CN115330793A - 一种基于图像处理的液压硬管连接管接头质量检测方法 - Google Patents
一种基于图像处理的液压硬管连接管接头质量检测方法 Download PDFInfo
- Publication number
- CN115330793A CN115330793A CN202211251383.0A CN202211251383A CN115330793A CN 115330793 A CN115330793 A CN 115330793A CN 202211251383 A CN202211251383 A CN 202211251383A CN 115330793 A CN115330793 A CN 115330793A
- Authority
- CN
- China
- Prior art keywords
- pipe joint
- threads
- angle
- obtaining
- thread
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004891 communication Methods 0.000 claims abstract description 39
- 230000007547 defect Effects 0.000 claims abstract description 27
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 108091034117 Oligonucleotide Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 238000005493 welding type Methods 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G06T5/73—
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
本发明涉及图像处理技术领域,具体涉及一种基于图像处理的液压硬管连接管接头质量检测方法,包括:获取液压硬管连接管接头的灰度图像,获取灰度图像中管接头连通域;获取管接头连通域中每行边缘像素点之间的距离,根据每行边缘像素点之间的距离绘制第一曲线图,根据曲线图获取管接头连通域中的螺纹所在的行;获取目标螺纹区域的二值图像,获取二值图像的最小外接矩形,获取二值图像中每个偏移边界线上相邻螺纹纹牙空隙间的距离,根据每个偏移边界线上相邻螺纹纹牙空隙间的距离得到螺纹的差异度,根据螺纹的差异度判断螺纹所在的液压硬管连接管接头是否存在缺陷。本发明提高了螺纹缺陷检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于图像处理的液压硬管连接管接头质量检测方法。
背景技术
液压传动对液压元件的制造精度要求高,其中液压硬管是各自不同直径和壁厚的冷拔无缝钢管加工成不同弯曲形式和空间角度的形状,一端再焊接上各种不同形式或者密封结构接头所制成的钢管,其中液压硬管连接管接头是油管与油管、油管与液压元件中间的连接件,它应满足连接牢固、密封可靠、工艺性能好等要求,特别是管接头的密封性能,是影响系统外泄漏的重要原因。若管接头外螺纹存在缺陷,最终会导致所传输气体或液体的严重漏出,例如严重的天然气外泄、漏油等事故,所以对管接头上的螺纹要给予足够的重视。
在现有螺纹缺陷检测技术中,是采用背光检测带有明显螺纹工件的边缘异常程度,主要方法为框选出目标螺纹区域,且要求是包含单一连续纹线的最小矩形框,随后再对最小框内的螺纹纹线分布状态进行检测分析,因此主要框选目标螺纹区域,现有技术在框选目标螺纹区域时是根据六角螺母区域与目标螺纹区域的比例计算目标螺纹区域的宽度,但是在管接头随机器传送至相机前方时,六角螺母的位置不稳定,有可能侧面垂直于拍摄方向,有可能是侧边棱垂直于拍摄方向,导致图像中的六角螺母区域宽度与上下螺纹直径的比例十分不稳定,根据两区域像素比例来计算螺纹直径大小,导致无法根据计算所得螺纹直径不准确,最终影响螺纹缺陷检测的准确性。
发明内容
