CN115575402B - 一种收口筒形零件内壁缺陷智能识别、计算、判断方法 - Google Patents
一种收口筒形零件内壁缺陷智能识别、计算、判断方法 Download PDFInfo
- Publication number
- CN115575402B CN115575402B CN202211267410.3A CN202211267410A CN115575402B CN 115575402 B CN115575402 B CN 115575402B CN 202211267410 A CN202211267410 A CN 202211267410A CN 115575402 B CN115575402 B CN 115575402B
- Authority
- CN
- China
- Prior art keywords
- camera
- cylindrical part
- wall
- image
- guide rail
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种收口筒形零件内壁缺陷智能识别、计算、判断方法,采用智能识别装置,智能识别装置包括筒形件运动机构(10)、图像采集机构(20)及识别判断系统(30);筒形件运动机构(10)包括工作台(11)、导轨(12)、零件架(13)、伸缩箱(14)及连接杆(15),图像采集机构(20)包括摄像头导轨(21)、摄像头驱动机构(22)及摄像头组架(23),识别判断系统(30)包括控制柜(31)与显示器(32);该方法包括内壁图像采集,拍摄图像处理,斜肩部分处理,降噪处理,图像识别、计算、判断及缺陷判断。该方法适用于收口筒形零件内壁缺陷的无损探伤,能够自动识别、计算及评价收口筒形零件内壁的缺陷,检测精准度高、效率高。
Description
技术领域
本发明涉及筒形件缺陷检测技术领域,尤其涉及一种收口筒形零件内壁缺陷智能识别、计算、判断方法。
背景技术
经挤盂、引伸、收口等工艺成形的筒形零件内壁极易产生拉伸裂纹、划伤及杂质压入表面的压伤等缺陷,在零件内部承受高温高压等工况条件下,前述缺陷极易扩展、从而导致零件破损、甚至失效。渗透探伤是现有技术针对筒形零件对于上述缺陷进行检验的最有效的手段之一,然而,筒形零件、尤其是具有大长径比的筒形零件在渗透探伤显像后,其内壁缺陷观察困难、同时难以测量其缺陷尺寸;甚至,对于收口结构的大长径比筒形零件,因其入口口径小,观察、测量缺陷更难,特别是收口筒形零件的斜肩部位,目视无法触及、现有也缺少对其进行探伤测试的方法,从而导致收口结构的筒形零件内部缺陷探伤测试结构不精确、测试效果差,易造成错误评判零件质量的问题。
发明内容
针对以上现有技术存在的问题,本发明的目的在于提供一种收口筒形零件内壁缺陷智能识别、计算、判断方法,该方法适用于收口筒形零件内壁缺陷的无损探伤,能够自动识别、计算及评价收口筒形零件内壁的缺陷,检测精准度高、效率高,检测效果好,能够有效降低操作人员的劳动强度。
本发明的目的通过以下技术方案实现:
一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:采用智能识别装置,所述智能识别装置包括筒形件运动机构、图像采集机构以及识别判断系统;
所述筒形件运动机构包括工作台、导轨、零件架、伸缩箱以及连接杆;所述导轨固定设置在所述工作台两侧,所述零件架安装在所述导轨上且零件架与导轨滑动连接;所述零件架上均匀设置若干盲孔且盲孔底部设置转动架,转动架与零件架内部转动连接(即转动架能在零件架内部自由转动);所述伸缩箱固定设置在所述零件架的一侧且与零件架一同在导轨上运动,所述连接杆与所述转动架对应且连接杆一端设置在所述伸缩箱内,另一端依次贯穿伸缩箱和零件架后与转动架靠近伸缩箱的一端转动连接;
所述图像采集机构包括摄像头导轨、摄像头驱动机构以及摄像头组架;所述摄像头导轨固定设置在所述工作台的一侧、且摄像头导轨为方形空心柱结构;所述摄像头驱动机构包括驱动电机、螺纹杆以及“工”字形滑块,所述驱动电机固定设置在所述摄像头导轨顶部、其输出端固定连接一螺纹杆,所述螺纹杆远离驱动电机的一端贯穿摄像头导轨顶端且与摄像头导轨底部转动连接,所述“工”字形滑块一端套接在所述螺纹杆外壁且与螺纹杆螺纹连接、“工”字形滑块外壁与摄像头导轨内壁滑动连接;所述“工”字形滑块另一端位于摄像头导轨外壁靠近工作台的一侧且固定连接摄像头组架,所述摄像头组架包括移动横杆、摄像杆以及摄像头,所述移动横杆与“工”字形滑块固定连接,所述摄像杆均匀分布在移动横杆上且与盲孔对应,所述摄像杆远离移动横杆的一端外壁且绕其轴线均匀设置若干摄像头;
