CN115937140A - 一种避震弹簧热处理缺陷的检测方法 - Google Patents
一种避震弹簧热处理缺陷的检测方法 Download PDFInfo
- Publication number
- CN115937140A CN115937140A CN202211568028.6A CN202211568028A CN115937140A CN 115937140 A CN115937140 A CN 115937140A CN 202211568028 A CN202211568028 A CN 202211568028A CN 115937140 A CN115937140 A CN 115937140A
- Authority
- CN
- China
- Prior art keywords
- value
- spring
- acquiring
- image
- binarization
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种避震弹簧热处理缺陷的检测方法，涉及图像处理技术领域，包括：获取多个弹簧目标图像；获取缺陷目标图像，并获取所有缺陷目标图像中像素点平均灰度值的最大值和最小值；获取二值化初始阈值；获取初始化二值图像；获取初始化二值图像中的多个纵向连通域；获取该初始化二值图像的斜率参数；调节二值化初始阈值得到二值化调节阈值，依次获取每次二值化阈值调节后得到的二值化图像的斜率参数；根据得到的最优二值化阈值所得到的二值化图像对该二值化图像中的缺陷区域进行提取，并判断弹簧是否合格；本发明解决现有技术中，检测弹簧中的裂痕时存在准确性低，以及无法准确判断热处理后的弹簧是否合格的技术问题。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种避震弹簧热处理缺陷的检测方法。
背景技术
弹簧是一种具有缓冲和减震作用的基础零部件，其质量的好坏影响设备的运行安全。弹簧热处理工艺普遍包括加热、保温、冷却三个过程，弹簧加热是热处理的重要工序。弹簧热处理的加热方法很多，很早是采用木炭和煤作为热源，近来应用液体和气体燃料。弹簧加热时，工件暴露在空气中，常常发生腐化、脱碳(即钢铁零件表面碳含量降低)，这对于热处理后零件的表面性能有很不利的影响，淬火的过程中弹簧钢材的温度过高或是弹簧的钢材的烧制过程未达到淬火温度，导致淬火后弹簧钢材表面产生细小的裂痕，而弹簧表面产生裂痕，说明弹簧热处理不当，导致弹簧应力不够，在使用过程中会导致弹簧断裂，引发事故，因此需要对弹簧表面裂痕进行检测。
现有技术在对弹簧钢热处理后的缺陷检测除人工检测外，主要是通过机器视觉对缺陷进行检测，通过机器视觉进行缺陷检测时，需要对图像的目标区域和背景区域进行阈值分割，得到更好的缺陷图像，传统的二值化分割时使用大津算法，分割时由于钢材淬火后存在颜色上的差异，使得到的缺陷和原有的颜色差异相同，并不能得到最佳的阈值，从而不能准确得到弹簧表面的缺陷区域，导致检测弹簧中的裂痕时准确性低，无法准确判断热处理后的弹簧是否合格。
发明内容
为了解决现有技术中检测弹簧中的裂痕时准确性低，无法准确判断热处理后的弹簧是否合格的技术问题，本发明提供了一种避震弹簧热处理缺陷的检测方法，该方法通过确定弹簧目标图像的多张二值图像，并根据二值图像的斜率参数获取多张二值图像中的目标二值图像；最后通过对目标二值图像进行缺陷检测可以确定热处理后的弹簧是否合格；有鉴于此，本发明通过以下方案予以实现。
一种避震弹簧热处理缺陷的检测方法，包括以下步骤：
获取经热处理后的弹簧表面的灰度图像；
提取灰度图像中多个弹簧目标图像；
获取所有弹簧目标图像中的缺陷目标图像，并获取所有缺陷目标图像中像素点平均灰度值的最大值和最小值；
根据所述像素点平均灰度值的最大值和最小值获取二值化初始阈值；
利用获取的二值化初始阈值对灰度图像进行二值化，得到初始化二值图像；获取初始化二值图像中每个连通域的两两边缘像素点之间的方向矢量；根据每个连通域的两两边缘像素点之间的方向矢量获取初始化二值图像中的多个纵向连通域；
获取任一纵向连通域的中心点与其余纵向连通域中心点的距离，根据任一纵向连通域中心点与其余纵向连通域中心点的距离建立坐标系；根据坐标系中相邻两条直线的斜率获取该初始化二值图像的斜率参数；
调节二值化初始阈值得到二值化调节阈值，且该二值化调节阈值的取值范围在所述二值化初始阈值和缺陷目标图像中像素点平均灰度值的最大值之间，获取二值化调节阈值后的二值化图像的斜率参数，依次获取每次二值化阈值调节后得到的二值化图像的斜率参数；
获取所有二值化阈值下得到的二值化图像的斜率参数中的最小值，且将该斜率参数最小值对应的二值化阈值作为最优二值化阈值；
利用得到的最优二值化阈值所得到的二值化图像对该二值化图像中的缺陷区域进行提取；
利用最优二值化阈值所得到的二值化图像中的缺陷区域对经热处理后的弹簧是否合格进行判断。
进一步地，获取所述弹簧目标图像中的缺陷目标图像的过程为：
在每个所述弹簧目标图像中建立3*3的滑窗；将所述滑窗在所述弹簧目标图像中依次从左到右、从上到下遍历，并获取每个滑窗内像素点灰度值的均方差；
根据所述滑窗内像素点灰度值的均方差获取存在异常滑窗的弹簧目标图像，并将存在异常滑窗的弹簧目标图像作为缺陷目标图像。
进一步地，所述根据所述滑窗内像素点灰度值的均方差获取存在异常滑窗的弹簧目标图像的过程中，还包括设定异常阈值，当所述弹簧目标图像中任一滑窗的内像素点灰度值的均方差与该弹簧目标图像中全部滑窗的内像素点灰度值的均方差的平均值的比值小于所述异常阈值时，所述弹簧目标图像为缺陷目标图像。
进一步地，所述异常阈值为0.6。
进一步地，所述初始阈值通过下式确定：
式中，T0为初始阈值；
为缺陷目标图像中像素点平均灰度值的最大值；
为缺陷目标图像中像素点平均灰度值的最小值。
进一步地，根据每个连通域的两两边缘像素点之间的方向矢量获取所述二值图像中的多个纵向连通域的过程为：
获取每个连通域的两两边缘像素点之间的方向矢量的平均方向矢量；
获取所述平均方向矢量与水平面的夹角；
根据所述夹角与90°的比值获取所述二值图像中的多个纵向连通域。
进一步地，所述根据所述夹角与90°的比值获取所述二值图像中的多个纵向连通域的过程中，当任一连通域所在平均方向矢量与水平面的夹角与90°的比值的绝对值大于0.8时，所述连通域为纵向连通域。
进一步地，获取二值图像的斜率参数的过程为：
依次获取该纵向连通域的中心点与其余纵向连通域的中心点的距离；
根据该纵向连通域的中心点与其余纵向连通域的中心点的距离的由小到大将其余纵向连通域从小到大进行编号；
以所述其余纵向连通域的个数为横坐标，以该纵向连通域的中心点与其余纵向连通域的中心点的距离为纵坐标建立坐标系；
根据坐标系中第一个纵向连通域的位置与第二个纵向连通域的位置的连线确定第一个斜率值；根据坐标系中第三个纵向连通域的位置与第二个纵向连通域的位置的连线确定第二个斜率值；
依次确定两两纵向连通域的位置之间的多个斜率值；根据两两纵向连通域的位置之间的多个斜率值和其余纵向连通域总数获取二值图像的斜率参数。
进一步地，所述二值图像的斜率参数通过下式确定：
式中，W为二值图像的斜率参数；M为其余纵向连通域的总数；km为第m+1个纵向连通域的位置与第m个纵向连通域的位置的连线确定的第m个斜率值；km+1为第第m+2个纵向连通域的位置与第m+1个纵向连通域的位置的连线确定的第m+1个斜率值。
与现有技术相比，本发明的有益效果是：
本发明提供了一种避震弹簧热处理缺陷的检测方法，该方法通过获取经热处理后的弹簧表面的灰度图像；提取灰度图像中多个弹簧目标图像；获取所有弹簧目标图像中的缺陷目标图像，并获取所有缺陷目标图像中像素点平均灰度值的最大值和最小值；根据所述像素点平均灰度值的最大值和最小值可获得二值化初始阈值；进一步地，利用获取的二值化初始阈值对灰度图像进行二值化，得到初始化二值图像；获取初始化二值图像中每个连通域的两两边缘像素点之间的方向矢量；根据每个连通域的两两边缘像素点之间的方向矢量可获取初始化二值图像中的多个纵向连通域；进一步地，获取任一纵向连通域的中心点与其余纵向连通域中心点的距离，根据任一纵向连通域中心点与其余纵向连通域中心点的距离建立坐标系；根据坐标系中相邻两条直线的斜率获取该初始化二值图像的斜率参数；通过斜率参数可用于确定目标二值图像；进一步地，调节二值化初始阈值得到二值化调节阈值，获取二值化调节阈值后的二值化图像的斜率参数，依次获取每次二值化阈值调节后得到的二值化图像的斜率参数；由此，可根据斜率参数获取灰度图像的目标二值图像；进一步地，获取目标二值图像中的缺陷区域，并根据目标二值图像中的缺陷区域可以确定热处理后的弹簧是否合格；本发明解决现有技术中，检测弹簧中的裂痕时存在准确性低，以及无法准确判断热处理后的弹簧是否合格的技术问题。
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为本发明实施例提供的缺陷的检测方法的流程示意图；
图2为本发明实施例提供的弹簧目标图像的示意图。
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。
本实施例提供了一种避震弹簧热处理缺陷的检测方法，如图1所示，该方法包括：
S101，获取经热处理后的弹簧表面图像；对所述表面图像进行灰度化处理获得灰度图像；对所述灰度图像进行边缘检测获得所述灰度图像中的多个弹簧目标图像，弹簧目标图像为该灰度图像中弹簧的外表面图像；如图2所示，图2中，经边缘检测获得了n个弹簧目标图像；
在每个所述弹簧目标图像中建立滑窗，根据所述滑窗内像素点灰度值的均方差获取多个弹簧目标图像中的缺陷目标图像；所述在每个所述弹簧目标图像中建立滑窗，根据所述滑窗内像素点灰度值的均方差获取多个弹簧目标图像中的缺陷目标图像的过程为：
在每个所述弹簧目标图像中建立3*3的滑窗；将所述滑窗在所述弹簧目标图像中依次从左到右、从上到下遍历，并获取每个滑窗内像素点灰度值的均方差；每个滑窗内像素点灰度值的均方差通过下式确定：
式中，ync为第n个弹簧目标图像内第c个滑窗中像素点灰度值的均方差；A2为滑窗的规格，对于3*3的滑窗，则有A2等于9；fnc(i，j)为第n个弹簧目标图像内第c个滑窗中坐标为(i，j)的像素点的灰度值；A表示滑窗的长度；
依次获取弹簧目标图像中全部滑窗内像素点灰度值的均方差的平均值；设定异常阈值，当所述弹簧目标图像中任一滑窗的内像素点灰度值的均方差与该弹簧目标图像中全部滑窗的内像素点灰度值的均方差的平均值的比值小于所述异常阈值时，所述弹簧目标图像为缺陷目标图像；由此获得多个弹簧目标图像中的缺陷目标图像；
需要说明的是，本实施例中根据实施条件设定异常阈值为0.6，即当所述弹簧目标图像中任一滑窗的内像素点灰度值的均方差与该弹簧目标图像中全部滑窗的内像素点灰度值的均方差的平均值的比值小于0.6时，所述弹簧目标图像为缺陷目标图像；实施者可根据实施条件设定其他的值作为异常阈值；
S102，获取每个缺陷目标图像中像素点平均灰度值，并获取像素点平均灰度值的最大值和像素点平均灰度值的最小值；根据所述最大值和所述最小获取初始阈值，所述初始阈值通过下式确定：
式中，T0为初始阈值，0表示初始值；
为缺陷目标图像中像素点平均灰度值的最大值；
为缺陷目标图像中像素点平均灰度值的最小值；
表示对缺陷目标图像中像素点平均灰度值的最大值乘以权重值
表示对缺陷目标图像中像素点平均灰度值的最小值乘以权重值
由于获取目标二值图像时的目标阈值最接近缺陷目标图像中像素点平均灰度值的最大小值，故缺陷目标图像中像素点平均灰度值的最大值的权重值
小于缺陷目标图像中像素点平均灰度值的最小值的权重值
根据所述初始阈值T0和所述像素点平均灰度值的最大值
确定多个目标阈值；所述多个目标阈值为初始阈值T0到像素点平均灰度值的最大值
之间的整数组成的目标阈值；本实施例中的多个目标阈值包括初始阈值T0和像素点平均灰度值的最大值
记多个目标阈值组成的集合为分别为
获取灰度图像对应的二值化阈值为初始阈值T0的二值图像；所述二值图像中像素点的灰度值通过下式确定：
式中，G(x，y)为二值图像中坐标为(x，y)的像素点的灰度值，G表示灰度值；f(x，y)为灰度图像中坐标为(x，y)的像素点的灰度值；T0为初始阈值；上式表示的含义是，当灰度图像中坐标为(x，y)的像素点的灰度值f(x，y)小于初始阈值T0时，将灰度图像中坐标为(x，y)的像素点的灰度值置为255；当灰度图像中坐标为(x，y)的像素点的灰度值f(x，y)大于或等于初始阈值T0时，将灰度图像中坐标为(x，y)的像素点的灰度值置为0；对灰度图像中的全部像素点均进行同样的操作，即可得到所述灰度图像对应二值化阈值为初始阈值T0的二值图像；
依次获取该灰度图像对应二值化阈值为T1、T2、T3、...Tn和
的二值图像；
获取任一所述二值图像中，每个连通域的两两边缘像素点之间的方向矢量；根据每个连通域的两两边缘像素点之间的方向矢量获取所述二值图像中的多个纵向连通域；根据每个连通域的两两边缘像素点之间的方向矢量获取所述二值图像中的多个纵向连通域的过程为：
获取每个连通域的两两边缘像素点之间的方向矢量的平均方向矢量；获取所述平均方向矢量与水平面的夹角；获取所述平均方向矢量与水平面的夹角与90°的比值；当平均方向矢量与水平面的夹角与90°的比值平均方向矢量与水平面的夹角与90°的比值大于0.8时，所述连通域为纵向连通域；
S103，选取所述多个纵向连通域的任一纵向连通域，并获取所述纵向连通域的中心点与其余纵向连通域的中心点的距离；根据该纵向连通域的中心点与其余纵向连通域中心点的距离获取所述二值图像的斜率参数，依次获取弹簧目标图对应的每张二值图像的斜率参数；根据该纵向连通域的中心点与其余纵向连通域的中心点的距离获取所述二值图像的斜率参数的过程为，依次获取该纵向连通域的中心点与其余纵向连通域的中心点的距离；
根据该纵向连通域的中心点与其余纵向连通域的中心点的距离的由小到大将其余纵向连通域从小到大进行编号；以所述其余纵向连通域的个数为横坐标，以该纵向连通域的中心点与其余纵向连通域的中心点的距离为纵坐标建立坐标系；
根据坐标系中第一个纵向连通域的位置与第二个纵向连通域的位置的连线确定第一个斜率值；根据坐标系中第三个纵向连通域的位置与第二个纵向连通域的位置的连线确定第二个斜率值；
依次确定两两纵向连通域的位置之间的多个斜率值；根据两两纵向连通域的位置之间的多个斜率值和其余纵向连通域总数获取二值图像的斜率参数；二值图像的斜率参数通过下式确定：
式中，W为二值图像的斜率参数；M为其余纵向连通域的总数；km为第m+1个纵向连通域的位置与第m个纵向连通域的位置的连线确定的第m斜率值；km+1为第第m+2个纵向连通域的位置与第m+1个纵向连通域的位置的连线确定的第m+1斜率值；
表示对两两斜率值比值进行求和；
表示两两斜率值比值的和的均值；当
的值越接近于0时，说明得到的二值图像中分割效果越好；
S104，根据所述斜率参数获取目标二值图像；获取目标二值图像的过程为，将所述二值图像的斜率参数从小到大进行排列，获取全部二值图像的斜率参数中最接近于0的斜率参数作为目标斜率参数，也就是将二值图像的斜率参数中最小的二值图像的斜率参数对应的二值化阈值作为该灰度图像的最优二值化阈值，并获取该灰度图像的二值图像，将所述二值图像作为目标二值图像，并判断该目标二值图像中是否存在缺陷区域；当该目标二值图像中存在缺陷时，所述热处理后的弹簧为不合格弹簧。
综上，本实施例提供了一种避震弹簧热处理缺陷的检测方法，该方法包括：获取经热处理后的弹簧表面的灰度图像；提取灰度图像中多个弹簧目标图像；获取所有弹簧目标图像中的缺陷目标图像，并获取所有缺陷目标图像中像素点平均灰度值的最大值和最小值；根据像素点平均灰度值的最大值和最小值获取二值化初始阈值；利用获取的二值化初始阈值对灰度图像进行二值化，得到初始化二值图像；获取初始化二值图像中每个连通域的两两边缘像素点之间的方向矢量；根据每个连通域的两两边缘像素点之间的方向矢量获取初始化二值图像中的多个纵向连通域；获取任一纵向连通域的中心点与其余纵向连通域中心点的距离，根据任一纵向连通域中心点与其余纵向连通域中心点的距离建立坐标系；根据坐标系中相邻两条直线的斜率获取该初始化二值图像的斜率参数；调节二值化初始阈值得到二值化调节阈值，且该二值化调节阈值的取值范围在二值化初始阈值和缺陷目标图像中像素点平均灰度值的最大值之间，获取二值化调节阈值后的二值化图像的斜率参数，依次获取每次二值化阈值调节后得到的二值化图像的斜率参数；获取所有二值化阈值下得到的二值化图像的斜率参数中的最小值，且将该斜率参数最小值对应的二值化阈值作为最优二值化阈值；利用得到的最优二值化阈值所得到的二值化图像对该二值化图像中的缺陷区域进行提取；利用最优二值化阈值所得到的二值化图像中的缺陷区域对经热处理后的弹簧是否合格进行判断；本实施例解决现有技术中，检测弹簧中的裂痕时存在准确性低，以及无法准确判断热处理后的弹簧是否合格的技术问题。
以上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 (9)
1.一种避震弹簧热处理缺陷的检测方法，其特征在于，包括以下步骤：
获取经热处理后的弹簧表面的灰度图像；
提取灰度图像中多个弹簧目标图像；
获取所有弹簧目标图像中的缺陷目标图像，并获取所有缺陷目标图像中像素点平均灰度值的最大值和最小值；
根据所述像素点平均灰度值的最大值和最小值获取二值化初始阈值；
利用获取的二值化初始阈值对灰度图像进行二值化，得到初始化二值图像；获取初始化二值图像中每个连通域的两两边缘像素点之间的方向矢量；根据每个连通域的两两边缘像素点之间的方向矢量获取初始化二值图像中的多个纵向连通域；
获取任一纵向连通域的中心点与其余纵向连通域中心点的距离，根据任一纵向连通域中心点与其余纵向连通域中心点的距离建立坐标系；根据坐标系中相邻两条直线的斜率获取该初始化二值图像的斜率参数；
调节二值化初始阈值得到二值化调节阈值，且该二值化调节阈值的取值范围在所述二值化初始阈值和缺陷目标图像中像素点平均灰度值的最大值之间，获取二值化调节阈值后的二值化图像的斜率参数，依次获取每次二值化阈值调节后得到的二值化图像的斜率参数；
获取所有二值化阈值下得到的二值化图像的斜率参数中的最小值，且将该斜率参数最小值对应的二值化阈值作为最优二值化阈值；
利用得到的最优二值化阈值所得到的二值化图像对该二值化图像中的缺陷区域进行提取；
利用最优二值化阈值所得到的二值化图像中的缺陷区域对经热处理后的弹簧是否合格进行判断。
2.根据权利要求1所述的避震弹簧热处理缺陷的检测方法，其特征在于，获取所述弹簧目标图像中的缺陷目标图像的过程为：
在每个所述弹簧目标图像中建立3*3的滑窗；将所述滑窗在所述弹簧目标图像中依次从左到右、从上到下遍历，并获取每个滑窗内像素点灰度值的均方差；
根据所述滑窗内像素点灰度值的均方差获取存在异常滑窗的弹簧目标图像，并将存在异常滑窗的弹簧目标图像作为缺陷目标图像。
3.根据权利要求2所述的避震弹簧热处理缺陷的检测方法，其特征在于，所述根据所述滑窗内像素点灰度值的均方差获取存在异常滑窗的弹簧目标图像的过程中，还包括设定异常阈值，当所述弹簧目标图像中任一滑窗的内像素点灰度值的均方差与该弹簧目标图像中全部滑窗的内像素点灰度值的均方差的平均值的比值小于所述异常阈值时，所述弹簧目标图像为缺陷目标图像。
4.根据权利要求3所述的避震弹簧热处理缺陷的检测方法，其特征在于，所述异常阈值为0.6。
5.根据权利要求1所述的避震弹簧热处理缺陷的检测方法，其特征在于，所述初始阈值通过下式确定：
式中，T0为初始阈值；
为缺陷目标图像中像素点平均灰度值的最大值；
为缺陷目标图像中像素点平均灰度值的最小值。
6.根据权利要求1所述的避震弹簧热处理缺陷的检测方法，其特征在于，根据每个连通域的两两边缘像素点之间的方向矢量获取所述二值图像中的多个纵向连通域的过程为：
获取每个连通域的两两边缘像素点之间的方向矢量的平均方向矢量；
获取所述平均方向矢量与水平面的夹角；
根据所述夹角与90°的比值获取所述二值图像中的多个纵向连通域。
7.根据权利要求6所述的避震弹簧热处理缺陷的检测方法，其特征在于，所述根据所述夹角与90°的比值获取所述二值图像中的多个纵向连通域的过程中，当任一连通域所在平均方向矢量与水平面的夹角与90°的比值的绝对值大于0.8时，所述连通域为纵向连通域。
8.根据权利要求1所述的避震弹簧热处理缺陷的检测方法，其特征在于，获取二值图像的斜率参数的过程为：
依次获取该纵向连通域的中心点与其余纵向连通域的中心点的距离；
根据该纵向连通域的中心点与其余纵向连通域的中心点的距离的由小到大将其余纵向连通域从小到大进行编号；
以所述其余纵向连通域的个数为横坐标，以该纵向连通域的中心点与其余纵向连通域的中心点的距离为纵坐标建立坐标系；
根据坐标系中第一个纵向连通域的位置与第二个纵向连通域的位置的连线确定第一个斜率值；根据坐标系中第三个纵向连通域的位置与第二个纵向连通域的位置的连线确定第二个斜率值；
依次确定两两纵向连通域的位置之间的多个斜率值；根据两两纵向连通域的位置之间的多个斜率值和其余纵向连通域总数获取二值图像的斜率参数。
9.根据权利要求8所述的避震弹簧热处理缺陷的检测方法，其特征在于，所述二值图像的斜率参数通过下式确定：
式中，W为二值图像的斜率参数；M为其余纵向连通域的总数；km为第m+1个纵向连通域的位置与第m个纵向连通域的位置的连线确定的第m个斜率值；km+1为第第m+2个纵向连通域的位置与第m+1个纵向连通域的位置的连线确定的第m+1个斜率值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211568028.6A CN115937140B (zh) | 2022-12-08 | 2022-12-08 | 一种避震弹簧热处理缺陷的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211568028.6A CN115937140B (zh) | 2022-12-08 | 2022-12-08 | 一种避震弹簧热处理缺陷的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115937140A true CN115937140A (zh) | 2023-04-07 |
| CN115937140B CN115937140B (zh) | 2023-08-18 |
Family
ID=86551731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211568028.6A Active CN115937140B (zh) | 2022-12-08 | 2022-12-08 | 一种避震弹簧热处理缺陷的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115937140B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108993917A (zh) * | 2018-04-10 | 2018-12-14 | 深圳大学 | 一种微型弹簧的质量检测系统、方法及装置 |
| CN109060285A (zh) * | 2018-09-10 | 2018-12-21 | 西安交通大学 | 一种螺旋弹簧动态振动特性的检测装置及方法 |
| CN109196302A (zh) * | 2016-03-11 | 2019-01-11 | 中央发条株式会社 | 用于测量涡卷弹簧的形状的装置、方法以及程序 |
| KR102237753B1 (ko) * | 2020-09-28 | 2021-04-08 | (유) 지제이 | 피사체의 형상 변경 감시 시스템 및 그 방법 |
| CN113628267A (zh) * | 2021-07-30 | 2021-11-09 | 广东交通职业技术学院 | 基于机器视觉的弹簧线径检测方法、系统、装置及介质 |
| CN115031664A (zh) * | 2022-08-10 | 2022-09-09 | 合肥工业大学 | 绝缘子偏斜检测方法、装置、终端设备及介质 |
| CN115082410A (zh) * | 2022-06-29 | 2022-09-20 | 西安工程大学 | 基于图像处理的卡簧缺陷检测方法 |
-
2022
- 2022-12-08 CN CN202211568028.6A patent/CN115937140B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109196302A (zh) * | 2016-03-11 | 2019-01-11 | 中央发条株式会社 | 用于测量涡卷弹簧的形状的装置、方法以及程序 |
| CN108993917A (zh) * | 2018-04-10 | 2018-12-14 | 深圳大学 | 一种微型弹簧的质量检测系统、方法及装置 |
| CN109060285A (zh) * | 2018-09-10 | 2018-12-21 | 西安交通大学 | 一种螺旋弹簧动态振动特性的检测装置及方法 |
| KR102237753B1 (ko) * | 2020-09-28 | 2021-04-08 | (유) 지제이 | 피사체의 형상 변경 감시 시스템 및 그 방법 |
| CN113628267A (zh) * | 2021-07-30 | 2021-11-09 | 广东交通职业技术学院 | 基于机器视觉的弹簧线径检测方法、系统、装置及介质 |
| CN115082410A (zh) * | 2022-06-29 | 2022-09-20 | 西安工程大学 | 基于图像处理的卡簧缺陷检测方法 |
| CN115031664A (zh) * | 2022-08-10 | 2022-09-09 | 合肥工业大学 | 绝缘子偏斜检测方法、装置、终端设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 樊伟: "\"基于影像技术的弹簧零件表面缺陷精密检测研究\"", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 7 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115937140B (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109870461B (zh) | 一种电子元器件质量检测系统 | |
| CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
| CN115063404B (zh) | 基于x射线探伤的耐候钢焊缝质量检测方法 | |
| CN107843818B (zh) | 基于异源图像温升与局部放电特征高压绝缘故障诊断方法 | |
| CN105046700A (zh) | 基于亮度校正与颜色分类的水果表面缺陷检测方法及系统 | |
| CN115511889A (zh) | 一种太阳能电池板支架表面焊接缺陷检测方法 | |
| CN113506286A (zh) | 基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法 | |
| CN115063430B (zh) | 基于图像处理的电气管道裂纹检测方法 | |
| CN108596909A (zh) | 空心圆柱工件表面缺陷检测系统及方法 | |
| CN106918602B (zh) | 一种鲁棒的基于机器视觉的表面缺陷检测方法 | |
| CN112801892B (zh) | 一种基于FFWA的自适应Canny飞机蒙皮红外图像边缘检测方法 | |
| CN112686890A (zh) | 一种基于奇异值分解的人造板表面缺陷检测方法 | |
| CN111091548A (zh) | 基于深度学习的铁路货车承载鞍错位故障图像识别方法及系统 | |
| CN114170552A (zh) | 基于红外热成像的天然气泄漏实时预警方法及系统 | |
| CN110619146A (zh) | 基于结构相似性度量的多晶硅电池片裂纹缺陷检测方法 | |
| CN105389793A (zh) | 一种自动识别物体表面裂缝走向及宽度的方法 | |
| CN115937140A (zh) | 一种避震弹簧热处理缺陷的检测方法 | |
| CN107132232A (zh) | 一种高铁接触网承力索支撑底座的裂纹检测方法 | |
| CN115953373A (zh) | 玻璃缺陷检测方法、装置、电子设备及存储介质 | |
| CN110874825A (zh) | 一种复合绝缘子表面水迹二值图像提取方法 | |
| CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
| CN113487563A (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
| CN111968082A (zh) | 一种基于机器视觉的产品包装缺陷检测识别方法 | |
| CN114199127A (zh) | 基于机器视觉的汽车零件尺寸检测系统及方法 | |
| CN117197534B (zh) | 一种基于特征识别的电缆表面缺陷自动检测方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230727 Address after: No. 8-1, Dongsheng Road, Linhang Industrial Park, Ciwu Town, Zhuji City, Shaoxing City, Zhejiang Province 311800 Applicant after: Zhuji Zhengdao Technology Co.,Ltd. Address before: 311800 No. 118, Tianyuan Branch Road, Datang street, Zhuji City, Shaoxing City, Zhejiang Province Applicant before: ZHEJIANG THREE A SPRING Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |