的频次,k表示某一高度。
本实施例中,当σ最大时,对应的k即为高度阈值。
步骤10313、根据目标像素点定位管屏区域。
其中,目标像素点包括第二高度图中高度值超过高度阈值的像素点。
本实施例中,对第二高度图中各个像素点点得高度图进行分析,由于背景图像的高度值较低而管屏有一定高度,故可以使用高度阈值分割背景区域和管屏区域。由于管屏高度会发生变化,故采用最大类间方差法从而有效基于高度值来对管屏区域进行分割。
步骤1032、根据管屏区域及钢管和/或扁钢的尺寸确定钢管和/或扁钢的区域。
由于管屏是由钢管及扁钢通过焊接工艺排列而成的构件,因此,定位到了管屏区域则可以得到管屏区域中对应的钢管和/或扁钢的区域。
步骤1033、根据焊接工艺获取焊缝区域对应的尺寸。
由于不同的焊接工艺所得到的焊缝区域的尺寸可能不同,所以本实施例中可以根据具体的焊接工艺来得到具体焊缝区域对应的尺寸。
步骤1034、根据钢管和/或扁钢的区域及焊缝区域对应的尺寸定位焊缝区域。
本实施例中,在筛选出管屏区域后,在管屏区域的范围内结合钢管或扁钢的尺寸,设置钢管的高度阈值可以筛选出钢管和/或扁钢范围,结合焊接工艺可以得到对应的焊缝区域的尺寸,从而可以有效对焊缝区域进行定位。
步骤104、对于每一像素点,若像素点的位置与对应的标准位置不一致,则将像素点作为缺陷像素点。
其中,标准焊缝区域中各个像素点的标准位置可以根据实物试验或仿真的标准焊接工艺,参考上述步骤101-103来得到标准焊缝区域中像素点的位置,通过多项式拟合焊缝区域的方程,从而有效得到标准焊缝区域中各个像素点的标准位置。
由于正常焊缝一般存在3个极点,因此至少四阶多项式可以拟合该轮廓,基于此,本实施例用于拟合焊缝区域的方程的阶数大于或等于4阶。
而在一种优选的实施方式中,用于拟合焊缝区域的方程的阶数为5阶,具体的,5阶最佳一致逼近公式如下:
E5(f)=||f-P5||
其中P5为次数不高于5的代数多项式全体,而f为焊缝区域轮廓点云数据,E为逼近误差,则逼近误差的2范数最小时可以求得焊缝轮廓的最佳一致逼近。
本实施例中,通过5阶多项式可以有效拟合焊缝区域的方程,所得到的方程一方面在计算量不会太大的情况下可以描述标准焊缝工艺下的焊缝区域的轮廓,另一方面,由于阶数不会太高,因此不会描述缺陷的轮廓。此外,由于阶数不会太低,可以有一定的抗干扰能力,提高了标准焊缝区域各个像素点的位置的准确度。
步骤105、根据缺陷像素点生成焊缝缺陷区域。
具体而言,在步骤104中,所有缺陷像素点所组成的区域则为焊缝缺陷区域。图4示出了一种具体场景下,焊缝缺陷区域的示意图,其中,白色区域即为缺陷区域。
本实施例中,通过激光扫描待检测管屏可以得到待检测管屏中各个像素点的高度值,即第一高度图,通过对第一高度图的缺失区域进行插值填补可以得到能够反应真实管屏的高度的第二高度图。通过对第二高度图中的各个像素点的高度进行分析删除背景区域,定位焊缝区域。通过比较焊缝区域中各个像素点的位置与标准焊缝区域中对应的像素点的标准位置可以得到缺陷像素点,根据所有的缺陷像素点可以生成焊缝缺陷区域。本实施例基于各个像素点的高度数据可以准确且有效地发现焊缝区域中的焊缝缺陷区域,可以准确得到焊缝缺陷区域的形状、位置、尺寸及深度,有利于后续对缺陷区域进行种类判断。
在一种具体的实施方式中,步骤105后还可以进一步对焊缝缺陷区域的缺陷类型进行判断,具体而言,步骤105后还可以包括以下步骤:
将焊缝缺陷区域输入至缺陷检测模型以获取缺陷类型。
本实施例中,具体的缺陷类型可以包括但不限于气孔、焊瘤、凹陷、咬边缺陷这四种类型。
其中,缺陷检测模型为以样本焊缝缺陷区域作为训练数据,预设缺陷类型作为金标准进行模型训练所得到的模型。
具体的,焊缝缺陷区域的获取方法可以参考前述步骤101-步骤104对样本管屏进行数据处理来得到样本焊缝缺陷区域,对于每一焊缝缺陷区域标定对应的缺陷类型,对各个焊缝缺陷区域提取特征数据并将其输入至预设机器学习模型,将对应的预设缺陷类型作为金标准进行模型训练,从而可以得到缺陷检测模型。
在一种具体的场景下,对于每一焊缝缺陷区域,可以提取距离焊缝区域边缘距离、焊缝区域的异常深度、长径比、面积、圆度等特征数据,由这些特征数据组成向量,对预设机器学习模型进行训练,例如,具体机器学习模型如下:
其中,C为正则系数,m为样本数,i为当前样本,θ为支持向量,x为当前向量,y为预测值,cost为损失函数。当损失函数收敛时,则模型训练完成,得到缺陷检测模型。
本实施例中,在检测到待检测管屏的焊缝区域存在焊缝缺陷区域后,还可以检测焊缝缺陷区域的具体缺陷类型,可以同时检测到焊缝缺陷区域所存在的多种缺陷类型,结合各个像素点的高度值还能得到焊缝缺陷区域的具体尺寸。
在一种具体的实施方式,步骤105之前还可以包括步骤:获取待检测管屏的灰度图;步骤105之后还可以包括步骤:在灰度图中对应的位置处展示焊缝缺陷区域。在得到灰度图后还可以进一步对灰度图进行高斯滤波以去除灰度图中的噪声。
由于灰度图可以表示图像的明暗度,本实施例中在得到焊缝缺陷区域后,进一步在待检测管屏的灰度图对应的位置处展示焊缝缺陷区域,可以便于有关用户查看焊缝缺陷区域,提高了用户的检测体验度。
为了更好地理解本实施例的整体流程,下面通过一具体实例来进行说明:
获取若干管屏样本,通过步骤101-步骤105可以得到若干焊缝缺陷区域,其中气孔、凹陷、焊瘤、咬边的缺陷类型各五处,对对应的焊缝缺陷区域进行标定,提取焊缝缺陷区域的特征参数,如距离焊缝边缘距离、异常深度、长径比、面积、圆度等将其作为训练数据,将焊缝缺陷区域作为正样本,没有缺陷的焊缝区域作为负样本对机器学习模型进行训练以得到缺陷检测模型。
其中待检测管屏中包括多条焊缝,根据焊接工艺,预先获取到每一焊缝区域为长15m,宽10mm以及高2mm的长方体(此处仅作为举例说明,实际中的焊缝区域可以为不规则尺寸,具体尺寸根据不同的工艺也可以不同)。同样也可以预先获取到钢管及扁钢的具体尺寸。
通过步骤101可以获取到待检测管屏的第一高度图,进一步的也可以获取到待检测管屏的灰度图。
通过步骤102采用最近邻线性插值对第一高度图进行插值填补以获取第二高度图,进一步的也可以通过高斯滤波(如核大小为5的高斯滤波)对亮度图滤波来得到去除噪声的灰度图。
图5示意性地示出了一种具体场景下的第二高度图,其中,包括待检测管屏详细的尺寸信息(高度、长度及宽度)。
通过步骤103可以根据预先获取到的扁钢和/或钢管的尺寸,以及对应的焊接工艺下焊缝区域的尺寸来定位到第二高度图中的焊缝区域。之后,执行步骤104,对于每一像素点的位置,如果和对应的标准位置不一致则认为其为缺陷像素点。
具体而言,根据最大类间方差法计算出的高度阈值为1275(16位整型),高于1275的区域则为管屏区域,通过这种方式可以筛选出管屏区域。预先得到钢管的直径为10cm,设置高度阈值为1cm,从而可以在管屏区域中筛筛选出钢管区域,根据焊缝区域的尺寸,可以定位到位于钢管区域旁边的并焊缝区域。
执行步骤105,根据所有的缺陷像素点则可以形成焊缝缺陷区域,可以具体得到焊缝缺陷区域的位置、尺寸等信息。
最后,将焊缝缺陷区域输入至缺陷检测模型则可以获取到具体的缺陷类型。同时,还可以在灰度图中对应的位置处展示焊缝缺陷区域。
实施例2
本实施例提供了一种管屏焊缝的检测系统,该管屏包括母材及焊缝区域,母材包括钢管及扁钢,钢管及扁钢通过焊接连接,焊缝区域表示连接钢管及扁钢的焊接区域。
如图6所示,该检测系统包括:第一数据获取模块201、第二数据获取模块202、目标区域定位模块203、缺陷像素确认模块204及缺陷区域定位模块205。
第一数据获取模块201用于获取待检测管屏的第一高度图,第一高度图包括各个像素点的高度值;
第二数据获取模块202用于若第一高度图中存在缺失区域,则对缺失区域进行差值填补,以获取第二高度图;
目标区域定位模块203用于定位第二高度图中的焊缝区域;
缺陷像素确认模块204用于对于每一像素点,若所像素点的位置与对应的标准位置不一致,则将像素点作为缺陷像素点;
缺陷区域定位模块205用于根据缺陷像素点生成焊缝缺陷区域。
在一种具体的实施方式中,该检测系统还可以包括缺陷类型检测模块,用于将焊缝缺陷区域输入至缺陷检测模型以获取缺陷类型,缺陷检测模型为以样本焊缝缺陷区域作为训练数据,预设缺陷类型作为金标准进行模型训练所得到的模型;
在一种具体的实施方式中,该检测系统还可以包括灰度图获取模块及缺陷展示模块,灰度图获取模块用于获取待检测管屏的灰度图,缺陷展示模块用于在灰度图中对应的位置处展示焊缝缺陷区域。
应当理解,本实施例中各个模块的实现方式及技术效果可以参考实施例1中对应的部分,此处便不再赘述。
实施例3
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中处理器执行计算机程序时可以实现实施例1中管屏焊缝的检测方法。