所述识别判断系统包括控制柜与显示器,用于控制整个智能识别装置运行,同时采集摄像头拍摄图像进行收口筒形零件内壁缺陷的智能识别、计算、判断,完成收口筒形零件内壁的无损探伤;
所述收口筒形零件内壁缺陷的智能识别、计算、判断具体为:
a、内壁图像采集:控制摄像杆下移至收口筒形零件处并进入对应的收口筒形零件内(此时收口筒形零件内壁依次喷涂渗透剂、清洗剂与显像剂),逐步下移并在不同高度驻停进行摄像头拍摄;待摄像杆下行至最低点并完成拍摄后,控制转动架转动(其上筒形件随之转动)并拍摄,再控制摄像杆逐步上行,且逆序在下行时的相同高度驻停并进行摄像头拍摄;
b、拍摄图像处理:首先,针对下行时的原始图像与上行时的原始图像,分别进行图像灰度的线性拉伸(提高对比度)、同时在边缘区域随机自动挑选灰度图像特征点;然后,针对相同驻停高度,对下行与上行的灰度图像特征点进行拟合、完成灰度图周向拟合拼接(即通过拟合相邻图像在宽度、或者说周向的特征点,实现整个图像的特征点拼接),获得每个驻停高度的360°周向灰度拼接图;最后,再次采用特征点拟合的方式,完成不同驻停高度的周向灰度拼接图的轴向拼接(即通过拟合相邻高度图像在长度或轴向方向的特征点),获得立体灰度拼接图;
c、斜肩部分处理:获得立体灰度拼接图后、识别斜肩与直筒臂的交界线,判断斜肩部分,然后采用比例铺展法对斜肩处的立体灰度拼接图进行校正,形成斜肩与直筒臂等比例的立体灰度拼接图,从而避免斜肩壁与直筒臂之间的角度差造成斜肩处的图像比例失真、导致缺陷尺寸计算不精准、甚至错误的问题;
d、降噪处理:采用滤波手段对步骤b与c中的立体灰度拼接图(即直筒臂与斜肩壁的立体灰度拼接)进行降噪平滑处理;
e、图像识别、计算、判断:首先,设定特定阈值(特定阈值根据大量经验以及实验数据进行设定);然后,将步骤d中经过降噪处理后的立体灰度拼接图按高于特定阈值、不高于特定阈值进行分割,从而使图像转化为二值化图像;
针对转化后的二值化图像,对灰度变化处(即收口筒形零件内壁缺陷处)进行轮廓边缘的自动提取,并拟合形成封闭的缺陷图形;若无法拟合形成封闭缺陷图形,先采用最小二乘法对二值化图像进行曲线拟合、然后形成封闭的缺陷图形;
f、缺陷判断:最后计算封闭缺陷图形的总数量,并计算各个封闭缺陷图形的尺寸(如长度、宽度、面积等),获得收口筒形零件内部的缺陷数据,从而用于缺陷判断。
作进一步优化,所述工作台远离所述图像采集机构的一侧设置移动电机,用于控制导轨转动、从而控制零件架在导轨上滑动。
作进一步优化,所述盲孔的数量为3~7个。
作进一步优化,所述转动架上设置用于收口筒形零件固定与定位的定位销。
作进一步优化,所述伸缩箱内设置伸缩电机,所述伸缩电机输出端固定连接一推板,所述推板与所述伸缩箱内壁滑动连接,所述推板远离所述伸缩电机的一侧侧面与所述连接杆通过销钉转动连接。
作进一步优化,所述驱动电机通过电机支架与所述摄像头导轨顶部固定连接。
作进一步优化,所述螺纹杆远离驱动电机的一端通过滚珠轴承与所述摄像头导轨底部转动连接。
作进一步优化,为保证移动横杆平稳上移或下移、避免摄像头移动过程中出现抖动,从而影响测试点位,所述工作台远离摄像头导轨的一侧且对应摄像头导轨固定设置定位滑杆,所述移动横杆远离摄像头导轨的一端与所述定位滑杆滑动连接。
作进一步优化,所述摄像头(单一摄像杆上)的数量为4个,且所述摄像头轴线与收口筒形零件轴向角度比收口筒形零件斜肩壁与其轴线角度大20°~25°。
作进一步优化,所述控制柜包括控制主机与计算主机,所述控制主机包括移动控制单元、伸缩控制单元、驱动控制单元、摄像头控制单元以及图像收集单元;所述移动控制单元用于控制移动电机,所述伸缩控制单元用于控制伸缩电机,所述驱动控制单元用于控制驱动电机,所述摄像头控制单元用于控制摄像头拍摄,所述图像收集单元用于收集摄像头拍摄后的图像。
作进一步优化,所述步骤a中转动架转动角度为30°。
作进一步优化,所述步骤b中边缘区域具体为:宽度方向(即周向):单侧边缘宽度占图像总宽度的5%;长度方向(即轴向):单侧边缘高度占图像总长度的3%。
作进一步优化,所述步骤b中灰度图像特征点为5~10个。
作进一步优化,所述步骤c中采用比例铺展法对斜肩处的立体灰度拼接图进行校正具体为:
首先设定立体灰度拼接图轴线方向零点O、即斜肩延长线与收口筒形零件中轴线交点;将摄像头设定为若干轴向像素点,然后获得斜肩距轴线方向零点O的理论长度lr:
式中,hp为轴线方向零点O与摄像头视线之间的最短距离;c为摄像头视线与收口筒形零件斜肩壁的夹角;
其中,
c+a=b;
hp=hr·sinb;
式中,hr轴线方向上摄像头下移后距轴向方向零点O的距离;a为斜肩壁与收口筒形零件轴线之间的夹角;b为摄像头视线与收口筒形零件轴线的夹角;
即得,
然后,通过斜肩处真实长度与l与理论长度lr的比值、及比例系数C(C与摄像头的固有参数有关,通过实际实验数据测量获得)、及摄像头端与斜肩内壁之间的距离L、获得斜肩处的真实长度:
最后,对于定斜肩(即斜肩与收口筒形零件轴线的夹角恒定)、其角度a不变,获得图像上各个轴向像素的铺展长度,从而获得铺展后的立体灰度拼接图:
式中,h0为轴向像素段所对应的斜肩高度起始点(即该像素段在轴向上距离轴线方向零点O最近的点);hx为轴向像素段所对应的斜肩高度终止点(即该像素段在轴向上距离轴线方向零点O最远的点);
对于变斜肩(即斜肩与收口筒形零件的夹角不恒定),首先分别获得各个立体灰度拼接图轴向像素点斜率所对应的斜肩角度a,然后根据上述方法获得不同斜肩角度a的铺展长度,最后将不同斜率的铺展长度进行拟合,获得整个斜肩铺展后的立体灰度拼接图。
优选的,所述摄像头视线端与斜肩内壁之间的距离L通过斜肩与收口筒形零件之间的夹角a、摄像头视线与收口筒形零件轴线的夹角b(即摄像头视线角度)及hr获得,具体为:
首先获得摄像头在轴线高度上的下降高度距斜肩的最短距离X:
X=hr·sina;
然后获得摄像头视线端与斜肩内壁之间的距离L:
作进一步优化,所述步骤d中滤波手段包括均值滤波、中值滤波与高斯滤波。
作进一步优化,所述步骤f中建立缺陷类型专家识别库,通过收口筒形零件内部的缺陷数据与缺陷类型专家识别库中的缺陷类型进行比对,确定缺陷的具体类型;同时,通过收口筒形零件内部的缺陷数据与缺陷类型专家识别库中的缺陷尺寸进行比对,判定收口筒形零件是否合格。
本发明具有如下技术效果:
本申请自动化程度高、能够节省大量的劳动力、降低劳动强度;同时,该方法能够同时、连续检测多件零件,装卸零件无需停机,流水化作业、工作效率高;采用本申请方法,能够检测不同口径、不同结构的筒形零件,调整与切换灵活、方便,设备适应性好;该方法通过摄像头摄取的图像进行处理,能够自动识别缺陷,并测量缺陷的尺寸、面积等数据,检测精准度高、效率高,无需人工进行观察、检测,不依赖人工技能水平的高低,可靠性高、效率高、人为影响误差小,有效避免人工判定不一致的问题,适用于大批量、工业化生产。
同时,本申请方法解决了现有技术针对收口筒形零件人工测量难、非规则缺陷不易检测的难题,有针对性的对缺陷总数量、缺陷的参数尺寸及缺陷的占比等进行检测、分析,评价体系广,有效避免错检、漏检以及无法检测的难题;并且,该方法有效解决了收口筒形零件斜肩壁与直筒臂图像比例失真、检测精度低、不易测试的问题,有效实现了统一化、精确化的检测。
附图说明
图1为本发明实施例中智能识别装置的整体结构示意图。
图2为本发明实施例中智能识别装置的零件架的俯视图。
图3为本发明实施例中智能识别装置的连接杆驱动转动架工作的原理图。
图4为本发明实施例中智能识别装置的伸缩箱内部的结构示意图。
图5为本发明实施例中智能识别装置的摄像头导轨的剖视图。
图6为本发明实施例中智能识别装置的摄像头组架的局部示意图。
图7为本发明实施例中智能识别装置的摄像头与收口筒形零件的尺寸图。
图8为本发明实施例中智能识别、计算、判断方法的原理框图。
其中,10、筒形件运动机构;11、工作台;12、导轨;120、移动电机;13、零件架;130、盲孔;131、转动架;14、伸缩箱;141、伸缩电机;142、推板;143、销钉;15、连接杆;20、图像采集机构;21、摄像头导轨;22、摄像头驱动机构;221、驱动电机;2210、电机支架;222、螺纹杆;2220、滚珠轴承;223、“工”字形滑块;23、摄像头组架;231、移动横杆;232、摄像杆;233、摄像头;24、定位滑杆;30、识别判断系统;31、控制柜;32、显示器;40、收口筒形零件。
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。
实施例:
如图1~8所示,一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:采用智能识别装置,智能识别装置包括筒形件运动机构10、图像采集机构20以及识别判断系统30;
