CN115953366A - 基于反射图像的焊缝检测方法、系统、装置和存储介质 - Google Patents
基于反射图像的焊缝检测方法、系统、装置和存储介质 Download PDFInfo
- Publication number
- CN115953366A CN115953366A CN202211605626.6A CN202211605626A CN115953366A CN 115953366 A CN115953366 A CN 115953366A CN 202211605626 A CN202211605626 A CN 202211605626A CN 115953366 A CN115953366 A CN 115953366A
- Authority
- CN
- China
- Prior art keywords
- texture
- image
- area
- weld
- welding seam
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 131
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000003466 welding Methods 0.000 claims abstract description 109
- 239000000779 smoke Substances 0.000 claims abstract description 57
- 230000007547 defect Effects 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000005520 cutting process Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
Abstract
本发明公开了一种基于反射图像的焊缝检测方法、系统、装置和存储介质,可广泛应用于智能检测技术领域。本发明方法包括以下步骤:获取焊缝的反射图像,其中,所述反射图像的每一个像素的光线反射信息用于表征被拍摄位置对光线的反射能力;对所述反射图像进行预处理;根据预处理后的所述反射图像进行焊缝纹理缺陷检测,得到焊缝纹理缺陷检测结果;根据预处理后的所述反射图像进行焊缝黑烟检测,得到焊缝黑烟检测结果;根据所述纹理缺陷检测结果和所述焊缝黑烟检测结果分析得到焊缝检测结果。本发明能够有效提高焊缝检测的准确度。
Description
技术领域
本发明涉及智能检测技术领域,尤其是一种基于反射图像的焊缝检测方法、系统、装置和存储介质。
背景技术
在激光焊缝检测主要应用领域(如汽车生产线),传统的焊缝检测技术主要通过激光图像的方式对激光焊缝的立体特征进行获取,进而得到检测结果。而对于裂纹类缺陷、黑烟类缺陷等主要反应为表面特征变化的缺陷时,效果难以达到预期。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于反射图像的焊缝检测方法、系统、装置和存储介质,能够有效提高焊缝检测的准确度。
一方面,本发明实施例提供了一种基于反射图像的焊缝检测方法,包括以下步骤:
获取焊缝的反射图像,其中,所述反射图像的每一个像素的光线反射信息用于表征被拍摄位置对光线的反射能力;
对所述反射图像进行预处理;
根据预处理后的所述反射图像进行焊缝纹理缺陷检测,得到焊缝纹理缺陷检测结果;
根据预处理后的所述反射图像进行焊缝黑烟检测,得到焊缝黑烟检测结果;
根据所述纹理缺陷检测结果和所述焊缝黑烟检测结果分析得到焊缝检测结果。
在一些实施例中,所述对所述反射图像进行预处理,包括:
获取预设检测线的起始位置坐标、终点位置坐标以及所述预设检测线的宽度数据;
根据所述起始位置坐标、所述终点位置坐标和所述宽度数据生成目标矩形框;
根据所述目标矩形框对所述反射图像进行裁剪,得到裁剪图像。
在一些实施例中,所述根据预处理后的所述反射图像进行焊缝纹理缺陷检测,得到焊缝纹理缺陷检测结果,包括:
获取纹理模板,所述纹理模板上设有若干个类型的模板纹理,所述模板纹理属于安全范围内的纹理;
将所述裁剪图像与所述纹理模板进行比对,得到与所述纹理模板不相同的图像区域面积;
根据所述图像区域面积分析焊缝纹理状态,得到所述焊缝纹理缺陷检测结果。
