CN116183670A - 一种基于涡流红外热成像的焊接缺陷检测装置及检测方法 - Google Patents
一种基于涡流红外热成像的焊接缺陷检测装置及检测方法 Download PDFInfo
- Publication number
- CN116183670A CN116183670A CN202211725676.8A CN202211725676A CN116183670A CN 116183670 A CN116183670 A CN 116183670A CN 202211725676 A CN202211725676 A CN 202211725676A CN 116183670 A CN116183670 A CN 116183670A
- Authority
- CN
- China
- Prior art keywords
- infrared thermal
- thermal imaging
- welding defect
- electromagnetic induction
- induction heating
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
- G01N27/9006—Details, e.g. in the structure or functioning of sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
-
- 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
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于涡流红外热成像的焊接缺陷检测装置及检测方法,包括有移动平台、机械调节装置、检测装置、电磁感应加热装置、温度传感器;所述检测装置包括有单片机系统和红外热像仪,所述红外热像仪设置在机械调节装置上,所述电磁感应加热装置设置在移动平台的上方;所述电磁感应加热装置、温度传感器和红外热像仪均与单片机系统相连接。与传统技术相比,采用无损检测技术,利用红外热像仪检测工件热成像与改进的网络模型结合,优化了焊接部位缺陷检测的精确度和便携度,且结构轻便,同时能达到很好的检测性能。
Description
技术领域
本发明涉及焊接缺陷自动识别技术领域,更具体地,涉及一种基于涡流红外热成像的焊接缺陷检测装置及检测方法。
背景技术
随着我国工业的发展,金属结构的安全研究受到广泛关注。焊接作为金属结构中常见连接方式,其质量的检测对于金属结构整体性具有重大意义。由于人为或非人为因素的作用下,导致焊点、焊缝容易出现缺陷,成为金属结构中薄弱部分。对于焊点、焊缝的表面缺陷检测主要通过人眼观察,目前焊点、焊缝内部缺陷的检测主要采用X射线、超声波探伤、磁通检测等无损检测方法实现。电磁感应热成像技术是一种新型无损检测技术,通过温度场来识别导体缺陷,具有非接触式检测、检测速度快、灵敏度高的特点,且检测结果以图像显示,更加直观准确迅速。利用电磁感应加热,与其他加热方式比,加热速度快,效率高且可以进行局部加热。在兼顾效率和准确性的工业检测领域更倾向于单阶段目标检测算法。Yolov5是优秀的单阶段目标检测算法,在运行速度上有很明显的优势,检测性能高,适合检测较小的目标、以及便携式的应用场景。
传统的工业应用上依然是依赖于人工目测进行焊接缺陷的辨别,焊接缺陷检测系统大多运用的网络模型需要很高的设备性能要求,且整个系统体积大,成本高,耗时长,不便利,没有办法应用于户外等缺陷检测场景且无法及时直观的判断缺陷位置、种类。
现有技术公开了一种基于YOLOv5模型的电弧增材制造熔池缺陷检测方法,该方法通过使用熔池相机拍摄有缺陷出现的片段,将视频文件逐帧分割为图片数据建立数据集并进行缺陷标记,使用所述数据集对改进的YOLOv5模型进行训练验证和测试,利用训练好的模型对结构的缺陷位置和种类进行检测。该方案的缺陷是,容易受环境的影响,红外成像系统对环境的适应性强,应用更加广泛。
为此,结合以上需求和现有技术的缺陷,本申请提出了一种基于红外热成像和改进Yolov5的焊接缺陷检测装置及方法。
发明内容
本发明提供了一种基于涡流红外热成像的焊接缺陷检测装置及检测方法,采用了新型无损检测技术,利用红外热像仪检测工件热量分布与改进的轻量型Yolov5网络模型进行结合,从而达到快速确认焊接部位缺陷大小、种类和位置的效果。
本发明的首要目的是为解决上述技术问题,本发明的技术方案如下:
本发明第一方面提供了一种基于涡流红外热成像的焊接缺陷检测装置,本装置包括有:移动平台、机械调节装置、检测装置、电磁感应加热装置、温度传感器;所述检测装置包括有单片机系统和红外热像仪,所述红外热像仪设置在机械调节装置上,所述电磁感应加热装置通过机械调节装置设置在移动平台的上方,所述红外热像仪和电磁感应加热装置处于同一中心线上;所述电磁感应加热装置、温度传感器和红外热像仪均与单片机系统相连接,所述电磁感应加热装置受单片机系统控制,用于加热待检测工件;所述温度传感器用于采集待检测工件的温度。
其中,所述电磁感应加热装置通过输入交变电流,在待检测工件内产生感应涡流,根据工件内的结构在工件内产生不同的热量分布,从而通过红外热像仪采集温度分布信息。
其中,当待检测部位的温度达到设定温度后,单片机系统控制电磁感应加热装置停止加热;所述红外热像仪通过机械调节装置调整位置,采集待检测部位的清晰热像图;所述单片机系统存储有检测软件。
其中,所述检测软件的功能包括有:控制升降装置调整采集图像的清晰度;采用改进的Yolov5网络进行检测;采集检测工件的温度;控制移动平台,进行连续检测。
进一步的,所述移动平台包括有第一电机、丝杠、导轨、底面和台面;所述待检测工件固定在台面上,所述台面与底面之间设置有导轨,导轨内设置有丝杠的一端,所述导轨固定在台面的下侧,所述第一电机设置在移动平台的一侧,所述第一电机连接至丝杠的另一端,所述第一电机电性连接至所述单片机系统。
其中,丝杠用于将第一电机产生的转动转化为直线方向的运动,进而通过导轨带动台面进行移动,进而带动所述待检测工件移动,使检测装置采集工件上不同位置的图像。
进一步的,还设置有交互显示装置,所述交互显示装置与单片机系统相连接,并设置在单片机系统的外壳上。
其中,所述交互显示装置用于设置参数、控制机械调节装置或移动平台移动、显示标注有检测到缺陷位置和种类的热像图。
其中,所述红外热像仪采集的热像图经单片机系统处理后,在所述交互显示装置显示该热像图是否包含缺陷、以及缺陷的类型和具体的位置;所述检测软件包括以下功能:控制机械调节装置、使用改进的YOLOv5网络模型对热像图进行缺陷检测、采集温度和控制移动平台。
进一步的,所述机械调节装置包括有:第二电机、升降装置和夹具;所述升降装置内设置有导轨和滚珠丝杠,所述导轨固定在升降装置的内侧,所述第二电机设置在所述升降装置的顶端并与所述滚珠丝杠的一端相连接,所述滚珠丝杠的另一端设置在导轨的内侧,所述第二电机电性连接至单片机系统,所述红外热像仪固定在所述升降装置的侧面,所述升降装置通过电机带动所述红外热像仪上下移动;所述电磁感应加热装置与所述红外热线仪处于同一中心线上,所述电磁感应加热装置和红外热像仪电性连接至所述单片机系统。
其中,通过机械调节装置控制红外热像仪的升降,能够达到自动根据焊缝类型、形状调整图像清晰度的目的。
其中,采用红外热像仪进行工件缺陷检测的原理为:当线圈中通入交变电流时,在靠近线圈的导体会产生感应涡流,该涡流在导体中转化成焦耳热,当导体中存在缺陷时,涡流的分布受到干扰,从而导致导体中热量的分布不均匀,也即缺陷区域与其他区域产生不同的热量分布,利用红外热像仪对温度分布信息进行采集,从而观察缺陷的大小,位置以及类别。
其中,本装置的工作流程具体为:将待检测的工件安装在移动平台上,控制电磁感应加热装置进行加热,通过装置底部的温度传感器感知检测处的温度,到达设定最佳温度后电磁感应加热装置停止加热并控制红外热像仪采集红外热像图;通过检测装置采集焊缝表面红外热像图,将采集的红外热像图传入单片机系统进行分析处理,再通过机械调节装置控制红外热像仪的升降保持采集图像的清晰度;采集到的热像图经改进后的YOLOv5网络模型进行检测,将检测结果显示在交互显示装置,完成一次检测;用户通过交互显示装置控制移动平台移动并进行下一次检测。
本发明第二方面提供了一种基于涡流红外热成像的焊接缺陷检测装置的检测方法,该方法用于一种基于涡流红外热成像的焊接缺陷检测装置,该方法包括以下步骤:
S1、对红外热像仪采集的图像进行预处理,得到图像数据集,将数据集划分为训练集和测试集并进行标注。
S2、改进YOLOv5网络模型,利用训练集对改进的YOLOv5网络模型进行训练,得到训练后的YOLOv5网络模型的权重文件。
S3、将权重文件导入改进的YOLOv5网络模型,通过测试集进行验证,验证结果符合设定精确度则视为该模型训练完成,否则重复步骤S2。
S4、采用训练完成的YOLOv5网络模型作为单片机系统的检测软件对焊接部位进行检测,并对结果进行可视化。
进一步的,步骤S1中所述预处理包括有:旋转、平移、缩放、裁剪、翻转、HSV色彩空间增强和mosaic增强,用于扩充数据集;所述对数据集进行划分具体为:将图像数据集划分为训练集和测试集;所述对数据集进行标注具体为:对训练集中的缺陷部位进行标注,其中标注的内容包括有:缺陷部位的位置坐标和缺陷的种类信息。
进一步的,所述将数据集划分为训练集和测试集具体为:以8:2的比例将图像数据集划分为训练集和测试集。
进一步的,步骤S2中所述改进YOLOv5网络模型具体包括:将YOLOv5网络的主干更换成MobileNetv3轻量级网络,将MobileNetv3网络中的SE注意力机制全部替换成ECA轻量级注意力机制,将PANet网络替换成BiFPN网络。
进一步的,步骤S4具体为:将训练完成的YOLOv5网络模型作为检测软件输入至单片机系统,对红外热像仪采集的红外热像图进行缺陷类型和部位的识别,对红外热像图进行标注后显示在交互显示装置。
与现有技术相比,本发明技术方案的有益效果是:
本发明提供了一种基于涡流红外热成像的焊接缺陷检测装置及检测方法,通过红外热像仪和改进Yolov5网络模型的结合优化了焊接部位缺陷检测的精确度和便携度;利用机械调节装置可移动采集焊点、焊缝图像的同时自动根据其形状调节图像采集清晰度;与其他缺陷检测系统模型对比,采用了新型无损检测技术,利用红外热像仪检测工件热成像信息分布与改进的轻量型Yolov5网络模型进行结合,结构轻便,可以应用于便携检测等场景,但同时依旧能达到很好的检测性能。
附图说明
图1为本发明一种基于涡流红外热成像的焊接缺陷检测装置的示意图。
图2为本发明一种基于涡流红外热成像的焊接缺陷检测装置的一种实施例中的结构示意图
图3为本发明一种基于涡流红外热成像的焊接缺陷检测装置的检测方法的流程示意图。
图4为本发明一种基于涡流红外热成像的焊接缺陷检测装置的检测方法的一种实施例中对改进YOLO v5网络模型进行训练的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1所示,本发明提供了一种基于涡流红外热成像的焊接缺陷检测装置,本装置包括有:移动平台9、机械调节装置、检测装置、电磁感应加热装置8、温度传感器3;所述检测装置包括有单片机系统2和红外热像仪7,所述红外热像仪7设置在机械调节装置上,所述电磁感应加热装置8通过机械调节装置设置在移动平台9的上方,所述红外热像仪7和电磁感应加热装置8处于同一中心线上;所述电磁感应加热装置8、温度传感器3和红外热像仪7均与单片机系统2相连接,所述电磁感应加热装置8受单片机系统2控制,用于加热待检测工件10;所述温度传感器3用于采集待检测工件10的温度。
其中,所述电磁感应加热装置8通过输入交变电流,在待检测工件10内产生感应涡流,根据工件内的结构在工件内产生不同的热量分布,从而通过红外热像仪7采集温度分布信息。