图7示出了本实施例的硬件结构示意图,如图7所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1中管屏焊缝的检测方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1中管屏焊缝的检测方法。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1中管屏焊缝的检测方法。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种管屏焊缝的检测方法,其特征在于,所述管屏包括钢管、扁钢及焊缝区域,所述钢管及所述扁钢通过焊接工艺连接,所述焊缝区域表示连接所述钢管及所述扁钢的区域,所述检测方法包括以下步骤:
获取待检测管屏的第一高度图,所述第一高度图包括各个像素点的高度值;
若所述第一高度图中存在缺失区域,则对所述缺失区域进行差值填补,以获取第二高度图;
定位所述第二高度图中的焊缝区域;
对于每一像素点,若所述像素点的位置与对应的标准位置不一致,则将所述像素点作为缺陷像素点;
根据所述缺陷像素点生成焊缝缺陷区域。
2.如权利要求1所述的管屏焊缝的检测方法,其特征在于,所述定位所述第二高度图中的焊缝区域的步骤包括以下步骤:
定位所述第二高度图中的管屏区域;
根据所述管屏区域及所述钢管和/或所述扁钢的尺寸确定所述钢管和/或所述扁钢的区域;
根据所述焊接工艺获取所述焊缝区域对应的尺寸;
根据所述钢管和/或所述扁钢的区域及所述焊缝区域对应的尺寸定位所述焊缝区域。
3.如权利要求2所述的管屏焊缝的检测方法,其特征在于,所述定位所述第二高度图中的管屏区域的步骤包括以下步骤:
获取所述第二高度图中像素点的不同的高度值出现的频数;
根据所述不同的高度值出现的频数采用最大类间方差法获取高度阈值;
根据目标像素点定位所述管屏区域,所述目标像素点包括所述第二高度图中高度值超过所述高度阈值的像素点。
5.如权利要求1所述的管屏焊缝的检测方法,其特征在于,所述对于每一像素点,若所述像素点的位置与对应的标准位置不一致,则将所述像素点作为缺陷像素点的步骤前还包括:
通过多项式拟合标准焊缝区域中各个像素点的标准位置,所述多项式的阶数大于或等于4。
6.如权利要求5所述的管屏焊缝的检测方法,其特征在于,所述多项式的阶数等于5。
7.如权利要求1所述的管屏焊缝的检测方法,其特征在于,所述根据所述缺陷像素点生成焊缝缺陷区域的步骤后还包括以下步骤:
将所述焊缝缺陷区域输入至缺陷检测模型以获取缺陷类型,所述缺陷检测模型为以样本焊缝缺陷区域作为训练数据,预设缺陷类型作为金标准进行模型训练所得到的模型;和/或,
所述若所述第一高度图中存在缺失区域,则对所述缺失区域进行差值填补,以获取第二高度图的步骤包括以下步骤:
若所述第一高度图中存在缺失区域:当所述缺失区域的范围大于或等于预设范围时,对所述缺失区域进行差值填补的;当所述缺失区域的范围小于所述预设范围时,对所述缺失区域进行中值滤波;
获取第二高度图;和/或,
所述根据所述缺陷像素点生成焊缝缺陷区域的步骤前还包括:获取待检测管屏的灰度图;
所述根据所述缺陷像素点生成焊缝缺陷区域的步骤后还包括:在所述灰度图中对应的位置处展示所述焊缝缺陷区域。
8.一种管屏焊缝的检测系统,其特征在于,所述管屏包括母材及焊缝区域,所述母材包括钢管及扁钢,所述钢管及所述扁钢通过焊接连接,所述焊缝区域表示连接所述钢管及所述扁钢的焊接区域,所述检测系统包括:第一数据获取模块、第二数据获取模块、目标区域定位模块、缺陷像素确认模块及缺陷区域定位模块;
所述第一数据获取模块用于获取待检测管屏的第一高度图,所述第一高度图包括各个像素点的高度值;
所述第二数据获取模块用于若所述第一高度图中存在缺失区域,则对所述缺失区域进行差值填补,以获取第二高度图;
所述目标区域定位模块用于定位所述第二高度图中的焊缝区域;
所述缺陷像素确认模块用于对于每一像素点,若所所述像素点的位置与对应的标准位置不一致,则将所述像素点作为缺陷像素点;
所述缺陷区域定位模块用于根据所述缺陷像素点生成焊缝缺陷区域。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的管屏焊缝的检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的管屏焊缝的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210331012.7A CN114648517A (zh) | 2022-03-30 | 2022-03-30 | 管屏焊缝的检测方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210331012.7A CN114648517A (zh) | 2022-03-30 | 2022-03-30 | 管屏焊缝的检测方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648517A true CN114648517A (zh) | 2022-06-21 |