在一些实施例中,所述根据所述图像区域面积分析焊缝纹理状态,得到所述焊缝纹理缺陷检测结果,包括:
获取纹理面积阈值;
分析所述图像区域面积和所述纹理面积阈值的大小关系,得到所述焊缝纹理缺陷检测结果。
在一些实施例中,所述分析所述图像区域面积和所述纹理面积阈值的大小关系,得到所述焊缝纹理缺陷检测结果,包括:
分析所述图像区域面积内的纹理类型;
当所述纹理类型为纵向裂纹,若所述纵向裂纹的长度大于所述纹理面积阈值内的纵向裂纹阈值,确定当前焊缝不合格;
当所述纹理类型为横向裂纹,若所述横向裂纹的长度大于所述纹理面积阈值内的横向裂纹阈值,确定当前焊缝不合格;
当所述纹理类型为放射状裂纹,若所述放射状裂纹所围成的面积大于所述纹理面积阈值内的放射状裂纹阈值,确定当前焊缝不合格;
当所述纹理类型为间断裂纹,若所述间断裂纹所围成的面积大于所述纹理面积阈值内的间断裂纹阈值,确定当前焊缝不合格;
当所述纹理类型为枝状裂纹,若所述枝状裂纹所围成的面积大于所述纹理面积阈值内的枝状裂纹阈值,确定当前焊缝不合格。
在一些实施例中,所述根据预处理后的所述反射图像进行焊缝黑烟检测,得到焊缝黑烟检测结果,包括:
获取预设灰度数值;
根据所述预设灰度数值对所述裁剪图像进行分割,得到分割区域图像;
当所述分割区域图像的面积大于预设黑烟面积,确定当前焊缝不合格。
在一些实施例中,所述根据所述预设灰度数值对所述裁剪图像进行分割,得到分割区域图像,包括:
获取所述裁剪图像上的所有灰度数值;
将所述裁剪图像的灰度数值与所述预设灰度数值相等的位置点连成分割线;
根据所述分割线对所述裁剪图像进行分割,将所述分割线包含的区域图像作为所述分割区域图像。
另一方面,本发明实施例提供了一种基于反射图像的焊缝检测系统,包括:
第一模块,用于获取焊缝的反射图像,其中,所述反射图像的每一个像素的光线反射信息用于表征被拍摄位置对光线的反射能力;
第二模块,用于对所述反射图像进行预处理;
第三模块,用于根据预处理后的所述反射图像进行焊缝纹理缺陷检测,得到焊缝纹理缺陷检测结果;
第四模块,用于根据预处理后的所述反射图像进行焊缝黑烟检测,得到焊缝黑烟检测结果;
第五模块,用于根据所述纹理缺陷检测结果和所述焊缝黑烟检测结果分析得到焊缝检测结果。
另一方面,本发明实施例提供了一种基于反射图像的焊缝检测装置,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行所述的基于反射图像的焊缝检测方法。
另一方面,本发明实施例提供了一种存储介质,其中存储有计算机可执行的程序,所述计算机可执行的程序被处理器执行时用于实现所述的基于反射图像的焊缝检测方法。
本发明实施例提供的一种基于反射图像的焊缝检测方法,具有如下有益效果:
本实施例通过获取焊缝的反射图像后,对该反射图像进行预处理,接着分别根据反射图像进行焊缝纹理缺陷检测后得到焊缝纹理缺陷检测结果,以及根据预处理后的反射图像进行焊缝黑烟检测后得到焊缝黑烟检测结果,然后根据纹理缺陷检测结果和焊缝黑烟检测结果进行综合分析后得到焊缝检测结果,从而有效提高焊缝检测的准确度。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
下面结合附图和实施例对本发明做进一步的说明,其中:
图1为本发明实施例一种基于反射图像的焊缝检测方法的流程图;
图2为本发明实施例一种纵向裂纹的示意图;
图3为本发明实施例一种横向裂纹的示意图;
图4为本发明实施例一种放射状裂纹的示意图;
图5为本发明实施例一种间断裂纹的示意图;
图6为本发明实施例一种枝状裂纹的示意图;
图7为本发明实施例一种基于反射图像的焊缝检测方法的整体流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”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。
参照图1,本发明实施例提供了一种基于反射图像的焊缝检测方法。其中,本实施例的方法可应用于终端中,也可应用于服务器中,还可以是运行于终端或服务器中的软件等。具体地,终端可以是平板电脑、笔记本电脑、台式计算机等,但并不局限于此。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器,本发明实施例不作具体限制。