本发明提供一种基于图像处理的液压硬管连接管接头质量检测方法,以解决现有的螺纹缺陷检测不准确的问题。
本发明的一种基于图像处理的液压硬管连接管接头质量检测方法,采用如下技术方案:
采集不同角度下液压硬管的管接头正面图像,将每个角度下液压硬管的管接头正面图像转化为灰度图像,获取每个角度下灰度图像中管接头连通域;
获取每个角度下管接头连通域中每行端点像素点之间的距离,根据每行端点像素点之间的距离绘制第一曲线图,根据第一曲线图获取每个角度下管接头连通域中的螺纹所在的行;
根据每个角度下管接头连通域中的螺纹所在的行得到每个角度下的螺纹管区域,获取每个角度下的螺纹管区域中每列像素点的个数,根据每列像素点的个数绘制第二曲线图,根据第二曲线图得到每个角度下管接头连通域中螺纹所在的列,根据每个角度下螺纹所在的行和列得到该角度下的目标螺纹区域;
获取每个角度下目标螺纹区域的二值图像的最小外接矩形,设置多条最小外接矩形与二值图像中螺纹外侧相交的边平行的偏移边界线,获取每个偏移边界线上相邻螺纹纹牙空隙间的距离,根据每个偏移边界线上相邻螺纹纹牙空隙间的距离得到每个角度下该偏移边界线上螺纹的差异度,根据每个角度下每个偏移边界线上螺纹的差异度得到该角度下螺纹的差异度,根据每个角度下螺纹的差异度得到该螺纹所在的液压硬管连接管接头的缺陷等级。
进一步的,所述管接头连通域是按如下方法确定的:
对灰度图像采用高斯双边滤波去噪得到去噪后的灰度图像;
利用拉普拉斯算子对去噪后的灰度图像进行锐化得到锐化后的灰度图像;
对锐化后的灰度图像进行阈值分割得到管接头连通域。
进一步的,所述管接头连通域中的螺纹所在的行是按如下方法确定的:
进一步的,所述管接头连通域中螺纹所在的列是按如下方法确定的:
获取第二曲线图中的递增部分曲线和递减部分曲线,将第二曲线图中递增部分曲线和递减部分曲线为管接头连通域中螺纹所在的列。
进一步的,所述设置多个偏移边界线的方法是:
设置多个偏移距离;
根据每个偏移距离将最小外接矩形与二值图像中螺纹外侧相交的边向内进行多次移动得到多个偏移边界线。
进一步的,所述偏移边界线上螺纹的差异度是按如下方法确定的:
获取每个偏移边界线上相邻螺纹纹牙空隙间的距离的最大值和中位数;
根据每个偏移边界线上相邻螺纹纹牙空隙间的距离的最大值和中位数得到对应偏移边界线上螺纹的差异度。
进一步的,所述得到该角度下螺纹的差异度的方法是:
将每个角度下每个最小外接矩形中每个偏移边界线上螺纹的差异度相加得到该角度下螺纹的差异度。
进一步的,所述得到该螺纹所在的液压硬管连接管接头的缺陷等级的方法是:
将该液压硬管连接管接头每个角度下螺纹的差异度的最大值对应的缺陷等级作为该螺纹所在的液压硬管连接管接头的缺陷等级。
本发明的有益效果是:本发明的首先获取了管接头的连通域,对管接头连通域的行进行分析得到管接头中螺纹所在的行区域,根据螺纹所在的行区域确定出螺纹所在的列区域,根据螺纹所在的行和列确定出目标螺纹区域,该方法通过对图像中行和列的分析,更为精细的对图像的特征进行分析,提高了所得目标螺纹区域的准确性;其次,本发明设置了多条偏移边界线,根据每条偏移边界线螺纹纹牙间的距离得到该管接头是否存在缺陷,利用多条边界线降低了缺陷检测的误差,提高了最终所得结果的准确性。
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为本发明的一种基于图像处理的液压硬管连接管接头质量检测方法的实施例的流程图;
图2为本发明的一种基于图像处理的液压硬管连接管接头质量检测方法的实施例中的图像采集装置;
图3为本发明的一种基于图像处理的液压硬管连接管接头质量检测方法的实施例中的管接头连通域的示意图;
图4为本发明的一种基于图像处理的液压硬管连接管接头质量检测方法的实施例中的第一曲线图;
图5为本发明的一种基于图像处理的液压硬管连接管接头质量检测方法的实施例中最小外接矩形的示意图;
图6为本发明的一种基于图像处理的液压硬管连接管接头质量检测方法的实施例中的存在缺陷的螺纹的示意图。
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,都属于本发明保护的范围。
本发明的一种基于图像处理的液压硬管连接管接头质量检测方法的实施例,如图1所示,包括:
