CN116105604A - 钢管质量检测系统及检测方法 - Google Patents

钢管质量检测系统及检测方法 Download PDF

Info

Publication number
CN116105604A
CN116105604A CN202310403600.1A CN202310403600A CN116105604A CN 116105604 A CN116105604 A CN 116105604A CN 202310403600 A CN202310403600 A CN 202310403600A CN 116105604 A CN116105604 A CN 116105604A
Authority
CN
China
Prior art keywords
steel pipe
module
diameter
length
master control
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
Application number
CN202310403600.1A
Other languages
English (en)
Other versions
CN116105604B (zh
Inventor
王金桥
朱炳科
赵朝阳
陈盈盈
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Objecteye Beijing Technology Co Ltd
Original Assignee
Objecteye Beijing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Objecteye Beijing Technology Co Ltd filed Critical Objecteye Beijing Technology Co Ltd
Priority to CN202310403600.1A priority Critical patent/CN116105604B/zh
Publication of CN116105604A publication Critical patent/CN116105604A/zh
Application granted granted Critical
Publication of CN116105604B publication Critical patent/CN116105604B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/0006Industrial image inspection using a design-rule based approach
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/02Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/08Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • G01B11/12Measuring arrangements characterised by the use of optical techniques for measuring diameters internal diameters
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan 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
    • G01N2021/8887Scan 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 based on image processing techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30136Metal
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及工业生产智能检测技术领域,提供一种钢管质量检测系统及检测方法,该系统中总控模块先利用直径采集模块采集的被测钢管的侧面图像确定被测钢管的直径信息,不仅能够自动判断出其直径是否合格,还可以借助于直径信息对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以使钢管质量检测系统可以适用于不同直径的被测钢管,提高钢管质量检测系统的适用性。此后,总控模块利用表面缺陷采集模块采集的各方位的表面图像确定被测钢管的表面缺陷信息,并利用长度测量模块测量的长度信息判断被测钢管的长度是否合格,可以实现对钢管质量的自动化检测,进而提升钢管生产的自动化程度,提高钢管质量检测效率。

Description

钢管质量检测系统及检测方法
技术领域
本发明涉及工业生产智能检测技术领域,尤其涉及一种钢管质量检测系统及检测方法。
背景技术
随着钢管在各行各业中的广泛应用,钢管已实现自动化生产。在钢管的自动化生产过程中,为保证钢管的生产合格率,提高钢管出厂率,对钢管质量进行检测至关重要。
钢管质量的检测主要从长度、直径以及表面缺陷中的一个或两个维度实现。现有的钢管检测方式,主要是将生产的钢管放入缓存区域,然后人工进行检测。其中,钢管长度和直径由工作人员用米尺测量;钢管的表面瑕疵,由工人肉眼对钢管的上半面进行观察,然后人为滚动钢管,并再次肉眼对钢管的下半面进行观察。
现有的钢管质量检测方法,其效率低、人工成本高,大大降低了钢管生产的自动化程度,并且由于钢管生产线现场环境较差,容易造成检测人员疲劳,不适合人工长期作业。此外,人工检测方式无法进行标准化,这将导致不同人的检测结果有所不同,容易产生误差,降低检测结果的可信度。
发明内容
本发明提供一种钢管质量检测系统及检测方法,用以解决现有技术中存在的缺陷。
本发明提供一种钢管质量检测系统,包括:总控模块以及沿被测钢管的行进路径设置的直径采集模块、表面缺陷采集模块和长度测量模块,所述直径采集模块、所述表面缺陷采集模块以及所述长度测量模块均与所述总控模块连接;
所述直径采集模块用于采集被测钢管的侧面图像,并将所述侧面图像发送至所述总控模块;
所述总控模块用于对所述侧面图像进行解析,得到所述被测钢管的直径信息,并基于所述直径信息对所述表面缺陷采集模块以及所述长度测量模块的空间位置进行调节,以适配所述被测钢管;
所述表面缺陷采集模块用于采集所述被测钢管各方位的表面图像,并将所述表面图像发送至所述总控模块;
所述长度测量模块用于测量所述被测钢管的长度信息,并将所述长度信息发送至所述总控模块;
