CN115950892B - 基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置 - Google Patents
基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置 Download PDFInfo
- Publication number
- CN115950892B CN115950892B CN202310237837.7A CN202310237837A CN115950892B CN 115950892 B CN115950892 B CN 115950892B CN 202310237837 A CN202310237837 A CN 202310237837A CN 115950892 B CN115950892 B CN 115950892B
- Authority
- CN
- China
- Prior art keywords
- steel pipe
- crack
- value
- image
- total
- 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
-
- 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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及不锈钢钢管加工技术领域,具体涉及基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置,用于解决现有的用于不锈钢钢管渗透剂或显像剂喷淋生产线检测裂纹的方式仍然是人工观察,准确性不高,效率低的问题;该基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置是通过图像识别将不锈钢管外表面微裂纹进行识别从而对不锈钢管进行判断,智能化程度高,准确性高,而且易于加入不锈钢管的生产线中,自动化程度高,有效的提高了不锈钢管的生产效率以及产品品质,而且无需工作人员接触渗透剂和显像剂,避免渗透剂和显像剂对工作人员的身体健康造成不利影响。
Description
技术领域
本发明涉及不锈钢钢管加工技术领域,具体涉及基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置。
背景技术
在不锈钢钢管生产中,钢管成型后其表面会产生裂纹,为提高钢管的品质,需检测钢管表面的裂纹,再对钢管有裂纹的表面进行加工以去除裂纹。
申请号为CN202210182394.1的专利公开了一种用于不锈钢钢管渗透剂或显像剂喷淋生产线,涉及不锈钢钢管加工的领域,其包括机架和喷淋滑座,喷淋滑座上设有驱动组件,驱动组件驱动喷淋滑座移动,机架和喷淋滑座拼接形成有穿设通道,喷淋滑座上还设有喷淋件,喷淋件伸入穿设通道内,机架上转动连接有滚轮,机架上还设有驱动滚轮转动的驱动件一,当需要对钢管进行喷淋时,将钢管置于机架上,然后控制驱动件一驱动滚轮转动,滚轮带动钢管转动,再控制驱动组件驱动喷淋滑座在机架上移动,同时开启喷淋件对钢管表面进行喷淋即可,提高了喷淋作业的自动化程度,减少了渗透剂或显像剂等试剂溅至工作人员身上的情况,提高了喷淋作业的安全性。
综上所述,该用于不锈钢钢管渗透剂或显像剂喷淋生产线是利用渗透剂和显像剂之间的色差,使得工作人员易于观察到裂纹,并对钢管表面的裂纹处进行加工处理,但仍然存在以下不足之处:该生产线采用的方式仍然是人工观察,准确性不高,效率低,更无法对不锈钢管的裂纹情况进行精确定性,而且工作人员仍然还会在人工观察时接触渗透剂和显像剂,对其身体健康仍然有损。
发明内容
为了克服上述的技术问题,本发明的目的在于提供基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置:通过裂纹检测机构的图像采集模块拍摄若干张检测对象的内壁图和外壁图,通过裂纹检测平台根据内壁图将检测对象划分为不合格钢管和预合格钢管,通过图像识别模块根据外壁图获取预合格钢管的裂纹参数,并将裂纹参数发送至图像分析模块,通过图像分析模块根据裂纹参数获得裂纹系数,并根据裂纹系数将预合格钢管划分为不合格钢管、合格钢管,通过分类报警模块接收到合格钢管显示绿灯,接收到不合格钢管后显示红灯并进行铃声警报,解决了现有的用于不锈钢钢管渗透剂或显像剂喷淋生产线检测裂纹的方式仍然是人工观察,准确性不高,效率低的问题。
本发明的目的可以通过以下技术方案实现:
基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置,包括渗透剂喷淋机构、清水洗涤机构、鼓风干燥机构、显像剂喷淋机构、裂纹检测机构以及分类输送机构;
所述渗透剂喷淋机构用于将不锈钢管表面均匀喷淋渗透剂;
所述清水洗涤机构用于将喷淋渗透剂后的不锈钢管进行清水冲洗;
所述鼓风干燥机构用于将清水冲洗后的不锈钢管进行鼓风干燥;
所述显像剂喷淋机构用于将鼓风干燥后的不锈钢管表面均匀喷淋显像剂;
所述裂纹检测机构用于将喷淋显像剂后的不锈钢管进行裂纹检测,并进行分类为不合格钢管和合格钢管;
所述分类输送机构用于将不合格钢管输送至不合格储存区进行储存,将合格钢管输送至合格储存区进行储存。
作为本发明进一步的方案:所述裂纹检测机构进行裂纹检测的具体过程如下:
步骤一:图像采集模块拍摄若干张检测对象i的内壁图和外壁图,并将内壁图、外壁图发送至裂纹检测平台;
步骤二:裂纹检测平台根据内壁图将检测对象i划分为不合格钢管和预合格钢管,并将不合格钢管发送至分类报警模块,将预合格钢管以及相对应的外壁图发送至图像识别模块;
步骤三:图像识别模块根据外壁图获取预合格钢管的裂纹参数,并将裂纹参数发送至图像分析模块;其中,裂纹参数包括异总值YZ、异面值YM以及凹厚比AH;
步骤四:图像分析模块根据裂纹参数获得裂纹系数LW,并根据裂纹系数LW将预合格钢管划分为不合格钢管、合格钢管,并将不合格钢管、合格钢管发送至分类报警模块;
步骤五:分类报警模块接收到合格钢管显示绿灯,接收到不合格钢管后显示红灯并进行铃声警报。
作为本发明进一步的方案:所述图像识别模块获取裂纹参数的具体过程如下:
将预合格钢管外壁图中的外基础颜色区域进行标记,并将所有标记的区域进行拼接并设置为分析区;其中,外基础颜色为预设的显像剂颜色;
获取分析区中的异常颜色区域并将其标记为异常区;其中,异常颜色为预设的渗透剂颜色;
获取异常区的总个数和总面积并将其分别标记为总数值ZS和总面值ZM,将总数值ZS和总面值ZM代入公式YZ=a1×ZS+a2×ZM得到异总值YZ,其中a1、a2分别为总数值ZS和总面值ZM的预设比例系数,且a1+a2=1,1>a1>a2>0;
获取最大异常区和最小异常区的面积差并将其标记为面差值MC,获得总面值ZM、总数值ZS之间的比值并将其标记为面均值MJ,将面差值MC和面均值MJ代入公式YM=b1×MC+b2×MJ得到异面值YM,其中b1、b2分别为面差值MC和面均值MJ的预设比例系数,且b1+b2=1,1>b2>b1>0;
获取每个异常区的最大凹陷深度和预合格钢管的厚度之间的比值并将其标记为凹厚比AH;
将异总值YZ、异面值YM以及凹厚比AH发送至图像分析模块。
作为本发明进一步的方案:所述图像分析模块获得裂纹系数LW的具体过程如下:
将异总值YZ、异面值YM以及凹厚比AH代入公式得到裂纹系数LW,其中,s1、s2、s3分别为异总值YZ、异面值YM以及凹厚比AH预设权重系数,且s2>s3>s1>2.863,γ为误差修正因子,取值为0.986;/>
将裂纹系数LW与裂纹阈值LWy进行比较:
若裂纹系数LW>裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为不合格钢管;
若裂纹系数LW≤裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为合格钢管;
将不合格钢管、合格钢管发送至分类报警模块。
作为本发明进一步的方案:所述裂纹检测机构的工作方法,包括以下步骤:
步骤A1:图像采集模块将喷淋显像剂后的不锈钢管依次标记为检测对象i,i=1、……、n,n为自然数;