S1、采集不同角度下液压硬管的管接头正面图像,将每个角度下液压硬管的管接头正面图像转化为灰度图像,获取每个角度下灰度图像中管接头连通域。
本发明主要针对的是液压硬管连接管接头(液压硬管焊接式管接头),对该接头上螺纹缺陷的有效检测。焊接式管接头是上下端都有长段螺纹纹线区域,中间部分是固定于金属件上的外形为六角螺母部分,将上下螺纹纹线分隔开来。
布置如图2所示的图像采集装置,传动方向从左至右传送,控制电子相机拍摄正对的待测管接头的螺纹纹线截面,同时设置背景光源(光源1、光源2)正对着电子相机,以避免正向光源对连接头螺纹部分的强反射现象。其中旋转平台上焊接式管接头随着底部平台进行旋转,采集管接头旋转半周的相关截面图像,控制相机传送装置速度、相机拍摄频率和转动速度,在同一个待测管接头的电子相机拍摄范围内,采集待测管接头旋转半周左右(管接头旋转速度不应过快,避免倾倒)的图像,相机在待测管接头的旋转半周时间内,控制相机拍摄6张图像(每张图像是待测管接头旋转的时刻,最终得到的同一管接头所采集的图像中的螺纹区域不重复)作为该待测管接头的图像,对管接头的图像进行灰度化处理得到管接头的灰度图像,本发明以上下螺纹管直径相同的管接头为例,管接头的灰度图像表征一般较为模糊,且边缘清晰度一般,同时管接头易发生轻微倾斜,导致螺纹边缘定位不准确,不利于分析螺纹质量。所以我们不仅要强化管接头的螺纹边缘特征,还要合理定位出细节螺纹纹线区域,接下来主要从以下步骤进行螺纹纹线边缘的分析:首先,螺纹纹线边缘是本发明主要的分析对象,而现实情况下的原始灰度图像会有较多噪声干扰,本发明采用高斯双边滤波去噪;其次,因为灰度图像的传输或转换系统的传递函数对高频成分的衰减作用,造成灰度图像的细节和轮廓不清晰;本发明针对性分析的就是管接头上是否存在的螺纹缺陷,因此需要对管接头的灰度图像锐化加强管接头的图像的细节和轮廓,使其变得较清晰,本文采用拉普拉斯算子对管接头的图像进行锐化得到锐化后的灰度图像,后文出现的所有灰度图像均为锐化后的灰度图像,且本发明采集了多个角度下的图像,本发明只阐述一个角度下的具体过程,同理,可对每个角度下的图像进行分析。
获取灰度图像中管接头连通域的方法是:对灰度图像进行阈值分割得到管接头连通域,其中管接头连通域的示意图如图3所示,由于在实际图像拍摄时,会容易出现管接头进行轮廓检测时,由于传送带相机的拍摄角度上发生小偏斜,所以导致管接头区域的划分出现偏差,因此,要对管接头进行跟踪框选,从而避免直接对灰度图采用行列分析,导致分析数据有偏差。对灰度图像边缘检测,由于管接头是图像中最大的表征形状,那么其轮廓边缘内的面积应该是最大的。因此避免因边缘复杂产生的非轮廓边缘信息,对轮廓边缘像素进行连通域分析,采用种子填充法,每个的轮廓边缘都会有各自的连通域标签。将所有轮廓连通域进行最小面积外接矩形(MABR)框选,即通过中心角度旋转进行搜寻矩形面积最小的方法,此为公知技术不予赘述;随后对每一个最小外接矩形进行面积计算,将最大面积的矩形挑选出来,并把其内部所框选的白色边缘像素即为所求的管接头整体最大边缘,记该为管接头连通域。
S2、获取每个角度下管接头连通域中每行端点像素点之间的距离,根据每行端点像素点之间的距离绘制第一曲线图,根据第一曲线图获取每个角度下管接头连通域中的螺纹所在的行。
绘制第一曲线图的具体步骤为:以管接头连通域中像素点的行数为横坐标,每行边缘像素点之间的距离为纵坐标绘制第一曲线图,如图4所示,由于管接头存在上下螺纹和中间的六角螺母,而六角螺母的行距离大于上下螺纹的行距离,因此,在第一曲线图最高的部分为管接头中六角螺母的行边缘像素点之间的距离,因此最高的部分所对应的行对应到灰度图像得到六角螺母在灰度图像中所在行。
在无论待测工件在被装置检测时,是旋转至哪个角度,其截面宽度一直比上下螺纹的直径要大,只是多少的问题,所以我们以螺母位置的宽度当作标准,设定上下两个划分尺度,分别来确定目标螺纹区域的行范围。将第一曲线图中的最大值记为,所对应的横坐标记为,以其为横坐标尺度,在不同的两个区域、两个区间中,分别进行螺纹纹线区域行范围的确定。
其中,指的是在区间内的所有的加和平均值,0.7和0.3分别是、所对应的权重,使得划分尺度更靠近于,但又稍低于,的连续行范围为第一曲线图中管接头下半部分的螺纹的行范围,将第一曲线图中管接头下半部分的螺纹的行范围对应到管接头连通域得到管接头连通域中下半部分的螺纹的行范围。