筒形件运动机构10包括工作台11、导轨12、零件架13、伸缩箱14以及连接杆15;导轨12固定设置在工作台11两侧,零件架13安装在导轨12上且零件架13与导轨12滑动连接;零件架13上均匀设置若干盲孔130且盲孔130底部设置转动架131,转动架131与零件架13内部转动连接(即转动架131能在零件架13内部自由转动);盲孔130的数量为3~7个、优选5个(如图1、图2所示)。伸缩箱14固定设置在零件架13的一侧且与零件架13一同在导轨12上运动,连接杆15与转动架131对应且连接杆15一端设置在伸缩箱14内,另一端依次贯穿伸缩箱14和零件架13后与转动架131靠近伸缩箱14的一端转动连接(如图3所示);工作台11远离图像采集机构20的一侧设置移动电机120,用于控制导轨12转动、从而控制零件架13在导轨12上滑动;转动架131上设置用于收口筒形零件40固定与定位的定位销,定位销的长度与形状根据收口筒形零件40底部的孔决定,从而实现转动架131转动、收口筒形零件40同步转动,也避免零件架13移动过程中,收口筒形零件40晃动;伸缩箱14内设置伸缩电机141,伸缩电机141输出端固定连接一推板142,推板142与伸缩箱14内壁滑动连接,推板142远离伸缩电机141的一侧侧面与连接杆15通过销钉143转动连接;连接杆15远离伸缩箱14的一端也通过销钉143与转动架131转动连接(如图3、图4所示)。
图像采集机构20包括摄像头导轨21、摄像头驱动机构22以及摄像头组架23;摄像头导轨21固定设置在工作台11的一侧、且摄像头导轨21为方形空心柱结构;摄像头驱动机构22包括驱动电机221、螺纹杆222以及“工”字形滑块223,驱动电机221通过电机支架2210固定设置在摄像头导轨21顶部、其输出端固定连接一螺纹杆222,螺纹杆222远离驱动电机221的一端贯穿摄像头导轨21顶端且与摄像头导轨21底部通过滚珠轴承2220转动连接(如图5所示),“工”字形滑块223一端套接在螺纹杆222外壁且与螺纹杆222螺纹连接、“工”字形滑块223外壁与摄像头导轨21内壁滑动连接;“工”字形滑块223另一端位于摄像头导轨21外壁靠近工作台的一侧且固定连接摄像头组架23,摄像头组架23包括移动横杆231、摄像杆232以及摄像头233,移动横杆231与“工”字形滑块223固定连接,摄像杆232均匀分布在移动横杆231上且与盲孔130对应,摄像杆232远离移动横杆231的一端外壁且绕其轴线均匀设置若干摄像头233;为保证移动横杆231平稳上移或下移、避免摄像头233移动过程中出现抖动,从而影响测试点位,工作台11远离摄像头导轨21的一侧且对应摄像头导轨21固定设置定位滑杆24,移动横杆231远离摄像头导轨21的一端与定位滑杆24滑动连接(如图1所示);摄像头233(单一摄像杆232上)的数量为4个,且摄像头233轴线与收口筒形零件40轴向角度(即图7所示角度b)比收口筒形零件40斜肩壁与其轴线角度(即图7所示角度a)大20~25°。
识别判断系统30包括控制柜31与显示器32,用于控制整个智能识别装置运行,同时采集摄像头拍摄图像进行收口筒形零件40内壁缺陷的智能识别、计算、判断,完成收口筒形零件40内壁的无损探伤;控制柜31包括控制主机与计算主机,控制主机包括移动控制单元、伸缩控制单元、驱动控制单元、摄像头控制单元以及图像收集单元;移动控制单元用于控制移动电机120,伸缩控制单元用于控制伸缩电机141,驱动控制单元用于控制驱动电机221,摄像头控制单元用于控制摄像头223拍摄,图像收集单元用于收集摄像头223拍摄后的图像。
收口筒形零件40内壁缺陷的智能识别、计算、判断具体为:
a、内壁图像采集:如图1所示,设置三个零件架工位,即靠近移动电机120处的上件工位、位于图像采集机构20处的工作工位以及两个工位之间的等待工位,初始时,零件架13在上件工位完成依次喷涂渗透剂、清洗剂与显像剂的收口筒形零件40的上件、然后通过导轨12将零件架13移动至等待工位、最终移动至工作工位;待装载有收口筒形零件40的零件架移动至工作工位后(可通过限位传感器进行零件架13运动至各个工位的位置识别,此为本领域的常规技术,本申请不做过多论述),控制摄像杆232下移至收口筒形零件40处并进入对应的收口筒形零件40内(此时收口筒形零件40内壁依次喷涂渗透剂、清洗剂与显像剂),逐步下移并在不同高度驻停进行摄像头233拍摄(此时每驻停一次拍摄4张照片,即1组拍摄4张照片);待摄像杆232下行至最低点并完成拍摄后(此处可在摄像杆232下端端部设置限位传感器进行判断是否达到最低点,此为本领域的常规技术,本申请不做过多论述),控制转动架131转动(即通过伸缩电机141控制推板142滑动、从而推动连接杆15,实现转动架131转动,如图3所示:上侧示意图为伸缩电机141伸长状态、下侧示意图为伸缩电机141缩短状态)并拍摄、转动架131转动角度为30°(即下行至最低点时拍摄1组照片、在最低点转动30°的角度后又拍摄1组照片),控制摄像杆232逐步上行,且逆序在下行时的相同高度驻停并进行摄像头233拍摄;