所述总控模块还用于基于所述直径信息,判断所述被测钢管的直径是否合格,基于所述长度信息,判断所述被测钢管的长度是否合格,并对所述表面图像进行解析,得到所述被测钢管的表面缺陷信息。
根据本发明提供的一种钢管质量检测系统,还包括:沿所述行进路径设置的机械降震模块,所述机械降震模块与所述总控模块连接;
所述总控模块还用于基于所述直径信息对所述机械降震模块的空间位置进行调节,以适配所述被测钢管;
所述机械降震模块用于缓冲所述被测钢管震动时的冲击。
根据本发明提供的一种钢管质量检测系统,所述机械降震模块包括第一调节模组、在所述行进路径相对的两侧依次设置的第一腰鼓形滑轮以及第二腰鼓形滑轮,所述机械降震模块还包括与所述第一腰鼓形滑轮通过所述第一调节模组连接的连接板以及与所述连接板通过弹性件连接的固定板;
所述第一调节模组与所述总控模块连接,所述第一调节模组用于接收所述总控模块基于所述直径信息确定的第一控制指令,并基于所述第一控制指令对所述弹性件处于自然伸展状态时所述连接板的空间位置进行调节。
根据本发明提供的一种钢管质量检测系统,所述机械降震模块包括两个,两个所述机械降震模块分别沿所述行进路径设置于所述表面缺陷采集模块的两侧。
根据本发明提供的一种钢管质量检测系统,所述表面缺陷采集模块包括图像采集设备组以及第二调节模组;
所述图像采集设备组包括沿所述行进路径的周向均匀设置的多个图像采集设备以及每个所述图像采集设备的固定支架,每个所述图像采集设备均与所述总控模块连接;
每个所述图像采集设备用于采集对应方位的表面图像;
所述第二调节模组与所述总控模块连接,并与所述固定支架连接;
所述第二调节模组用于接收所述总控模块基于所述直径信息确定的第二控制指令,并基于所述第二控制指令对所述固定支架的空间位置进行调节。
根据本发明提供的一种钢管质量检测系统,所述表面缺陷采集模块还包括光源组;
所述光源组包括多个光源,每个所述光源设置于相邻的两个所述图像采集设备之间,且每个所述光源朝向所述被测钢管。
根据本发明提供的一种钢管质量检测系统,所述长度测量模块包括测长仪以及第三调节模组;
所述测长仪垂直于所述行进路径设置,所述测长仪与所述第三调节模组连接;
所述第三调节模组用于接收所述总控模块基于所述直径信息确定的第三控制指令,并基于所述第三控制指令对所述测长仪的空间位置进行调整,以适配所述被测钢管。
根据本发明提供的一种钢管质量检测系统,所述测长仪为激光测长仪;
所述第三调节模组具体用于基于所述第三控制指令对所述激光测长仪的空间位置进行调整,以使所述激光测长仪与所述被测钢管的表面之间的距离信息为预设垂直距离。
根据本发明提供的一种钢管质量检测系统,还包括光电触发模块,所述光电触发模块沿所述行进路径设置于所述直径采集模块之前,所述光电触发模块与所述总控模块连接;
所述光电触发模块用于在检测到所述被测钢管时向总控模块发送触发信号;
所述总控模块还用于基于所述触发信号,唤醒所述钢管质量检测系统中与所述总控模块连接的模块。
本发明还提供一种钢管质量检测方法,包括:
接收直径采集模块采集的被测钢管的侧面图像,并识别所述侧面图像中的边缘轮廓点,基于偏差和目标函数,对所述边缘轮廓点进行拟合,基于拟合所得结果确定所述被测钢管的直径信息;
基于所述直径信息,对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以适配所述被测钢管,并基于所述直径信息,判断所述被测钢管的直径是否合格;
接收所述表面缺陷采集模块采集的所述被测钢管各方位的表面图像,并基于深度学习模型,对所述表面图像进行解析,得到所述被测钢管的表面缺陷信息;
接收所述长度测量模块采集的所述被测钢管的长度信息,并基于所述长度信息,判断所述被测钢管的长度是否合格。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述的钢管质量检测方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述的钢管质量检测方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述的钢管质量检测方法。
本发明提供的钢管质量检测系统及检测方法,该系统包括总控模块以及沿被测钢管的行进路径设置的直径采集模块、表面缺陷采集模块和长度测量模块,总控模块先利用直径采集模块采集的被测钢管的侧面图像确定被测钢管的直径信息,不仅能够自动判断出其直径是否合格,还可以借助于直径信息对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以使钢管质量检测系统可以适用于不同直径的被测钢管,提高钢管质量检测系统的适用性。此后,总控模块利用表面缺陷采集模块采集的各方位的表面图像确定被测钢管的表面缺陷信息,并利用长度测量模块测量的长度信息判断被测钢管的长度是否合格,可以实现对钢管质量的自动化检测,进而提升钢管生产的自动化程度,提高钢管质量检测效率。而且,还可以降低人工成本,实现了检测标准化,避免不同人的检测结果有所不同的现象发生,提高检测结果的准确性和可信度。
附图说明
为了更清楚地说明本发明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,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的钢管质量检测系统的结构示意图之一;
图2是本发明提供的钢管质量检测系统的结构示意图之二;
图3是本发明提供的钢管质量检测系统中第一机械降震模块的结构示意图;
图4是本发明提供的钢管质量检测系统中表面缺陷采集模块的结构示意图;
图5是本发明提供的钢管质量检测系统中长度测量模块的结构示意图;
图6是本发明提供的钢管质量检测系统中直径采集模块的结构示意图;
图7是本发明提供的钢管质量检测方法的流程示意图;
图8是本发明提供的钢管质量检测方法中确定被测钢管的直径信息的流程示意图;
图9是本发明提供的钢管质量检测方法中确定被测钢管的表面缺陷信息的流程示意图;
图10是本发明提供的钢管质量检测系统中的中控模块的结构示意图;
图11是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
由于现有的钢管质量检测方法,其效率低、人工成本高,大大降低了钢管生产的自动化程度,并且由于钢管生产线现场环境较差,容易造成检测人员疲劳,不适合人工长期作业。此外,人工检测方式无法进行标准化,这将导致不同人的检测结果有所不同,容易产生误差,降低检测结果的可信度。基于此,本发明实施例中提供了一种钢管质量检测系统,以解决上述技术问题。
图1为本发明实施例中提供的一种钢管质量检测系统,包括:总控模块1以及沿被测钢管的行进路径设置的直径采集模块2、表面缺陷采集模块3和长度测量模块4,直径采集模块2、表面缺陷采集模块3以及长度测量模块4均与总控模块1连接;
直径采集模块2用于采集被测钢管的侧面图像,并将侧面图像发送至总控模块1;
总控模块1用于对侧面图像进行解析,得到被测钢管的直径信息,并基于直径信息对表面缺陷采集模块3以及长度测量模块4的空间位置进行调节,以适配被测钢管;
表面缺陷采集模块3用于采集被测钢管各方位的表面图像,并将表面图像发送至总控模块1;
长度测量模块4用于测量被测钢管的长度信息,并将长度信息发送至总控模块1;
总控模块1还用于基于直径信息,判断被测钢管的直径是否合格,基于长度信息,判断被测钢管的长度是否合格,并对表面图像进行解析,得到被测钢管的表面缺陷信息。
具体地,本发明实施例中提供的钢管质量检测系统,包括总控模块1以及沿被测钢管的行进路径设置的直径采集模块2、表面缺陷采集模块3和长度测量模块4。总控模块1可以是可编程逻辑控制器(Programmable Logic Controller,PLC)。
被测钢管在进行质量检测时,可以将其延伸方向作为行进方向,即将被测钢管平放在其行进路径上使其沿行进方向运动。被测钢管的行进路径可以由水平面上依次排列的多个腰鼓形滑轮构成,以使被测钢管可以顺利在行进路径上运动。
被测钢管沿行进路径运动的过程中,先遇到直径采集模块2,此后既可以先遇到表面缺陷采集模块3,也可以先遇到长度测量模块4,也就是说,既可以是直径采集模块2、表面缺陷采集模块3和长度测量模块4沿被测钢管的行进路径顺次设置,也可以是直径采集模块2、长度测量模块4和表面缺陷采集模块3沿被测钢管的行进路径顺次设置,此处不作具体限定。
直径采集模块2、表面缺陷采集模块3以及长度测量模块4均可以与总控模块1通信连接,以实现直径采集模块2、表面缺陷采集模块3以及长度测量模块4向总控模块1传输信息、总控模块1向直径采集模块2、表面缺陷采集模块3以及长度测量模块4传输控制指令。
直径采集模块2可以用于采集被测钢管的侧面图像,并将侧面图像发送至总控模块1。该侧面图像可以是被测钢管的任意方位上的表面图像,例如可以是直径采集模块2朝向被测钢管竖直向下拍摄得到的俯视角度的侧面图像,也可以是直径采集模块2朝向被测钢管水平向左或向右拍摄得到的侧视角度的侧面图像,由直径采集模块2的具体位置而定。
总控模块1在接收到侧面图像之后,可以对侧面图像进行解析,以得到被测钢管的直径信息。该直径信息可以包括被测钢管的直径长度。总控模块1可以直接通过识别侧面图像中被测钢管的两个边缘线,并将计算得到的两个边缘线之间的距离作为被测钢管的直径信息。
此后,总控模块1可以利用直径信息对表面缺陷采集模块3以及长度测量模块4的空间位置进行调节,以适配被测钢管。如此,该钢管质量检测系统可以用于对不同直径的被测钢管进行质量检测。
可以理解的是,由于总控模块1需要利用直径采集模块2得到的侧面图像解析出被测钢管的直径信息,并利用该直径信息对表面缺陷采集模块3以及长度测量模块4的空间位置进行调节,该过程需要一定的时长,因此直径采集模块2与表面缺陷采集模块3应该满足如下条件:d1≥v*t1,其中,v为被测钢管的运动速度,d1为直径采集模块2与表面缺陷采集模块3的距离,t1为从直径采集模块2采集到侧面图像开始到表面缺陷采集模块3的空间位置调节为适配被测钢管所用的总时长。
直径采集模块2与长度测量模块4的距离应该满足如下条件:d2≥v*t2,d2为直径采集模块2与长度测量模块4的距离,t2为从直径采集模块2采集到侧面图像开始到长度测量模块4的空间位置调节为适配被测钢管所用的总时长。
总控模块1在接收到直径信息之后,还可以利用直径信息,判断被测钢管的直径是否合格,即总控模块1可以将直径信息与标准直径信息进行比较,若二者差值在预设范围内,则认为被测钢管的直径合格,否则,若直径信息与标准直径信息的差值在预设范围外,则认为被测钢管的直径不合格。
利用空间位置调节后的表面缺陷采集模块3,可以采集被测钢管各方位的表面图像,并将表面图像发送至总控模块1。表面缺陷采集模块3可以实现对被测钢管360度全视角的表面图像采集,如此可以保证对被测钢管进行全方位的表面缺陷识别。此处,各方位可以包括上、下、左、右4个方位,在此基础上,也可以包括左上、右上、左下、右下共8个方位,此处不作具体限定。
总控模块1在接收各方位的表面图像之后,可以对各方位的表面图像进行解析,以得到被测钢管的表面缺陷信息。在对各方位的表面图像进行解析时,可以引入图像识别模型,将各方位的表面图像输入至图像识别模型,得到图像识别模型输出的被测钢管的表面缺陷信息。若被测钢管的表面无缺陷,则表面缺陷信息为空,否则,表面缺陷信息可以包括缺陷位置、缺陷类型以及缺陷类型对应的概率等信息。此处,图像识别模型可以是深度学习模型,可以利用携带有表面缺陷标签的图像样本对初始识别模型进行训练得到。
利用空间位置调节后的长度测量模块4,可以测量被测钢管的长度信息,并将长度信息发送至总控模块1。此处,长度测量模块4可以通过激光测距原理实现对被测钢管的长度信息的测量,例如可以运用激光多普勒效应,测量得到被测钢管的长度信息。
总控模块1在接收到长度信息之后,可以利用该长度信息,判断被测钢管的长度是否合格,即总控模块1可以将长度信息与标准长度信息进行比较,若二者差值在预设范围内,则认为被测钢管的长度合格,否则,若长度信息与标准长度信息的差值在预设范围外,则认为被测钢管的长度不合格。
至此,钢管质量检测系统实现了从直径、长度以及表面缺陷等维度对被测钢管进行质量检测。总控模块1可以配置有可视化显示界面,用以显示被测钢管的长度信息、直径信息以及表面缺陷信息等,还可以显示被测钢管的长度是否合格、直径是否合格的检测结果。总控模块1可以对被测钢管进行报表统计,并通过喷码机对被测钢管进行质量检测结果的标记。
最后,可以根据被测钢管的质量检测结果,对被测钢管进行线体剔除,即若被测钢管质量检测合格,即长度合格、直径合格且表面无缺陷,则进入第一流水线,若被测钢管质量检测不合格,即满足长度不合格、直径不合格以及表面有缺陷中的至少一项,则进入第二流水线。
本发明实施例中,直径采集模块2、表面缺陷采集模块3以及长度测量模块4均可以各自带有防护外壳,可以延长其使用寿命,且维护方便。
本发明实施例中提供的钢管质量检测系统,包括总控模块以及沿被测钢管的行进路径设置的直径采集模块、表面缺陷采集模块和长度测量模块,总控模块先利用直径采集模块采集的被测钢管的侧面图像确定被测钢管的直径信息,不仅能够自动判断出其直径是否合格,还可以借助于直径信息对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以使钢管质量检测系统可以适用于不同直径的被测钢管,提高钢管质量检测系统的适用性。此后,总控模块利用表面缺陷采集模块采集的各方位的表面图像确定被测钢管的表面缺陷信息,并利用长度测量模块测量的长度信息判断被测钢管的长度是否合格,可以实现对钢管质量的自动化检测,并通过总控模块提供设备配套管理软件,对检测过程进行数据管理及报警管理,进而提升钢管生产的自动化程度,提高钢管质量检测效率。而且,还可以降低人工成本,实现了检测标准化,避免不同人的检测结果有所不同的现象发生,提高检测结果的准确性和可信度。
在上述实施例的基础上,本发明实施例中提供的钢管质量检测系统,还包括:沿所述行进路径设置的机械降震模块,所述机械降震模块与所述总控模块连接;
所述总控模块还用于基于所述直径信息对所述机械降震模块的空间位置进行调节,以适配所述被测钢管;
所述机械降震模块用于缓冲所述被测钢管震动时的冲击。
具体地,钢管质量检测系统还包括沿被测钢管的行进路径设置的机械降震模块,该机械降震模块可以与总控模块通信连接,以使总控模块利用被测钢管的直径信息对机械降震模块的空间位置进行调节,实现对不同直径的被测钢管的适配。
同样地,直径采集模块2与机械降震模块的距离d3应该满足如下条件:d3≥v*t3,其中,t3为从直径采集模块2采集到侧面图像开始到机械降震模块的空间位置调节为适配被测钢管所用的总时长。如此可以保证被测钢管在到达机械降震模块时,机械降震模块已达到适配被测钢管的状态。
利用空间位置调节后的机械降震模块可以缓冲被测钢管震动时的冲击,减少被测钢管在质量检测时的震动,防止检测结果出现偏差。可以理解的是,在正常情况下,空间位置调节后的机械降震模块与被测钢管适配但是并未接触,二者之间留有一定间隙,只有在被测钢管震动时才可能会与机械降震模块发生接触,进而通过机械降震模块实现对被测钢管震动时产生的冲击进行缓冲。
在上述实施例的基础上,本发明实施例中提供的钢管质量检测系统,所述机械降震模块包括两个,两个所述机械降震模块分别沿所述行进路径设置于所述表面缺陷采集模块的两侧。
具体地,如图2所示,沿被测钢管的行进路径,表面缺陷采集模块3的两侧分别设置有第一机械降震模块5和第二机械降震模块6,即第一机械降震模块5设置于直径采集模块2与表面缺陷采集模块3之间,第二机械降震模块6设置于表面缺陷采集模块3与长度测量模块4之间。如此可以进一步减少被测钢管在质量检测时的震动,增强对被测钢管震动时的冲击的缓冲效果,提高被测钢管在质量检测时的稳定性。
在上述实施例的基础上,本发明实施例中提供的钢管质量检测系统,所述机械降震模块包括第一调节模组、在所述行进路径相对的两侧依次设置的第一腰鼓形滑轮以及第二腰鼓形滑轮,所述机械降震模块还包括与所述第一腰鼓形滑轮通过所述第一调节模组连接的连接板以及与所述连接板通过弹性件连接的固定板;
所述第一调节模组与所述总控模块连接,所述第一调节模组用于接收所述总控模块基于所述直径信息确定的第一控制指令,并基于所述第一控制指令对所述弹性件处于自然伸展状态时所述连接板的空间位置进行调节。
具体地,如图3所示,每个机械降震模块均具有相同的结构,仅仅位置不同。以第一机械降震模块5为例,第一机械降震模块5包括第一调节模组51、第一腰鼓形滑轮52、第二腰鼓形滑轮53、与第一腰鼓形滑轮52通过第一调节模组51连接的连接板54以及与连接板54通过弹性件55连接的固定板56。
第一腰鼓形滑轮52与第二腰鼓形滑轮53可以在行进路径相对的两侧依次设置,即可以设置在行进路径的上下两侧,也可以设置在行进路径的左右两侧。图3中仅示出了第一腰鼓形滑轮52以及第二腰鼓形滑轮53分别设置在行进路径的上下两侧,且第一腰鼓形滑轮52位于上侧,第二腰鼓形滑轮53位于下侧的情况。
第一机械降震模块5中可以仅包括一个第一调节模组51,该第一调节模组51可以用于控制其中的一个腰鼓形滑轮,即第一腰鼓形滑轮52,另一个腰鼓形滑轮,即第二腰鼓形滑轮53则固定,如此可以快速调节第一机械降震模块5的空间位置使其适配被测钢管。
第一调节模组51可以包括伺服电缸,通过伺服电缸长度的伸缩实现对第一腰鼓形滑轮52的空间位置的调整以适配不同直径的被测钢管。第一调节模组51可以与总控模块1连接,接收总控模块1基于直径信息确定的第一控制指令,并基于第一控制指令调节自身长度,进而对弹性件55处于自然伸展状态时连接板54的空间位置进行调节。
当被测钢管发生震动时,震动产生的位移使被测钢管与第一腰鼓形滑轮52接触,由于此时第一调节模组51不起调节作用,长度固定,则弹性件55在连接板54与固定板56之间被压缩,达到接触力的缓冲效果。
在上述实施例的基础上,本发明实施例中提供的钢管质量检测系统,所述表面缺陷采集模块包括图像采集设备组以及第二调节模组;
所述图像采集设备组包括沿所述行进路径的周向均匀设置的多个图像采集设备以及每个所述图像采集设备的固定支架,每个所述图像采集设备均与所述总控模块连接;
每个所述图像采集设备用于采集对应方位的表面图像;
所述第二调节模组与所述总控模块连接,并与所述固定支架连接;
所述第二调节模组用于接收所述总控模块基于所述直径信息确定的第二控制指令,并基于所述第二控制指令对所述固定支架的空间位置进行调节。
具体地,如图4所示,表面缺陷采集模块3包括图像采集设备组以及第二调节模组31。图像采集设备组包括沿行进路径的周向均匀设置的多个图像采集设备32以及每个图像采集设备的固定支架33,图像采集设备32的数量可以根据需要进行设置,只要能够使各图像采集设备32采集的对应方位的表面图像可以覆盖被测钢管的完整外表面即可。例如,为保证被测钢管的外表面的全面覆盖,图像采集设备32可以是至少3个,此处不作具体限定。图4中仅以4个均匀分布的图像采集设备32为例,分别位于行进路径的左上、左下、右上、右下四个方位处。
各图像采集设备32可以共用一个固定支架33进行固定,也可以分别采用一个固定支架进行固定,此处不作具体限定。
每个图像采集设备32均与总控模块1通信连接,用于采集对应方位的表面图像,并将采集到的表面图像发送至总控模块1。
第二调节模组31可以包括伺服电缸和电缸伺服驱动器,第二调节模组31可以通过伺服电缸与固定支架33固定连接。
第二调节模组31与总控模块1通信连接,可以接收总控模块1基于直径信息确定的第二控制指令,并基于第二控制指令调节自身长度,以对固定支架33的空间位置进行调节,进而适配不同直径的被测钢管。
在上述实施例的基础上,本发明实施例中提供的钢管质量检测系统,所述表面缺陷采集模块还包括光源组;
所述光源组包括多个光源,每个所述光源设置于相邻的两个所述图像采集设备之间,且每个所述光源朝向所述被测钢管。
具体地,表面缺陷采集模块还可以包括光源组,为图像采集设备组提供图像采集所需的光照调节。光源组可以包括多个光源,每个光源可以设置于相邻的两个图像采集设备之间,且每个光源朝向被测钢管。光源可以是LED漫反射光源,也可以是面阵光源或线阵光源,还可以是定制光源,此处不作具体限定。
在上述实施例的基础上,本发明实施例中提供的钢管质量检测系统,所述长度测量模块包括测长仪以及第三调节模组;
所述测长仪垂直于所述行进路径设置,所述测长仪与所述第三调节模组连接;
所述第三调节模组用于接收所述总控模块基于所述直径信息确定的第三控制指令,并基于所述第三控制指令对所述测长仪的空间位置进行调整,以适配所述被测钢管。
具体地,如图5所示,长度测量模块4包括测长仪41以及第三调节模组42,测长仪41垂直于行进路径设置,测长仪41与第三调节模组42固定连接。
第三调节模组42可以包括电缸,用于接收总控模块1基于直径信息确定的第三控制指令,并基于第三控制指令对测长仪41的空间位置,例如高度信息进行调整,以适配不同直径的被测钢管。
在上述实施例的基础上,本发明实施例中提供的钢管质量检测系统,所述测长仪为激光测长仪;
所述第三调节模组具体用于基于所述第三控制指令对所述激光测长仪的空间位置进行调整,以使所述激光测长仪与所述被测钢管的表面之间的距离信息为预设垂直距离。
具体地,本发明实施例中采用的测长仪为激光测长仪,激光测长仪的激光光路可以垂直向下照射。
结合激光测距原理,运用激光多普勒效应,对运动的被测钢管进行长度测量。长度信息及仪表状态信息可以通过专用的电缆分别送到主控模块和电源IO模块,主控模块与电源IO模块可以进行信号交换。此处,激光测长仪可以自行检测到被测钢管,并开始被测钢管的运动速度和长度信息的测量。
此时,第三调节模组42具体用于基于第三控制指令对激光测长仪的空间位置进行调整,以使激光测长仪与被测钢管的表面之间的距离信息为预设垂直距离。在预设垂直距离的位置处,激光测长仪的信号强度是最强的,测量的精度也最高,如此可以达到最优的测长效果。
本发明实施例中,预设垂直距离与激光测长仪的自身属性有关,例如可以是50cm,也可以是其他取值,此处不作具体限定。
在上述实施例的基础上,本发明实施例中提供的钢管质量检测系统,还包括光电触发模块,所述光电触发模块沿所述行进路径设置于所述直径采集模块之前,所述光电触发模块与所述总控模块连接;
所述光电触发模块用于在检测到所述被测钢管时向总控模块发送触发信号;
所述总控模块还用于基于所述触发信号,唤醒所述钢管质量检测系统中与所述总控模块连接的模块。
具体地,如图2所示,钢管质量检测系统还可以包括光电触发模块7,光电触发模块7沿行进路径设置于直径采集模块2之前,光电触发模块7与总控模块1通信连接。光电触发模块7可以在检测到被测钢管时向总控模块1发送触发信号,总控模块1在接收到触发信号之后,可以利用该触发信号,唤醒钢管质量检测系统中与总控模块1连接的模块,可以是钢管质量检测系统中除总控模块1之外的其他模块,例如直径采集模块2、表面缺陷采集模块3、长度测量模块4、第一机械降震模块5和第二机械降震模块6。如此可以实现钢管质量检测系统的全自动检测,避免人工操作。
在上述实施例的基础上,本发明实施例中提供的钢管质量检测系统,如图6所示,直径采集模块2可以为单目视觉系统,可以包括相机21、镜头22以及光源23,镜头22固定在相机21上,光源23设置于镜头22的前方,可以为环形光源。镜头22与被测钢管的表面的距离可以根据镜头22的自身属性进行设置,例如可以设置为350mm,也可以是其他取值,此处不作具体限定。
综上所述,本发明实施例中提供的钢管质量检测系统,结构简单、安装方便、自动化程度高,满足各种复杂钢管生产条件下的智能检测,硬件成本低,部署方便,稳定性和精度高,检测响应速度快,满足生产效率要求,能满足不同钢管生产线上不同规格钢管的精确快速的智能检测,可以对快速运行且表面纹理复杂的不同规格的钢管,实现精准快速的缺陷检测和识别,从而在传统的钢管制造业领域带来了人工智能检测的技术创新。
如图7所示,在上述实施例的基础上,本发明实施例中还提供了一种钢管质量检测方法,包括:
S1,接收直径采集模块采集的被测钢管的侧面图像,并识别所述侧面图像中的边缘轮廓点,基于偏差和目标函数,对所述边缘轮廓点进行拟合,基于拟合所得结果确定所述被测钢管的直径信息;
S2,基于所述直径信息,对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以适配所述被测钢管,并基于所述直径信息,判断所述被测钢管的直径是否合格;
S3,接收所述表面缺陷采集模块采集的所述被测钢管各方位的表面图像,并基于深度学习模型,对所述表面图像进行解析,得到所述被测钢管的表面缺陷信息;
S4,接收所述长度测量模块采集的所述被测钢管的长度信息,并基于所述长度信息,判断所述被测钢管的长度是否合格。
具体地,本发明实施例中提供的钢管质量检测方法,其执行主体为钢管质量检测系统中的总控模块,该总控模块可以配置于计算机内,该计算机可以为本地计算机或云计算机,本地计算机可以是电脑、平板等,此处不作具体限定。
首先执行步骤S1,接收直径采集模块采集的被测钢管的侧面图像,并识别侧面图像中的边缘轮廓点,基于偏差和目标函数,对边缘轮廓点进行拟合,基于拟合所得结果确定被测钢管的直径信息。
如图8所示,直径采集模块在采集侧面图像之前,需要先进行内外参数的标定。即标定过程可以包括内参标定和手眼标定。
内参标定可以采用经典的张正友相机内参标定方法实现,首先可以利用相机采集13张不同位置和角度的标定板图像,然后对相机进行内参标定。如此可以得到相机的内参矩阵和畸变参数,,其中a和b分别是水平和垂直两个方向上的归一化焦距,是主点的图像像素坐标,是图像两个边缘轴之间的夹角,分别为一阶、二阶和三阶径向畸变参数,分别为一阶和二阶切向畸变。
手眼标定时可以将标定板与被测钢管的前进方向平行放置,并与被测钢管的轴心线重合,相机拍摄一副标定板图像进行手眼标定。如此可以得到手眼参数矩阵。
标定完成后,利用直径采集模块采集被测钢管的侧面图像,并由直径采集模块将该侧面图像发送至总控模块,总控模块则接收直径采集模块采集的被测钢管的侧面图像。
在接收到侧面图像之后,可以先对侧面图像进行预处理,例如可以包括增强侧面图像亮度,利用相机的内参矩阵消除侧面图像的畸变等处理操作。
此后,可以识别侧面图像中的边缘轮廓点,其中,可以先自适应识别侧面图像中的钢管区域,即粗定位侧面图像中的感兴趣区域(Area of Impact,AOI),然后感兴趣区域中被测钢管的两组边缘轮廓点。此后,可以剔除两组边缘轮廓点中的干扰噪声点。
此后,采用矩形分解法将每组边缘轮廓点拟合成一条直线,该直线为拟合直线,可以表示为:
其中,是单位正交向量。
建立偏差和目标函数,并求解偏差和目标函数的平方和最小值,n为每组边缘轮廓点中的点数,为待拟合的点i到拟合直线的距离。
利用最小二乘法求解,得到被测钢管的两组边缘轮廓点在图像坐标系下的直线拟合方程。即将转换为最小二乘法问题。待解矩阵和约束条件分别为:
,将矩阵A进行奇异值分解,得到:
其中,Q为正交矩阵,R为三角矩阵,根据未知量的个数,可以进一步转化为:
,即当时,求的最小值,对矩阵B进行QR分解,所求的最小值即为矩阵B的最小奇异值,x为奇异向量。因此,将求解问题转换为矩阵B的QR分解得到n1和n2,求解出n1和n2后,即可求解出c。
进而,被测钢管的两组边缘轮廓点在图像坐标系下的直线拟合方程分别为:
最后,在相机的图像坐标系中求出上述两个拟合直线之间的距离,并根据标定的手眼参数矩阵,求出这两条拟合直线在世界坐标系下的距离,即为被测钢管的直径信息。
然后执行步骤S2,利用直径信息,对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以适配不同直径的被测钢管,并基于该直径信息,判断被测钢管的直径是否合格。详细内容参见上述实施例,此处不再赘述。
此后执行步骤S3,接收表面缺陷采集模块采集的被测钢管各方位的表面图像,并基于深度学习模型,对表面图像进行解析,得到被测钢管的表面缺陷信息。
深度学习模型可以是神经网络模型,例如可以是浅宽耦合神经网络模型。此处,如图9所示,可以先获取钢管样本的缺陷图像数据集,然后进行人工缺陷标签标注,建立深度学习训练数据集,然后构建基于浅框耦合神经网络的纳米级瑕疵检测的深度学习框架,该深度学习框架可以具有多级定位机制以及多级分类机制,多级定位机制包括粗粒度定位以及细粒度定位,多级分类机制包括粗粒度分类以及细粒度分类。
此后,对缺陷图像数据集进行图像预处理,进而根据深度学习训练数据集对初始模型进行训练,得到深度学习模型。
在对初始模型进行训练的过程中,将缺陷图像数据集中的缺陷图像进行压缩,经过图像增强、自适应锚框计算、自适应图像缩放后,进行初始模型的训练。然后评估训练后的模型精度,进行模型精度的测试,修改模型的超参数,继续进行训练,直至模型精度达到预设数值,此时得到的模型为可以用于表面缺陷检测的深度学习模型。该深度学习模型可以为onnx模型,可以将其转化为tensorRt加速推理的trt模型。
可以理解的是,在训练过程中可以结合自适应快速迁移模型,提高对不同管径及不同缺陷种类的识别准确率,并结合深度网络语义特征和钢管样本的外观纹理特征,提高对不同类型的缺陷的识别准确率。
在利用深度学习模型,对表面图像进行解析,得到被测钢管的表面缺陷信息时,可以先对表面图像进行预处理,然后将表面图像输入至深度学习模型,深度学习模型通过多级定位机制,提高定位精度,先粗粒度定位缺陷位置,再逐渐由粗到细地进行缺陷位置的细致定位。通过度量学习方式,对目标缺陷位置进行由粗到细的分类,渐进式地排除相近的干扰噪声,提高缺陷的识别准确率。
最后执行步骤S4,接收长度测量模块采集的被测钢管的长度信息,并基于长度信息,判断被测钢管的长度是否合格。详细内容参见上述实施例,此处不再赘述。
本发明实施例中提供的钢管质量检测方法,首先接收直径采集模块采集的被测钢管的侧面图像,并识别侧面图像中的边缘轮廓点,基于偏差和目标函数,对边缘轮廓点进行拟合,基于拟合所得结果确定所述被测钢管的直径信息;然后基于直径信息,对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以适配被测钢管,并基于直径信息,判断被测钢管的直径是否合格;此后接收表面缺陷采集模块采集的被测钢管各方位的表面图像,并基于深度学习模型,对表面图像进行解析,得到被测钢管的表面缺陷信息;最后接收长度测量模块采集的被测钢管的长度信息,并基于长度信息,判断被测钢管的长度是否合格。该方法先利用直径采集模块采集的被测钢管的侧面图像确定被测钢管的直径信息,不仅能够自动判断出其直径是否合格,还可以借助于直径信息对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以使该方法可以适用于不同直径的被测钢管,提高该方法的适用性。此后,利用表面缺陷采集模块采集的各方位的表面图像确定被测钢管的表面缺陷信息,并利用长度测量模块测量的长度信息判断被测钢管的长度是否合格,可以实现对钢管质量的自动化检测,并通过总控模块提供设备配套管理软件,对检测过程进行数据管理及报警管理,进而提升钢管生产的自动化程度,提高钢管质量检测效率。而且,还可以降低人工成本,实现了检测标准化,避免不同人的检测结果有所不同的现象发生,提高检测结果的准确性和可信度。该方法检测精度高、响应快,可以满足对不同规格种类钢管的智能检测。
如图10所示,在上述实施例的基础上,本发明实施例中还提供了一种中控模块,包括:
直径检测单元101,用于接收直径采集模块采集的被测钢管的侧面图像,并识别所述侧面图像中的边缘轮廓点,基于偏差和目标函数,对所述边缘轮廓点进行拟合,基于拟合所得结果确定所述被测钢管的直径信息;
控制单元102,用于基于所述直径信息,对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以适配所述被测钢管,并基于所述直径信息,判断所述被测钢管的直径是否合格;
缺陷检测单元103,用于接收所述表面缺陷采集模块采集的所述被测钢管各方位的表面图像,并基于深度学习模型,对所述表面图像进行解析,得到所述被测钢管的表面缺陷信息;
长度检测单元104,用于接收所述长度测量模块采集的所述被测钢管的长度信息,并基于所述长度信息,判断所述被测钢管的长度是否合格。
具体地,本发明实施例中提供的中控模块中各单的作用与上述方法类实施例中各步骤的操作流程是一一对应的,实现的效果也是一致的,具体参见上述实施例,本发明实施例中对此不再赘述。
图11示例了一种电子设备的实体结构示意图,如图11所示,该电子设备可以包括:处理器(Processor)1110、通信接口(Communications Interface)1120、存储器(Memory)1130和通信总线1140,其中,处理器1110,通信接口1120,存储器1130通过通信总线1140完成相互间的通信。处理器1110可以调用存储器1130中的逻辑指令,以执行上述各实施例中提供的钢管质量检测方法。
此外,上述的存储器1130中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的钢管质量检测方法。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的钢管质量检测方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种钢管质量检测系统,其特征在于,包括:总控模块以及沿被测钢管的行进路径设置的直径采集模块、表面缺陷采集模块和长度测量模块,所述直径采集模块、所述表面缺陷采集模块以及所述长度测量模块均与所述总控模块连接;
所述直径采集模块用于采集被测钢管的侧面图像,并将所述侧面图像发送至所述总控模块;
所述总控模块用于对所述侧面图像进行解析,得到所述被测钢管的直径信息,并基于所述直径信息对所述表面缺陷采集模块以及所述长度测量模块的空间位置进行调节,以适配所述被测钢管;
所述表面缺陷采集模块用于采集所述被测钢管各方位的表面图像,并将所述表面图像发送至所述总控模块;
所述长度测量模块用于测量所述被测钢管的长度信息,并将所述长度信息发送至所述总控模块;
所述总控模块还用于基于所述直径信息,判断所述被测钢管的直径是否合格,基于所述长度信息,判断所述被测钢管的长度是否合格,并对所述表面图像进行解析,得到所述被测钢管的表面缺陷信息。
2.根据权利要求1所述的钢管质量检测系统,其特征在于,还包括:沿所述行进路径设置的机械降震模块,所述机械降震模块与所述总控模块连接;
所述总控模块还用于基于所述直径信息对所述机械降震模块的空间位置进行调节,以适配所述被测钢管;
所述机械降震模块用于缓冲所述被测钢管震动时的冲击。
3.根据权利要求2所述的钢管质量检测系统,其特征在于,所述机械降震模块包括第一调节模组、在所述行进路径相对的两侧依次设置的第一腰鼓形滑轮以及第二腰鼓形滑轮,所述机械降震模块还包括与所述第一腰鼓形滑轮通过所述第一调节模组连接的连接板以及与所述连接板通过弹性件连接的固定板;
所述第一调节模组与所述总控模块连接,所述第一调节模组用于接收所述总控模块基于所述直径信息确定的第一控制指令,并基于所述第一控制指令对所述弹性件处于自然伸展状态时所述连接板的空间位置进行调节。
4.根据权利要求2所述的钢管质量检测系统,其特征在于,所述机械降震模块包括两个,两个所述机械降震模块分别沿所述行进路径设置于所述表面缺陷采集模块的两侧。
5.根据权利要求1所述的钢管质量检测系统,其特征在于,所述表面缺陷采集模块包括图像采集设备组以及第二调节模组;
所述图像采集设备组包括沿所述行进路径的周向均匀设置的多个图像采集设备以及每个所述图像采集设备的固定支架,每个所述图像采集设备均与所述总控模块连接;
每个所述图像采集设备用于采集对应方位的表面图像;
所述第二调节模组与所述总控模块连接,并与所述固定支架连接;
所述第二调节模组用于接收所述总控模块基于所述直径信息确定的第二控制指令,并基于所述第二控制指令对所述固定支架的空间位置进行调节。
6.根据权利要求5所述的钢管质量检测系统,其特征在于,所述表面缺陷采集模块还包括光源组;
所述光源组包括多个光源,每个所述光源设置于相邻的两个所述图像采集设备之间,且每个所述光源朝向所述被测钢管。
7.根据权利要求1所述的钢管质量检测系统,其特征在于,所述长度测量模块包括测长仪以及第三调节模组;
所述测长仪垂直于所述行进路径设置,所述测长仪与所述第三调节模组连接;
所述第三调节模组用于接收所述总控模块基于所述直径信息确定的第三控制指令,并基于所述第三控制指令对所述测长仪的空间位置进行调整,以适配所述被测钢管。
8.根据权利要求7所述的钢管质量检测系统,其特征在于,所述测长仪为激光测长仪;
所述第三调节模组具体用于基于所述第三控制指令对所述激光测长仪的空间位置进行调整,以使所述激光测长仪与所述被测钢管的表面之间的距离信息为预设垂直距离。
9.根据权利要求1-8中任一项所述的钢管质量检测系统,其特征在于,还包括光电触发模块,所述光电触发模块沿所述行进路径设置于所述直径采集模块之前,所述光电触发模块与所述总控模块连接;
所述光电触发模块用于在检测到所述被测钢管时向总控模块发送触发信号;
所述总控模块还用于基于所述触发信号,唤醒所述钢管质量检测系统中与所述总控模块连接的模块。
10.一种钢管质量检测方法,其特征在于,包括:
接收直径采集模块采集的被测钢管的侧面图像,并识别所述侧面图像中的边缘轮廓点,基于偏差和目标函数,对所述边缘轮廓点进行拟合,基于拟合所得结果确定所述被测钢管的直径信息;
基于所述直径信息,对表面缺陷采集模块以及长度测量模块的空间位置进行调节,以适配所述被测钢管,并基于所述直径信息,判断所述被测钢管的直径是否合格;
接收所述表面缺陷采集模块采集的所述被测钢管各方位的表面图像,并基于深度学习模型,对所述表面图像进行解析,得到所述被测钢管的表面缺陷信息;
接收所述长度测量模块采集的所述被测钢管的长度信息,并基于所述长度信息,判断所述被测钢管的长度是否合格。
CN202310403600.1A 2023-04-17 2023-04-17 钢管质量检测系统及检测方法 Active CN116105604B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310403600.1A CN116105604B (zh) 2023-04-17 2023-04-17 钢管质量检测系统及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310403600.1A CN116105604B (zh) 2023-04-17 2023-04-17 钢管质量检测系统及检测方法

Publications (2)

Publication Number Publication Date
CN116105604A true CN116105604A (zh) 2023-05-12
CN116105604B CN116105604B (zh) 2023-06-20

Family

ID=86254752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310403600.1A Active CN116105604B (zh) 2023-04-17 2023-04-17 钢管质量检测系统及检测方法

Country Status (1)

Country Link
CN (1) CN116105604B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117848221A (zh) * 2024-03-04 2024-04-09 南通进宝机械制造有限公司 一种钢件长度测量系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006010646A (ja) * 2004-06-29 2006-01-12 Tokyo Electric Power Co Inc:The 鋼管内面劣化検知方法およびその装置
CN106545610A (zh) * 2016-11-25 2017-03-29 广东技术师范学院 一种无谐振峰隔振器及其阻尼模块
CN206073922U (zh) * 2016-08-08 2017-04-05 常州宝仪机电设备有限公司 钢管在线扫描测长仪
CN107154039A (zh) * 2017-04-28 2017-09-12 北京简易科技有限公司 胶管在线缺陷检测装置及方法
CN108225152A (zh) * 2017-12-28 2018-06-29 天津精益铁安机电技术有限公司 一种用于不同管径钢管长度测量的装置
CN108663376A (zh) * 2018-07-24 2018-10-16 广西师范大学 一种无缝钢管质量检测装置及检测方法
CN110208373A (zh) * 2019-05-24 2019-09-06 浙江中达特钢股份有限公司 一种具有尺寸测量功能的钢管超声探伤装置
CN110369022A (zh) * 2019-06-13 2019-10-25 高苏茂 扇形袋装物料破结块装置
CN110618134A (zh) * 2019-09-16 2019-12-27 山西大数据产业发展有限公司 钢板表面质量缺陷检测评级系统及方法
CN212903099U (zh) * 2020-10-16 2021-04-06 陈志龙 一种钢材外形尺寸测量装置
CN113155044A (zh) * 2020-08-18 2021-07-23 浙江增诚钢管有限公司 一种无缝钢管直径测量与表面缺陷检测系统
CN214201214U (zh) * 2020-12-01 2021-09-14 太原理工大学 一种基于机器视觉的无缝钢管缺陷检测系统
CN114119526A (zh) * 2021-11-19 2022-03-01 江南大学 一种基于机器视觉的钢板表面缺陷检测与识别系统及方法
CN114943733A (zh) * 2022-07-20 2022-08-26 张家港华程机车精密制管有限公司 一种钢管打磨质量评估方法及系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006010646A (ja) * 2004-06-29 2006-01-12 Tokyo Electric Power Co Inc:The 鋼管内面劣化検知方法およびその装置
CN206073922U (zh) * 2016-08-08 2017-04-05 常州宝仪机电设备有限公司 钢管在线扫描测长仪
CN106545610A (zh) * 2016-11-25 2017-03-29 广东技术师范学院 一种无谐振峰隔振器及其阻尼模块
CN107154039A (zh) * 2017-04-28 2017-09-12 北京简易科技有限公司 胶管在线缺陷检测装置及方法
CN108225152A (zh) * 2017-12-28 2018-06-29 天津精益铁安机电技术有限公司 一种用于不同管径钢管长度测量的装置
CN108663376A (zh) * 2018-07-24 2018-10-16 广西师范大学 一种无缝钢管质量检测装置及检测方法
CN110208373A (zh) * 2019-05-24 2019-09-06 浙江中达特钢股份有限公司 一种具有尺寸测量功能的钢管超声探伤装置
CN110369022A (zh) * 2019-06-13 2019-10-25 高苏茂 扇形袋装物料破结块装置
CN110618134A (zh) * 2019-09-16 2019-12-27 山西大数据产业发展有限公司 钢板表面质量缺陷检测评级系统及方法
CN113155044A (zh) * 2020-08-18 2021-07-23 浙江增诚钢管有限公司 一种无缝钢管直径测量与表面缺陷检测系统
CN212903099U (zh) * 2020-10-16 2021-04-06 陈志龙 一种钢材外形尺寸测量装置
CN214201214U (zh) * 2020-12-01 2021-09-14 太原理工大学 一种基于机器视觉的无缝钢管缺陷检测系统
CN114119526A (zh) * 2021-11-19 2022-03-01 江南大学 一种基于机器视觉的钢板表面缺陷检测与识别系统及方法
CN114943733A (zh) * 2022-07-20 2022-08-26 张家港华程机车精密制管有限公司 一种钢管打磨质量评估方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖劲松;: "钢管在线视觉测长系统设计", 湖南冶金, no. 05 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117848221A (zh) * 2024-03-04 2024-04-09 南通进宝机械制造有限公司 一种钢件长度测量系统

Also Published As

Publication number Publication date
CN116105604B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
CN107229930B (zh) 一种指针式仪表数值智能识别方法
CN105938620B (zh) 一种小口径管内焊缝表面缺陷识别装置
CN104792793B (zh) 光学缺陷检测方法和系统
CN110501342B (zh) 一种筒子纱纱杆定位视觉检测方法
EP3610986B1 (en) Apparatus and method for shot peening evaluation
JP2019007891A (ja) 機械学習装置、ロボット制御システム及び機械学習方法
CN108090896B (zh) 木板平整度检测及其机器学习方法、装置及电子设备
CN108332689A (zh) 一种检测表面粗糙度和表面损伤的光学测量系统及方法
CN116105604B (zh) 钢管质量检测系统及检测方法
CN105021628A (zh) 一种用于光纤倒像器表面缺陷的检测方法
CN107561091A (zh) 一种斜射式实木板材表面裂纹的检测系统和检测方法
CN112268514A (zh) 动力电池极片涂层均与性在线计量测试系统
CN111727412A (zh) 用于设定照明条件的方法、装置、系统及程序以及存储介质
CN115808324B (zh) 一种中小跨径桥梁轻量化安全管理监测方法及系统
CN105181713A (zh) 一种用于光纤倒像器表面缺陷的检测装置
CN112432693B (zh) 一种用于机器视觉低频振动测量的溯源方法及装置
CN110953993A (zh) 一种用于输电线路弧垂和限距的检测装置和方法
CN110146017A (zh) 工业机器人重复定位精度测量方法
CN110873718A (zh) 基于机器视觉的钢板表面缺陷检测系统及方法
CN109949725A (zh) 一种aoi系统图像灰度标准化方法及系统
CN114593897A (zh) 一种近眼显示器的测量方法及装置
CN107525652A (zh) 镜头畸变测试方法、装置及系统
CN213543477U (zh) 动力电池极片涂层均匀性在线计量测试系统
CN204027528U (zh) 一种视觉检测装置
CN117928875A (zh) 一种风洞流场的时间分辨偏振成像装置及方法

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