至此,得到管接头连通域中的螺纹所在的行。
S3、根据每个角度下管接头连通域中的螺纹所在的行得到每个角度下的螺纹管区域,获取每个角度下的螺纹管区域中每列像素点的个数,根据每列像素点的个数绘制第二曲线图,根据第二曲线图得到每个角度下管接头连通域中螺纹所在的列,根据每个角度下螺纹所在的行和列得到该角度下的目标螺纹区域。
根据管接头连通域中下半部分的螺纹行范围和管接头连通域中下半部分的螺纹行范围得到上下两个区域,将上下两个区域作为螺纹管区域。
绘制第二曲线图的具体步骤为:获取螺纹管区域中每列边缘像素点的个数,以每列边缘像素点的个数为纵坐标,列数为横坐标绘制第二曲线图。
得到目标螺纹区域的具体步骤为:因为螺纹管区域中每列螺纹部分的像素点少于其他部分的像素点,因此第二曲线图呈先递增再平直最后递减的趋势,因此,获取第二曲线图中曲线的递增部分和递减部分,将第二曲线图中曲线的递增部分和递减部分为管接头连通域中螺纹所在的列。
至此得到了螺纹所在列,根据螺纹所在的行和列得到目标螺纹区域,如图3所示。
S4、获取每个角度下目标螺纹区域的二值图像的最小外接矩形,设置多条最小外接矩形与二值图像中螺纹外侧相交的边平行的偏移边界线,获取每个偏移边界线上相邻螺纹纹牙空隙间的距离,根据每个偏移边界线上相邻螺纹纹牙空隙间的距离得到每个角度下该偏移边界线上螺纹的差异度,根据每个角度下每个偏移边界线上螺纹的差异度得到该角度下螺纹的差异度,根据每个角度下螺纹的差异度得到该螺纹所在的液压硬管连接管接头的缺陷等级。
获取目标螺纹区域的二值图像,获取二值图像的最小外接矩形,二值图像的最小外接矩形的示意图如图5所示,本发明主要是对螺纹的牙缺所造成的异常进行识别检测,计算每个矩形范围内螺纹纹牙之间的空隙宽度,根据螺纹纹牙之间的空隙宽度计算螺纹的差异性,一旦出现螺纹压伤情况,其中最大的宽度必定为压伤后的目标螺纹区域,且其与旁边正常空隙宽度的比值大,若未出现压伤情况,则对应的比值会比较小,计算最大空隙宽度与宽度中位数值的比值差异。
设置多个偏移边界线的具体步骤为:根据最小外接矩形与二值图像中螺纹外侧相交的边设置多个偏移边界线、、、,其中,每个偏移边界线与最小外接矩形与二值图像中螺纹外侧相交的边平行,每个偏移边界线与最小外接矩形与二值图像中螺纹外侧相交的边的距离不同,为了分析的严谨性,设计的偏移量必须较小,以直线为例,所设计的偏移量即偏移距离的具体表达式为:
其中,设置偏移量给予了、两者不同的权重大小,更贴近于则其权重给予大的一方0.8,另外的给予更小的权重0.2,就是靠近矩形的外侧长边的边界线给予大权重0.8得到偏移边界线的偏移量,根据该公式可得到每个偏移边界线的偏移量。
获取每个偏移边界线上相邻螺纹纹牙空隙间的距离的最大值和中位数,根据每个偏移边界线上相邻螺纹纹牙空隙间的距离的最大值和中位数得到对应螺纹的差异度。
获取二值图像中每个偏移边界线上相邻螺纹纹牙空隙间的距离,如图6所示表示存在缺陷的螺纹的示意图及存在缺陷的螺纹示意图中所设置的偏移边界线的示意图,存在缺陷的螺纹的纹牙不整齐,因此,偏移边界线上每个相邻螺纹纹牙空隙间的距离与正常螺纹有差异,根据偏移边界线上相邻螺纹纹牙空隙间的距离,获取每个偏移边界线上相邻螺纹纹牙空隙间的距离的最大值和中位数,根据每个偏移边界线上相邻螺纹纹牙空隙间的距离的最大值和中位数得到每个偏移边界线上螺纹的差异度,根据每个偏移边界线上螺纹的差异度得到对应螺纹的差异度,具体表达式如下:
其中,中位数都是正常的螺纹纹线之间的空隙宽度,而最大值是正常距离中最大的一个,也有可能是压伤螺纹之间的距离(由于受压伤后,螺纹明显是往内收缩的,此时的是较正常宽度的两倍以上),根据所计算出的不同差异度可确定出管接头体上是否存在明显压伤缺陷。
由于每个管接头对应4个最小外接矩形,每个最小外接矩形中有四条偏移边界线,每条偏移边界线,因此对每个矩形内的每条偏移边界线进行判断,具体如下:
将最小外接矩形内每条偏移边界上螺纹的差异度相加得到该目标螺纹区域的差异度,同理,获取该管接头上每个最小外接矩形内目标螺纹区域的差异度,将每个最小外接矩形内目标螺纹区域的差异度相加该角度下管接头上螺纹的差异度,据此,获取每个角度下管接头上螺纹的差异度,将管接头上螺纹的差异度的最大值作为螺纹所在的液压硬管连接管接头的差异度。
根据螺纹所在的液压硬管连接管接头的差异度和差异度等级得到该液压硬管连接管接头的缺陷等级,即液压硬管连接管接头的差异度所对应的差异度等级为该液压硬管连接管接头的缺陷等级。
本发明的有益效果是:本发明的首先获取了管接头的连通域,对管接头连通域的行进行分析得到管接头中螺纹所在的行区域,根据螺纹所在的行区域确定出螺纹所在的列区域,根据螺纹所在的行和列确定出目标螺纹区域,该方法通过对图像中行和列的分析,更为精细的对图像的特征进行分析,提高了所得目标螺纹区域的准确性;其次,本发明设置了多条偏移边界线,根据每条偏移边界线螺纹纹牙间的距离得到该管接头是否存在缺陷,利用多条边界线降低了缺陷检测的误差,提高了最终所得结果的准确性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,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。
Claims (8)
1.一种基于图像处理的液压硬管连接管接头质量检测方法,其特征在于,包括:
采集不同角度下液压硬管的管接头正面图像,将每个角度下液压硬管的管接头正面图像转化为灰度图像,获取每个角度下灰度图像中管接头连通域;
获取每个角度下管接头连通域中每行端点像素点之间的距离,根据每行端点像素点之间的距离绘制第一曲线图,根据第一曲线图获取每个角度下管接头连通域中的螺纹所在的行;
根据每个角度下管接头连通域中的螺纹所在的行得到每个角度下的螺纹管区域,获取每个角度下的螺纹管区域中每列像素点的个数,根据每列像素点的个数绘制第二曲线图,根据第二曲线图得到每个角度下管接头连通域中螺纹所在的列,根据每个角度下螺纹所在的行和列得到该角度下的目标螺纹区域;
获取每个角度下目标螺纹区域的二值图像的最小外接矩形,设置多条最小外接矩形与二值图像中螺纹外侧相交的边平行的偏移边界线,获取每个偏移边界线上相邻螺纹纹牙空隙间的距离,根据每个偏移边界线上相邻螺纹纹牙空隙间的距离得到每个角度下该偏移边界线上螺纹的差异度,根据每个角度下每个偏移边界线上螺纹的差异度得到该角度下螺纹的差异度,根据每个角度下螺纹的差异度得到该螺纹所在的液压硬管连接管接头的缺陷等级。
2.根据权利要求1所述的一种基于图像处理的液压硬管连接管接头质量检测方法,其特征在于,所述管接头连通域是按如下方法确定的:
对灰度图像采用高斯双边滤波去噪得到去噪后的灰度图像;
利用拉普拉斯算子对去噪后的灰度图像进行锐化得到锐化后的灰度图像;
对锐化后的灰度图像进行阈值分割得到管接头连通域。
4.根据权利要求1所述的一种基于图像处理的液压硬管连接管接头质量检测方法,其特征在于,所述管接头连通域中螺纹所在的列是按如下方法确定的:
获取第二曲线图中的递增部分曲线和递减部分曲线,将第二曲线图中递增部分曲线和递减部分曲线为管接头连通域中螺纹所在的列。
5.根据权利要求1所述的一种基于图像处理的液压硬管连接管接头质量检测方法,其特征在于,所述设置多个偏移边界线的方法是:
设置多个偏移距离;
根据每个偏移距离将最小外接矩形与二值图像中螺纹外侧相交的边向内进行多次移动得到多个偏移边界线。
6.根据权利要求1所述的一种基于图像处理的液压硬管连接管接头质量检测方法,其特征在于,所述偏移边界线上螺纹的差异度是按如下方法确定的:
获取每个偏移边界线上相邻螺纹纹牙空隙间的距离的最大值和中位数;
根据每个偏移边界线上相邻螺纹纹牙空隙间的距离的最大值和中位数得到对应偏移边界线上螺纹的差异度。
7.根据权利要求1所述的一种基于图像处理的液压硬管连接管接头质量检测方法,其特征在于,所述得到该角度下螺纹的差异度的方法是:
将每个角度下每个最小外接矩形中每个偏移边界线上螺纹的差异度相加得到该角度下螺纹的差异度。
8.根据权利要求1所述的一种基于图像处理的液压硬管连接管接头质量检测方法,其特征在于,所述得到该螺纹所在的液压硬管连接管接头的缺陷等级的方法是:
将该液压硬管连接管接头每个角度下螺纹的差异度的最大值对应的缺陷等级作为该螺纹所在的液压硬管连接管接头的缺陷等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211251383.0A CN115330793B (zh) | 2022-10-13 | 2022-10-13 | 一种基于图像处理的液压硬管连接管接头质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211251383.0A CN115330793B (zh) | 2022-10-13 | 2022-10-13 | 一种基于图像处理的液压硬管连接管接头质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330793A true CN115330793A (zh) | 2022-11-11 |
CN115330793B CN115330793B (zh) | 2023-01-31 |
Family
ID=83913397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211251383.0A Active CN115330793B (zh) | 2022-10-13 | 2022-10-13 | 一种基于图像处理的液压硬管连接管接头质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330793B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664554A (zh) * | 2023-07-26 | 2023-08-29 | 微山晟轩机械制造有限公司 | 一种基于图像处理的螺栓螺纹缺陷检测方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ZA966647B (en) * | 1995-08-04 | 1997-02-18 | Image Proc Systems Inc | Bottle thread inspection system and method of operating same |
JPH1073418A (ja) * | 1996-08-30 | 1998-03-17 | Mazda Motor Corp | ネジ穴の欠陥検出方法 |
JP2011053173A (ja) * | 2009-09-04 | 2011-03-17 | Toray Ind Inc | 糸条の欠陥検出方法および欠陥検出装置 |
CN103635794A (zh) * | 2011-05-17 | 2014-03-12 | Gii采集有限责任公司,以总检测有限责任公司的名义营业 | 用于光学检查零件的方法和系统 |
CN108176608A (zh) * | 2017-12-25 | 2018-06-19 | 中国科学院自动化研究所 | 基于机器视觉的螺母缺陷检测方法及装置 |
CN109102507A (zh) * | 2018-08-28 | 2018-12-28 | 珠海格力智能装备有限公司 | 螺钉螺纹检测方法以及装置 |
CN109785338A (zh) * | 2018-12-26 | 2019-05-21 | 汕头大学 | 一种运动背景下螺纹关键尺寸参数的在线视觉方法 |
CN113469966A (zh) * | 2021-06-25 | 2021-10-01 | 西南交通大学 | 一种基于防松线识别的列车螺栓松动检测方法 |
WO2022027949A1 (zh) * | 2020-08-04 | 2022-02-10 | 湖南大学 | 一种基于机器视觉的玻璃瓶底缺陷检测方法及系统 |
CN114092471A (zh) * | 2021-12-21 | 2022-02-25 | 河北工业大学 | 一种用于舵类结构件表面缺陷的视觉检测方法及检测装置 |
CN114155218A (zh) * | 2021-11-26 | 2022-03-08 | 北京理工大学 | 一种螺纹连接旋转松动角度的测量方法、装置及系统 |
CN114627059A (zh) * | 2022-02-27 | 2022-06-14 | 扬州孚泰电气有限公司 | 一种基于数据处理的防震锤螺栓检测方法 |