Family
ID=81994788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210331012.7A Pending CN114648517A (zh) | 2022-03-30 | 2022-03-30 | 管屏焊缝的检测方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648517A (zh) |
-
2022
- 2022-03-30 CN CN202210331012.7A patent/CN114648517A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
JP4825253B2 (ja) | 可変形オブジェクト認識のためのシステムおよび方法 | |
CN108460760B (zh) | 一种基于生成式对抗网络的桥梁裂缝图像判别修复方法 | |
CN105913415A (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN116228747B (zh) | 一种金属柜加工质量监测方法 | |
WO2021251064A1 (ja) | 情報処理装置、判定方法、および情報処理プログラム | |
CN109986172B (zh) | 一种焊缝定位方法、设备及系统 | |
CN110378227B (zh) | 修正样本标注数据的方法、装置、设备及存储介质 | |
CN113570605A (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
CN114719749B (zh) | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 | |
Fidali et al. | Diagnostic method of welding process based on fused infrared and vision images | |
JP4003465B2 (ja) | 特定パターン認識方法、特定パターン認識プログラム、特定パターン認識プログラム記録媒体および特定パターン認識装置 | |
CN116563282A (zh) | 一种基于机器视觉的钻削刀具检测方法及系统 | |
CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
JP2021196205A (ja) | 検査装置、検査方法、および検査プログラム | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN114648517A (zh) | 管屏焊缝的检测方法、系统、电子设备及存储介质 | |
CN112651341B (zh) | 一种焊管焊缝实时检测视频的处理方法 | |
CN113240629B (zh) | 基于边缘的图像匹配窄间隙焊缝初始点定位装置和方法 | |
CN112198170B (zh) | 一种无缝钢管外表面三维检测中识别水滴的检测方法 | |
US20220364851A1 (en) | Method and device for inspection of a geometry, the device comprising image capturing and shape scanning means | |
CN110766707B (zh) | 一种基于多算子融合边缘检测技术的空化泡图像处理方法 | |
CN114862816A (zh) | 毛刺检测方法、系统和计算机可读存储介质 | |
CN114170202A (zh) | 基于面阵结构光3d视觉的焊缝分割与铣削判别方法及装置 | |
CN105427295A (zh) | 一种基于焊缝的图像识别方法和图像识别系统 |
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 |