b、拍摄图像处理:首先,针对下行时的原始图像与上行时的原始图像,分别进行图像灰度的线性拉伸(提高对比度,可采用本领域的常规手段进行灰度的线性拉伸,本申请不做过多论述)、同时在边缘区域随机自动挑选灰度图像特征点(可利用现有的计算机程序进行随机自动挑选),边缘区域具体为:宽度方向(即周向):单侧边缘宽度占图像总宽度的5%;长度方向(即轴向):单侧边缘高度占图像总长度的3%;灰度图像特征点为5~10个。
然后,针对相同驻停高度,对下行与上行的灰度图像特征点进行拟合(即针对上行1组与下行1组共8张照片进行特征点拟合)、完成灰度图周向拟合拼接(即通过拟合相邻图像在宽度、或者说周向的特征点,实现整个图像的特征点拼接),获得每个驻停高度的360°周向灰度拼接图;
最后,再次采用特征点拟合的方式,完成不同驻停高度的周向灰度拼接图的轴向拼接(即通过拟合相邻高度图像在长度或轴向方向的特征点),获得立体灰度拼接图;
需要说明的是:通过零件自转与上行与下行的两轮摄像头233拍摄后的特征点拟合方式,一是避免摄像杆232周向的摄像头233布置过多、数据处理量大、计算效率低;二是精确完成收口筒形零件40整个周向的图像采集、避免出现采集死角,保证采集数据的精确性;三是适用于小口径零件,因为小口径零件直径小、造成摄像杆232直径小、其周向布置的摄像头233数量存在空间限制,因此,采用零件自转与两轮拍摄后的特征点拟合方式,既保证效率、又保证数据准确性,同时还保证装置的布置简单、利于后期检查维护。
c、斜肩部分处理:获得立体灰度拼接图后、识别斜肩与直筒臂的交界线,判断斜肩部分,然后采用比例铺展法对斜肩处的立体灰度拼接图进行校正,形成斜肩与直筒臂等比例的立体灰度拼接图,从而避免斜肩壁与直筒臂之间的角度差造成斜肩处的图像比例失真、导致缺陷尺寸计算不精准、甚至错误的问题;
具体为:
如图7所示,首先设定立体灰度拼接图轴线方向零点O、即斜肩延长线与收口筒形零件40中轴线交点;将摄像头233设定为若干轴向像素点,然后获得斜肩距轴线方向零点O的理论长度lr:
式中,hp为轴线方向零点O与摄像头233视线之间的最短距离;c为摄像头233视线与收口筒形零件40斜肩壁的夹角;
其中,
c+a=b;
hp=hr·sinb;
式中,hr轴线方向上摄像头233下移后距轴向方向零点O的距离;a为斜肩壁与收口筒形零件40轴线之间的夹角;b为摄像头233视线与收口筒形零件40轴线的夹角;
即得,
然后,通过斜肩处真实长度与l与理论长度lr的比值、及比例系数C(C与摄像头233的固有参数有关,通过实际实验数据测量获得)、及摄像头233端与斜肩内壁之间的距离L、获得斜肩处的真实长度(实际拍摄中,摄像头233与物体之间的距离L越远,物体成像大小越小,理论值lr越小):
摄像头233视线端与斜肩内壁之间的距离L通过斜肩与与收口筒形零件40之间的夹角a、摄像头233视线与收口筒形零件40轴线的夹角b(即摄像头233视线角度)及hr获得,具体为:
首先获得摄像头233在轴线高度上的下降高度距斜肩的最短距离X:
X=hr·sina;
然后获得摄像头233视线端与斜肩内壁之间的距离L:
最后,对于定斜肩(即斜肩与收口筒形零件40轴线的夹角恒定)、其角度a不变,获得图像上各个轴向像素的铺展长度,从而获得铺展后的立体灰度拼接图:
式中,h0为轴向像素段所对应的斜肩高度起始点(即该像素段在轴向上距离轴线方向零点O最近的点);hx为轴向像素段所对应的斜肩高度终止点(即该像素段在轴向上距离轴线方向零点O最远的点);
对于变斜肩(即斜肩与收口筒形零件40的夹角不恒定),首先分别获得各个立体灰度拼接图轴向像素点斜率所对应的斜肩角度a,然后根据上述方法获得不同斜肩角度a的铺展长度,最后将不同斜率的铺展长度进行拟合,获得整个斜肩壁铺展后的立体灰度拼接图。
d、降噪处理:依次采用均值滤波、中值滤波与高斯滤波(均值滤波、中值滤波与高斯滤波均采用现有技术手段,本申请不做过多论述,同时根据具体的情况进行滤波手段的选择)对步骤b与c中的立体灰度拼接图(即直筒臂与斜肩壁的立体灰度拼接,步骤b中为直筒臂的立体灰度拼接图,步骤c中为斜肩壁铺展后的立体灰度拼接图)进行降噪平滑处理;
e、图像识别、计算、判断:首先,设定特定阈值(特定阈值根据大量经验以及实验数据进行设定);然后,将步骤d中经过降噪处理后的立体灰度拼接图按高于特定阈值、不高于特定阈值进行分割,从而使图像转化为二值化图像;