其中,当待检测工件10的温度达到设定温度后,单片机系统2控制电磁感应加热装置8停止加热;所述红外热像仪7通过机械调节装置调整位置,采集待检测工件10的清晰热像图;所述单片机系统2存储有检测软件。
其中,所述检测软件的功能包括有:控制升降装置调整采集图像的清晰度;采用改进的Yolov5网络进行检测;采集检测工件的温度;控制移动平台,进行连续检测。
进一步的,所述移动平台9包括有第一电机4、丝杠、导轨、底面和台面;所述待检测工件10固定在台面上,所述台面与底面之间设置有导轨,导轨内设置有丝杠的一端,所述导轨固定在台面的下侧,所述第一电机4设置在移动平台的一侧,所述第一电机连接至丝杠的另一端,所述第一电机4电性连接至所述单片机系统2。其中,丝杠用于将第一电机4产生的转动转化为直线方向的运动,进而通过导轨带动台面进行移动,进而带动所述待检测工件10移动,使检测装置采集工件上不同位置的图像。
进一步的,还设置有交互显示装置1,所述交互显示装置1与单片机系统2相连接,并设置在单片机系统2的外壳上。
其中,所述交互显示装置1用于设置参数、控制机械调节装置或移动平台9移动、显示标注有检测到缺陷位置和种类的热像图。
其中,所述红外热像仪7采集的热像图经单片机系统处理后,在所述交互显示装置1显示该热像图是否包含缺陷、以及缺陷的类型和具体的位置;所述检测软件包括以下功能:控制机械调节装置、使用改进的YOLOv5网络模型对热像图进行缺陷检测、采集温度和控制移动平台。
进一步的,所述机械调节装置包括有:第二电机5、升降装置6和夹具;所述升降装置6内设置有导轨和滚珠丝杠,所述第二电机5设置在所述升降装置6的顶端并与所述滚珠丝杠的一端相连接,所述第二电机5电性连接至单片机系统2,所述红外热像仪7固定在所述升降装置6的侧面,所述升降装置6通过电机带动所述红外热像仪7上下移动;所述夹具固定在所述升降装置6的底端,所述夹具的夹持端设置有所述电磁感应加热装置8,所述电磁感应加热装置8与所述红外热线仪处于同一中心线上,所述电磁感应加热装置和红外热像仪7电性连接至所述单片机系统2。
其中,通过机械调节装置控制红外热像仪7的升降,能够达到自动根据焊缝类型、形状调整图像清晰度的目的。
其中,采用红外热像仪7进行工件缺陷检测的原理为:当线圈中通入交变电流时,在靠近线圈的导体会产生感应涡流,该涡流在导体中转化成焦耳热,当导体中存在缺陷时,涡流的分布受到干扰,从而导致导体中热量的分布不均匀,也即缺陷区域与其他区域产生不同的热量分布,利用红外热像仪对温度分布信息进行采集,从而观察缺陷的大小,位置以及类别。
其中,本装置的工作流程具体为:将待检测的工件安装在移动平台上,控制电磁感应加热装置进行加热,通过装置底部的温度传感器感知检测处的温度,到达设定最佳温度后电磁感应加热装置停止加热并控制红外热像仪采集红外热像图;通过检测装置采集焊缝表面红外热像图,将采集的红外热像图传入单片机系统进行分析处理,再通过机械调节装置控制红外热像仪的升降保持采集图像的清晰度;采集到的热像图经改进后的YOLOv5网络模型进行检测,将检测结果显示在交互显示装置,完成一次检测;用户通过交互显示装置控制移动平台移动并进行下一次检测。
实施例2
如图3所示,本发明还提供了一种基于涡流红外热成像的焊接缺陷检测装置的检测方法,该方法用于一种基于涡流红外热成像的焊接缺陷检测装置,该方法包括以下步骤:
S1、对红外热像仪采集的图像进行预处理,得到图像数据集,将数据集划分为训练集和测试集并进行标注。
S2、改进YOLOv5网络模型,利用训练集对改进的YOLOv5网络模型进行训练,得到训练后的YOLOv5网络模型的权重文件。
S3、将权重文件导入改进的YOLOv5网络模型,通过测试集进行验证,验证结果符合设定精确度则视为该模型训练完成,否则重复步骤S2。
S4、采用训练完成的YOLOv5网络模型作为单片机系统的检测软件对焊接部位进行检测,并对结果进行可视化。
进一步的,步骤S1中所述预处理包括有:旋转、平移、缩放、裁剪、翻转、HSV色彩空间增强和mosaic增强,用于扩充数据集;所述对数据集进行划分具体为:将图像数据集划分为训练集和测试集;所述对数据集进行标注具体为:对训练集中的缺陷部位进行标注,其中标注的内容包括有:缺陷部位的位置坐标和缺陷的种类信息。
进一步的,所述将数据集划分为训练集和测试集具体为:以8:2的比例将图像数据集划分为训练集和测试集。
进一步的,步骤S2中所述改进YOLOv5网络模型具体包括:将YOLOv5网络的主干更换成MobileNetv3轻量级网络,将MobileNetv3网络中的SE注意力机制全部替换成ECA轻量级注意力机制,将PANet网络替换成BiFPN网络。
进一步的,步骤S4具体为:将训练完成的YOLOv5网络模型作为检测软件输入至单片机系统,对红外热像仪采集的红外热像图进行缺陷类型和部位的识别,对红外热像图进行标注后显示在交互显示装置。
在一个具体的实施例中,如图4所示,对所述改进的YOLOv5网络模型进行训练测试的过程具体为:将红外摄像仪采集大量各种焊点以及焊缝的图像数据集,对采集到的焊缝表面图像进行包括旋转、平移、缩放、裁剪、翻转、HSV色彩空间增强增强、mosaic增强等预处理。对图像数据集进行划分,划分成训练集和测试集,并对训练集图像中的缺陷进行标注,标注内容包括位置坐标和种类信息。使用所述yolo格式的训练集对改进的YOLOv5网络模型进行训练,得到训练好的模型,对应的权重文件。通过训练好的模型检测焊点、焊缝是否包含缺陷,以及缺陷的具体位置和类别,并反馈、显示于显示面板中,便于操作者及时的知晓缺陷类型以及位置。
实施例3
基于上述实施例1和实施例2,结合图2,本实施例详细阐述本发明的一种实施方式。
在一个具体的实施例中,装置的结构如图2所示,包括有:交互显示装置1、单片机系统2、温度传感器3、第一电机4、第二电机5、升降装置6、红外热像仪7、电磁感应加热装置8、移动平台9和待检测工件10。
其中,机械调节装置包括有第一电机4、第二电机5和升降装置6。
该装置通过检测系统采集焊缝表面红外热像图,将采集的红外热像图传入单片机系统进行分析处理,再通过升降装置控制红外热像仪的升降保持采集图像的清晰度,从而达到自动根据焊缝类型、形状调整图像清晰度的目的。同时,通过装置底部的温度传感器感知检测处的温度,到达指定最佳温度自动停止加热并且红外热像仪开始采集。使用训练好的改进的YOLOv5网络模型进行检测,检测完毕后,可通过显示面板和单片机系统控制装置向前移动从而进行下一个位置的检测。
附图中描述结构位置关系的图标仅用于示例性说明,不能理解为对本专利的限制。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于涡流红外热成像的焊接缺陷检测装置,其特征在于,包括有:移动平台(9)、机械调节装置、检测装置、电磁感应加热装置(8)、温度传感器(3);所述检测装置包括有单片机系统(2)和红外热像仪(7),所述红外热像仪(7)设置在机械调节装置上,所述电磁感应加热装置设置在移动平台(9)的上方,所述红外热像仪(7)和电磁感应加热装置(8)处于同一中心线上;所述电磁感应加热装置(8)、温度传感器(3)和红外热像仪(7)均与单片机系统(2)相连接,所述电磁感应加热装置(8)受单片机系统(2)控制,用于加热待检测工件;所述温度传感器(3)用于采集待检测工件的温度。
2.根据权利要求1所述的一种基于涡流红外热成像的焊接缺陷检测装置,其特征在于,所述移动平台(9)包括有第一电机(4)、丝杠、导轨、底面和台面;所述待检测工件(10)固定在台面上,所述台面与底面之间设置有导轨,导轨内设置有丝杠的一端,所述导轨固定在台面的下侧,所述第一电机(4)设置在移动平台的一侧,所述第一电机(4)连接至丝杠的另一端,所述第一电机(4)电性连接至所述单片机系统(2)。
3.根据权利要求1所述的一种基于涡流红外热成像的焊接缺陷检测装置,其特征在于,还设置有交互显示装置(1),所述交互显示装置(1)与单片机系统(2)相连接,并设置在单片机系统(2)的外壳上。
