CN116718598B - 一种基于视觉检测的铝合金叶轮缺陷监测系统 - Google Patents
一种基于视觉检测的铝合金叶轮缺陷监测系统 Download PDFInfo
- Publication number
- CN116718598B CN116718598B CN202310641896.0A CN202310641896A CN116718598B CN 116718598 B CN116718598 B CN 116718598B CN 202310641896 A CN202310641896 A CN 202310641896A CN 116718598 B CN116718598 B CN 116718598B
- Authority
- CN
- China
- Prior art keywords
- impeller
- module
- model
- time axis
- dimensional
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 20
- 238000011179 visual inspection Methods 0.000 title claims description 9
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 14
- 238000010276 construction Methods 0.000 claims description 13
- 238000012797 qualification Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims 1
- 229910052751 metal Inorganic materials 0.000 description 19
- 239000002184 metal Substances 0.000 description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 101100001674 Emericella variicolor andI gene Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及叶轮缺陷检测技术领域，具体涉及一种基于视觉检测的铝合金叶轮缺陷监测系统，包括配置层、处理层及识别层；在叶轮组件外壁标定参照点，驱动叶轮转动，叶轮上各叶片通过配置传感设备获取各叶片距离参照点最近时的时间戳，获取的时间戳通过配置层输入，处理层接收配置层中输入的时间戳，并执行立体螺旋时间轴模型的构建，基于接收时间戳向立体螺旋时间轴模型中输入，本发明主要应用人眼不便观测位置安装的叶轮，系统运行过程中，采用叶轮叶片转动过程中对叶片进行测距的方式获取到数字数据，进而以获取到的数字数据实现模型构建，最终以构建的模型实施图像分析，以达到从模型及图像中获取数据，分析叶轮是否存在缺陷及缺陷位置的效果。
Description
技术领域
本发明涉及叶轮缺陷检测技术领域，具体涉及一种基于视觉检测的铝合金叶轮缺陷监测系统。
背景技术
叶轮既指装有动叶的轮盘，是冲动式汽轮机转子的组成部分。
申请号为202110555129.9的专利中公开了一种金属闭式水泵叶轮外观缺陷检测方法，其特征在于，包括以下步骤：采集金属闭式水泵叶轮原始彩色图像；将所述金属闭式水泵叶轮原始彩色图像转化为金属闭式水泵叶轮灰度图像；将所述金属闭式水泵叶轮灰度图像进行二值化处理，获取金属闭式水泵叶轮二值图像，通过所述金属闭式水泵叶轮二值图像获取所述金属闭式水泵叶轮的中心坐标；其中，通过所述金属闭式水泵叶轮二值图像获取所述金属闭式水泵叶轮的中心坐标包括：通过所述金属闭式水泵叶轮二值图像获取所述金属闭式水泵叶轮的粗略中心坐标，并根据所述金属闭式水泵叶轮的粗略中心坐标，检测所述金属闭式水泵叶轮中的前盖板、导流口、泵轴连接口的圆形边缘，分别获得所述前盖板、导流口、泵轴连接口的圆形边缘的中心坐标，通过计算三个所述中心坐标的平均值，得到所述金属闭式水泵叶轮的中心坐标根据所述金属闭式水泵叶轮中心坐标和所述金属闭式水泵叶轮的标准尺寸，从所述金属闭式水泵叶轮灰度图像中分割提取出待检测部位的灰度图像；其中，所述待检测部位为所述前盖板、导流口和泵轴连接口。
该申请在于解决：制造业领域的人力成本越来越高，闭式金属水泵叶轮外观质量检测工序中采用的传统人工检测方法，已经很难达到现代产业发展的要求的问题。
然而，针对于已经安装使用的叶轮，其往往安装于设备内部，表面加设有防护壳体，因而目前在对使用中的叶轮进行缺陷监测检修维护时，往往通过拆卸的方式使叶轮露出或摘取进而实施监测，此种方式操作过程中拆卸安装过程耗费了一定的人力资源及时间，在有频繁监测检修维护需求时，显然不宜适用。
发明内容
解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种基于视觉检测的铝合金叶轮缺陷监测系统，解决了针对于已经安装比使用的叶轮，其往往安装于设备内部，表面加设有防护壳体，因而目前在对使用中的叶轮进行缺陷监测检修维护时，往往通过拆卸的方式使叶轮露出或摘取进而实施监测，此种方式操作过程中拆卸安装过程耗费了一定的人力资源及时间，在有频繁监测检修维护需求时，显然不宜适用的问题。
技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于视觉检测的铝合金叶轮缺陷监测系统，包括配置层、处理层及识别层；
在叶轮组件外壁标定参照点，驱动叶轮转动，叶轮上各叶片通过配置传感设备获取各叶片距离参照点最近时的时间戳，获取的时间戳通过配置层输入，处理层接收配置层中输入的时间戳，并执行立体螺旋时间轴模型的构建，基于接收时间戳向立体螺旋时间轴模型中输入，使时间戳于立体螺旋时间轴模型中显示，完成时间戳输入的立体螺旋时间轴模型进一步向识别层发送，通过识别层识别叶轮是否存在缺陷及缺陷位置；
所述处理层包括接收模块、构建模块及输入模块，接收模块用于接收配置层输出的时间戳，构建模块用于构建螺旋梯度模型，在每一梯度上标记等差时间戳，输入模块用于获取接收模块中接收的时间戳，将时间戳向螺旋梯度模型中发送，根据各梯度上标记的时间戳找寻接收模块中接收的时间戳对应位置，并对找寻到的位置表面进行颜色填充，完成填充的螺旋梯度模型记作立体螺旋时间轴模型；
在螺旋梯度模型中完成颜色填充后，进一步执行颜色填充区域的轮廓增强，轮廓增强后的颜色填充区域通过下式进行求取，公式为：
；
式中：B为轮廓增强处理后输出的填充区域；=，为求取
的轮廓长度，及为填充区域中目标轮廓及最长轮廓；为填充区域轮廓点的领域q；为阈值；的集为空取值1，反之，则取值0。
更进一步地，所述配置层包括传感模组及选择模块，传感模组用于实时检测叶轮叶片与参照点间距离，选择模块用于选择传感模组检测到的距离最短的一组检测结果，获取检测结果在进行检测时的时间戳；
其中，叶轮的每组叶片上均设置有传感模组，参照点上均设置有传感模组，参照点数量与叶轮的叶片数量相等，选择模块中配置有运行周期，选择模块的运行周期与叶轮当前配置转速状态下转动一周所用时间相等，选择模块以配置的运行周期作为数据选择时间跨度区间，在其运行周期内传感模组检测到的若干组距离中，选择距离最短的一组检测结果。
更进一步地，所述叶轮叶片上设置的传感模组均设置于叶片外侧轮廓线中点位置，参照点上设置的传感模组与叶轮叶片上设置的传感模组一一对应，执行对应目标的测距任务，每两组对应传感模组与叶轮的中轴线上的一点处于同一直线上。
更进一步地，所述传感模组选用超声波测距传感器所集成，传感模组在进行叶轮叶片与参照点间距离检测时，通过下式求取时延，以完成距离检测结果对应时间戳的误差消除，公式为；
；
式中：为传感器发出超声波频谱；/>为监测结果传输带宽；/>为传感器功率；为信道中噪声功率谱密度；/>为传感器发送超声波时的声波衰减；/>为对应传感器接收到超声波并发出超声波反馈时的声波衰减。
更进一步地，所述螺旋梯度模型应用任意一种三维模型制图软件进行构建，螺旋梯度模型的各梯度上等差时间戳标记精度根据接收模块接收到的时间戳进行设定。
更进一步地，识别层包括切换模块、上载模块及输出模块，切换模块用于接收处理层中处理的得到的立体螺旋时间轴模型，对立体螺旋时间轴模型进行视角切换处理，获取立体螺旋时间轴模型的俯视平面图形，上载模块用于上传叶轮标准规格参数，应用三维模型制图软件生成叶轮标准模型，并控制叶轮标准三维模型以叶轮转动时的功率进行转动，进一步于三维模型制图软件中获取叶轮标准三维模型转动动画，应用叶轮标准三维模型及其动画中参数与数据构建叶轮标准三维模型的对应立体螺旋时间轴模型，输出模块用于比对两组立体螺旋时间轴模型相似度，进行比对结果的输出；
其中，上载模块中叶轮标准三维模型对应构建的立体螺旋时间轴模型同步反馈至切换模块中处理，得到俯视平面图形，输出模块中比对两组立体螺旋时间轴模型相似度的操作即比对两组俯视平面图形的相似度。
更进一步地，应用叶轮标准三维模型及其动画中参数与数据构建立体螺旋时间轴模型时，同步获取传感模组于叶轮叶片上的部署位置及参照点位置，以获取的两组位置，对叶轮标准三维模型上各叶片进行对应位置的标定，以标定点作为数据采集目标，在叶轮标准三维模型转动状态下，于叶轮标准三维模型转动动画中获取相互对应的两组标定点距离最近时刻时间戳，进一步以获取的时间戳完成叶轮标准三维模型对应立体螺旋时间轴模型的构建；
其中，两组立体螺旋时间轴模型在构建时所应用的各时间戳，均基于同一始发时刻进行获取。
更进一步地，所述输出模块在进行两组立体螺旋时间轴模型相似度比对操作时，同步判定所属叶轮的立体螺旋时间轴模型上，各相邻颜色填充区域相近边线间最远距离是否相等，判定结果同步通过输出模块输出，输出模块的输出内容通过局域网络传输供传感模组接收，系统端用户于传感模组上对输出模块输出内容进行读取；
其中，相邻颜色填充区域相近边线间最远距离不相等位置对应叶轮叶片，即叶轮上存在故障缺陷的叶片。
更进一步地，两组所述立体螺旋时间轴模型各自对应的俯视平面图形相似度，通过下式进行求取，公式为：
；
式中：N为图形颜色样点空间；、/>为两组俯视平面图形G1及G2各自对应的直方图H1及H2；
其中，输出模块中通过系统端用户手动编辑设定叶轮合格判定阈值，输出模块以俯视平面图形相似度与合格判定阈值进行比对，判定叶轮当前是否合格。
更进一步地，所述传感模组通过介质电性连接有选择模块，所述选择模块通过介质电性连接有接收模块，所述接收模块通过介质电性连接有构建模块及输入模块，所述输入模块通过介质电性连接有切换模块，所述切换模块通过介质电性连接有上载模块及输出模块。
有益效果
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
1、本发明提供一种基于视觉检测的铝合金叶轮缺陷监测系统，该系统主要应用人眼不便观测位置安装的叶轮，系统运行过程中，采用叶轮叶片转动过程中对叶片进行测距的方式获取到数字数据，进而以获取到的数字数据实现模型构建，最终以构建的模型实施图像分析，以达到从模型及图像中获取数据，分析叶轮是否存在缺陷及缺陷位置的效果。
2、本发明中系统，用以构建模型所采集的数据数量较少，使得系统输出检测结果更为快捷，效率较高，且在采集数据用以构建模型的过程中，对采集数据完整度需求较低，即使出现少量的数据缺失，依然能够执行叶轮的缺陷分析检测。
3、本发明通过对颜色填充区域进行轮廓增强的处理，大大提升了俯视平面图形相似度计算过程中所应用的图像对应直方图准确性，进而使得系统中最终输出的分析检测结果更趋于精确。
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，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的附图。
图1为一种基于视觉检测的铝合金叶轮缺陷监测系统的结构示意图；
