CN116385433B - 一种塑料管道焊接质量评估方法 - Google Patents
一种塑料管道焊接质量评估方法 Download PDFInfo
- Publication number
- CN116385433B CN116385433B CN202310643658.3A CN202310643658A CN116385433B CN 116385433 B CN116385433 B CN 116385433B CN 202310643658 A CN202310643658 A CN 202310643658A CN 116385433 B CN116385433 B CN 116385433B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- region
- hemming
- axis
- symmetrical
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 78
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 11
- 238000009957 hemming Methods 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000000875 corresponding effect Effects 0.000 claims description 155
- 238000002788 crimping Methods 0.000 claims description 60
- 239000013598 vector Substances 0.000 claims description 53
- 238000013507 mapping Methods 0.000 claims description 22
- 238000013441 quality evaluation Methods 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 6
- 239000011324 bead Substances 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 21
- 230000002950 deficient Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 229910001006 Constantan Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004064 recycling Methods 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种塑料管道焊接质量评估方法,该方法在获取塑料管道焊接口的卷边区域的三维图像后,根据卷边区域中像素点与预设邻域范围内像素点之间的空间坐标分布特征得到空间相异度,根据像素点与对称像素点之间的空间位置差异得到对称点相似度,根据空间相异度和对称点相似度共同得到每个像素点与其他每个像素点的概率度,根据得到的概率度进行马尔可夫聚类,根据聚类结果进行塑料管道焊接质量评估。本发明通过计算空间相异度和对称点相似度来进一步对塑料管道焊接质量评估的方法准确度更高。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种塑料管道焊接质量评估方法。
背景技术
塑料管道由于成本低、材料性能强、寿命长和施工维修方便等优点,在管道工程界应用广泛。当塑料管道某处发生损坏时,可将未损坏的塑料管道部分回收后通过塑料管道焊接技术与其他管道焊接,实现对塑料管道的回收利用。考虑到回收利用后的塑料管道的性能与焊接质量密切关联,所以对塑料管道焊接质量评估非常重要。
考虑到人工通过超声波检测塑料管道焊接质量的方法操作复杂需要耗费大量人力,且可能由于环境影响产生的噪声导致超声波在对焊接细节进行检测时出现一定的偏差,造成对塑料管道焊接质量的评估不够准确。所以现有技术通常对管道焊接表面进行缺陷检测,而现有的缺陷检测技术通常为对管道焊接区域的二维图像进行分析,但由于焊接处通常会出现突出部分的卷边,会造成缺陷检测时的检测结果不够准确。且对焊接处的卷边区域进行马尔可夫聚类算法判断缺陷区域时,由于传统的马尔可夫聚类算法在对场景的适应能力较差,导致马尔可夫聚类算法进行缺陷检测对塑料管道焊接质量评估不够准确。
发明内容
为了解决马尔可夫聚类算法进行缺陷检测对塑料管道焊接质量评估不够准确的技术问题,本发明的目的在于提供一种塑料管道焊接质量评估方法,所采用的技术方案具体如下:
本发明提出了一种塑料管道焊接质量评估方法,所述方法包括:
获取塑料管道焊接口的卷边区域的三维图像;
在所述三维图像中以卷边区域中线对应的圆心为原点构建空间直角坐标系;
在所述卷边区域中任选一个像素点作为目标像素点,根据卷边区域中像素点的空间坐标分布特征,得到目标像素点与其他每个像素点之间的空间相异度;将所述卷边区域中线作为对称轴得到每个像素点的对称像素点,根据像素点与对应的对称像素点之间的空间位置差异,得到每个像素点对应的对称点相似度;根据所述空间相似度和目标像素点对应的对称点相似度,得到目标像素点与其他每个像素点之间的概率度;
改变目标像素点得到每个像素点与其他每个像素点之间的概率度,根据所述概率度对卷边区域中像素点进行马尔可夫聚类,根据卷边区域的聚类结果进行塑料管道焊接质量评估。
进一步地,所述以卷边区域中线对应的圆心为原点构建空间直角坐标系包括:
以卷边区域中线围成的平面作为y轴与z轴围成的平面,过原点以垂直于卷边区域对应的直线为x轴构建空间直角坐标系。
进一步地,所述空间相异度的获取方法包括:
通过边缘检测算法识别出卷边区域与塑料管道区域交接处的卷边区域边缘线,根据所述卷边区域中像素点与所述卷边区域边缘线的空间位置差异得到每个像素点对应的卷边厚度;统计所述卷边区域中像素点指向所述圆心的单位向量,将所述目标像素点与其他每个像素点的单位向量之间的角度作为向量角度;将所述目标像素点与其他每个像素点映射到y轴和z轴对应平面后的距离,作为第一距离;将所述第一距离与所述卷边区域中线的长度之间的比值作为近似弧线角度;将所述向量角度与所述近似弧线角度之间的差异作为角度误差值;
计算所述目标像素点与其他每个像素点对应的卷边厚度差异,统计所述目标像素点与其他每个像素点的角度误差值;根据所述卷边厚度差异和所述角度误差值,得到目标像素点与其他每个像素点之间的空间相异度,所述空间相异度与所述卷边厚度差异呈正相关,所述空间相异度和所述卷边厚度差异呈正相关。
进一步地,所述卷边厚度的获取方法包括:
对所述卷边区域边缘线上的每个像素点作与x轴平行的平行线,对所述卷边区域中每个像素点作指向圆心的法线,获取每个像素点对应的法线与所有平行线的交点,统计每个像素点与对应交点在y轴和z轴对应二维直角坐标系上的第一映射坐标,计算每个像素点与对应交点的第一映射坐标之间的坐标距离,得到每个像素点对应的卷边厚度。
进一步地,所述将所述卷边区域中线作为对称轴得到每个像素点的对称像素点包括:
将所述卷边区域映射到x轴和y轴对应的二维直角坐标系中,得到卷边区域中每个像素点的第二映射坐标,以映射到x轴和y轴对应的二维直角坐标系中的卷边区域中线作为对称轴,获取与每个像素点第二映射坐标对称的对称坐标,将所述对称坐标映射到所述卷边区域中得到每个像素点的对称像素点。
进一步地,所述对称点相似度的获取方法包括:
获取所述原点指向每个像素点的单位向量,根据每个像素点对应单位向量在x轴、y轴和z轴方向上的单位向量的分量的乘积,得到每个像素点对应的空间向量特征;根据每个像素点与对应对称像素点之间空间向量特征的比值的绝对值,得到每个像素点对应的对称点相似度。
进一步地,所述概率度的获取方法包括:
根据目标像素点对应的空间相异度与对称点相似度的乘积,得到目标像素点与其他每个像素点之间的概率度。
进一步地,所述根据卷边区域的聚类结果进行塑料管道焊接质量评估包括:
当聚类结果呈现两个聚类集合时,说明塑料管道焊接质量合格;
当聚类结果呈现三个以上或一个聚类集合时,说明塑料管道焊接质量不合格。
本发明具有如下有益效果:
考虑到塑料管道焊接质量与焊接处突出部分卷边区域的均匀性有关,所以本发明实施例根据卷边区域中的像素点的空间坐标分布特征得到像素点之间的空间相异度,通过空间相异度表征卷边区域在角度和厚度方面的均匀性,避免了现有技术中缺陷检测技术忽略卷边区域突出特征导致检测结果不够准确的问题,提高了对塑料管道焊接质量评估的准确性;此外,本发明考虑到塑料管道焊接部分对应的卷边区域是对称分布的,本发明实施例通过像素点与对应对称像素点之间的空间位置差异,得到每个像素点对应的对称点相似度,通过对称点像素点进一步表征焊接区域的均匀性特征,并均匀性特征作为可达概率对马尔可夫聚类算法进行改进,通过改进后的马尔可夫聚类算法使得对塑料管道焊接质量评估更加准确。综上所述,本发明实施例通过改进后的马尔可夫聚类算法使得对塑料管道焊接质量评估更加准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明一个实施例所提供的一种塑料管道焊接质量评估方法流程图;
图2为本发明一个实施例所提供的一种塑料管道焊接口的卷边区域示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种塑料管道焊接质量评估方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种塑料管道焊接质量评估方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种塑料管道焊接质量评估方法流程图,该方法包括:
步骤S1:获取塑料管道焊接口的卷边区域的三维图像。
本发明旨在提供一种塑料管道焊接质量评估方法,用于对塑料管道焊接对应的卷边区域中像素点的空间位置分布进行分析,判断塑料管道焊接区域是否存在缺陷。考虑到采用超声波检测塑料管道焊接区域缺陷的方法的使用门槛较高,且超声波中由于环境影响产生的噪声不易滤除,可能导致超声波在对焊接细节进行检测时出现一定的偏差。本发明实施例根据噪声容易滤除的塑料管道焊接对应的卷边区域图像进行分析,所以首先需要获取对应的卷边区域图像。
考虑到塑料管道焊接对应的卷边区域在正常情况下会存在一定的凸起,因此为了方便后续分析,本发明实施例获取塑料管道焊接口的卷边区域的三维图像。在本发明实施例中,通过RGB-D相机获得塑料管道焊接口的卷边区域RGBD图像,即表征三维信息的塑料管道焊接口的卷边区域的三维图像。获取三维图像中RGB信息的目的是方便根据RGB信息检测边缘,获取三维图像中深度信息的目的是获取卷边区域的三维信息以便于后续分析。需要说明的是,实施者也可通过其他方式获取RGBD图像,例如通过高精度工业相机采集塑料管道焊接口的卷边区域的RGB图像后,进一步通过深度相机采集塑料管道焊接口的卷边区域的深度图像,进一步将RGB图像和深度图像结合获得塑料管道焊接口的卷边区域RGBD图像,在此不做进一步限定和赘述。
为了消除由于外界环境干扰产生的噪声对塑料管道焊接口的卷边区域的三维图像的影响,本发明实施例在获取塑料管道焊接口的卷边区域的三维图像后,对图像进行去噪预处理。在本发明实施例中,通过高斯滤波对塑料管道焊接口的卷边区域的三维图像进行去噪,需要说明的是,高斯滤波为本领域技术人员所熟知的现有技术,实施者也可根据具体实施环境选取其他去噪方法去除噪声,在此不做进一步限定和赘述。
需要说明的是,后续分析过程中的三维图像均为去噪后的塑料管道焊接口的卷边区域的三维图像,在此不做进一步限定和赘述。
步骤S2:以卷边区域中线对应的圆心为原点构建空间直角坐标系。
至此,通过步骤S1获得了后续分析所需要的塑料管道焊接口的卷边区域的三维图像。为了更好的表征三维图像的三维信息,本发明实施例在三维图像中以卷边区域中线对应的圆心为原点构建空间直角坐标系。构建空间直角坐标系的目的是将三维图像的三维信息通过三维坐标的形式进行表征,方便后续分析。而以卷边区域中线对应的圆心为原点,是因为卷边区域中线对应的圆心相当于卷边区域的三维图像的正中心,以正中心为原点建立空间直角坐标系能够使得对像素点空间位置信息的表征更加清晰。
请参阅图2,其示出了本发明一个实施例提供的一种塑料管道焊接口的卷边区域示意图,该卷边区域示意图示出了卷边区域和卷边区域中线在塑料管道焊接口对应的位置,图中连接两个管道的中间区域即为卷边区域,卷边区域由两个对称且凸起的区域构成,卷边区域中线即为两个对称且凸起区域的中间凹陷部分对应的曲线,且卷边区域中线围成的区域为一个拟合圆。
优选地,以卷边区域中线对应的圆心为原点构建空间直角坐标系包括:
以卷边区域中线围成的平面作为y轴与z轴围成的平面,过原点以垂直于卷边区域对应的直线为x轴构建空间直角坐标系。该过程通过确定x轴、y轴和z轴的位置,为后续的空间直角坐标系提供了同一标准形式,方便后续分析。需要说明的是,实施者也选取其他形式的x轴、y轴和z轴构建空间直角坐标系,在此不做进一步赘述。
步骤S3:在卷边区域中任选一个像素点作为目标像素点,根据卷边区域中像素点的空间坐标分布特征,得到目标像素点与其他每个像素点之间的空间相异度;将卷边区域中线作为对称轴得到每个像素点的对称像素点,根据像素点与对应的对称像素点之间的空间位置差异,得到每个像素点对应的对称点相似度;根据空间相似度和目标像素点对应的对称点相似度,得到目标像素点与其他每个像素点之间的概率度。
进一步地在得到的空间直角坐标系和卷边区域的基础上进行分析。当焊接口对应的卷边区域均匀时,每个卷边区域的像素点通常分为两类,即卷边区域中线对应凹陷区域的一类像素点和卷边区域中线两侧对应凸起区域的一类像素点;而当焊接口出现瑕疵或质量缺陷导致对应的卷边区域不均匀时,不均匀的区域对应的像素点会对应额外的像素点类别。即本发明实施例根据像素点类别数量进行塑料管道焊接质量的评估。在本发明实施例中,通过马尔可夫聚类算法进行像素点种类的划分,考虑到传统的马尔可夫聚类算法在对场景的适应能力较差,本发明实施例对马尔可夫聚类算法进行改进,自适应的计算出每个像素点到其他每个像素点的可达概率,并根据可达概率完成马尔可夫聚类。需要说明的是,预设邻域范围即对应马尔可夫聚类算法中的一步可达距离范围,后续不做进一步赘述。
考虑到传统的马尔可夫聚类算法中的可达概率与像素点之间的位置差异情况有关,因此可根据卷边区域的像素点之间的空间位置差异初步表征可达概率。本发明实施例在卷边区域中任选一个像素点作为目标像素点,根据卷边区域中像素点的空间坐标分布特征,得到目标像素点与其他每个像素点之间的空间相异度。通过空间相异度根据目标像素点与其他每个像素点之间的空间位置差异,初步表征目标像素点与其他每个像素点之间的可达概率。需要说明的是,本发明实施例将卷边区域的所有像素点作为马尔可夫聚类中的结点,实施者可根据具体实施情况调整马尔可夫聚类中的结点数量,例如在每个3×3窗口或5×5窗口中选取中心像素点作为对应窗口区域的结点,以达到减少计算量的目的,在此不做进一步限定和赘述。
优选地,空间相异度的获取方法包括:
通过边缘检测算法识别出卷边区域与塑料管道区域交界处的卷边区域边缘线。请参阅图2,其示出了本发明一个实施例提供的一种塑料管道焊接口的卷边区域示意图,该卷边区域示意图中示出了卷边区域边缘线对应的位置,即卷边区域与塑料管道区域的交界线。在本发明实施例中,通过Canny算法识别出卷边区域边缘线,需要说明的是,Canny算法为边缘检测算法中的一种常用算法且为本领域技术人员所熟知的现有技术,且实施者也可根据具体实施环境自行采用其他的边缘检测算法识别卷边区域边缘线,在此不做进一步限定和赘述。
根据卷边区域中像素点与卷边区域边缘线的空间位置差异得到每个像素点对应的卷边厚度。正常像素点之间的卷边厚度较为接近,而正常像素点与异常像素点之间存在明显的卷边厚度差异,因此可通过卷边厚度进一步表征像素点之间的空间相异度。
优选地,卷边厚度的获取方法包括:
对卷边区域边缘线上的每个像素点作与x轴平行的平行线。由于卷边区域边缘线为卷边区域与塑料管道区域交接处的线段,所以过卷边区域边缘线上所有像素点作与x轴平行的平行线,所有平行线对应相同长度且均匀的线段能够围成一个空心圆柱体,对应的圆柱体的高度为线段长度,圆周为卷边区域边缘线。该空心圆柱体对应的侧面即为计算卷边区域厚度的一个标准平面,即处于该侧面上的像素点对应的卷边厚度为0,距离该侧面越远,对应的卷边厚度越大。
对卷边区域中每个像素点作指向圆心的法线,获取每个像素点对应的法线与所有平行线的交点,统计每个像素点与对应交点在y轴和z轴对应二维直角坐标系上的第一映射坐标,计算每个像素点与对应交点的第一映射坐标之间的坐标距离,得到每个像素点对应的卷边厚度。该过程的最终目的是获取卷边区域上每个像素点与对应空心圆柱体侧面的距离即厚度,获取交点的目的使得厚度的获取过程更加清晰。需要说明的是,实施者也可直接根据卷边区域边缘线上的所有像素点作与x轴的平行线构建标准平面,进一步计算每个像素点到标准平面的距离计算每个像素点对应的厚度,在此不做进一步赘述。
进一步地统计卷边区域中像素点指向圆心的单位向量,将目标像素点与其他每个像素点的单位向量之间的角度作为向量角度;将目标像素点与其他每个像素点映射到y轴和z轴对应平面后的距离,作为第一距离;将第一距离与卷边区域中线的长度之间的比值作为近似弧线角度;将向量角度与近似弧线角度之间的差异作为角度误差值。
向量角度表征两个像素点与原点在三维空间下的三维角度,近似弧线角度则表征两个像素点在y轴和z轴对应平面的二维平面下的二维角度。由于二维角度是在y轴和z轴对应平面下的映射角度,对应卷边区域在y轴和z轴对应平面下所形成的区域类似于一个宽度较小的圆环。若目标像素点的预设邻域范围内出现焊接缺陷区域,例如卷边区域凹陷或者过分凸起,即与正常卷边区域对应的凸起纹理特征不符的情况,对应的向量角度和近似弧线角度会存在明显差异。例如若将A点作为目标像素点,B点为目标像素点预设邻域范围内的像素点,若A点和B点对应正常无缺陷区域,由于预设邻域范围较小且A点和B点对应的卷边区域较为均匀,所以A点和B点之间的向量角度和近似弧线角度均为一个接近的值,若B点在原有正常无缺陷区域的基础上进行凹陷或凸起,即对应原本位置处的凹陷区域或过分凸起区域,由于A点和B点对应的空间位置发生变化,对应的A点和B点之间的向量角度也会随之出现明显增大或明显减小,但是第一距离由于仅为二维坐标中的距离,对应的距离大小变化不明显,导致近似弧线角度的变化也不明显,即向量角度与近似弧线角度之间的差异变大,对应角度误差值越大。当目标像素点预设邻域范围内存在缺陷区域时,若目标像素点对应正常无缺陷区域,则目标像素点与缺陷区域的像素点对应的角度误差值,相较于目标像素点与正常无缺陷区域像素点的角度误差值更大,且角度误差值越大时,对应的缺陷区域的缺陷越明显,说明卷边区域越不均匀。
计算目标像素点与其他每个像素点之间的对应的卷边厚度差异。由于预设邻域范围较小,对应的目标像素点与其他的像素点在正常情况下的厚度差异较小,但是当存在缺陷时,对应缺陷区域像素点与正常区域像素点的厚度差异会发生明显变化,且卷边厚度差异越大,缺陷区域的缺陷越明显,对应的卷边区域越不均匀。
统计目标像素点与其他每个像素点的角度误差值;根据卷边厚度差异和角度误差值,得到目标像素点与其他每个像素点之间的空间相异度,空间相异度与卷边厚度差异呈正相关,空间相异度和卷边厚度差异呈正相关。
卷边厚度差异能够在厚度方面表征卷边区域的均匀性,角度误差值能够在角度方面表征卷边区域的均匀性,因此进一步通过空间相异度将角度误差值和卷边厚度差异结合,可使得空间相异度对卷边区域的均匀性表征更加准确。考虑到卷边厚度差异和角度误差值,均与卷边区域的均匀程度呈正相关关系,所以在本发明实施例中,将卷边厚度差异和角度误差值的乘积作为空间相异度。即根据目标像素点与其他的像素点对应的卷边厚度差异和角度误差值的乘积,得到目标像素点与其他的像素点之间的空间相异度。
在本发明实施例中,目标像素点对应的像素点和其他的像素点之间空间相异度
的获取方法在公式上表现为:
其中,为像素点和其他的像素点之间的空间相异度,为像素点指向圆心的单
位向量,为像素点指向圆心的单位向量,为像素点在y轴上的坐标值,为像素点在y
轴上的坐标值,为像素点在z轴上的坐标值,为像素点在z轴上的坐标值,为卷边区域
中线的长度,为像素点对应的卷边厚度,为像素点对应的卷边厚度,为以自然常
数为底的指数函数;表示像素点指向圆心的单位向量与像素点指向圆心的单位向量
点乘;即像素点指向圆心的单位向量与像素点指向圆心的单位向量之间的角
度,即像素点与像素点之间对应的向量角度;为像素点与像素点之
间的第一距离,为像素点与像素点之间的近似弧线角度;为像素点与像素点之间的角度误差值;为像素点与像
素点之间的卷边厚度差异。
此外,实施者也可通过其他方法获取空间相异度,例如:
其中,该公式中的参数与本发明实施例中空间相异度的获取方法对应公式的参数意义相同,在此不做进一步限定和赘述。
考虑到在计算目标像素点对应的空间相异度时,默认目标像素点对应的区域为正常无缺陷区域,但是当目标像素点是缺陷区域的像素点时,所计算出的空间相异度对后续概率度的选取参考价值不大,所以需要对目标像素点是否为缺陷区域像素点进行判断。考虑到卷边区域近似于沿着卷边区域中线对称,正常的像素点通常与对称区域中对应位置像素点的坐标存在一定的相似性,而在缺陷区域的像素点与正常区域像素点的坐标存在明显差异。所以本发明实施例将卷边区域中线作为对称轴得到每个像素点的对称像素点,根据像素点与对应的对称像素点之间的空间位置差异,得到每个像素点对应的对称点相似度。通过对称点相似度表征每个像素点与对应的对称像素点的坐标差异,当对称点相似度越小时,说明对应的像素点与对称像素点越不相似,即该像素点的空间相异度对概率度的参考价值小,即该过程的本质是将对称点相似度作为对应的空间相异度的权值进行概率度的计算。需要说明的是,由于缺陷区域在整个卷边区域中通常较小,所以卷边区域中线两侧对应位置全为缺陷区域的概率极小,所以不考虑全为缺陷区域像素点的情况。
优选地,将卷边区域中线作为对称轴得到每个像素点的对称像素点包括:
将卷边区域映射到x轴和y轴对应的二维直角坐标系中,得到卷边区域中每个像素点的第二映射坐标,以映射到x轴和y轴对应的二维直角坐标系中的卷边区域中线作为对称轴,获取与每个像素点第二映射坐标对称的对称坐标,将对称坐标映射到卷边区域中得到每个像素点的对称像素点。由于卷边区域通常沿卷边区域中线对称,所以每个像素点通常都能在卷边区域中得到一个在x轴和y轴对应二维坐标系下对称的像素点,且对称的两个像素点与对应的y坐标值一致,x坐标值相反。需要说明的是,由于y轴和z轴表征的是同一平面,且卷边区域三维图像为一个近似的圆环,因此也可将卷边区域映射到x轴和z轴对应的二维直角坐标系中进行进一步的分析,在此不做进一步限定和赘述。
优选地,对称点相似度的获取方法包括:
获取原点指向每个像素点的单位向量,根据每个像素点对应单位向量在x轴、y轴和z轴方向上的单位向量的分量的乘积,得到每个像素点对应的空间向量特征;根据每个像素点与对应对称像素点之间空间向量特征的比值的绝对值,得到每个像素点对应的对称点相似度。对称点相似度即表征每个像素点与对应的对称像素点在卷边区域三维图像上的对称程度,当两个像素点对应的三维坐标之间的越趋于与卷边区域中线对称,对应的像素点与对称像素点的对称点相似度越高。例如,对于任意一个像素点C,若像素点D为像素点C的对称像素点,则当像素点C和像素点D均为正常无缺陷区域的像素点,根据卷边区域关于卷边中线对称的特征,像素点C和像素点D的三维空间坐标的y轴和z轴的坐标值相同,x轴的坐标值相反,此时将像素点C和像素点D对应的空间向量特征大小相反,对应的对称点相似度为1。但是当像素点C为缺陷区域的像素点,像素点D为正常无缺陷区域的像素点时,像素点C和像素点D对应的空间向量特征在绝对值上存在明显差异,且像素点C对应的缺陷区域越明显,像素点C对应的空间向量特征绝对值越小,对应的对称点相似度越小,越远离数值1。需要说明的是,除了根据每个像素点与对应的对称像素点之间空间向量特征的比值的绝对值得到对称点相似度外,实施者也通过其他方式获取对称点相似度,例如,根据每个像素点与对应的对称像素点之间空间向量特征差异进行归一化,得到对称点相似度,在此不做进一步赘述。
在本发明实施例中,对称点相似度的获取方法在公式上表现为:
其中,为像素点对应的对称点相似度,为像素点对应的单位向量在y轴上的
单位向量的分量,为像素点对应的单位向量在z轴上的单位向量的分量,为像素点对
应的单位向量在x轴上的单位向量的分量,为像素点的对称像素点对应的单位向量在y
轴上的单位向量的分量,为像素点的对称像素点对应的单位向量在z轴上的单位向量
的分量,为像素点的对称像素点对应的单位向量在x轴上的单位向量的分量;为像素点对应的空间向量特征,为像素点的对称像素点对应的
空间向量特征。
此外,实施者也可通过其他形式的公式获取对称点相似度,例如:
其中,该公式中的参数与本发明实施例中对称点相似度的获取方法对应公式的参数意义相同,在此不做进一步限定和赘述。
至此,获得每个像素点对应的空间相异度和对称点相似度,由于对称点相似度是对空间相异度参考价值的权重,而空间相异度又初步表征了每个像素点与其他像素点之间的概率度,所以本发明实施例根据空间相似度和目标像素点对应的对称点相似度,得到目标像素点与其他每个像素点之间的概率度。
优选地,概率度的获取方法包括:
根据目标像素点对应的空间相异度与对称点相似度的乘积,得到目标像素点与其他每个像素点之间的概率度。当每个像素点对应的对称点相似度越大,与其邻域范围内像素点之间的空间相异度越大时,每个像素点与其邻域范围内像素点之间的可达概率即概率度越大。
在本发明实施例中,目标像素点对应的像素点和其他的像素点对应的概率度的
获取方法在公式上表现为:
其中,为像素点与其他的像素点之间的概率度,为像素点与其他的像素点之
间的空间相异度,为像素点对应的对称点相似度。
步骤S4:改变目标像素点得到每个像素点与其他每个像素点之间的概率度,根据概率度对卷边区域中像素点进行马尔可夫聚类,根据卷边区域的聚类结果进行塑料管道焊接质量评估。
至此,通过步骤S3得到目标像素点与其他每个像素点之间的概率度,即对应马尔可夫聚类中目标像素点与其一步可达距离内节点之间的概率度。所以可通过改变目标像素点得到每个像素点与其他每个像素点的概率度,即通过目标像素点对应概率度的计算方法获取每个像素点对应的概率度。在进行进一步的马尔可夫聚类时,由于马尔可夫聚类算法中同一个像素点对应的所有可达节点的概率度之和为1,因此将每个像素点与其他每个像素点对应的所有概率度进行归一化,将归一化后的概率度作为进一步进行马尔可夫聚类的概率度。需要说明是,后续过程中的所有概率度均为归一化后的概率度,后续不做进一步赘述。
进一步地根据概率度对卷边区域中像素点进行马尔可夫聚类,具体的:根据所有像素点对应的所有概率度建立概率矩阵,并根据马尔可夫聚类算法中概率矩阵的处理方法得到最终概率矩阵,根据最终概率矩阵识别聚类结果中聚类集合的数量。需要说明的是,马尔可夫聚类为本领域技术人员所熟知的现有技术,在此不做进一步限定和赘述。
进一步地根据卷边区域的聚类结果进行塑料管道焊接质量评估。优选地,根据卷边区域的聚类结果进行塑料管道焊接质量评估包括:
当聚类结果呈现两个聚类集合时,说明塑料管道焊接质量合格;当聚类结果呈现三个以上或一个聚类集合时,说明塑料管道焊接质量不合格。由于卷边区域在正常情况下通常分为两部分,即卷边区域中线对应的凹陷区域,卷边区域两侧对应的凸起区域,即正常情况下对应的聚类集合应当为两个,除此之外的其他聚类集合数量均表面塑料管道焊接对应的卷边区域存在缺陷,即塑料管道焊接质量不合格。
综上所述,本发明在获取塑料管道焊接口的卷边区域的三维图像后,根据卷边区域中像素点与预设邻域范围内像素点之间的空间坐标分布特征得到空间相异度,根据像素点与对称像素点之间的空间位置差异得到对称点相似度,根据空间相异度和对称点相似度共同得到每个像素点与其他每个像素点的概率度,根据得到的概率度进行马尔可夫聚类,根据聚类结果进行塑料管道焊接质量评估。本发明通过计算空间相异度和对称点相似度来进一步对塑料管道焊接质量评估的方法准确度更高。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (4)
1.一种塑料管道焊接质量评估方法,其特征在于,所述方法包括:
获取塑料管道焊接口的卷边区域的三维图像;
在所述三维图像中以卷边区域中线对应的圆心为原点构建空间直角坐标系;
在所述卷边区域中任选一个像素点作为目标像素点,根据卷边区域中像素点的空间坐标分布特征,得到目标像素点与其他每个像素点之间的空间相异度;将所述卷边区域中线作为对称轴得到每个像素点的对称像素点,根据像素点与对应的对称像素点之间的空间位置差异,得到每个像素点对应的对称点相似度;根据所述空间相异度和目标像素点对应的对称点相似度,得到目标像素点与其他每个像素点之间的概率度;
改变目标像素点得到每个像素点与其他每个像素点之间的概率度,根据所述概率度对卷边区域中像素点进行马尔可夫聚类,根据卷边区域的聚类结果进行塑料管道焊接质量评估;
所述以卷边区域中线对应的圆心为原点构建空间直角坐标系包括:
以卷边区域中线围成的平面作为y轴与z轴围成的平面,过原点以垂直于卷边区域对应的直线为x轴构建空间直角坐标系;
所述空间相异度的获取方法包括:
通过边缘检测算法识别出卷边区域与塑料管道区域交接处的卷边区域边缘线,根据所述卷边区域中像素点与所述卷边区域边缘线的空间位置差异得到每个像素点对应的卷边厚度;统计所述卷边区域中像素点指向所述圆心的单位向量,将所述目标像素点与其他每个像素点的单位向量之间的角度作为向量角度;将所述目标像素点与其他每个像素点映射到y轴和z轴对应平面后的距离,作为第一距离;将所述第一距离与所述卷边区域中线的长度之间的比值作为近似弧线角度;将所述向量角度与所述近似弧线角度之间的差异作为角度误差值;
计算所述目标像素点与其他每个像素点对应的卷边厚度差异,统计所述目标像素点与其他每个像素点的角度误差值;根据所述卷边厚度差异和所述角度误差值,得到目标像素点与其他每个像素点之间的空间相异度,所述空间相异度与所述卷边厚度差异呈正相关,所述空间相异度和所述卷边厚度差异呈正相关;
所述概率度的获取方法包括:
根据目标像素点对应的空间相异度与对称点相似度的乘积,得到目标像素点与其他每个像素点之间的概率度;
所述根据卷边区域的聚类结果进行塑料管道焊接质量评估包括:
当聚类结果呈现两个聚类集合时,说明塑料管道焊接质量合格;
当聚类结果呈现三个以上或一个聚类集合时,说明塑料管道焊接质量不合格。
2.根据权利要求1所述的一种塑料管道焊接质量评估方法,其特征在于,所述卷边厚度的获取方法包括:
对所述卷边区域边缘线上的每个像素点作与x轴平行的平行线,对所述卷边区域中每个像素点作指向圆心的法线,获取每个像素点对应的法线与所有平行线的交点,统计每个像素点与对应交点在y轴和z轴对应二维直角坐标系上的第一映射坐标,计算每个像素点与对应交点的第一映射坐标之间的坐标距离,得到每个像素点对应的卷边厚度。
3.根据权利要求1所述的一种塑料管道焊接质量评估方法,其特征在于,所述将所述卷边区域中线作为对称轴得到每个像素点的对称像素点包括:
将所述卷边区域映射到x轴和y轴对应的二维直角坐标系中,得到卷边区域中每个像素点的第二映射坐标,以映射到x轴和y轴对应的二维直角坐标系中的卷边区域中线作为对称轴,获取与每个像素点第二映射坐标对称的对称坐标,将所述对称坐标映射到所述卷边区域中得到每个像素点的对称像素点。
4.根据权利要求1所述的一种塑料管道焊接质量评估方法,其特征在于,所述对称点相似度的获取方法包括:
获取所述原点指向每个像素点的单位向量,根据每个像素点对应单位向量在x轴、y轴和z轴方向上的单位向量的分量的乘积,得到每个像素点对应的空间向量特征;根据每个像素点与对应对称像素点之间空间向量特征的比值的绝对值,得到每个像素点对应的对称点相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310643658.3A CN116385433B (zh) | 2023-06-02 | 2023-06-02 | 一种塑料管道焊接质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310643658.3A CN116385433B (zh) | 2023-06-02 | 2023-06-02 | 一种塑料管道焊接质量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116385433A CN116385433A (zh) | 2023-07-04 |
CN116385433B true CN116385433B (zh) | 2023-08-15 |
Family
ID=86967884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310643658.3A Active CN116385433B (zh) | 2023-06-02 | 2023-06-02 | 一种塑料管道焊接质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385433B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117274262B (zh) * | 2023-11-22 | 2024-03-26 | 东莞市天逸电子有限公司 | 一种音响喇叭线路板导线焊接方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2173095A4 (en) * | 2007-07-03 | 2012-05-09 | Nec Corp | IMAGE INTERPOLATION PROCESS, IMAGE INTERPOLATION DEVICE AND PROGRAM THEREFOR |
CN115294158A (zh) * | 2022-09-26 | 2022-11-04 | 江苏万森绿建装配式建筑有限公司 | 一种基于机器视觉的热连轧带钢图像分割方法 |
CN115601362A (zh) * | 2022-12-14 | 2023-01-13 | 临沂农业科技职业学院(筹)(Cn) | 一种基于图像处理的焊接质量评估方法 |
CN115937204A (zh) * | 2023-01-09 | 2023-04-07 | 江苏惠汕新能源集团有限公司 | 一种焊管生产质量检测方法 |
CN116030034A (zh) * | 2023-02-21 | 2023-04-28 | 青岛精锐机械制造有限公司 | 阀门表面缺陷的视觉识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11407110B2 (en) * | 2020-07-17 | 2022-08-09 | Path Robotics, Inc. | Real time feedback and dynamic adjustment for welding robots |
-
2023
- 2023-06-02 CN CN202310643658.3A patent/CN116385433B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2173095A4 (en) * | 2007-07-03 | 2012-05-09 | Nec Corp | IMAGE INTERPOLATION PROCESS, IMAGE INTERPOLATION DEVICE AND PROGRAM THEREFOR |
CN115294158A (zh) * | 2022-09-26 | 2022-11-04 | 江苏万森绿建装配式建筑有限公司 | 一种基于机器视觉的热连轧带钢图像分割方法 |
CN115601362A (zh) * | 2022-12-14 | 2023-01-13 | 临沂农业科技职业学院(筹)(Cn) | 一种基于图像处理的焊接质量评估方法 |
CN115937204A (zh) * | 2023-01-09 | 2023-04-07 | 江苏惠汕新能源集团有限公司 | 一种焊管生产质量检测方法 |
CN116030034A (zh) * | 2023-02-21 | 2023-04-28 | 青岛精锐机械制造有限公司 | 阀门表面缺陷的视觉识别方法 |
Non-Patent Citations (1)
Title |
---|
一种基于测地线距离的极化SAR图像快速超像素分割算法;邹焕新等;《雷达学报》;第10卷(第1期);第20-34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116385433A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021213223A1 (zh) | 焊缝质量检测方法、装置、系统及电子设备 | |
WO2022042579A1 (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
CN116030034B (zh) | 阀门表面缺陷的视觉识别方法 | |
CN112581457B (zh) | 一种基于三维点云的管道内表面检测方法及装置 | |
CN116385433B (zh) | 一种塑料管道焊接质量评估方法 | |
CN113963042B (zh) | 基于图像处理的金属零件缺陷程度评估方法 | |
KR20020077420A (ko) | 시험편의 주조 결함을 자동으로 검출하는 검출 방법 | |
CN112330678B (zh) | 产品边缘缺陷检测方法 | |
CN116823822B (zh) | 基于视觉特征的船艇钣金件焊接缺陷检测方法 | |
US9996766B2 (en) | Imaging-based methods for detecting and measuring defects in extruded cellular ceramic articles | |
CN115018846B (zh) | 基于ai智能相机的多目标裂纹缺陷检测方法和装置 | |
US11120545B2 (en) | Method for measuring hole provided in workpiece | |
CN113689415A (zh) | 一种基于机器视觉的钢管壁厚在线检测方法 | |
CN110751628A (zh) | 一种基于超声图像的焊缝缺陷自动识别方法 | |
CN117351019B (zh) | 一种焊接缺陷检测方法 | |
CN114419007A (zh) | 多策略融合深度学习网络模型的缺陷类型识别方法及系统 | |
CN113340909A (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
CN111667470A (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN115620061A (zh) | 一种基于图像识别技术的五金零件缺陷检测方法及系统 | |
CN115656182A (zh) | 基于张量投票主成分分析的板材点云缺陷检测方法 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN112837285B (zh) | 一种板面图像的边缘检测方法及装置 | |
CN115393290A (zh) | 边缘缺陷检测方法、装置及设备 | |
CN110211113B (zh) | 一种坡口异常的检测算法及计算设备 | |
CN117078665B (zh) | 产品表面缺陷检测方法、装置、存储介质和电子设备 |
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 |