4.根据权利要求1所述的一种基于涡流红外热成像的焊接缺陷检测装置,其特征在于,所述机械调节装置包括有:第二电机(5)和升降装置(6);所述升降装置(6)内设置有导轨和滚珠丝杠,所述导轨固定在升降装置(6)的内侧,所述第二电机(5)设置在所述升降装置(6)的顶端并与所述滚珠丝杠的一端相连接,所述滚珠丝杠的另一端设置在导轨的内侧;所述第二电机(5)电性连接至单片机系统(2)。
5.根据权利要求4所述的一种基于涡流红外热成像的焊接缺陷检测装置,其特征在于,所述红外热像仪(7)固定在所述升降装置(6)的侧面,所述升降装置(6)通过第二电机(5)带动所述红外热像仪(7)上下移动,所述电磁感应加热装置(8)与所述红外热线仪(7)处于同一中心线上,所述电磁感应加热装置(8)和红外热像仪(7)电性连接至所述单片机系统(2)。
6.一种根据权利要求1-5任一项所述基于涡流红外热成像的焊接缺陷检测装置的检测方法,该方法用于权利要求1-5任一项所述的一种基于涡流红外热成像的焊接缺陷检测装置,该方法包括以下步骤:
S1、对红外热像仪采集的图像进行预处理,得到图像数据集,将数据集划分为训练集和测试集并进行标注;
S2、改进YOLOv5网络模型,利用训练集对改进的YOLOv5网络模型进行训练,得到训练后的YOLOv5网络模型的权重文件;
S3、将权重文件导入改进的YOLOv5网络模型,通过测试集进行验证,验证结果符合设定精确度则视为该模型训练完成,否则重复步骤S2;
S4、采用训练完成的YOLOv5网络模型作为单片机系统的检测软件对焊接部位进行检测,并对结果进行可视化。
7.根据权利要求6所述的一种基于涡流红外热成像的焊接缺陷检测装置的检测方法,其特征在于,步骤S1中所述预处理包括有:旋转、平移、缩放、裁剪、翻转、HSV色彩空间增强和mosaic增强,用于扩充数据集。
8.根据权利要求6所述的一种基于涡流红外热成像的焊接缺陷检测装置的检测方法,其特征在于,所述将数据集划分为训练集和测试集具体为:以8:2的比例将图像数据集划分为训练集和测试集;所述对数据集进行标注具体为:对训练集中的缺陷部位进行标注,其中标注的内容包括有:缺陷部位的位置坐标和缺陷的种类信息。
9.根据权利要求6所述的一种基于涡流红外热成像的焊接缺陷检测装置的检测方法,其特征在于,步骤S2中所述改进YOLOv5网络模型具体包括:将YOLOv5网络的主干更换成MobileNetv3轻量级网络,将MobileNetv3网络中的SE注意力机制全部替换成ECA轻量级注意力机制,将PANet网络替换成BiFPN网络。
10.根据权利要求6所述的一种基于涡流红外热成像的焊接缺陷检测装置的检测方法,其特征在于,步骤S4具体为:将训练完成的YOLOv5网络模型作为检测软件输入至单片机系统,对红外热像仪采集的红外热像图进行缺陷类型和部位的识别,对红外热像图进行标注后显示在交互显示装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211725676.8A CN116183670A (zh) | 2022-12-30 | 2022-12-30 | 一种基于涡流红外热成像的焊接缺陷检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211725676.8A CN116183670A (zh) | 2022-12-30 | 2022-12-30 | 一种基于涡流红外热成像的焊接缺陷检测装置及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116183670A true CN116183670A (zh) | 2023-05-30 |
Family
