CN116630328B - 一种散热底板的在线检测方法及系统 - Google Patents

一种散热底板的在线检测方法及系统 Download PDF

Info

Publication number
CN116630328B
CN116630328B CN202310916544.1A CN202310916544A CN116630328B CN 116630328 B CN116630328 B CN 116630328B CN 202310916544 A CN202310916544 A CN 202310916544A CN 116630328 B CN116630328 B CN 116630328B
Authority
CN
China
Prior art keywords
bottom plate
heat dissipation
radiating bottom
model
base plate
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
Application number
CN202310916544.1A
Other languages
English (en)
Other versions
CN116630328A (zh
Inventor
王影
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.)
Shenzhen Xinguanya Technology Co ltd
Original Assignee
Shenzhen Xinguanya 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 Shenzhen Xinguanya Technology Co ltd filed Critical Shenzhen Xinguanya Technology Co ltd
Priority to CN202310916544.1A priority Critical patent/CN116630328B/zh
Publication of CN116630328A publication Critical patent/CN116630328A/zh
Application granted granted Critical
Publication of CN116630328B publication Critical patent/CN116630328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/043—Analysing solids in the interior, e.g. by shear waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan 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
    • G01N2021/8883—Scan 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 involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan 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
    • G01N2021/8887—Scan 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
    • 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
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Geometry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Acoustics & Sound (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本发明公开了一种散热底板的在线检测方法及系统，包括以下步骤：通过图像识别法和超声波探测法分别获取散热底板的表面参数和内部缺陷参数，根据表面参数和内部缺陷参数构建散热底板三维模型，对基于散热底板三维模型判断得出的散热底板残缺品三维模型进行模拟加工，得到散热底板合格品和散热底板报废品。

Description

一种散热底板的在线检测方法及系统
技术领域
本发明涉及图像识别和数据建模领域，特别是一种散热底板的在线检测方法及系统。
背景技术
散热底板是一种通过增大表面积，提高电子设备热量传导和散发的器件，能控制电子设备的温度，防止电子设备过热引起性能损失，所以散热底板作为电子设备的散热工具是不错的选择。由于生产上出现的纰漏，还有人为的损坏，散热底板可能会存在有缺陷的情况，在电子设备上安装有缺陷的散热底板可能会导致电子设备过热爆炸，或者电子设备导电不充分，使电子设备工作效率变慢，所以需要对散热底板进行检测。人工对散热底板进行检测浪费人力物力，且效率低下，不符合经济效益，在线检测散热底板的是否存在缺陷效率更高，效果也更好。
发明内容
本发明克服了现有技术的不足，提供了一种散热底板的在线检测方法及系统。
为达到上述目的，本发明采用的技术方案为：
本发明第一方面提供了一种散热底板的在线检测方法，包括以下步骤：
S102：获取散热底板的表面图像，对所述散热底板的表面图像进行图像分析处理，结合散热底板的所有尺寸参数，得到散热底板的表面参数；
S104：使用超声波探测器向所述散热底板的内部发射超声波信号，通过测量回波信号的时间和强度来检测所述散热底板的内部缺陷，生成散热底板的内部缺陷参数；
S106：基于所述散热底板的表面参数和散热底板的内部缺陷参数，构建散热底板三维模型，预设散热底板合格品参数，将所述预设散热底板合格品参数导入散热底板三维模型中，筛选获得散热底板残缺品；
S108：基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面撕裂程度进行分析，筛选出进行报废处理的散热底板；
S110：基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面氧化程度进行分析，筛选出进行报废处理的散热底板；
S112：对散热底板残缺品三维模型中的一类模型的内部缺陷信息进行分析，判断一类模型的合格情况。
进一步的，本发明的一个较佳实施例中，所述S102，具体为：
使用摄像头获取散热底板的各个表面图像，对所述各个表面图像进行图像灰度化处理，生成散热底板表面灰度化图像；
选择Symlet小波基函数对所述散热底板表面灰度化图像进行小波分解，得到图像低频谐波和图像高频谐波；
对所述图像低频谐波和图像高频谐波进行下采样，使所述散热底板表面灰度化图像采样率降低，对经过下采样后的图像低频谐波进行多次小波分解，当达到预设分解次数，停止分解，对每一级分解得到的图像低频谐波和图像高频谐波进行逆小波变换，得到散热底板降噪图像；
使用索贝尔算法计算散热底板降噪图像像素点的水平视差值Gx与垂直视差值Gy，得到水平方向的梯度图像和垂直方向的梯度图像；
分别获取水平方向的梯度图像和垂直方向的梯度图像的梯度值，结合水平方向的梯度图像和垂直方向的梯度图像的梯度值和视差值利用欧氏距离法计算散热底板降噪图像像素点的边缘强度，值，并基于水平方向的梯度图像和垂直方向的梯度图像的梯度值计算散热底板降噪图像像素点的边缘方向，生成散热底板降噪图像的边缘像素点；
记录所述散热底板降噪图像的边缘像素点的空间坐标，导出所述散热底板降噪图像的边缘像素点的空间坐标，获取散热底板的所有尺寸参数，所述空间坐标和散热底板的所有尺寸参数相结合，生成散热底板的表面参数。
进一步的，本发明的一个较佳实施例中，所述S104，具体为：
选用超声波探伤器，根据大数据检索获取散热底板材料的特性参数，根据所述散热底板材料的特性参数调节超声波探伤器的超声波频率；
超声波探伤器的探头涂敷耦合剂，并与散热底板表面接触，所述超声波探伤器发射超声波进入散热底板内部，所述超声波与散热底板内部缺陷、异物和界面相互作用生成回波信号；
将所述回波信号导入中值滤波器中进行滤波处理，得到滤波后的回波信号，并对所述滤波后的回波信号进行信号放大处理，得到预处理回波信号；
基于预处理回波信号构建回波振幅-时间曲线，根据所述回波振幅-时间曲线进行回波信号振幅分析得到回波信号的振幅信息，根据回波信号的返回时间测量回波信号的时延信息，并对回波信号进行波形分析得到波形分析信息；
将所述预处理回波信号进行傅里叶变换，转成成回波信号频域，根据所述回波信号的振幅信息、回波信号的时延信息和波形分析信息评估生成散热底板的内部缺陷参数。
进一步的，本发明的一个较佳实施例中，所述S106，具体为:
对所述散热底板的表面参数和散热底板的内部缺陷参数进行数据归一化处理，得到散热底板建模参数；
构建三维坐标空间，将所述散热底板建模参数导入所述三维坐标空间中，生成散热底板点云数据，并选择多项式函数作为隐式函数；
将所述多项式函数与散热底板点云数据进行拟合，得到散热底板拟合数据，预设标准拟合数据，使用所述标准拟合数据对散热底板拟合数据进行评估，生成拟合误差值，调整多项式函数的参数，降低所述拟合误差值，使所述拟合误差值达到预设拟合精度；
将所述散热底板点云数据导入支持向量机中进行数据分类，得到内部体素数据和外部体素数据，构建散热底板的边缘表和查找表，通过所述边缘表储存内部体素数据和外部体素数据，通过所述查找表确定内部体素数据和外部体素数据对应的三角面片，通过三角面片的拓扑关系，构建散热底板三维模型；
分析散热底板三维模型的表面缺陷信息和内部缺陷信息，对小于散热底板三维模型的表面缺陷信息预设值与内部缺陷信息预设值的散热底板三维模型定义为散热底板合格品，对大于散热底板三维模型的表面缺陷信息预设值与内部缺陷信息预设值的散热底板三维模型定义为散热底板残缺品，所述表面缺陷信息包括表面氧化程度和表面撕裂深度，所述内部缺陷信息为内部撕裂浓度。
进一步的，本发明的一个较佳实施例中，所述S108，具体为：
基于散热底板的所有尺寸参数，获取散热底板最小加工尺寸参数，并将所述散热底板残缺品三维模型定义为毛胚模型；
基于所述表面缺陷信息，得到所有毛胚模型各表面的表面撕裂深度，对所有毛胚模型各表面的表面撕裂深度进行排序，生成表面撕裂深度排序表；
基于所述表面撕裂深度排序表与散热底板最小加工尺寸参数相比，将表面撕裂深度大于散热底板最小加工尺寸参数的毛胚模型定义为一类模型，将表面撕裂深度不大于散热底板最小加工尺寸参数的毛胚模型定义为二类模型；
对一类模型对应的散热底板进行进一步判断；
将二类模型对应的散热底板进行报废处理。
进一步的，本发明的一个较佳实施例中，所述S110，具体为：
基于所述表面缺陷信息，得到所有毛胚模型各表面的表面氧化程度，所述表面氧化程度为散热底板的表面氧化层面积与表面层总面积的比值；
将表面氧化程度小于预设值的毛胚模型定义为一类模型，对表面氧化程度大于预设值的毛胚模型的氧化表面进行模拟加工；
通过模拟加工去除表面氧化层，将去除表面氧化层后尺寸参数不小于散热底板最小加工尺寸参数的散热底板残缺品三维模型定义为一类模型，将去除表面氧化层后尺寸参数小于散热底板最小加工尺寸参数的散热底板残缺品三维模型定义为二类模型；
对一类模型对应的散热底板进行进一步判断；
将二类模型对应的散热底板进行报废处理。
进一步的，本发明的一个较佳实施例中，所述S112，具体为：
预设散热底板标准内部撕裂浓度阈值，将所有一类模型的内部撕裂浓度与散热底板标准内部撕裂浓度阈值相比较；
若检测的一类模型的内部撕裂浓度在散热底板标准内部撕裂浓度阈值范围内，则将本次检测的一类模型对应的散热底板定义为散热底板待修复品；
对所述散热底板待修复品进行返工修复处理，得到散热底板合格品；
若检测的二类模型的内部撕裂浓度不在散热底板标准内部撕裂浓度阈值范围内，则将本次检测的二类模型对应的散热底板进行报废处理。
本发明第二方面还提供了一种散热底板的在线检测系统，所述在线检测系统包括存储器与处理器，所述存储器中储存有在线检测程序，所述在线检测程序被所述处理器执行时，实现如下步骤：
获取散热底板的表面图像，对所述散热底板的表面图像进行图像分析处理，结合散热底板的所有尺寸参数，得到散热底板的表面参数；
使用超声波探测器向所述散热底板的内部发射超声波信号，通过测量回波信号的时间和强度来检测所述散热底板的内部缺陷，生成散热底板的内部缺陷参数；
基于所述散热底板的表面参数和散热底板的内部缺陷参数，构建散热底板三维模型，预设散热底板合格品参数，将所述预设散热底板合格品参数导入散热底板三维模型中，筛选获得散热底板残缺品；
基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面撕裂程度进行分析，筛选出进行报废处理的散热底板；
基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面氧化程度进行分析，筛选出进行报废处理的散热底板；
对散热底板残缺品三维模型中的一类模型的内部缺陷信息进行分析，判断一类模型的合格情况。
本发明解决的背景技术中存在的技术缺陷，本发明具备以下有益效果：通过图像识别法和超声波探测法分别获取散热底板的表面参数和内部缺陷参数，根据表面参数和内部缺陷参数构建散热底板三维模型，对基于散热底板三维模型判断得出的散热底板残缺品三维模型进行模拟加工，得到散热底板合格品和散热底板报废品。本发明中的图像识别和超声波探伤能准确获取散热底板的缺陷信息，且通过对散热底板残缺品三维模型进行模拟加工，可以节省实际加工的时间，减少人力物力资源的浪费，提高安全生产效率及经济效益。
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，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他实施例的附图。
图1示出了一种散热底板的在线检测方法的流程图；
图2示出了筛选获得散热底板残缺品的方法的流程图；
图3示出了筛选获得散热底板报废品的方法的流程图；
图4示出了一种散热底板的在线检测系统的流程图。
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。
图1示出了一种散热底板的在线检测方法的流程图，包括以下步骤：
S102：获取散热底板的表面图像，对所述散热底板的表面图像进行图像分析处理，结合散热底板的所有尺寸参数，得到散热底板的表面参数；
S104：使用超声波探测器向所述散热底板的内部发射超声波信号，通过测量回波信号的时间和强度来检测所述散热底板的内部缺陷，生成散热底板的内部缺陷参数；
S106：基于所述散热底板的表面参数和散热底板的内部缺陷参数，构建散热底板三维模型，预设散热底板合格品参数，将所述预设散热底板合格品参数导入散热底板三维模型中，筛选获得散热底板残缺品；
S108：基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面撕裂程度进行分析，筛选出进行报废处理的散热底板；
S110：基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面氧化程度进行分析，筛选出进行报废处理的散热底板；
S112：对散热底板残缺品三维模型中的一类模型的内部缺陷信息进行分析，判断一类模型的合格情况。
需要说明的是，所述散热底板包括但不限于复合镍铜散热底板。
进一步的，本发明的一个较佳实施例中，所述S102，具体为：
使用摄像头获取散热底板的各个表面图像，对所述各个表面图像进行图像灰度化处理，生成散热底板表面灰度化图像；
选择Symlet小波基函数对所述散热底板表面灰度化图像进行小波分解，得到图像低频谐波和图像高频谐波；
对所述图像低频谐波和图像高频谐波进行下采样，使所述散热底板表面灰度化图像采样率降低，对经过下采样后的图像低频谐波进行多次小波分解，当达到预设分解次数，停止分解，对每一级分解得到的图像低频谐波和图像高频谐波进行逆小波变换，得到散热底板降噪图像；
使用索贝尔算法计算散热底板降噪图像像素点的水平视差值Gx与垂直视差值Gy，得到水平方向的梯度图像和垂直方向的梯度图像；
分别获取水平方向的梯度图像和垂直方向的梯度图像的梯度值，结合水平方向的梯度图像和垂直方向的梯度图像的梯度值和视差值利用欧氏距离法计算散热底板降噪图像像素点的边缘强度，值，并基于水平方向的梯度图像和垂直方向的梯度图像的梯度值计算散热底板降噪图像像素点的边缘方向，生成散热底板降噪图像的边缘像素点；
记录所述散热底板降噪图像的边缘像素点的空间坐标，导出所述散热底板降噪图像的边缘像素点的空间坐标，获取散热底板的所有尺寸参数，所述空间坐标和散热底板的所有尺寸参数相结合，生成散热底板的表面参数。
需要说明的是，对图像进行灰度化处理可以简化图像，降低数据量和存储空间，提高计算效率和图像对比度，突出图像的特征。使用小波分解目的是对灰度化图像进行降噪滤波处理，所述水平和垂直方向上的梯度值是指图像中每个像素点的灰度变化强度，通过计算图像梯度值可以对图像进行边缘检测，得到图像的边缘强度及方向，记录图像中像素点的空间坐标目的是提取图像的特征并于散热底板的所有尺寸参数结合，得到散热底板的表面参数，所述散热底板的表面参数包括 散热底板的表面撕裂程度、颜色、纹理纹路等。本发明能够通过图像识别的方法得到散热底板的表面参数。
进一步的，本发明的一个较佳实施例中，所述S104，具体为：
选用超声波探伤器，根据大数据检索获取散热底板材料的特性参数，根据所述散热底板材料的特性参数调节超声波探伤器的超声波频率；
超声波探伤器的探头涂敷耦合剂，并与散热底板表面接触，所述超声波探伤器发射超声波进入散热底板内部，所述超声波与散热底板内部缺陷、异物和界面相互作用生成回波信号；
将所述回波信号导入中值滤波器中进行滤波处理，得到滤波后的回波信号，并对所述滤波后的回波信号进行信号放大处理，得到预处理回波信号；
基于预处理回波信号构建回波振幅-时间曲线，根据所述回波振幅-时间曲线进行回波信号振幅分析得到回波信号的振幅信息，根据回波信号的返回时间测量回波信号的时延信息，并对回波信号进行波形分析得到波形分析信息；
将所述预处理回波信号进行傅里叶变换，转成成回波信号频域，根据所述回波信号的振幅信息、回波信号的时延信息和波形分析信息评估生成散热底板的内部缺陷参数。
需要说明的是，散热底板的内部情况需要使用超声波探测获取。在超声波探伤器的探头涂敷耦合剂的目的是填充超声波探头与被检测物体之间的间隙，提高声波的传递效率和信号质量，所述耦合剂采用具有良好的声波传导性能的聚乙二醇。对回波信号进行滤波处理目的是去除回波信号的噪声，是信号信息更精准，对回波信号进行放大处理目的是增加信号幅度及强度，提高信噪比，使信号能够适配接收设备的规格。通过分析回波信号的返回时间、频率、幅度等可以分析散热底板内部的具体情况，所述回波信号频域表示信号在频率上的特征与分布。本发明能够通过超声波探测的方法获取散热底板的内部缺陷参数。
图2示出了筛选获得散热底板残缺品的方法的流程图，包括以下步骤：
S202：获取散热底板建模参数，基于所述散热底板建模参数获取散热底板点云数据并对所述散热底板点云数据进行评估；
S204：将所述散热底板点云数据导入支持向量机中进行数据分类，并根据数据分析结果构建散热底板三维模型；
S206：分析散热底板三维模型筛选得出散热底板残缺品。
进一步的，本发明的一个较佳实施例中，所述S202，具体为：
对所述散热底板的表面参数和散热底板的内部缺陷参数进行数据归一化处理，得到散热底板建模参数；
构建三维坐标空间，将所述散热底板建模参数导入所述三维坐标空间中，生成散热底板点云数据，并选择多项式函数作为隐式函数；
将所述多项式函数与散热底板点云数据进行拟合，得到散热底板拟合数据，预设标准拟合数据，使用所述标准拟合数据对散热底板拟合数据进行评估，生成拟合误差值，调整多项式函数的参数，降低所述拟合误差值，使所述拟合误差值达到预设拟合精度。
需要说明的是，对散热底板的表面参数和散热底板的内部缺陷参数进行数据归一化处理目的是将数据缩放到相同的尺度范围内，避免引起偏差。所述散热底板点云数据是散热底板参数在三维空间中的离散点数据，由一系列坐标组成的数据集，使用多项式函数与散热底板点云数据进行拟合目的是优化散热底板点云数据的准确性，降低误差。本发明能够对所述散热底板点云数据进行拟合评估，降低误差值。
进一步的，本发明的一个较佳实施例中，所述S204，具体为：
将所述散热底板点云数据导入支持向量机中进行数据分类，得到内部体素数据和外部体素数据，构建散热底板的边缘表和查找表，通过所述边缘表储存内部体素数据和外部体素数据，通过所述查找表确定内部体素数据和外部体素数据对应的三角面片，通过三角面片的拓扑关系，构建散热底板三维模型。
需要说明的是，由于所述散热底板中包含多个零件，多个表面及多个部位，且所述散热底板点云数据是由一系列坐标组成的数据集，所以需要对散热底板点云数据进行分类处理，所述支持向量机能对数据进行分类，所述内部体素数据和外部体素数据代表外部和内部的具体坐标参数。所述边缘表用于存储提速数据的边界信息，所述查找表用于确定每个体素数据对应的三角面片。三角面片通过散热底板点云数据中的坐标连接生成，再通过三角面片的拓扑关系可构建散热底板三维模型。本发明能够通过对散热底板点云数据进行分类并构建散热底板三维模型。
进一步的，本发明的一个较佳实施例中，所述S206，具体为：
分析散热底板三维模型的表面缺陷信息和内部缺陷信息，对小于散热底板三维模型的表面缺陷信息预设值与内部缺陷信息预设值的散热底板三维模型定义为散热底板合格品，对大于散热底板三维模型的表面缺陷信息预设值与内部缺陷信息预设值的散热底板三维模型定义为散热底板残缺品，所述表面缺陷信息包括表面氧化程度和表面撕裂深度，所述内部缺陷信息为内部撕裂浓度。
需要说明的是，本发明能够通过与预设值的对比，筛选获得散热底板残缺品，对散热底板残缺品用于判断，最终得到散热底板报废品。
图3示出了筛选获得散热底板报废品的方法的流程图，包括以下步骤：
S302：基于散热底板的所有尺寸参数和表面缺陷信息，筛选获得散热底板报废品；
S304：通过将散热底板表面氧化程度与预设值作比较，筛选获得散热底板报废品；
S306：对散热底板残缺品三维模型中的一类模型的内部缺陷信息进行分析，筛选获得散热底板报废品。
进一步的，本发明的一个较佳实施例中，所述S302，具体为：
基于散热底板的所有尺寸参数，获取散热底板最小加工尺寸参数，并将所述散热底板残缺品三维模型定义为毛胚模型；
基于所述表面缺陷信息，得到所有毛胚模型各表面的表面撕裂深度，对所有毛胚模型各表面的表面撕裂深度进行排序，生成表面撕裂深度排序表；
基于所述表面撕裂深度排序表与散热底板最小加工尺寸参数相比，将表面撕裂深度大于散热底板最小加工尺寸参数的毛胚模型定义为一类模型，将表面撕裂深度不大于散热底板最小加工尺寸参数的毛胚模型定义为二类模型；
对一类模型对应的散热底板进行进一步判断；
将二类模型对应的散热底板进行报废处理。
需要说明的是，在厂家定做散热底板的时候，有多种尺寸要求，当尺寸较大的散热底板出现缺陷，成为残缺品，可通过切割、钻孔等处理将散热底板按照尺寸参数等比例缩小。获取表面最大撕裂深度，基于散热底板的所有尺寸参数，获取散热底板的各表面厚度，若散热底板的各表面厚度减去表面最大撕裂深度后，若切割后的散热底板满足散热底板的尺寸参数，则将该散热底板的三维模型定义为一类模型，继续进行判断，其余的散热底板残缺品三维模型直接报废。本发明能够通过对散热底板残缺品三维模型的表面撕裂深度进行模拟分析，得到一类模型和二类模型，将二类模型对应的散热底板进行报废处理，对一类模型对应的散热底板继续进行模拟加工，通过模拟的方法节省加工资源，减少了资源的浪费。
进一步的，本发明的一个较佳实施例中，所述S304，具体为：
基于所述表面缺陷信息，得到所有毛胚模型各表面的散热底板，所述表面氧化程度为散热底板的表面氧化层面积与表面层总面积的比值；
将表面氧化程度小于预设值的毛胚模型定义为一类模型，对表面氧化程度大于预设值的毛胚模型的氧化表面进行模拟加工；
通过模拟加工去除表面氧化层，将去除表面氧化层后尺寸参数不小于散热底板最小加工尺寸参数的散热底板残缺品三维模型定义为一类模型，将去除表面氧化层后尺寸参数小于散热底板最小加工尺寸参数的散热底板残缺品三维模型定义为二类模型；
对一类模型对应的散热底板进行进一步判断；
将二类模型对应的散热底板进行报废处理。
需要说明的是，散热底板成分是金属，会发生氧化腐蚀，散热底板氧化腐蚀对工作效率及安全有很大影响。检测的散热底板在使用期间或者生产和的保存期间，遇上潮湿天气或者外界因素，可能会使散热底板表面发生氧化腐蚀。若散热底板的表面氧化程度小于预设值，则证明散热底板的表面发生氧化对散热底板的工作不产生影响，属于正常范围内，将对应的三维模型定义为一类模型，继续进行判断；若散热底板的表面氧化程度大于预设值，则证明散热底板的表面发生氧化对散热底板的工作会产生影响，需要去除表面的氧化层并判断去除表面氧化层后尺寸大小是否满足散热底板最小加工尺寸参数，对不满足的散热底板进行报废处理。本发明能够通过判断散热底板残缺品三维模型来进一步筛选散热底板的报废品，使用模拟加工的方式能节省人力资源和加工资源的浪费，并节约时间，提高工作效率和经济效益，
进一步的，本发明的一个较佳实施例中，所述S306，具体为：
预设散热底板标准内部撕裂浓度阈值，将所有一类模型的内部撕裂浓度与散热底板标准内部撕裂浓度阈值相比较；
若检测的一类模型的内部撕裂浓度在散热底板标准内部撕裂浓度阈值范围内，则将本次检测的一类模型对应的散热底板定义为散热底板待修复品；
对所述散热底板待修复品进行返工修复处理，得到散热底板合格品；
若检测的二类模型的内部撕裂浓度不在散热底板标准内部撕裂浓度阈值范围内，则将本次检测的二类模型对应的散热底板进行报废处理。
需要说明的是，散热底板内部撕裂，会影响散热底板的强度及作用，需要检测散热底板内部撕裂浓度是否符合预设值。所述内部撕裂浓度计算方法为：通过散热底板残缺品三维模型获取内部撕裂体积，内部撕裂体积与总体积的比值为散热底板的内部撕裂浓度。对一类模型进行散热底板内部撕裂浓度判断，不符合预设值的散热底板定义为报废品。本发明能够通过散热底板残缺品三维模型进行散热底板内部撕裂浓度的判断，模拟筛选获得散热底板的报废品与合格品，通过模拟加工能节省了人力资源和加工资源的浪费，提高经济效益。
此外，所述一种散热底板的在线检测方法，还包括以下步骤：
将所述二类模型分为若干个子区域，并且获取二类模型中缺陷所属的子区域；
根据缺陷所属的子区域对各个子区域的缺陷情况进行统计分析，得到各个子区域出现缺陷的概率值；
将各个子区域出现缺陷的概率值与预设概率值进行比较；若某一子区域出现缺陷的概率值大于预设概率值，则获取加工设备加工该子区域时的实时加工参数以及实时环境参数；
通过灰色关联分析法将实时加工参数以及实时环境参数进行关联，得到关联信息；
将所述关联信息与该子区域的位置信息导入贝叶斯网络中进行故障推演，得到加工设备加工该子区域时各子设备的故障概率；
将所述故障概率与预设故障概率进行比较，若某一子设备的故障概率大于预设故障概率，则将该子设备标定为故障子设备。
需要说明的是，在对散热底板的各个子区域进行加工时，如在磨削表面时，若表面出现缺陷，则说明磨削头可能发生了故障。通过本方法能够根据缺陷位置信息以及各个子区域出现缺陷的概率值反演出对应的子设备是否发生了故障。
此外，所述一种散热底板的在线检测方法，还包括以下步骤：
在所述散热底板表面积最大的表面，固定一个尺寸合适的热电偶，并使所述热电偶与散热底板保持良好接触状态；
将热电偶的两个接点接入电子温度计，在散热底板用于固定热电偶表面的对面施加一个恒定热源，通过所述电子温度计测量两个接点之间的热电势差值；
在散热底板两端接入电源并万用表进行电阻测量，得到散热底板的电阻值，通过所述电阻值和热电势差值，根据热电效应的汤普森效应和塞贝尔效应，得到散热底板的导电率。
获取散热底板的额定导电率，当所述散热底板的导电率小于额定导电率，对所述散热底板进行报废处理。
需要说明的是，热电偶可以用于测量散热底板的温度差从而间接确定散热底板的热电势差值。所述汤普森效应公式为：ΔV=α*ΔT–σ*I*ΔT，其中，ΔV表示热电势差，α表示汤普森系数，ΔT表示温度梯度，σ表示电导率，I表示电流。温度梯度由塞贝尔效应得到，所述塞贝尔效应公式为：ΔV =S*ΔT，其中，ΔV表示热电势差，S表示热电系数，ΔT表示温度梯度。通过万用表可测得散热底板的电阻值，根据所述散热底板的电阻值和热电势差可得到电流大小。由于导电率小于额定值会导致散热底板工作效率降低，散热效果不充分，会导致电子设备过热等后果，且散热底板导电率低跟制作的材料紧密关联，不可通过加工改变散热底板的导电率，所以对导电率不合格的散热底板直接报废。本发明能够通过热电反应测得散热底板的导电率。
此外，所述一种散热底板的在线检测方法，还包括以下步骤：
选取散热底板样品，将所述散热底板样品固定在强度测试机内，所述强度测试机向散热底板样品施加力量，逐步增加力量数值，预设标准力量阈值，若散热底板样品在标准力量阈值范围内保持正常状态，则散热底板样品的强度在合格范围内，若散热底板样品在标准力量阈值范围内发生断裂，则散热底板样品的强度不合格；
对散热底板样品进行弯曲测试，记录散热底板样品的弯曲程度及变形程度，分析所述弯曲程度及变形程度，得到散热底板样品的弯曲系数；
将所述散热底板样品安装至加载设备中，对所述散热底板样品施加交变电荷，记录散热底板样品中交变电荷的电荷强度大小变化，得到散热底板样品的耐久度。
需要说明的是，进行强度测试目的是测试散热底板的抗拉强度、屈服强度及延伸率，进行弯曲测试目的是得到散热底板样品的弯曲系数。往散热底板样品施加交变电荷是疲劳测试，目的是观察记录散热底板的疲劳寿命、循环强度和耐久度。本发明能够通过机械性能测试获取散热底板的更多性质性能，更好的提高散热底板的工作效率。
如图4所示，本发明第二方面还提供了一种散热底板的在线检测系统，所述在线检测系统包括存储器41与处理器42，所述存储器41中储存有在线检测程序，所述在线检测程序被所述处理器42执行时，实现如下步骤：
获取散热底板的表面图像，对所述散热底板的表面图像进行图像分析处理，结合散热底板的所有尺寸参数，得到散热底板的表面参数；
使用超声波探测器向所述散热底板的内部发射超声波信号，通过测量回波信号的时间和强度来检测所述散热底板的内部缺陷，生成散热底板的内部缺陷参数；
基于所述散热底板的表面参数和散热底板的内部缺陷参数，构建散热底板三维模型，预设散热底板合格品参数，将所述预设散热底板合格品参数导入散热底板三维模型中，筛选获得散热底板残缺品；
基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面撕裂程度进行分析，筛选出进行报废处理的散热底板；
基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面氧化程度进行分析，筛选出进行报废处理的散热底板；
对散热底板残缺品三维模型中的一类模型的内部缺陷信息进行分析，判断一类模型的合格情况。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种散热底板的在线检测方法，其特征在于，包括以下步骤：
S102：获取散热底板的表面图像，对所述散热底板的表面图像进行图像分析处理，结合散热底板的所有尺寸参数，得到散热底板的表面参数；
S104：使用超声波探测器向所述散热底板的内部发射超声波信号，通过测量回波信号的时间和强度来检测所述散热底板的内部缺陷，生成散热底板的内部缺陷参数；
S106：基于所述散热底板的表面参数和散热底板的内部缺陷参数，构建散热底板三维模型，预设散热底板合格品参数，将所述预设散热底板合格品参数导入散热底板三维模型中，筛选获得散热底板残缺品；
S108：基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面撕裂程度进行分析，筛选出进行报废处理的散热底板；
S110：基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面氧化程度进行分析，筛选出进行报废处理的散热底板；
S112：对散热底板残缺品三维模型中的一类模型的内部缺陷信息进行分析，判断一类模型的合格情况；
其中，所述S108，具体为：
基于散热底板的所有尺寸参数，获取散热底板最小加工尺寸参数，并将所述散热底板残缺品三维模型定义为毛胚模型；
基于所述散热底板三维模型的表面缺陷信息，得到所有毛胚模型各表面的表面撕裂深度，对所有毛胚模型各表面的表面撕裂深度进行排序，生成表面撕裂深度排序表；
基于所述表面撕裂深度排序表与散热底板最小加工尺寸参数相比，将表面撕裂深度大于散热底板最小加工尺寸参数的毛胚模型定义为一类模型，将表面撕裂深度不大于散热底板最小加工尺寸参数的毛胚模型定义为二类模型；
对一类模型对应的散热底板进行进一步判断；
将二类模型对应的散热底板进行报废处理；
其中，所述S110，具体为：
基于所述表面缺陷信息，得到所有毛胚模型各表面的表面氧化程度，所述表面氧化程度为散热底板的表面氧化层面积与表面层总面积的比值；
将表面氧化程度小于预设值的毛胚模型定义为一类模型，对表面氧化程度大于预设值的毛胚模型的氧化表面进行模拟加工；
通过模拟加工去除表面氧化层，将去除表面氧化层后尺寸参数不小于散热底板最小加工尺寸参数的散热底板残缺品三维模型定义为一类模型，将去除表面氧化层后尺寸参数小于散热底板最小加工尺寸参数的散热底板残缺品三维模型定义为二类模型；
对一类模型对应的散热底板进行进一步判断；
将二类模型对应的散热底板进行报废处理；
其中，所述S112，具体为：
预设散热底板标准内部撕裂浓度阈值，将所有一类模型的内部撕裂浓度与散热底板标准内部撕裂浓度阈值相比较；
若检测的一类模型的内部撕裂浓度在散热底板标准内部撕裂浓度阈值范围内，则将本次检测的一类模型对应的散热底板定义为散热底板待修复品；
对所述散热底板待修复品进行返工修复处理，得到散热底板合格品；
若检测的二类模型的内部撕裂浓度不在散热底板标准内部撕裂浓度阈值范围内，则将本次检测的二类模型对应的散热底板进行报废处理。
2.根据权利要求1中所述的一种散热底板的在线检测方法，其特征在于，所述S102，具体为：
使用摄像头获取散热底板的各个表面图像，对所述各个表面图像进行图像灰度化处理，生成散热底板表面灰度化图像；
选择Symlet小波基函数对所述散热底板表面灰度化图像进行小波分解，得到图像低频谐波和图像高频谐波；
对所述图像低频谐波和图像高频谐波进行下采样，使所述散热底板表面灰度化图像采样率降低，对经过下采样后的图像低频谐波进行多次小波分解，当达到预设分解次数，停止分解，对每一级分解得到的图像低频谐波和图像高频谐波进行逆小波变换，得到散热底板降噪图像；
使用索贝尔算法计算散热底板降噪图像像素点的水平视差值Gx与垂直视差值Gy，得到水平方向的梯度图像和垂直方向的梯度图像；
分别获取水平方向的梯度图像和垂直方向的梯度图像的梯度值，结合水平方向的梯度图像和垂直方向的梯度图像的梯度值和视差值利用欧氏距离法计算散热底板降噪图像像素点的边缘强度值，并基于水平方向的梯度图像和垂直方向的梯度图像的梯度值计算散热底板降噪图像像素点的边缘方向，生成散热底板降噪图像的边缘像素点；
记录所述散热底板降噪图像的边缘像素点的空间坐标，导出所述散热底板降噪图像的边缘像素点的空间坐标，获取散热底板的所有尺寸参数，所述空间坐标和散热底板的所有尺寸参数相结合，生成散热底板的表面参数。
3.根据权利要求1中所述的一种散热底板的在线检测方法，其特征在于，所述S104，具体为：
选用超声波探伤器，根据大数据检索获取散热底板材料的特性参数，根据所述散热底板材料的特性参数调节超声波探伤器的超声波频率；
超声波探伤器的探头涂敷耦合剂，并与散热底板表面接触，所述超声波探伤器发射超声波进入散热底板内部，所述超声波与散热底板内部缺陷、异物和界面相互作用生成回波信号；
将所述回波信号导入中值滤波器中进行滤波处理，得到滤波后的回波信号，并对所述滤波后的回波信号进行信号放大处理，得到预处理回波信号；
基于预处理回波信号构建回波振幅-时间曲线，根据所述回波振幅-时间曲线进行回波信号振幅分析得到回波信号的振幅信息，根据回波信号的返回时间测量回波信号的时延信息，并对回波信号进行波形分析得到波形分析信息；
将所述预处理回波信号进行傅里叶变换，得到回波信号领域，根据所述回波信号的振幅信息、回波信号的时延信息和波形分析信息评估生成散热底板的内部缺陷参数。
4.根据权利要求1中所述的一种散热底板的在线检测方法，其特征在于，所述S106，具体为:
对所述散热底板的表面参数和散热底板的内部缺陷参数进行数据归一化处理，得到散热底板建模参数；
构建三维坐标空间，将所述散热底板建模参数导入所述三维坐标空间中，生成散热底板点云数据，并选择多项式函数作为隐式函数；
将所述多项式函数与散热底板点云数据进行拟合，得到散热底板拟合数据，预设标准拟合数据，使用所述标准拟合数据对散热底板拟合数据进行评估，生成拟合误差值，调整多项式函数的参数，降低所述拟合误差值，使所述拟合误差值达到预设拟合精度；
将所述散热底板点云数据导入支持向量机中进行数据分类，得到内部体素数据和外部体素数据，构建散热底板的边缘表和查找表，通过所述边缘表储存内部体素数据和外部体素数据，通过所述查找表确定内部体素数据和外部体素数据对应的三角面片，通过三角面片的拓扑关系，构建散热底板三维模型；
分析散热底板三维模型的表面缺陷信息和内部缺陷信息，对小于散热底板三维模型的表面缺陷信息预设值与内部缺陷信息预设值的散热底板三维模型定义为散热底板合格品，对大于散热底板三维模型的表面缺陷信息预设值与内部缺陷信息预设值的散热底板三维模型定义为散热底板残缺品，所述表面缺陷信息包括表面氧化程度和表面撕裂深度，所述内部缺陷信息为内部撕裂浓度。
5.一种散热底板的在线检测系统，其特征在于，所述在线检测系统包括存储器与处理器，所述存储器中储存有在线检测方法程序，所述在线检测方法程序被所述处理器执行时，实现如下步骤：
S102：获取散热底板的表面图像，对所述散热底板的表面图像进行图像分析处理，结合散热底板的所有尺寸参数，得到散热底板的表面参数；
S104：使用超声波探测器向所述散热底板的内部发射超声波信号，通过测量回波信号的时间和强度来检测所述散热底板的内部缺陷，生成散热底板的内部缺陷参数；
S106：基于所述散热底板的表面参数和散热底板的内部缺陷参数，构建散热底板三维模型，预设散热底板合格品参数，将所述预设散热底板合格品参数导入散热底板三维模型中，筛选获得散热底板残缺品；
S108：基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面撕裂程度进行分析，筛选出进行报废处理的散热底板；
S110：基于所述散热底板的所有尺寸参数，对散热底板残缺品三维模型的表面氧化程度进行分析，筛选出进行报废处理的散热底板；
S112：对散热底板残缺品三维模型中的一类模型的内部缺陷信息进行分析，判断一类模型的合格情况；
其中，所述S108，具体为：
基于散热底板的所有尺寸参数，获取散热底板最小加工尺寸参数，并将所述散热底板残缺品三维模型定义为毛胚模型；
基于所述散热底板三维模型的表面缺陷信息，得到所有毛胚模型各表面的表面撕裂深度，对所有毛胚模型各表面的表面撕裂深度进行排序，生成表面撕裂深度排序表；
基于所述表面撕裂深度排序表与散热底板最小加工尺寸参数相比，将表面撕裂深度大于散热底板最小加工尺寸参数的毛胚模型定义为一类模型，将表面撕裂深度不大于散热底板最小加工尺寸参数的毛胚模型定义为二类模型；
对一类模型对应的散热底板进行进一步判断；
将二类模型对应的散热底板进行报废处理；
其中，所述S110，具体为：
基于所述表面缺陷信息，得到所有毛胚模型各表面的表面氧化程度，所述表面氧化程度为散热底板的表面氧化层面积与表面层总面积的比值；
将表面氧化程度小于预设值的毛胚模型定义为，对表面氧化程度大于预设值的毛胚模型的氧化表面进行模拟加工；
通过模拟加工去除表面氧化层，将去除表面氧化层后尺寸参数不小于散热底板最小加工尺寸参数的散热底板残缺品三维模型定义为一类模型，将去除表面氧化层后尺寸参数小于散热底板最小加工尺寸参数的散热底板残缺品三维模型定义为二类模型；
对一类模型对应的散热底板进行进一步判断；
将二类模型对应的散热底板进行报废处理；
其中，所述S112，具体为：
预设散热底板标准内部撕裂浓度阈值，将所有一类模型的内部撕裂浓度与散热底板标准内部撕裂浓度阈值相比较；
若检测的一类模型的内部撕裂浓度在散热底板标准内部撕裂浓度阈值范围内，则将本次检测的一类模型对应的散热底板定义为散热底板待修复品；
对所述散热底板待修复品进行返工修复处理，得到散热底板合格品；
若检测的二类模型的内部撕裂浓度不在散热底板标准内部撕裂浓度阈值范围内，则将本次检测的二类模型对应的散热底板进行报废处理。
CN202310916544.1A 2023-07-25 2023-07-25 一种散热底板的在线检测方法及系统 Active CN116630328B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310916544.1A CN116630328B (zh) 2023-07-25 2023-07-25 一种散热底板的在线检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310916544.1A CN116630328B (zh) 2023-07-25 2023-07-25 一种散热底板的在线检测方法及系统

Publications (2)

Publication Number Publication Date
CN116630328A CN116630328A (zh) 2023-08-22
CN116630328B true CN116630328B (zh) 2023-09-29

Family

ID=87597689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310916544.1A Active CN116630328B (zh) 2023-07-25 2023-07-25 一种散热底板的在线检测方法及系统

Country Status (1)

Country Link
CN (1) CN116630328B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961203A (zh) * 2018-02-19 2018-12-07 江苏新时高温材料股份有限公司 一种融合超声和机器视觉技术的中空板式陶瓷膜缺陷的三维重建方法
CN109187564A (zh) * 2018-10-25 2019-01-11 河南城建学院 一种狭长型构筑物实时变形监测系统
CN212872271U (zh) * 2020-07-20 2021-04-02 中国神华能源股份有限公司国华电力分公司 一种用于检测器件缺陷的检测设备
CN113781585A (zh) * 2021-08-27 2021-12-10 华中科技大学 一种增材制造零件表面缺陷在线检测方法及系统
CN113916989A (zh) * 2021-09-24 2022-01-11 广东电网有限责任公司广州供电局 一种电力系统高性能环氧绝缘件内部缺陷检测方法及系统
CN114527135A (zh) * 2022-02-25 2022-05-24 鹤壁职业技术学院 一种基于深度学习的安全帽检测系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106200047B (zh) * 2016-08-29 2019-03-22 武汉精测电子集团股份有限公司 一种基于GPU的TFT-LCD Mura缺陷检测的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961203A (zh) * 2018-02-19 2018-12-07 江苏新时高温材料股份有限公司 一种融合超声和机器视觉技术的中空板式陶瓷膜缺陷的三维重建方法
CN109187564A (zh) * 2018-10-25 2019-01-11 河南城建学院 一种狭长型构筑物实时变形监测系统
CN212872271U (zh) * 2020-07-20 2021-04-02 中国神华能源股份有限公司国华电力分公司 一种用于检测器件缺陷的检测设备
CN113781585A (zh) * 2021-08-27 2021-12-10 华中科技大学 一种增材制造零件表面缺陷在线检测方法及系统
CN113916989A (zh) * 2021-09-24 2022-01-11 广东电网有限责任公司广州供电局 一种电力系统高性能环氧绝缘件内部缺陷检测方法及系统
CN114527135A (zh) * 2022-02-25 2022-05-24 鹤壁职业技术学院 一种基于深度学习的安全帽检测系统

Also Published As

Publication number Publication date
CN116630328A (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN113888471B (zh) 一种基于卷积神经网络的高效高分辨力缺陷无损检测方法
CN110146521B (zh) 基于微波无损检测的管道表面腐蚀缺陷检测方法及装置
US20180120268A1 (en) Wrinkle Characterization and Performance Prediction for Composite Structures
CN109142547B (zh) 一种基于卷积神经网络的声学在线无损检测方法
US7005851B2 (en) Methods and apparatus for inspection utilizing pulsed eddy current
CN109142533B (zh) 一种铸件内部缺陷的快速检测方法及设备
He et al. A quantitative estimation technique for welding quality using local mean decomposition and support vector machine
CN108008006B (zh) 一种焊缝缺陷检测方法、装置、设备及系统
JP2015512526A (ja) Ｅｉｆｓ不確定性を考慮した、超音波検査データを用いた確率論的疲労寿命予測
Azizinasab et al. Defect detection and depth estimation in CFRP through phase of transient response of flash thermography
Muller et al. Image reconstruction and characterisation of defects in a carbon fibre/epoxy composite monitored with guided waves
CN116630328B (zh) 一种散热底板的在线检测方法及系统
Premel et al. Eddy-current evaluation of three-dimensional flaws in flat conductive materials using a Bayesian approach
Sudheera et al. Application of hilbert transform for flaw characterization in ultrasonic signals
Zhang et al. Intelligent Pseudo Solder detection in PCB using laser-pulsed thermography and neural Network
US11859962B2 (en) Method for examining a coating of a probe surface
CN115165885A (zh) 一种基于机器视觉识别和光谱测定的鉴别系统及方法
CN111474300B (zh) 基于时空回归模型的结构局部缺陷检测方法
CN113984909A (zh) 一种基于机器学习的绝缘设备缺陷识别及成像方法
KR101102496B1 (ko) 전력 기자재 상태판정식 도출 방법, 이를 이용한 활선상태의 전력 기자재 진단 장치 및 방법
Yang et al. Nonlinear, non-stationary image processing technique for eddy current NDE
dos Santos Pinto et al. A Non-Intrusive system to classify the severity of damages caused by internal corrosion using the potential drop technique and electrical image mapping
Li et al. AUTOMATIC CRACK DETECTION ALGORITHM FOR VIBROTHERMOGRAPHY SEQUENCE‐OF‐IMAGES DATA
JP2019128161A (ja) 解析方法、解析プログラム、および解析装置
Murali et al. Probability of detection analysis of frequency modulated thermal wave imaging to glass fiber–reinforced composite materials for nondestructive testing

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