针对转化后的二值化图像,对灰度变化处(即收口筒形零件40内壁缺陷处)进行轮廓边缘的自动提取,并拟合形成封闭缺陷图形;若无法拟合形成封闭缺陷图形,先采用最小二乘法对二值化图像进行曲线拟合、然后形成封闭缺陷图形;
f、缺陷判断:最后计算封闭缺陷图形的总数量,并计算各个封闭缺陷图形的尺寸(如长度、宽度、面积等),获得收口筒形零件40内部的缺陷数据,从而用于缺陷判断;建立缺陷类型专家识别库,通过收口筒形零件40内部的缺陷数据与缺陷类型专家识别库中的缺陷类型进行比对,确定缺陷的具体类型;同时,通过收口筒形零件40内部的缺陷数据与缺陷类型专家识别库中的缺陷尺寸进行比对(例如:判定标准可设定为:那个缺陷面积不得大于缺陷类型专家识别库的某个特定阈值、缺陷面积之和不得大于缺陷类型专家识别库的某个特定阈值、缺陷总数量不得大于缺陷类型专家识别库的某个特定阈值、单个缺陷长度/宽度不得大于缺陷类型专家识别库的某个特定阈值、不得有某种缺陷类型专家识别库限定的缺陷类型等),判定收口筒形零件40是否合格。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (9)
1.一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:采用智能识别装置,包括筒形件运动机构、图像采集机构及识别判断系统;
筒形件运动机构包括工作台、导轨、零件架、伸缩箱及连接杆;导轨固定设置在工作台两侧,零件架安装在导轨上且零件架与导轨滑动连接;零件架上均匀设置若干盲孔且盲孔底部设置转动架,转动架与零件架内部转动连接;伸缩箱固定设置在零件架的一侧,连接杆与转动架对应且连接杆一端设置在伸缩箱内,另一端依次贯穿伸缩箱和零件架后与转动架靠近伸缩箱的一端转动连接;
图像采集机构包括摄像头导轨、摄像头驱动机构及摄像头组架;摄像头导轨固定设置在工作台的一侧、且摄像头导轨为方形空心柱结构;摄像头驱动机构包括驱动电机、螺纹杆及“工”字形滑块,驱动电机固定设置在摄像头导轨顶部、其输出端固定连接一螺纹杆,螺纹杆远离驱动电机的一端贯穿摄像头导轨顶端且与摄像头导轨底部转动连接,“工”字形滑块一端套接在螺纹杆外壁且与螺纹杆螺纹连接、“工”字形滑块外壁与摄像头导轨内壁滑动连接;“工”字形滑块另一端位于摄像头导轨外壁靠近工作台的一侧且固定连接摄像头组架,摄像头组架包括移动横杆、摄像杆及摄像头,移动横杆与“工”字形滑块固定连接,摄像杆均匀分布在移动横杆上且与盲孔对应,摄像杆远离移动横杆的一端外壁且绕其轴线均匀设置若干摄像头;
识别判断系统包括控制柜与显示器;
所述收口筒形零件内壁缺陷的智能识别、计算、判断具体为:
a、内壁图像采集:控制摄像杆下移至收口筒形零件处并进入对应的收口筒形零件内,逐步下移并在不同高度驻停进行摄像头拍摄;待摄像杆下行至最低点并完成拍摄后,控制转动架转动并拍摄,再控制摄像杆逐步上行,且逆序在下行时的相同高度驻停并进行摄像头拍摄;
b、拍摄图像处理:首先,针对下行时的原始图像与上行时的原始图像,分别进行图像灰度的线性拉伸、同时在边缘区域随机自动挑选灰度图像特征点;然后,针对相同驻停高度,对下行与上行的灰度图像特征点进行拟合、完成灰度图周向拟合拼接,获得每个驻停高度的360°周向灰度拼接图;最后,再次采用特征点拟合的方式,完成不同驻停高度的周向灰度拼接图的轴向拼接,获得立体灰度拼接图;
c、斜肩部分处理:获得立体灰度拼接图后、识别斜肩与直筒臂的交界线,判断斜肩部分,然后采用比例铺展法对斜肩处的立体灰度拼接图进行校正,形成斜肩与直筒臂等比例的立体灰度拼接图;
d、降噪处理:采用滤波手段对步骤b与c中的立体灰度拼接图进行降噪平滑处理;
e、图像识别、计算、判断:首先,设定特定阈值;然后,将步骤d中经过降噪处理后的立体灰度拼接图按高于特定阈值、不高于特定阈值进行分割,从而使图像转化为二值化图像;
针对转化后的二值化图像,对灰度变化处进行轮廓边缘的自动提取,并拟合形成封闭缺陷图形;若无法拟合形成封闭缺陷图形,先采用最小二乘法对二值化图像进行曲线拟合、然后形成封闭缺陷图形;
f、缺陷判断:最后计算封闭缺陷图形的总数量,并计算各个封闭缺陷图形的尺寸,获得收口筒形零件内部的缺陷数据,从而用于缺陷判断。
2.根据权利要求1所述的一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:所述工作台远离所述图像采集机构的一侧设置移动电机。
3.根据权利要求1或2所述的一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:所述转动架上设置用于收口筒形零件固定与定位的定位销。
4.根据权利要求3所述的一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:所述驱动电机通过电机支架与所述摄像头导轨(21)顶部固定连接。
5.根据权利要求3所述的一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:所述螺纹杆远离驱动电机的一端通过滚珠轴承与所述摄像头导轨底部转动连接。
6.根据权利要求1所述的一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:所述工作台远离摄像头导轨的一侧且对应摄像头导轨固定设置定位滑杆,所述移动横杆远离摄像头导轨的一端与所述定位滑杆滑动连接。
7.根据权利要求1所述的一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:所述控制柜包括控制主机与计算主机,所述控制主机包括移动控制单元、伸缩控制单元、驱动控制单元、摄像头控制单元及图像收集单元。
8.根据权利要求1所述的一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:所述步骤a中转动架转动角度为30°。
9.根据权利要求1所述的一种收口筒形零件内壁缺陷智能识别、计算、判断方法,其特征在于:所述步骤b中灰度图像特征点为5~10个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211267410.3A CN115575402B (zh) | 2022-10-17 | 2022-10-17 | 一种收口筒形零件内壁缺陷智能识别、计算、判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211267410.3A CN115575402B (zh) | 2022-10-17 | 2022-10-17 | 一种收口筒形零件内壁缺陷智能识别、计算、判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115575402A CN115575402A (zh) | 2023-01-06 |
CN115575402B true CN115575402B (zh) | 2023-04-11 |
Family
ID=84584288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211267410.3A Active CN115575402B (zh) | 2022-10-17 | 2022-10-17 | 一种收口筒形零件内壁缺陷智能识别、计算、判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115575402B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218114B (zh) * | 2023-11-06 | 2024-01-30 | 山东滨州安惠绳网集团有限责任公司 | 一种基于图像数据处理的网状织物缺陷快速检测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3189588B2 (ja) * | 1994-09-14 | 2001-07-16 | 日産自動車株式会社 | 表面欠陥検査装置 |
JP2002022671A (ja) * | 2000-07-12 | 2002-01-23 | Nissan Motor Co Ltd | 円筒内壁面検査装置および検査方法 |
FR2930032B1 (fr) * | 2008-04-09 | 2010-05-14 | Peugeot Citroen Automobiles Sa | Procede et installation de caracterisation d'un defaut de surface sur une piece |
JP5742655B2 (ja) * | 2011-01-14 | 2015-07-01 | 新日鐵住金株式会社 | 欠陥検出装置及び欠陥検出方法 |
CN102590217A (zh) * | 2012-01-12 | 2012-07-18 | 北京化工大学 | 基于圆结构光视觉传感器的管道内表面检测系统 |
CN110108711A (zh) * | 2019-04-20 | 2019-08-09 | 东莞中科蓝海智能视觉科技有限公司 | 圆环侧壁缺陷的视觉检测系统 |
CN212301350U (zh) * | 2019-12-18 | 2021-01-05 | 南阳北方向东工业有限公司 | 一种用于钢管内壁涂层缺陷检测的光学成像显示系统 |
CN111487192A (zh) * | 2020-04-26 | 2020-08-04 | 天津海融科技有限公司 | 一种基于人工智能的机器视觉表面缺陷检测装置及方法 |
CN112051272A (zh) * | 2020-10-10 | 2020-12-08 | 沈阳工业大学 | 一种基于机器视觉的高压气瓶内表面缺陷检测系统 |
CN112862770B (zh) * | 2021-01-29 | 2023-02-14 | 珠海迪沃航空工程有限公司 | 一种基于人工智能的缺陷分析诊断系统、方法、装置 |
CN113436102A (zh) * | 2021-06-28 | 2021-09-24 | 南京艾提瑞精密机械有限公司 | 一种加工零件表面缺陷检测方法 |
-
2022
- 2022-10-17 CN CN202211267410.3A patent/CN115575402B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115575402A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN115575402B (zh) | 一种收口筒形零件内壁缺陷智能识别、计算、判断方法 | |
CN110853018B (zh) | 一种基于计算机视觉的振动台疲劳裂纹在线检测系统及检测方法 | |
CN109632007B (zh) | 一种边缘点提取方法及齿轮高精度视觉测量系统 | |
KR20190081842A (ko) | 교량용 콘크리트 구조물의 균열보수 정보 검출장치 | |
WO2018201424A1 (zh) | 一种智能滚动接触疲劳试验系统及其测试方法 | |
KR101094069B1 (ko) | 영상처리기법을 이용한 균열측정시스템의 역치값 보정을 위한 캘리브레이션 장치 및 방법 | |
CN209640237U (zh) | 光学检测设备 | |
CN107957245A (zh) | 基于机器视觉的发动机连杆尺寸测量装置及其测量方法 | |
CN115984177A (zh) | 机器视觉检测装置及其控制方法、控制装置及存储介质 | |
CN111077158A (zh) | 一种管线环焊缝宏观金相拍摄分析装置及其使用方法 | |
CN105067629B (zh) | 一种色环电阻外观缺陷和阻值集成检测方法 | |
CN107797517B (zh) | 采用机器视觉实现钢带冲孔加工检测的方法及系统 | |
CN115355824B (zh) | 一种透光管图像获取方法、管径测量方法及装置 | |
CN109829897B (zh) | 一种齿轮毛刺检测方法及齿轮高精度视觉测量系统 | |
CN209247652U (zh) | 一种大壳体上铆钉表面缺陷在线检测装置 | |
CN114943988B (zh) | 一种基于实例分割和深度卷积神经网络的平面目标监测方法 | |
CN111583241B (zh) | 超大面积蜂窝产品规整度的移动式检测方法及装置 | |
CN116091506A (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
CN1181136A (zh) | 检测玻璃容器的方法 | |
AT514553B1 (de) | Verfahren und Vorrichtung zur optischen Untersuchung einer Oberfläche eines Körpers | |
JP2000009880A (ja) | 燃料集合体検査装置及び検査方法 | |
CN211877794U (zh) | 一种管线环焊缝宏观金相拍摄分析装置 | |
CN211402165U (zh) | 外观瑕疵检测装置 | |
DE112020004812T5 (de) | Bewegung in bildern, die in einem visuellen prüfprozess verwendet werden |
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 |