ID=86451606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211725676.8A Pending CN116183670A (zh) | 2022-12-30 | 2022-12-30 | 一种基于涡流红外热成像的焊接缺陷检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116183670A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117381261A (zh) * | 2023-12-13 | 2024-01-12 | 德阳市华建机械设备有限公司 | 一种自动化焊接机的故障识别装置及方法 |
-
2022
- 2022-12-30 CN CN202211725676.8A patent/CN116183670A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117381261A (zh) * | 2023-12-13 | 2024-01-12 | 德阳市华建机械设备有限公司 | 一种自动化焊接机的故障识别装置及方法 |
CN117381261B (zh) * | 2023-12-13 | 2024-03-08 | 德阳市华建机械设备有限公司 | 一种自动化焊接机的故障识别装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104101608B (zh) | 可对多型号不规则形状产品进行缺陷检测的智能检测装置 | |
CN107132272B (zh) | 多尺寸多结构工件的荧光磁粉表面缺陷成像检测系统 | |
CN109060827A (zh) | 一种智能视觉检测识别设备 | |
CN108765416A (zh) | 基于快速几何对准的pcb表面缺陷检测方法及装置 | |
CN110763727A (zh) | 一种焊接缺陷的无损检测系统 | |
CN110018178A (zh) | 一种手机曲面玻璃典型缺陷在线检测装置与方法 | |
CN116183670A (zh) | 一种基于涡流红外热成像的焊接缺陷检测装置及检测方法 | |
CN204359733U (zh) | 基于涡流加热的金属焊缝缺陷红外检测系统 | |
CN109142381B (zh) | 一种高速视觉检测识别设备 | |
CN207816184U (zh) | 一种零件或样件的外部尺寸检测装置 | |
CN108732148B (zh) | 一种荧光磁粉探伤在线检测装置及方法 | |
CN210015057U (zh) | 用于钢管视觉检测的信息采集设备及检测系统 | |
CN104655643A (zh) | 一种电子器件表面焊接过程质量检测系统 | |
CN110044909A (zh) | 一种基于图像处理的电机转子焊点缺陷检测装置及方法 | |
CN106706656A (zh) | 一种基于机器视觉的拉链检测装置及方法 | |
CN102589808A (zh) | 大型隧道渗水点测量方法 | |
CN109839384A (zh) | 用于微型振动马达缺陷检测的视觉检测仪及检测方法 | |
CN113743311B (zh) | 一种基于机器视觉的电池与连接片焊点检测装置和方法 | |
CN108593681A (zh) | 车体侧墙玻璃缺陷检测系统及检测方法 | |
CN207081666U (zh) | 一种基于机器视觉的拉链检测装置 | |
CN112198227A (zh) | 超声无损检测缺陷位置回溯方法 | |
CN110376475A (zh) | 玻璃表面线路缺陷快速检测装置及方法 | |
CN112882435A (zh) | 一种适用于狭小空间的数据采集及图像处理控制系统及其方法 | |
CN115326844A (zh) | 一种焊缝的自动化射线检测系统及方法 | |
JP2000009880A (ja) | 燃料集合体検査装置及び検査方法 |
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 |