CN115082462A (zh) * | 2022-08-22 | 2022-09-20 | 山东海鑫达石油机械有限公司 | 一种流体输送管外观质量检测方法及系统 |
CN115082436A (zh) * | 2022-07-22 | 2022-09-20 | 山东易斯特工程工具有限公司 | 一种盾构机刀头生产缺陷检测方法 |
-
2022
- 2022-10-13 CN CN202211251383.0A patent/CN115330793B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ZA966647B (en) * | 1995-08-04 | 1997-02-18 | Image Proc Systems Inc | Bottle thread inspection system and method of operating same |
JPH1073418A (ja) * | 1996-08-30 | 1998-03-17 | Mazda Motor Corp | ネジ穴の欠陥検出方法 |
JP2011053173A (ja) * | 2009-09-04 | 2011-03-17 | Toray Ind Inc | 糸条の欠陥検出方法および欠陥検出装置 |
CN103635794A (zh) * | 2011-05-17 | 2014-03-12 | Gii采集有限责任公司,以总检测有限责任公司的名义营业 | 用于光学检查零件的方法和系统 |
CN108176608A (zh) * | 2017-12-25 | 2018-06-19 | 中国科学院自动化研究所 | 基于机器视觉的螺母缺陷检测方法及装置 |
CN109102507A (zh) * | 2018-08-28 | 2018-12-28 | 珠海格力智能装备有限公司 | 螺钉螺纹检测方法以及装置 |
CN109785338A (zh) * | 2018-12-26 | 2019-05-21 | 汕头大学 | 一种运动背景下螺纹关键尺寸参数的在线视觉方法 |
WO2022027949A1 (zh) * | 2020-08-04 | 2022-02-10 | 湖南大学 | 一种基于机器视觉的玻璃瓶底缺陷检测方法及系统 |
CN113469966A (zh) * | 2021-06-25 | 2021-10-01 | 西南交通大学 | 一种基于防松线识别的列车螺栓松动检测方法 |
CN114155218A (zh) * | 2021-11-26 | 2022-03-08 | 北京理工大学 | 一种螺纹连接旋转松动角度的测量方法、装置及系统 |
CN114092471A (zh) * | 2021-12-21 | 2022-02-25 | 河北工业大学 | 一种用于舵类结构件表面缺陷的视觉检测方法及检测装置 |
CN114627059A (zh) * | 2022-02-27 | 2022-06-14 | 扬州孚泰电气有限公司 | 一种基于数据处理的防震锤螺栓检测方法 |
CN115082436A (zh) * | 2022-07-22 | 2022-09-20 | 山东易斯特工程工具有限公司 | 一种盾构机刀头生产缺陷检测方法 |
CN115082462A (zh) * | 2022-08-22 | 2022-09-20 | 山东海鑫达石油机械有限公司 | 一种流体输送管外观质量检测方法及系统 |
Non-Patent Citations (5)
Title |
---|
CHUN-FU LIN ET AL: "Real-Time Image-Based Defect Inspection System of Internal Thread for Nut", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》 * |
YANTING CHEN ET AL: "A Scanning Induction Thermography System for Thread Defects of Drill Pipes", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》 * |
王奇: "基于机器视觉的外螺纹表面缺陷检测系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
田从剑: "基于有序点云的螺纹特征与几何缺陷检测的研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
陈佳倩 等: "基于局部投影统计法的螺纹缺陷检测", 《软件导刊》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664554A (zh) * | 2023-07-26 | 2023-08-29 | 微山晟轩机械制造有限公司 | 一种基于图像处理的螺栓螺纹缺陷检测方法 |
CN116664554B (zh) * | 2023-07-26 | 2023-10-20 | 微山晟轩机械制造有限公司 | 一种基于图像处理的螺栓螺纹缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115330793B (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114757949B (zh) | 基于计算机视觉的电线电缆缺陷检测方法及系统 | |
CN109060836B (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
CN115345885A (zh) | 一种金属健身器材外观质量检测方法 | |
CN115082462B (zh) | 一种流体输送管外观质量检测方法及系统 | |
CN107945155B (zh) | 一种基于Gabor滤波器的牙膏管肩缺陷检测方法 | |
CN105913415A (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN115330793B (zh) | 一种基于图像处理的液压硬管连接管接头质量检测方法 | |
CN107796826B (zh) | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 | |
WO2021251064A1 (ja) | 情報処理装置、判定方法、および情報処理プログラム | |
US9996766B2 (en) | Imaging-based methods for detecting and measuring defects in extruded cellular ceramic articles | |
CN116165216B (zh) | 一种液晶显示屏微划伤瑕疵3d检测方法、系统及计算设备 | |
CN110751604A (zh) | 一种基于机器视觉的钢管焊缝缺陷在线检测方法 | |
CN116258713B (zh) | 一种金属柜焊接加工检测方法 | |
CN110473194A (zh) | 基于多图像块阈值分割算法的水果表面缺陷检测方法 | |
CN110634128A (zh) | 一种球头销尺寸检测方法、装置、计算机设备及存储介质 | |
CN112053376A (zh) | 一种基于深度信息的工件焊缝识别方法 | |
CN117351019B (zh) | 一种焊接缺陷检测方法 | |
CN116468687A (zh) | 划伤缺陷检测方法、装置及存储介质、电子设备 | |
CN211927018U (zh) | 一种新型液位测量装置 | |
CN115272336A (zh) | 基于梯度向量的金属零件缺陷精准检测方法 | |
CN112308872A (zh) | 基于多尺度Gabor一阶导数的图像边缘检测方法 | |
CN115035107A (zh) | 基于图像处理的车桥齿轮做工误差检测方法 | |
CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
CN113819841B (zh) | 一种基于机器视觉的板形检测装置及其检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |