CN116228640B - 基于深度图像的焊缝检测方法、系统、装置及存储介质 - Google Patents
基于深度图像的焊缝检测方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN116228640B CN116228640B CN202211604861.1A CN202211604861A CN116228640B CN 116228640 B CN116228640 B CN 116228640B CN 202211604861 A CN202211604861 A CN 202211604861A CN 116228640 B CN116228640 B CN 116228640B
- Authority
- CN
- China
- Prior art keywords
- detection
- weld
- depth image
- height
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 285
- 238000003466 welding Methods 0.000 claims abstract description 63
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000007547 defect Effects 0.000 claims description 75
- 230000004044 response Effects 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 239000011800 void material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种基于深度图像的焊缝检测方法、系统、装置及存储介质,涉及焊缝检测技术领域。本申请通过扫描检测区域中每一个检测框的高度参数并基于高度参数直接判断检测框中的焊缝是否异常,再通过判断检测框的焊缝是否连续异常,从而实现对检测区域异常焊缝段检测,基于深度信息对焊缝进行几何特征检测,提高焊缝检测准确度。
Description
技术领域
本发明涉及焊缝检测技术领域,尤其涉及一种基于深度图像的焊缝检测方法、系统、装置及存储介质。
背景技术
基于机器视觉的焊缝检测项目,往往利用传统线阵相机与面阵相机得到的2D图像进行检测,无法有效得到图像中的深度信息,实现对焊缝几何特征的缺陷检测。并且2D图像获取过程中,容易受到周围光学环境的影响,导致图像信息稳定性差,降低检测精度。
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深度图像的焊缝检测方法、系统、装置及存储介质,能够提高焊缝缺陷检测的准确度。
一方面,本发明实施例提供了一种基于深度图像的焊缝检测方法,包括以下步骤:
采集焊缝深度图像并确定所述焊缝深度图像中的检测区域;
根据预设检测间隔将所述检测区域划分为多个连续的检测框;
根据高度参数确定每一个所述检测框中的焊缝检测结果;
判断检测区域中是否连续存在超过预设数量的焊缝检测结果异常的检测框,当连续存在超过预设数量的焊缝检测结果异常的检测框,则确定所述检测区域中的焊缝合格,反之,确定所述检测区域中的焊缝不合格。
根据本发明一些实施例,所述采集焊缝深度图像并确定所述焊缝深度图像中的检测区域包括以下步骤:
按照预设姿态拍摄工件,得到焊缝深度图像;
根据所述焊缝深度图像的标志点坐标和预设基准点坐标确定焊缝位置的偏移量;
根据所述偏移量修正预设的第一检测线和预设的第二检测线;
根据修正后的第一检测线、修正后的第二检测线以及预设检测宽度,得到检测区域。
根据本发明一些实施例,所述基于深度图像的焊缝检测方法还包括以下步骤:
获取检测区域的缺陷类型检测指令;
响应于所述缺陷类型检测指令,确定高度参数,其中,所述高度参数为最大高度值、最小高度值和最大高度差的至少其中一种。
根据本发明一些实施例,所述响应于所述缺陷类型检测指令,确定高度参数包括以下步骤:
解析所述缺陷类型检测指令中包含的缺陷类型信息;
根据所述缺陷类型信息查询高度参数映射表,确定对应的高度参数。
根据本发明一些实施例,所述基于深度图像的焊缝检测方法还包括以下步骤:
当所述高度参数为最大高度值,根据所述缺陷类型信息确定对应的第一高度阈值区间;
当所述高度参数为最小高度值,根据所述缺陷类型信息确定对应的第二高度阈值区间;
当所述高度参数为最大高度差,根据所述缺陷类型信息确定对应的高度差阈值区间。
根据本发明一些实施例,所述根据高度参数确定每一个所述检测框中的焊缝检测结果包括以下步骤:
当所述高度参数为最大高度值,判断所述检测框中的最大高度值是否超出所述第一高度阈值区间,当最大高度值超出所述第一高度阈值区间,则所述检测框的焊缝检测结果异常;
当所述高度参数为最小高度值,判断所述检测框中的最小高度值是否超出所述第二高度阈值区间,当最小高度值超出所述第二高度阈值区间,则所述检测框的焊缝检测结果异常;
当所述高度参数为最大高度差,判断所述检测框中的最大高度差是否超出所述高度差阈值区间,当最大高度差超出所述高度差阈值区间,则所述检测框的焊缝检测结果异常。
另一方面,本发明实施例还提供一种基于深度图像的焊缝检测系统,包括:
第一模块,用于采集焊缝深度图像并确定所述焊缝深度图像中的检测区域;
第二模块,用于根据预设检测间隔将所述检测区域划分为多个连续的检测框;
第三模块,用于根据高度参数确定每一个所述检测框中的焊缝检测结果;
第四模块,用于判断检测区域中是否连续存在超过预设数量的焊缝检测结果异常的检测框,当连续存在超过预设数量的焊缝检测结果异常的检测框,则确定所述检测区域中的焊缝合格,反之,确定所述检测区域中的焊缝不合格。
根据本发明一些实施例,所述深度图像的焊缝检测系统还包括:
第五模块,用于获取检测区域的缺陷类型检测指令;
第六模块,用于响应于所述缺陷类型检测指令,确定高度参数,其中,所述高度参数为最大高度值、最小高度值和最大高度差的至少其中一种。
另一方面,本发明实施例还提供一种基于深度图像的焊缝检测装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得至少一个所述处理器实现如前面所述的基于深度图像的焊缝检测方法。
另一方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如前面所述的基于深度图像的焊缝检测方法。
本发明上述的技术方案至少具有如下优点或有益效果之一:采集焊缝深度图像并确定焊缝深度图像中的检测区域,根据预设检测间隔将检测区域划分为多个连续的检测框,然后基于高度参数确定每一个检测框中的焊缝是否正常,当对所有检测框检测完成后,判断检测区域中是否连续存在超过预设数量的焊缝检测结果异常的检测框,如果连续存在超过预设数量的焊缝检测结果异常的检测框,则检测区域中的焊缝合格,反之,确定检测区域中的焊缝不合格。本申请通过扫描检测区域中每一个检测框的高度参数并基于高度参数直接判断检测框中的焊缝是否异常,再通过判断检测框的焊缝是否连续异常,从而实现对检测区域异常焊缝段检测,基于深度信息对焊缝进行几何特征检测,提高焊缝检测准确度。
附图说明
图1是本发明实施例提供的基于深度图像的焊缝检测方法流程图;
图2是本发明实施例提供的深度图像示意图;
图3是本发明实施例提供的基于深度图像的焊缝检测装置示意图。
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者类似的标号表示相同或者类似的原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、左、右等指示的方位或者位置关系为基于附图所示的方位或者位置关系,仅是为了便于描述本发明和简化描述,而不是指示或者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。
本发明的描述中,如果有描述到第一、第二等只是用于区分技术特征为目的,而不能理解为指示或者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。
对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
深度图像(depth image)也被称为距离影像(range image),是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像,它直接反映了景物可见表面的几何形状。深度数据流所提供的图像帧中,每一个像素点代表的是在深度感应器的视野中,该特定的(x,y)坐标处物体到离摄像头平面最近的物体到该平面的距离。基于深度图像,可以获得被拍摄对象的各个点的高度。
焊缝(welded seam),利用焊接热源的高温,将焊条和接缝处的金属熔化连接而成的缝。焊缝金属冷却后,即将两个焊件连接成整体。根据焊缝金属的形状和焊件相互位置的不同,分对接焊缝、角焊缝、塞焊缝和电铆焊等。对接焊缝常用于板件和型钢的拼接;角焊缝常用于搭接连接;塞焊缝和电铆焊应用较少,仅为了减小焊件搭接长度才考虑采用。
本发明实施例提供了一种基于深度图像的焊缝检测方法,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。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。
参照图1,本发明实施例的基于深度图像的焊缝检测方法包括但不限于步骤S110、步骤S120、步骤S130和步骤S140。
步骤S110,采集焊缝深度图像并确定焊缝深度图像中的检测区域;
步骤S120,根据预设检测间隔将检测区域划分为多个连续的检测框;
步骤S130,根据高度参数确定每一个检测框中的焊缝检测结果;
步骤S140,判断检测区域中是否连续存在超过预设数量的焊缝检测结果异常的检测框,当连续存在超过预设数量的焊缝检测结果异常的检测框,则确定检测区域中的焊缝合格,反之,确定检测区域中的焊缝不合格。
在本实施例中,焊缝深度图像如图2所示,采集到焊缝深度图像之后,首先识别出图像中焊缝位置,确定出检测区域,然后可以按照预设的检测间隔对检测区域进行划分,得到多个连续的检测框,对每一个检测框的高度参数进行分析,确定其高度参数是否符合正常的高度参数要求,如果符合,则确定该检测框中的焊缝正常,如果不符合,则确定该检测框中焊缝异常。由于检测区域被划分成多个细小的检测框进行检测,一个检测框的焊缝结果异常不足以说明当前焊缝异常,为了减少误检率,通过判断是否存在超过预设数量的连续检测结果异常的检测框,来确定焊缝是否存在异常。
在另外一些实施例中,在划分出多个检测框后,可以依次对多个检测框进行编号。当检测出存在超过预设数量的连续检测框的检测结果异常,根据检测框编号,可以确定焊缝深度图像中存在异常焊缝段的位置。
在另外一些实施例中,采集焊缝深度图像的设备可以是深度相机,深度相机可以是结构光相机,通过近红外激光器,将具有一定结构特征的光线投射到被拍摄物体上,再由专门的红外摄像头进行采集,通过运算单元将这种结构的变化换算成深度信息,以此来获得三维结构。
根据本发明一些具体实施例,步骤S110中,采集焊缝深度图像并确定焊缝深度图像中的检测区域包括以下步骤:
步骤S210,按照预设姿态拍摄工件,得到焊缝深度图像;
步骤S220,根据焊缝深度图像的标志点坐标和预设基准点坐标确定焊缝位置的偏移量;
步骤S230,根据偏移量修正预设的第一检测线和预设的第二检测线;
步骤S240,根据修正后的第一检测线、修正后的第二检测线以及预设检测宽度,得到检测区域。
在本实施例中,参照图2,检测区域用于框出图像中的整条焊缝区域,焊缝的长度一般等于图像的长度,因此,通过左侧第一检测线、右侧第二检测线以及预设检测宽度可以确定检测区域。预设检测宽度的设置一般等于或者略小于正常焊缝宽度。
在本实施例中,当工件按照标准位置放置在深度相机下方,深度相机拍摄得到焊缝深度图像之后,可以直接按照预设的预设的第一检测线、预设的第二检测线和预设检测宽度确定检测宽度。在实际操作时,工件的放置可能会偏移标准位置,如果此时还是按照预设的第一检测线和第二检测线来确定检测区域,会导致检测区域偏离焊缝,影响后续检测。本发明实施例通过识别拍摄到的焊缝深度图像中的标志点坐标与处理器中预存的基准点坐标确定焊缝位置的偏移量,然后根据偏移量修正第一检测线和第二检测线,根据修正后的第一检测线、第二检测线以及预设检测宽度可以得出准确的检测区域。
根据本发明一些具体实施例,本发明实施例的基于深度图像的焊缝检测方法还包括以下步骤:
步骤S310,获取检测区域的缺陷类型检测指令;
步骤S320,响应于缺陷类型检测指令,确定高度参数,其中,高度参数为最大高度值、最小高度值和最大高度差的至少其中一种。
在本实施例中,不同焊缝缺陷类型的检测需要用到不同的高度参数,例如,针对漏焊的缺陷类型检测,需要用到焊缝的最小高度值进行检测。焊丝堆积等的缺陷类型检测,需要用到焊缝的最大高度值进行检测。针对气孔、凹陷等缺陷类型的检测,需要用到焊缝的最大高度进行检测。此外,一种缺陷类型缺陷类型也可以对应多种高度参数,即判断检测框中的焊缝是否具备该类型缺陷,可能需要同时判断最大高度差以及最大高度值是否在预设范围内。
本实施例的基于深度图像的焊缝检测方法可应用于计算机设备中,并提供可视化界面,用户在可视化界面中输入一个或者多个所需要检测的缺陷类型,得到缺陷类型检测指令。计算机响应于缺陷类型检测指令启动检测程序,并基于指令中的缺陷类型信息确定对应的高度参数,后续根据对应的高度参数来判断检测框中的焊缝是否存在该类型的缺陷异常。
根据本发明一些具体实施例,步骤S320中,响应于缺陷类型检测指令,确定高度参数包括以下步骤:
步骤S410,解析缺陷类型检测指令中包含的缺陷类型信息;
步骤S420,根据缺陷类型信息查询高度参数映射表,确定对应的高度参数。
在本实施例中,高度参数映射表根据工作经验提前设置,用于存储缺陷类型与高度参数的对应关系,例如,漏焊缺陷对应最小高度值,焊丝堆积缺陷对应最大高度。在获得缺陷类型检测指令并从中解析出缺陷类型信息之后,根据缺陷类型信息在高度参数映射表进行匹配,确定对应的高度参数。
根据本发明一些具体实施例,本发明实施例的基于深度图像的焊缝检测方法还包括以下步骤:
步骤S510,当高度参数为最大高度值,根据缺陷类型信息确定对应的第一高度阈值区间;
步骤S520,当高度参数为最小高度值,根据缺陷类型信息确定对应的第二高度阈值区间;
步骤S530,当高度参数为最大高度差,根据缺陷类型信息确定对应的高度差阈值区间。
在本实施例中,通过分析高度参数是否符合一定的范围来确定焊缝检测结果,而不同的缺陷类型信息具备不同的高度特征。示例性,焊缝气孔缺陷和凹陷缺陷均需要通过最大高度差判断,但是气孔缺陷的高度差特征大于凹陷缺陷的高度差特征,因此气孔缺陷和凹陷缺陷的用来进行判断的区间范围不同。本实施例在根据缺陷类型信息确定高度参数后,还需要根据缺陷类型信确定该高度参数对应的阈值区间,从而实现具体缺陷类型的检测。
根据本发明一些具体实施例,步骤S130中,根据高度参数确定每一个检测框中的焊缝检测结果包括以下步骤:
步骤S610,当高度参数为最大高度值,判断检测框中的最大高度值是否超出第一高度阈值区间,当最大高度值超出第一高度阈值区间,则检测框的焊缝检测结果异常;
步骤S620,当高度参数为最小高度值,判断检测框中的最小高度值是否超出第二高度阈值区间,当最小高度值超出第二高度阈值区间,则检测框的焊缝检测结果异常;
步骤S630,当高度参数为最大高度差,判断检测框中的最大高度差是否超出高度差阈值区间,当最大高度差超出高度差阈值区间,则所述检测框的焊缝检测结果异常。
示例性地,正常的焊缝最大高度差为1mm以下,凹陷缺陷的最大高度差特征在1~2之间,气孔缺陷的最大高度差特征在3~4之间。
在一种实施例中,用户输入检测气孔缺陷的指令,通过气孔缺陷信息查询高度参数映射表,确定高度参数为最大高度差,通过检测框中的最大高度值和最小高度值确定最大高度差,判断最大高度差是否同时超出[0,3]和[4,+∞]的区间,如果是,则表示检测框中的焊缝的最大高度差在3~4之间,表明该焊缝具有气孔缺陷,检测结果异常。
在另外一种实施例中,用户输入检测凹陷缺陷的指令,通过凹陷缺陷信息查询高度参数映射表,确定高度参数为最大高度差,通过检测框中的最大高度值和最小高度值确定最大高度差,判断最大高度差是否同时超出[0,1]和[2,+∞]的区间,如果是,则表示检测框中的焊缝的最大高度差在1~2之间,表明该焊缝具有凹陷缺陷,检测结果异常。
本发明实施例还提供一种基于深度图像的焊缝检测系统,包括:
第一模块,用于采集焊缝深度图像并确定焊缝深度图像中的检测区域;
第二模块,用于根据预设检测间隔将检测区域划分为多个连续的检测框;
第三模块,用于根据高度参数确定每一个检测框中的焊缝检测结果;
第四模块,用于判断检测区域中是否连续存在超过预设数量的焊缝检测结果异常的检测框,当连续存在超过预设数量的焊缝检测结果异常的检测框,则确定检测区域中的焊缝合格,反之,确定检测区域中的焊缝不合格。
根据本发明一些具体实施例,本发明实施例的深度图像的焊缝检测系统还包括:
第五模块,用于获取检测区域的缺陷类型检测指令;
第六模块,用于响应于缺陷类型检测指令,确定高度参数,其中,高度参数为最大高度值、最小高度值和最大高度差的至少其中一种。
可以理解的是,上述基于深度图像的焊缝检测方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述基于深度图像的焊缝检测方法实施例相同,并且达到的有益效果与上述基于深度图像的焊缝检测方法实施例所达到的有益效果也相同。
参照图3,图3是本发明一个实施例提供的基于深度图像的焊缝检测装置的示意图。本发明实施例的基于深度图像的焊缝检测装置包括一个或多个控制处理器和存储器,图3中以一个控制处理器及一个存储器为例。
控制处理器和存储器可以通过总线或者其他方式连接,图3中以通过总线连接为例。
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图像的焊缝检测装置。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。
本领域技术人员可以理解,图3中示出的装置结构并不构成对基于深度图像的焊缝检测装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
实现上述实施例中应用于基于深度图像的焊缝检测装置的基于深度图像的焊缝检测方法所需的非暂态软件程序以及指令存储在存储器中,当被控制处理器执行时,执行上述实施例中应用于基于深度图像的焊缝检测装置的基于深度图像的焊缝检测方法。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,可使得上述一个或多个控制处理器执行上述方法实施例中的基于深度图像的焊缝检测方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
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。
Claims (7)
1.一种基于深度图像的焊缝检测方法,其特征在于,包括以下步骤:
获取检测区域的缺陷类型检测指令,响应于所述缺陷类型检测指令,确定高度参数,其中,所述高度参数为最大高度值、最小高度值和最大高度差的至少其中一种,焊丝堆积缺陷类型采用最大高度值,漏焊缺陷类型采用最小高度值;
采集焊缝深度图像并确定所述焊缝深度图像中的检测区域,其中,所述检测区域用于标识焊缝位置;
根据预设检测间隔将所述检测区域划分为多个连续的检测框;
根据高度参数确定每一个所述检测框中的焊缝检测结果;
判断检测区域中是否连续存在超过预设数量的焊缝检测结果异常的检测框,当连续存在超过预设数量的焊缝检测结果异常的检测框,则确定所述检测区域中的焊缝不合格,反之,确定所述检测区域中的焊缝合格;
其中,所述采集焊缝深度图像并确定所述焊缝深度图像中的检测区域包括以下步骤:
按照预设姿态拍摄工件,得到焊缝深度图像;
根据所述焊缝深度图像的标志点坐标和预设基准点坐标确定焊缝位置的偏移量;
根据所述偏移量修正预设的第一检测线和预设的第二检测线;
根据修正后的第一检测线、修正后的第二检测线以及预设检测宽度,得到检测区域。
2.根据权利要求1所述的基于深度图像的焊缝检测方法,其特征在于,所述响应于所述缺陷类型检测指令,确定高度参数包括以下步骤:
解析所述缺陷类型检测指令中包含的缺陷类型信息;
根据所述缺陷类型信息查询高度参数映射表,确定对应的高度参数。
3.根据权利要求2所述的基于深度图像的焊缝检测方法,其特征在于,所述基于深度图像的焊缝检测方法还包括以下步骤:
当所述高度参数为最大高度值,根据所述缺陷类型信息确定对应的第一高度阈值区间;
当所述高度参数为最小高度值,根据所述缺陷类型信息确定对应的第二高度阈值区间;
当所述高度参数为最大高度差,根据所述缺陷类型信息确定对应的高度差阈值区间。
4.根据权利要求3所述的基于深度图像的焊缝检测方法,其特征在于,所述根据高度参数确定每一个所述检测框中的焊缝检测结果包括以下步骤:
当所述高度参数为最大高度值,判断所述检测框中的最大高度值是否超出所述第一高度阈值区间,当最大高度值超出所述第一高度阈值区间,则所述检测框的焊缝检测结果异常;
当所述高度参数为最小高度值,判断所述检测框中的最小高度值是否超出所述第二高度阈值区间,当最小高度值超出所述第二高度阈值区间,则所述检测框的焊缝检测结果异常;
当所述高度参数为最大高度差,判断所述检测框中的最大高度差是否超出所述高度差阈值区间,当最大高度差超出所述高度差阈值区间,则所述检测框的焊缝检测结果异常。
5.一种基于深度图像的焊缝检测系统,其特征在于,包括:
第五模块,用于获取检测区域的缺陷类型检测指令;
第六模块,用于响应于所述缺陷类型检测指令,确定高度参数,其中,所述高度参数为最大高度值、最小高度值和最大高度差的至少其中一种,焊丝堆积缺陷类型采用最大高度值,漏焊缺陷类型采用最小高度值;
第一模块,用于采集焊缝深度图像并确定所述焊缝深度图像中的检测区域,其中,所述检测区域用于标识焊缝位置;
第二模块,用于根据预设检测间隔将所述检测区域划分为多个连续的检测框;
第三模块,用于根据高度参数确定每一个所述检测框中的焊缝检测结果;
第四模块,用于判断检测区域中是否连续存在超过预设数量的焊缝检测结果异常的检测框,当连续存在超过预设数量的焊缝检测结果异常的检测框,则确定所述检测区域中的焊缝不合格,反之,确定所述检测区域中的焊缝合格;
其中,所述第一模块具体用于:
按照预设姿态拍摄工件,得到焊缝深度图像;
根据所述焊缝深度图像的标志点坐标和预设基准点坐标确定焊缝位置的偏移量;
根据所述偏移量修正预设的第一检测线和预设的第二检测线;
根据修正后的第一检测线、修正后的第二检测线以及预设检测宽度,得到检测区域。
6.一种基于深度图像的焊缝检测装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得至少一个所述处理器实现如权利要求1至4任一项所述的基于深度图像的焊缝检测方法。
7.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序被由所述处理器执行时用于实现如权利要求1至4任一项所述的基于深度图像的焊缝检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211604861.1A CN116228640B (zh) | 2022-12-14 | 2022-12-14 | 基于深度图像的焊缝检测方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211604861.1A CN116228640B (zh) | 2022-12-14 | 2022-12-14 | 基于深度图像的焊缝检测方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116228640A CN116228640A (zh) | 2023-06-06 |
CN116228640B true CN116228640B (zh) | 2024-04-12 |
Family
ID=86570506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211604861.1A Active CN116228640B (zh) | 2022-12-14 | 2022-12-14 | 基于深度图像的焊缝检测方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116228640B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252883B (zh) * | 2023-11-20 | 2024-04-02 | 宁德时代新能源科技股份有限公司 | 焊接缺陷检测方法、装置和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022436A (zh) * | 2021-10-29 | 2022-02-08 | 深圳明锐理想科技有限公司 | 一种印制电路板的检测方法、装置及检测设备 |
CN114119461A (zh) * | 2021-10-08 | 2022-03-01 | 厦门微亚智能科技有限公司 | 基于深度学习的锂电池模组侧面焊缝外观检测算法及系统 |
CN114354618A (zh) * | 2021-12-16 | 2022-04-15 | 浙江大华技术股份有限公司 | 一种焊缝检测的方法及装置 |
CN115070251A (zh) * | 2022-06-21 | 2022-09-20 | 苏州大学 | 搅拌摩擦焊表面焊接质量检测方法 |
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 |
CN115147370A (zh) * | 2022-06-30 | 2022-10-04 | 章鱼博士智能技术(上海)有限公司 | 一种电池顶盖焊接缺陷检测方法、装置、介质及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494121B (zh) * | 2021-12-20 | 2024-07-12 | 苏州镁伽科技有限公司 | 图像偏移的校正方法、校正装置、存储介质及电子设备 |
CN115345878B (zh) * | 2022-10-18 | 2023-01-31 | 广州市易鸿智能装备有限公司 | 一种高精度的锂电池镍片与巴片间距的检测方法及装置 |
-
2022
- 2022-12-14 CN CN202211604861.1A patent/CN116228640B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114119461A (zh) * | 2021-10-08 | 2022-03-01 | 厦门微亚智能科技有限公司 | 基于深度学习的锂电池模组侧面焊缝外观检测算法及系统 |
CN114022436A (zh) * | 2021-10-29 | 2022-02-08 | 深圳明锐理想科技有限公司 | 一种印制电路板的检测方法、装置及检测设备 |
CN114354618A (zh) * | 2021-12-16 | 2022-04-15 | 浙江大华技术股份有限公司 | 一种焊缝检测的方法及装置 |
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 |
CN115070251A (zh) * | 2022-06-21 | 2022-09-20 | 苏州大学 | 搅拌摩擦焊表面焊接质量检测方法 |
CN115147370A (zh) * | 2022-06-30 | 2022-10-04 | 章鱼博士智能技术(上海)有限公司 | 一种电池顶盖焊接缺陷检测方法、装置、介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116228640A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116228640B (zh) | 基于深度图像的焊缝检测方法、系统、装置及存储介质 | |
CN113014816B (zh) | 飞拍拍摄触发点的确定方法和装置 | |
CN111774764B (zh) | 一种焊接机器人的控制方法、控制装置及可读存储介质 | |
CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
CN115272168A (zh) | 一种极片质量检测方法、系统、设备及存储介质 | |
CN111390439A (zh) | 一种焊缝检测方法、装置、焊接机器人及储存介质 | |
CN114581368A (zh) | 一种基于双目视觉的棒材焊牌方法及装置 | |
CN117381105B (zh) | 机器人焊接电流控制方法、装置、电子设备和存储介质 | |
CN113579601B (zh) | 一种焊道的定位方法、装置、焊接机器人和存储介质 | |
CN116416183A (zh) | 焊缝质量检测区域确定方法、装置、计算机以及存储介质 | |
KR20170142379A (ko) | 영상처리를 이용한 용접로봇의 용접선 인식장치 | |
EP4375924A1 (en) | Cell alignment degree measurement method, controller, detection system, and storage medium | |
CN110322508B (zh) | 一种基于计算机视觉的辅助定位方法 | |
CN116786931A (zh) | 一种汇流条的焊接方法及其焊接系统 | |
CN110310239A (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN115930879A (zh) | 工件的轮廓检测装置、方法、服务器及存储介质 | |
CN115797440A (zh) | 电芯定位方法、控制器和计算机可读存储介质 | |
CN112884833B (zh) | 一种焊缝坡口的检测方法、装置及计算机设备 | |
JPH06294633A (ja) | ファスナー自動検査方法及び検査装置 | |
CN111611964A (zh) | 一种距离检测方法及装置 | |
CN116385336B (zh) | 基于深度学习的焊缝检测方法、系统、装置及存储介质 | |
CN116012306A (zh) | 基于偏移校正的焊缝检测方法、系统、装置和存储介质 | |
CN111408858B (zh) | 焊机检测方法及系统 | |
CN114043081B (zh) | 一种激光焊接的多焊缝类型特征点识别方法及系统 | |
KR102562216B1 (ko) | 용접 비드의 3차원 형상 검사 시스템 및 그 방법 |
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 |