步骤A2:图像采集模块拍摄若干张检测对象i的内腔表面照片,并将所有内腔表面照片拼接形成一张照片,并其标记为内壁图;
步骤A3:图像采集模块拍摄若干张检测对象i的外侧表面照片,并将所有外侧表面照片拼接形成一张照片,并将其标记为外壁图;
步骤A4:图像采集模块将内壁图、外壁图发送至裂纹检测平台;
步骤A5:裂纹检测平台将内壁图中的内基础颜色区域进行消除,若内壁图中存在图像轮廓,则将内壁图相对应的检测对象i标记为不合格钢管,并将不合格钢管发送至分类报警模块,若内壁图中不存在图像轮廓,则将内壁图相对应的检测对象i标记为预合格钢管,并将预合格钢管以及相对应的外壁图发送至图像识别模块;其中,内基础颜色为预设的钢管内壁的颜色;
步骤A6:图像识别模块将预合格钢管外壁图中的外基础颜色区域进行标记,并将所有标记的区域进行拼接并设置为分析区;其中,外基础颜色为预设的显像剂颜色;
步骤A7:图像识别模块获取分析区中的异常颜色区域并将其标记为异常区;其中,异常颜色为预设的渗透剂颜色;
步骤A8:图像识别模块获取异常区的总个数和总面积并将其分别标记为总数值ZS和总面值ZM,将总数值ZS和总面值ZM代入公式YZ=a1×ZS+a2×ZM得到异总值YZ,其中a1、a2分别为总数值ZS和总面值ZM的预设比例系数,且a1+a2=1,1>a1>a2>0;
步骤A9:图像识别模块获取最大异常区和最小异常区的面积差并将其标记为面差值MC,获得总面值ZM、总数值ZS之间的比值并将其标记为面均值MJ,将面差值MC和面均值MJ代入公式YM=b1×MC+b2×MJ得到异面值YM,其中b1、b2分别为面差值MC和面均值MJ的预设比例系数,且b1+b2=1,1>b2>b1>0;
步骤A10:图像识别模块获取每个异常区的最大凹陷深度和预合格钢管的厚度之间的比值并将其标记为凹厚比AH;
步骤A11:图像识别模块将异总值YZ、异面值YM以及凹厚比AH发送至图像分析模块;
步骤A12:图像分析模块将异总值YZ、异面值YM以及凹厚比AH代入公式
步骤A13:图像分析模块将裂纹系数LW与裂纹阈值LWy进行比较:
若裂纹系数LW>裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为不合格钢管;
若裂纹系数LW≤裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为合格钢管;
步骤A14:图像分析模块将不合格钢管、合格钢管发送至分类报警模块;
步骤A15:分类报警模块接收到合格钢管显示绿灯,接收到不合格钢管后显示红灯并进行铃声警报。
本发明的有益效果:
本发明的基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置,通过渗透剂喷淋机构将不锈钢管表面喷淋渗透剂,通过清水洗涤机构将喷淋渗透剂后的不锈钢管进行清水冲洗,通过鼓风干燥机构将清水冲洗后的不锈钢管进行鼓风干燥,通过显像剂喷淋机构将鼓风干燥后的不锈钢管表面均匀喷淋显像剂,通过裂纹检测机构将喷淋显像剂后的不锈钢管进行裂纹检测,并进行分类为不合格钢管和合格钢管,通过分类输送机构用于将不合格钢管输送至不合格储存区进行储存,将合格钢管输送至合格储存区进行储存;其中,通过裂纹检测机构的图像采集模块拍摄若干张检测对象的内壁图和外壁图,通过裂纹检测平台根据内壁图将检测对象划分为不合格钢管和预合格钢管,通过图像识别模块根据外壁图获取预合格钢管的裂纹参数,并将裂纹参数发送至图像分析模块,通过图像分析模块根据裂纹参数获得裂纹系数,并根据裂纹系数将预合格钢管划分为不合格钢管、合格钢管,通过分类报警模块接收到合格钢管显示绿灯,接收到不合格钢管后显示红灯并进行铃声警报;该基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置首先通过内壁图进行判断,从而确定不锈钢管是否出现非不锈钢管颜色外的其他颜色,从而判断不锈钢管是否出现贯穿性裂纹,之后通过外壁图获得预合格钢管的裂纹系数,裂纹系数是通过异总值、异面值以及凹厚比三者综合分析得出,裂纹系数用于综合衡量预合格钢管的外壁裂纹异常程度,裂纹系数越大表示预合格钢管的外表面微裂纹的异常程度越高,通过两次的判断能够将不锈钢管中的不合格钢管充分筛选出,准确高,智能化识别效率高,提高了不锈钢管的产品质量;该基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置是通过图像识别将不锈钢管外表面微裂纹进行识别从而对不锈钢管进行判断,智能化程度高,准确性高,而且易于加入不锈钢管的生产线中,自动化程度高,有效的提高了不锈钢管的生产效率以及产品品质,而且无需工作人员接触渗透剂和显像剂,避免渗透剂和显像剂对工作人员的身体健康造成不利影响。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明中基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置的工作流程图;
图2是本发明中裂纹检测机构的原理框图。
具体实施方式
下面将结合本发明实施例,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:
请参阅图1所示,本实施例为基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置,包括渗透剂喷淋机构、清水洗涤机构、鼓风干燥机构、显像剂喷淋机构、裂纹检测机构以及分类输送机构;
其中,所述渗透剂喷淋机构,用于将不锈钢管表面均匀喷淋渗透剂;
其中,所述清水洗涤机构,用于将喷淋渗透剂后的不锈钢管进行清水冲洗;
其中,所述鼓风干燥机构,用于将清水冲洗后的不锈钢管进行鼓风干燥;
其中,所述显像剂喷淋机构,用于将鼓风干燥后的不锈钢管表面均匀喷淋显像剂;
其中,所述裂纹检测机构,用于将喷淋显像剂后的不锈钢管进行裂纹检测,并进行分类为不合格钢管和合格钢管;
其中,所述分类输送机构,用于将不合格钢管输送至不合格储存区进行储存,将合格钢管输送至合格储存区进行储存;
实施例2:
请参阅图2所示,本实施例为裂纹检测机构,包括裂纹检测平台、图像采集模块、图像识别模块、图像分析模块以及分类报警模块;
其中,所述图像采集模块,用于拍摄若干张检测对象i的内壁图和外壁图,并将内壁图、外壁图发送至裂纹检测平台;
其中,所述裂纹检测平台,用于根据内壁图将检测对象i划分为不合格钢管和预合格钢管,并将不合格钢管发送至分类报警模块,将预合格钢管以及相对应的外壁图发送至图像识别模块;
其中,所述图像识别模块,用于根据外壁图获取预合格钢管的裂纹参数,并将裂纹参数发送至图像分析模块;其中,裂纹参数包括异总值YZ、异面值YM以及凹厚比AH;
其中,所述图像分析模块,用于根据裂纹参数获得裂纹系数LW,并根据裂纹系数LW将预合格钢管划分为不合格钢管、合格钢管,并将不合格钢管、合格钢管发送至分类报警模块;
其中,所述分类报警模块,用于接收到合格钢管显示绿灯,接收到不合格钢管后显示红灯并进行铃声警报。
实施例3:
请参阅图1-2所示,本实施例为基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置的工作方法,包括以下步骤:
步骤一:利用渗透剂喷淋机构将不锈钢管表面均匀喷淋渗透剂;
步骤二:利用清水洗涤机构将喷淋渗透剂后的不锈钢管进行清水冲洗;
步骤三:利用鼓风干燥机构将清水冲洗后的不锈钢管进行鼓风干燥;
步骤四:利用显像剂喷淋机构将鼓风干燥后的不锈钢管表面均匀喷淋显像剂;
步骤五:利用裂纹检测机构的图像采集模块将喷淋显像剂后的不锈钢管依次标记为检测对象i,i=1、……、n,n为自然数;
步骤六:图像采集模块拍摄若干张检测对象i的内腔表面照片,并将所有内腔表面照片拼接形成一张照片,并其标记为内壁图;
步骤七:图像采集模块拍摄若干张检测对象i的外侧表面照片,并将所有外侧表面照片拼接形成一张照片,并将其标记为外壁图;
步骤八:图像采集模块将内壁图、外壁图发送至裂纹检测平台;
步骤九:利用裂纹检测机构的裂纹检测平台将内壁图中的内基础颜色区域进行消除,若内壁图中存在图像轮廓,则将内壁图相对应的检测对象i标记为不合格钢管,并将不合格钢管发送至分类报警模块,若内壁图中不存在图像轮廓,则将内壁图相对应的检测对象i标记为预合格钢管,并将预合格钢管以及相对应的外壁图发送至图像识别模块;其中,内基础颜色为预设的钢管内壁的颜色;
步骤十:利用裂纹检测机构的图像识别模块将预合格钢管外壁图中的外基础颜色区域进行标记,并将所有标记的区域进行拼接并设置为分析区;其中,外基础颜色为预设的显像剂颜色;
步骤十一:图像识别模块获取分析区中的异常颜色区域并将其标记为异常区;其中,异常颜色为预设的渗透剂颜色;
步骤十二:图像识别模块获取异常区的总个数和总面积并将其分别标记为总数值ZS和总面值ZM,将总数值ZS和总面值ZM代入公式YZ=a1×ZS+a2×ZM得到异总值YZ,其中a1、a2分别为总数值ZS和总面值ZM的预设比例系数,且a1+a2=1,1>a1>a2>0,取a1=0.55,a2=0.45;
步骤十三:图像识别模块获取最大异常区和最小异常区的面积差并将其标记为面差值MC,获得总面值ZM、总数值ZS之间的比值并将其标记为面均值MJ,将面差值MC和面均值MJ代入公式YM=b1×MC+b2×MJ得到异面值YM,其中b1、b2分别为面差值MC和面均值MJ的预设比例系数,且b1+b2=1,1>b2>b1>0,取b1=0.39,b2=0.61;
步骤十四:图像识别模块获取每个异常区的最大凹陷深度和预合格钢管的厚度之间的比值并将其标记为凹厚比AH;
步骤十五:图像识别模块将异总值YZ、异面值YM以及凹厚比AH发送至图像分析模块;
步骤十六:利用裂纹检测机构的图像分析模块将异总值YZ、异面值YM以及凹厚比AH代入公式得到裂纹系数LW,其中,s1、s2、s3分别为异总值YZ、异面值YM以及凹厚比AH预设权重系数,且s2>s3>s1>2.863,γ为误差修正因子,取值为0.986,取s2=4.26,s3=3.89,s1=3.12;
步骤十七:图像分析模块将裂纹系数LW与裂纹阈值LWy进行比较:
若裂纹系数LW>裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为不合格钢管;
若裂纹系数LW≤裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为合格钢管;
步骤十八:图像分析模块将不合格钢管、合格钢管发送至分类报警模块;
步骤十九:利用裂纹检测机构的分类报警模块接收到合格钢管显示绿灯,接收到不合格钢管后显示红灯并进行铃声警报;
步骤二十:利用分类输送机构将不合格钢管输送至不合格储存区进行储存,将合格钢管输送至合格储存区进行储存。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (2)
1.基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置,其特征在于,包括渗透剂喷淋机构、清水洗涤机构、鼓风干燥机构、显像剂喷淋机构、裂纹检测机构以及分类输送机构;
所述渗透剂喷淋机构用于将不锈钢管表面均匀喷淋渗透剂;
所述清水洗涤机构用于将喷淋渗透剂后的不锈钢管进行清水冲洗;
所述鼓风干燥机构用于将清水冲洗后的不锈钢管进行鼓风干燥;
所述显像剂喷淋机构用于将鼓风干燥后的不锈钢管表面均匀喷淋显像剂;
所述裂纹检测机构用于将喷淋显像剂后的不锈钢管进行裂纹检测,并进行分类为不合格钢管和合格钢管;
所述分类输送机构用于将不合格钢管输送至不合格储存区进行储存,将合格钢管输送至合格储存区进行储存;
其中,所述裂纹检测机构进行裂纹检测的具体过程如下:
步骤一:图像采集模块拍摄若干张检测对象i的内腔表面照片和外侧表面照片,并将所有内腔表面照片拼接形成一张照片,并其标记为内壁图,将所有外侧表面照片拼接形成一张照片,并将其标记为外壁图,并将内壁图、外壁图发送至裂纹检测平台;
步骤二:裂纹检测平台根据内壁图将检测对象i划分为不合格钢管和预合格钢管,并将不合格钢管发送至分类报警模块,将预合格钢管以及相对应的外壁图发送至图像识别模块;
步骤三:图像识别模块根据外壁图获取预合格钢管的裂纹参数,并将裂纹参数发送至图像分析模块;其中,裂纹参数包括异总值YZ、异面值YM以及凹厚比AH;所述图像识别模块获取裂纹参数的具体过程如下:
将预合格钢管外壁图中的外基础颜色区域进行标记,并将所有标记的区域进行拼接并设置为分析区;其中,外基础颜色为预设的显像剂颜色;
获取分析区中的异常颜色区域并将其标记为异常区;其中,异常颜色为预设的渗透剂颜色;
获取异常区的总个数和总面积并将其分别标记为总数值ZS和总面值ZM,将总数值ZS和总面值ZM代入公式YZ=a1×ZS+a2×ZM得到异总值YZ,其中a1、a2分别为总数值ZS和总面值ZM的预设比例系数,且a1+a2=1,1>a1>a2>0;
获取最大异常区和最小异常区的面积差并将其标记为面差值MC,获得总面值ZM、总数值ZS之间的比值并将其标记为面均值MJ,将面差值MC和面均值MJ代入公式YM=b1×MC+b2×MJ得到异面值YM,其中b1、b2分别为面差值MC和面均值MJ的预设比例系数,且b1+b2=1,1>b2>b1>0;
获取每个异常区的最大凹陷深度和预合格钢管的厚度之间的比值并将其标记为凹厚比AH;
将异总值YZ、异面值YM以及凹厚比AH发送至图像分析模块;
步骤四:图像分析模块根据裂纹参数获得裂纹系数LW,并根据裂纹系数LW将预合格钢管划分为不合格钢管、合格钢管,并将不合格钢管、合格钢管发送至分类报警模块,所述图像分析模块获得裂纹系数的具体过程如下:
将异总值YZ、异面值YM以及凹厚比AH代入公式得到裂纹系数LW,其中,s1、s2、s3分别为异总值YZ、异面值YM以及凹厚比AH预设权重系数,且s2>s3>s1>2.863,γ为误差修正因子,取值为0.986;
将裂纹系数LW与裂纹阈值LWy进行比较:
若裂纹系数LW>裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为不合格钢管;
若裂纹系数LW≤裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为合格钢管;
将不合格钢管、合格钢管发送至分类报警模块;
步骤五:分类报警模块接收到合格钢管显示绿灯,接收到不合格钢管后显示红灯并进行铃声警报。
2.根据权利要求1所述的基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置,其特征在于,所述基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置的工作过程如下:
步骤A1:图像采集模块将喷淋显像剂后的不锈钢管依次标记为检测对象i,i=1、……、n,n为自然数;
步骤A2:图像采集模块拍摄若干张检测对象i的内腔表面照片,并将所有内腔表面照片拼接形成一张照片,并其标记为内壁图;
步骤A3:图像采集模块拍摄若干张检测对象i的外侧表面照片,并将所有外侧表面照片拼接形成一张照片,并将其标记为外壁图;
步骤A4:图像采集模块将内壁图、外壁图发送至裂纹检测平台;
步骤A5:裂纹检测平台将内壁图中的内基础颜色区域进行消除,若内壁图中存在图像轮廓,则将内壁图相对应的检测对象i标记为不合格钢管,并将不合格钢管发送至分类报警模块,若内壁图中不存在图像轮廓,则将内壁图相对应的检测对象i标记为预合格钢管,并将预合格钢管以及相对应的外壁图发送至图像识别模块;其中,内基础颜色为预设的钢管内壁的颜色;
步骤A6:图像识别模块将预合格钢管外壁图中的外基础颜色区域进行标记,并将所有标记的区域进行拼接并设置为分析区;其中,外基础颜色为预设的显像剂颜色;
步骤A7:图像识别模块获取分析区中的异常颜色区域并将其标记为异常区;其中,异常颜色为预设的渗透剂颜色;
步骤A8:图像识别模块获取异常区的总个数和总面积并将其分别标记为总数值ZS和总面值ZM,将总数值ZS和总面值ZM代入公式YZ=a1×ZS+a2×ZM得到异总值YZ,其中a1、a2分别为总数值ZS和总面值ZM的预设比例系数,且a1+a2=1,1>a1>a2>0;
步骤A9:图像识别模块获取最大异常区和最小异常区的面积差并将其标记为面差值MC,获得总面值ZM、总数值ZS之间的比值并将其标记为面均值MJ,将面差值MC和面均值MJ代入公式YM=b1×MC+b2×MJ得到异面值YM,其中b1、b2分别为面差值MC和面均值MJ的预设比例系数,且b1+b2=1,1>b2>b1>0;
步骤A10:图像识别模块获取每个异常区的最大凹陷深度和预合格钢管的厚度之间的比值并将其标记为凹厚比AH;
步骤A11:图像识别模块将异总值YZ、异面值YM以及凹厚比AH发送至图像分析模块;
步骤A12:图像分析模块将异总值YZ、异面值YM以及凹厚比AH代入公式得到裂纹系数LW,其中,s1、s2、s3分别为异总值YZ、异面值YM以及凹厚比AH预设权重系数,且s2>s3>s1>2.863,γ为误差修正因子,取值为0.986;
步骤A13:图像分析模块将裂纹系数LW与裂纹阈值LWy进行比较:
若裂纹系数LW>裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为不合格钢管;
若裂纹系数LW≤裂纹阈值LWy,则将裂纹系数LW所对应的预合格钢管标记为合格钢管;
步骤A14:图像分析模块将不合格钢管、合格钢管发送至分类报警模块;
步骤A15:分类报警模块接收到合格钢管显示绿灯,接收到不合格钢管后显示红灯并进行铃声警报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310237837.7A CN115950892B (zh) | 2023-03-14 | 2023-03-14 | 基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310237837.7A CN115950892B (zh) | 2023-03-14 | 2023-03-14 | 基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115950892A CN115950892A (zh) | 2023-04-11 |
CN115950892B true CN115950892B (zh) | 2023-05-26 |
Family
ID=85892350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310237837.7A Active CN115950892B (zh) | 2023-03-14 | 2023-03-14 | 基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115950892B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3731947A1 (de) * | 1987-09-23 | 1989-04-13 | Kurt Dr Sauerwein | Verfahren und vorrichtung zum feststellen und auswerten von oberflaechenrissen bei werkstuecken |
DE19902525C2 (de) * | 1999-01-22 | 2001-03-22 | Tiede Gmbh & Co Kg Risspruefan | Verfahren zur automatischen Fehlererkennung bei der Rißprüfung nach dem Farbeindringverfahren |
JP2000275189A (ja) * | 1999-03-29 | 2000-10-06 | Hitachi Ltd | 管内面の浸透探傷検査装置 |
JP4751991B2 (ja) * | 2005-07-20 | 2011-08-17 | 財団法人北九州産業学術推進機構 | 管渠内部の欠陥検出・判別方法及び装置 |
CN103604753A (zh) * | 2013-10-22 | 2014-02-26 | 内蒙古包钢钢联股份有限公司 | 检测铸坯皮下裂纹的方法 |
JP6696278B2 (ja) * | 2016-04-12 | 2020-05-20 | 日本製鉄株式会社 | ドリフト検査装置 |
JP6294529B1 (ja) * | 2017-03-16 | 2018-03-14 | 阪神高速技術株式会社 | ひび割れ検出処理装置、およびひび割れ検出処理プログラム |
CN112697811A (zh) * | 2020-11-05 | 2021-04-23 | 江苏亚星锚链股份有限公司 | 一种低磁锚链的表面检查方法 |
CN113702391B (zh) * | 2021-09-08 | 2022-08-23 | 东力智能科技有限公司 | 一种钢坯表面及近表面缺陷复合检测方法及装置 |
CN114570579B (zh) * | 2022-02-25 | 2022-11-29 | 浙江永立钢业有限公司 | 一种用于不锈钢钢管渗透剂或显像剂喷淋生产线 |
-
2023
- 2023-03-14 CN CN202310237837.7A patent/CN115950892B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115950892A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101415628B1 (ko) | 목재의 검사 방법, 장치 및 프로그램 | |
Cubero et al. | A new method for pedicel/peduncle detection and size assessment of grapevine berries and other fruits by image analysis | |
CA2525594A1 (en) | A system and method for monitoring and visualizing the output of a production process | |
CN109916913A (zh) | 一种基于机器视觉的智能制造产品识别与检测方法 | |
CN110434090A (zh) | 一种胡萝卜表面瑕疵检测方法 | |
CN105158273A (zh) | 一种基于面阵式cmos相机的光缆表面缺陷检测系统 | |
CN112474411A (zh) | 一种基于柔性生产线的产品检测自动处理控制系统 | |
CN110728657A (zh) | 一种基于深度学习的环状轴承外表面缺陷检测方法 | |
CN115239702B (zh) | 一种塑料薄膜缺陷分析处理方法 | |
CN111665251A (zh) | 一种表面缺陷视觉检测方法 | |
CN112268663A (zh) | 一种机器视觉皂泡法气密性检验方法 | |
CN115950892B (zh) | 基于图像识别不锈钢管外表面微裂纹自动化喷淋检测装置 | |
CN204924181U (zh) | 一种发动机主轴瓦装配质量检测设备 | |
CN104101614B (zh) | 一种检测方法及装置 | |
CN112697682A (zh) | 一种基于机器视觉进行家具耐光色牢度检测的方法 | |
CN105354598B (zh) | 一种在线检测连续带状泡沫金属材料漏镀缺陷的方法 | |
CN210377552U (zh) | 一种水果分类用多面图像获取装置 | |
US20030136925A1 (en) | Method to detect defects in the shape of a rolled product and relative device | |
CN112775032B (zh) | 一种水果分拣方法、装置及柔性机器人 | |
CN112697681B (zh) | 一种基于机器视觉检测家具耐光色牢度等级的方法 | |
WO2021079727A1 (ja) | 外観検査装置、外観検査方法および外観検査プログラム | |
KR100311282B1 (ko) | 접속케이블 자동검사시스템 | |
CN104155306A (zh) | 一种单焊片灯头焊片缺陷检测方法 | |
CN111855678A (zh) | 一种用于识别金属丝材表面缺陷的装置及识别方法 | |
CN111024005A (zh) | 一种基于视觉的家具喷涂质量检测方法 |
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 |