在实施过程中,图1所示的方法包括但不限于以下步骤:
步骤S110、获取焊缝的反射图像。
在本实施例中,反射图像的每一个像素的光线反射信息用于表征被拍摄位置对光线的反射能力。具体地,反射图像也为可以称为灰度图像,一个颜色空间可以表示图像,每个像素由单通道灰度值表示,灰度值表示光线强度。反射图像可以由图像采集设备获得。图像采集设备包括光接收部件,光接收部件用于根据接收到的光线强度确定光线反射信息。
步骤S120、对反射图像进行预处理;
在本实施例中,预处理过程可以通过预设检测先对反射图像进行裁剪。具体地,先获取预设检测线的起始位置坐标、终点位置坐标以及预设检测线的宽度数据,根据起始位置坐标、终点位置坐标和宽度数据生成目标矩形框,再根据目标矩形框对反射图像进行裁剪,得到裁剪图像。在本实施例中,预设检测线用于确定纹理或黑烟位置,通过预设检测线生成的目标框确定反射图像上裂纹或黑烟的区域以及区域边界,然后沿着所述区域边界对反射图像进行裁剪,即能得到包含纹理或黑烟的裁剪图像,从而使得后续分析过程只需要对该裁剪图像进行分析,进而有效提高分析效率。
步骤S130、根据预处理后的反射图像进行焊缝纹理缺陷检测,得到焊缝纹理缺陷检测结果;
在本实施例中,在对焊缝纹理分析缺陷分析时,可以将裁剪得到的裁剪图像与纹理模板进行对比,进而得到焊缝纹理缺陷检测结果。具体地,本实施例可以先获取若干个类型中属于安全范围内的模板纹理,然后将该模板纹理存放在纹理模板内。调用该纹理模板,将裁剪图像与该纹理模板进行比对后得到与纹理模板不相同的图像区域面积,然后根据该图像区域面积分析焊缝纹理状态以得到所述焊缝纹理缺陷检测结果。在对图像区域面积进行分析时,可以将图像区域面积与预设的纹理面积阈值进行比较来分析焊缝纹理缺陷检。示例性地,先分析该图像区域内的纹理类型,从而可以对不同类型的纹理执行不同的分析过程。
具体地,当纹理类型为纵向裂纹,若纵向裂纹的长度大于纹理面积阈值内的纵向裂纹阈值,确定当前焊缝不合格。如图2所示,纵向裂纹210是指与焊缝轴线平行的裂纹,其可能为焊缝金属区域、熔合线、热影响区域或者母线区域。在实际处理过程中,若纵向纹理的长度小于等于纵向裂纹阈值,则可以认为该纵向裂纹不影响安全性,可以不进行处理;若纵向纹理的长度大于纵向裂纹阈值,则可以认为该纵向裂纹影响安全性,需要及时进行处理,进而判断当前焊缝为不合格状态。
当纹理类型为横向裂纹,若横向裂纹的长度大于纹理面积阈值内的横向裂纹阈值,确定当前焊缝不合格。如图3所示,横向裂纹220是指与焊缝轴线垂直的裂纹,其可能为焊缝金属区域、熔合线、热影响区域或者母线区域。在实际处理过程中,若横向纹理的长度小于等于横向裂纹阈值,则可以认为该横向裂纹不影响安全性,可以不进行处理;若横向纹理的长度大于横向裂纹阈值,则可以认为该横向裂纹影响安全性,需要及时进行处理,进而判断当前焊缝为不合格状态。
当纹理类型为放射状裂纹,若放射状裂纹所围成的面积大于纹理面积阈值内的放射状裂纹阈值,确定当前焊缝不合格。如图4所示,放射状裂纹230是指具有某一个公共点的放射状裂纹,其可能为焊缝金属区域、熔合线、热影响区域或者母线区域。在实际处理过程中,放射状裂纹上每条裂纹的终点连接后可以得到该放射状裂纹形成的面积区域,将该区域的面积与放射状裂纹阈值进行比较,若该区域的面积小于等于放射状裂纹阈值,则可以认为该放射状裂纹不影响安全性,可以不进行处理;若该区域的面积大于放射状裂纹阈值,则可以认为该放射状裂纹影响安全性,需要及时进行处理,进而判断当前焊缝为不合格状态。
当纹理类型为间断裂纹,若间断裂纹所围成的面积大于纹理面积阈值内的间断裂纹阈值,确定当前焊缝不合格。如图5所示,间断裂纹240是指一群在任意方向间断分布的裂纹,其可能为焊缝金属区域、熔合线、热影响区域或者母线区域。在实际处理过程中,将间断裂纹所处区域的面积与间断裂纹阈值进行比较,若间断裂纹所处区域的面积小于等于间断裂纹阈值,则可以认为该放射状裂纹不影响安全性,可以不进行处理;若间断裂纹所处区域的面积大于间断裂纹阈值,则可以认为该间断裂纹影响安全性,需要及时进行处理,进而判断当前焊缝为不合格状态。
当纹理类型为枝状裂纹,若枝状裂纹所围成的面积大于纹理面积阈值内的枝状裂纹阈值,确定当前焊缝不合格。如图6所示,枝状裂纹250是指源于同一裂纹并连在一群的裂纹群,其可能为焊缝金属区域、熔合线、热影响区域或者母线区域。在实际处理过程中,枝状裂纹上每条裂纹的终点连接后可以得到该枝状裂纹形成的面积区域,将该区域的面积与枝状裂纹阈值进行比较,若该区域的面积小于等于枝状裂纹阈值,则可以认为该枝状裂纹不影响安全性,可以不进行处理;若该区域的面积大于枝状裂纹阈值,则可以认为该枝状裂纹影响安全性,需要及时进行处理,进而判断当前焊缝为不合格状态。
步骤S140、根据预处理后的反射图像进行焊缝黑烟检测,得到焊缝黑烟检测结果;
在本实施例中,在完成反射图像的预处理后,可以根据反射图像对应的裁剪图像上的灰度数值进行黑烟分析。其中,灰度是反应黑白图像单个像素亮度的标准,对于传统的彩色图像,可以通过对红(R)、绿(G)和蓝(B)三个颜色通道的叠加来得到。在本实施例中,通过先获取预设灰度数值,然后根据预设灰度数值对裁剪图像进行分割后得到分割区域图像,若分割区域图像的面积大于预设黑烟面积,确定当前焊缝不合格。具体地,预设灰度数值可以是灰色或黑色对应的灰度数值,通过该数值来对裁剪图像进行进一步分割,可以有效得到存在黑烟状态的图像区域。由于在焊接过程存在黑烟区域是属于正常现象,但是,当黑烟区域过大时,则表示焊接过程不规范或者焊缝不合格等。因此,本实施例在分割得到黑烟区域对应的分割区域图像后,将该分割区域图像对应的面积与预设黑烟面积进行比较,若分割区域图像对应的面积大于预设黑烟面积,则确定当前焊缝不合格。
在本实施例中,在对裁剪图像进行进一步分割时,可以通过获取裁剪图像上的所有灰度数值后,将该灰度数值中与预设灰度数值相等的位置点连成分割线,然后沿着该分割线对裁剪图像进行分割,从而可以得到包含黑烟区域的图像作为分割区域图像。
步骤S150、根据纹理缺陷检测结果和焊缝黑烟检测结果分析得到焊缝检测结果。
在本实施例中,在得到纹理缺陷检测结果和焊缝黑烟检测结果后,通过这两个结果综合分析当前焊缝是否合格。示例性地,若纹理缺陷检测结果为合格、焊缝黑烟检测结果为不合格,则确定当前焊缝不合格;反之,若纹理缺陷检测结果为不合格、焊缝黑烟检测结果为合格,则也确定当前焊缝不合格。只有在纹理缺陷检测结果和焊缝黑烟检测结果均为合格时,才确定当前焊缝合格。由此可知,本实施例通过两个分析结果的综合判断来确定焊缝的最终结果,从而可以有效提高焊缝检测结果的准确度。
综上可知,如图7所示,本实施例提供的焊缝检测方法的整体实时过程如下:
获取预设检测线;其中,该预设检测线在应用过程之前进行了校正,使其适用于当前焊缝的检测场景;
根据预设检测线的起点坐标PStart、终点坐标Pend和宽度Width对反射图像进行裁剪后得到对应图像作为裁剪图像;
对该裁剪图像分别进行纹理检测和黑烟检测;其中,纹理检测过程可以通过将该裁剪图像与纹理模板进行比对识别,得到与纹理模板不相同的图像区域面积P’,然后判断该图像区域面积P’与异常纹理面积AreaP的大小关系,若图像区域面积P’大于异常纹理面积AreaP,则确定当前焊缝纹理不合格,反之则合格,并输出焊缝纹理缺陷检测结果;黑烟检测过程可以通过阈值分割方法对裁剪图像进行进一步分割后,得到黑烟面积S’,然后将该黑烟面积S’与黑烟检测面积AreaS进行比较,若黑烟面积S’大于黑烟检测面积AreaS,则确定当前黑烟检测得到焊缝不合格,反之则合格,并输出焊缝黑烟检测结果;
根据焊缝纹理缺陷检测结果和焊缝黑烟检测结果进行综合判断当前焊缝是否合格,将所有检测结果汇总后,结束当前焊缝检测流程。
本发明实施例提供了一种基于反射图像的焊缝检测系统,包括:
第一模块,用于获取焊缝的反射图像,其中,反射图像的每一个像素的光线反射信息用于表征被拍摄位置对光线的反射能力;
第二模块,用于对反射图像进行预处理;
第三模块,用于根据预处理后的反射图像进行焊缝纹理缺陷检测,得到焊缝纹理缺陷检测结果;
第四模块,用于根据预处理后的反射图像进行焊缝黑烟检测,得到焊缝黑烟检测结果;
第五模块,用于根据纹理缺陷检测结果和焊缝黑烟检测结果分析得到焊缝检测结果。
本发明方法实施例的内容均适用于本系统实施例,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例提供了一种基于反射图像的焊缝检测装置,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行图1所示的基于反射图像的焊缝检测方法。
在本实施例中,控制处理器和存储器可以通过总线或者其他方式连接。其中,存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于控制处理器远程设置的存储器,这些远程存储器可以通过网络连接至该基于深度学习的焊缝检测装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明方法实施例的内容均适用于本装置实施例,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例提供了一种存储介质,其中存储有计算机可执行的程序,所述计算机可执行的程序被处理器执行时用于实现图1所示的基于反射图像的焊缝检测方法。
本发明方法实施例的内容均适用于本存储介质实施例,本存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
此外,本发明实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的基于反射图像的焊缝检测方法。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。此外,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
Claims (10)
1.一种基于反射图像的焊缝检测方法,其特征在于,包括以下步骤:
获取焊缝的反射图像,其中,所述反射图像的每一个像素的光线反射信息用于表征被拍摄位置对光线的反射能力;
对所述反射图像进行预处理;
根据预处理后的所述反射图像进行焊缝纹理缺陷检测,得到焊缝纹理缺陷检测结果;
根据预处理后的所述反射图像进行焊缝黑烟检测,得到焊缝黑烟检测结果;
根据所述纹理缺陷检测结果和所述焊缝黑烟检测结果分析得到焊缝检测结果。
2.根据权利要求1所述的一种基于反射图像的焊缝检测方法,其特征在于,所述对所述反射图像进行预处理,包括:
获取预设检测线的起始位置坐标、终点位置坐标以及所述预设检测线的宽度数据;
根据所述起始位置坐标、所述终点位置坐标和所述宽度数据生成目标矩形框;
根据所述目标矩形框对所述反射图像进行裁剪,得到裁剪图像。
3.根据权利要求2所述的一种基于反射图像的焊缝检测方法,其特征在于,所述根据预处理后的所述反射图像进行焊缝纹理缺陷检测,得到焊缝纹理缺陷检测结果,包括:
获取纹理模板,所述纹理模板上设有若干个类型的模板纹理,所述模板纹理属于安全范围内的纹理;
将所述裁剪图像与所述纹理模板进行比对,得到与所述纹理模板不相同的图像区域面积;
根据所述图像区域面积分析焊缝纹理状态,得到所述焊缝纹理缺陷检测结果。
4.根据权利要求3所述的一种基于反射图像的焊缝检测方法,其特征在于,所述根据所述图像区域面积分析焊缝纹理状态,得到所述焊缝纹理缺陷检测结果,包括:
获取纹理面积阈值;
分析所述图像区域面积和所述纹理面积阈值的大小关系,得到所述焊缝纹理缺陷检测结果。
5.根据权利要求4所述的一种基于反射图像的焊缝检测方法,其特征在于,所述分析所述图像区域面积和所述纹理面积阈值的大小关系,得到所述焊缝纹理缺陷检测结果,包括:
分析所述图像区域面积内的纹理类型;
当所述纹理类型为纵向裂纹,若所述纵向裂纹的长度大于所述纹理面积阈值内的纵向裂纹阈值,确定当前焊缝不合格;
当所述纹理类型为横向裂纹,若所述横向裂纹的长度大于所述纹理面积阈值内的横向裂纹阈值,确定当前焊缝不合格;
当所述纹理类型为放射状裂纹,若所述放射状裂纹所围成的面积大于所述纹理面积阈值内的放射状裂纹阈值,确定当前焊缝不合格;
当所述纹理类型为间断裂纹,若所述间断裂纹所围成的面积大于所述纹理面积阈值内的间断裂纹阈值,确定当前焊缝不合格;
当所述纹理类型为枝状裂纹,若所述枝状裂纹所围成的面积大于所述纹理面积阈值内的枝状裂纹阈值,确定当前焊缝不合格。
6.根据权利要求2所述的一种基于反射图像的焊缝检测方法,其特征在于,所述根据预处理后的所述反射图像进行焊缝黑烟检测,得到焊缝黑烟检测结果,包括:
获取预设灰度数值;
根据所述预设灰度数值对所述裁剪图像进行分割,得到分割区域图像;
当所述分割区域图像的面积大于预设黑烟面积,确定当前焊缝不合格。
7.根据权利要求6所述的一种基于反射图像的焊缝检测方法,其特征在于,所述根据所述预设灰度数值对所述裁剪图像进行分割,得到分割区域图像,包括:
获取所述裁剪图像上的所有灰度数值;
将所述裁剪图像的灰度数值与所述预设灰度数值相等的位置点连成分割线;
根据所述分割线对所述裁剪图像进行分割,将所述分割线包含的区域图像作为所述分割区域图像。
8.一种基于反射图像的焊缝检测系统,其特征在于,包括:
第一模块,用于获取焊缝的反射图像,其中,所述反射图像的每一个像素的光线反射信息用于表征被拍摄位置对光线的反射能力;
第二模块,用于对所述反射图像进行预处理;
第三模块,用于根据预处理后的所述反射图像进行焊缝纹理缺陷检测,得到焊缝纹理缺陷检测结果;
第四模块,用于根据预处理后的所述反射图像进行焊缝黑烟检测,得到焊缝黑烟检测结果;
第五模块,用于根据所述纹理缺陷检测结果和所述焊缝黑烟检测结果分析得到焊缝检测结果。
9.一种基于反射图像的焊缝检测装置,其特征在于,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行如权利要求1-7任一项所述的基于反射图像的焊缝检测方法。
10.一种存储介质,其特征在于,其中存储有计算机可执行的程序,所述计算机可执行的程序被处理器执行时用于实现如权利要求1-7任一项所述的基于反射图像的焊缝检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211605626.6A CN115953366A (zh) | 2022-12-14 | 2022-12-14 | 基于反射图像的焊缝检测方法、系统、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211605626.6A CN115953366A (zh) | 2022-12-14 | 2022-12-14 | 基于反射图像的焊缝检测方法、系统、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115953366A true CN115953366A (zh) | 2023-04-11 |
Family
ID=87297485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211605626.6A Pending CN115953366A (zh) | 2022-12-14 | 2022-12-14 | 基于反射图像的焊缝检测方法、系统、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953366A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013185969A (ja) * | 2012-03-08 | 2013-09-19 | Mitsubishi Heavy Ind Ltd | 溶接欠陥検出方法及び溶接欠陥検出装置 |
CN111275659A (zh) * | 2018-12-03 | 2020-06-12 | 中国商用飞机有限责任公司 | 一种焊缝图像处理方法、装置、终端设备及存储介质 |
CN112801972A (zh) * | 2021-01-25 | 2021-05-14 | 武汉理工大学 | 一种桥梁缺陷检测方法、设备、系统及存储介质 |
CN113436168A (zh) * | 2021-06-25 | 2021-09-24 | 重庆邮电大学 | 一种用于工业焊缝x光图中的裂纹缺陷检测方法 |
CN114693610A (zh) * | 2022-03-15 | 2022-07-01 | 中南大学 | 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质 |
CN115100127A (zh) * | 2022-06-13 | 2022-09-23 | 杭州安脉盛智能技术有限公司 | 一种基于视觉识别的圆形焊缝缺陷检测方法 |
-
2022
- 2022-12-14 CN CN202211605626.6A patent/CN115953366A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013185969A (ja) * | 2012-03-08 | 2013-09-19 | Mitsubishi Heavy Ind Ltd | 溶接欠陥検出方法及び溶接欠陥検出装置 |
CN111275659A (zh) * | 2018-12-03 | 2020-06-12 | 中国商用飞机有限责任公司 | 一种焊缝图像处理方法、装置、终端设备及存储介质 |
CN112801972A (zh) * | 2021-01-25 | 2021-05-14 | 武汉理工大学 | 一种桥梁缺陷检测方法、设备、系统及存储介质 |
CN113436168A (zh) * | 2021-06-25 | 2021-09-24 | 重庆邮电大学 | 一种用于工业焊缝x光图中的裂纹缺陷检测方法 |
CN114693610A (zh) * | 2022-03-15 | 2022-07-01 | 中南大学 | 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质 |
CN115100127A (zh) * | 2022-06-13 | 2022-09-23 | 杭州安脉盛智能技术有限公司 | 一种基于视觉识别的圆形焊缝缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
王飞跃: "《数字图像模式识别工程项目研究》", 北京:中国科学技术出版社, pages: 465 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598721B (zh) | 电池极片的缺陷检测方法、装置、检测设备和存储介质 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN115147370A (zh) | 一种电池顶盖焊接缺陷检测方法、装置、介质及电子设备 | |
CN115511889A (zh) | 一种太阳能电池板支架表面焊接缺陷检测方法 | |
CN109557109B (zh) | 冷冻肉品包装状态的检测方法及装置 | |
CN113538430A (zh) | 基于差分的极片缺陷检测方法、装置、设备及介质 | |
CN115631116B (zh) | 基于双目视觉的飞行器电力巡检系统 | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN116310903A (zh) | 识别光伏组件故障类型的方法、装置及电子设备 | |
CN112580600A (zh) | 粉尘浓度检测方法、装置、计算机设备和存储介质 | |
CN113378648A (zh) | 一种人工智能港口码头监控方法 | |
CN116547713A (zh) | 一种用于缺陷检测的方法和系统 | |
CN114627122A (zh) | 一种缺陷检测方法及装置 | |
CN115953366A (zh) | 基于反射图像的焊缝检测方法、系统、装置和存储介质 | |
CN116503414B (zh) | 屏幕缺陷检测方法、装置、计算机设备和存储介质 | |
CN110992306B (zh) | 基于深度学习的红外图像中劣化绝缘子的分割方法及装置 | |
CN116228640B (zh) | 基于深度图像的焊缝检测方法、系统、装置及存储介质 | |
CN112102298A (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN111948213A (zh) | 一种基于注意力胶囊网络的口红缺陷检测装置及其检测方法 | |
CN115830027B (zh) | 基于机器视觉的汽车线束包覆缺陷检测方法 | |
CN115631198B (zh) | 玻璃显示屏的裂纹检测方法、装置及计算机设备 | |
CN111429411B (zh) | 一种碳纤维复合芯导线的x射线缺陷图像样本生成方法 | |
CN115456996A (zh) | 一种核燃料芯块的离散性缺陷检测方法及相关组件 | |
CN111928944B (zh) | 激光光线检测方法、装置和系统 | |
CN115352832A (zh) | 一种皮带撕裂检测方法 |
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 |