图2为本发明中立体螺旋时间轴模型、俯视平面图形及相邻颜色填充区域相近边线间最远距离示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例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作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。
下面结合实施例对本发明作进一步的描述。
实施例一
本实施例的一种基于视觉检测的铝合金叶轮缺陷监测系统，如图1所示，包括配置层、处理层及识别层；
在叶轮组件外壁标定参照点，驱动叶轮转动，叶轮上各叶片通过配置传感设备获取各叶片距离参照点最近时的时间戳，获取的时间戳通过配置层输入，处理层接收配置层中输入的时间戳，并执行立体螺旋时间轴模型的构建，基于接收时间戳向立体螺旋时间轴模型中输入，使时间戳于立体螺旋时间轴模型中显示，完成时间戳输入的立体螺旋时间轴模型进一步向识别层发送，通过识别层识别叶轮是否存在缺陷及缺陷位置；
处理层包括接收模块、构建模块及输入模块，接收模块用于接收配置层输出的时间戳，构建模块用于构建螺旋梯度模型，在每一梯度上标记等差时间戳，输入模块用于获取接收模块中接收的时间戳，将时间戳向螺旋梯度模型中发送，根据各梯度上标记的时间戳找寻接收模块中接收的时间戳对应位置，并对找寻到的位置表面进行颜色填充，完成填充的螺旋梯度模型记作立体螺旋时间轴模型；
在螺旋梯度模型中完成颜色填充后，进一步执行颜色填充区域的轮廓增强，轮廓增强后的颜色填充区域通过下式进行求取，公式为：
；
式中：B为轮廓增强处理后输出的填充区域；=，为求取
的轮廓长度，及为填充区域中目标轮廓及最长轮廓；为填充区域轮廓点的领域q；为阈值；的集为空取值1，反之，则取值0；
配置层包括传感模组及选择模块，传感模组用于实时检测叶轮叶片与参照点间距离，选择模块用于选择传感模组检测到的距离最短的一组检测结果，获取检测结果在进行检测时的时间戳；
其中，叶轮的每组叶片上均设置有传感模组，参照点上均设置有传感模组，参照点数量与叶轮的叶片数量相等，选择模块中配置有运行周期，选择模块的运行周期与叶轮当前配置转速状态下转动一周所用时间相等，选择模块以配置的运行周期作为数据选择时间跨度区间，在其运行周期内传感模组检测到的若干组距离中，选择距离最短的一组检测结果；
识别层包括切换模块、上载模块及输出模块，切换模块用于接收处理层中处理的得到的立体螺旋时间轴模型，对立体螺旋时间轴模型进行视角切换处理，获取立体螺旋时间轴模型的俯视平面图形，上载模块用于上传叶轮标准规格参数，应用三维模型制图软件生成叶轮标准模型，并控制叶轮标准三维模型以叶轮转动时的功率进行转动，进一步于三维模型制图软件中获取叶轮标准三维模型转动动画，应用叶轮标准三维模型及其动画中参数与数据构建叶轮标准三维模型的对应立体螺旋时间轴模型，输出模块用于比对两组立体螺旋时间轴模型相似度，进行比对结果的输出；
其中，上载模块中叶轮标准三维模型对应构建的立体螺旋时间轴模型同步反馈至切换模块中处理，得到俯视平面图形，输出模块中比对两组立体螺旋时间轴模型相似度的操作即比对两组俯视平面图形的相似度；
两组立体螺旋时间轴模型各自对应的俯视平面图形相似度，通过下式进行求取，公式为：
；
式中：N为图形颜色样点空间；、/>为两组俯视平面图形G1及G2各自对应的直方图H1及H2；
其中，输出模块中通过系统端用户手动编辑设定叶轮合格判定阈值，输出模块以俯视平面图形相似度与合格判定阈值进行比对，判定叶轮当前是否合格；
传感模组通过介质电性连接有选择模块，选择模块通过介质电性连接有接收模块，接收模块通过介质电性连接有构建模块及输入模块，输入模块通过介质电性连接有切换模块，切换模块通过介质电性连接有上载模块及输出模块。
在本实施例中，传感模组实时检测叶轮叶片与参照点间距离，选择模块同步的选择传感模组检测到的距离最短的一组检测结果，获取检测结果在进行检测时的时间戳，切换模块接收处理层中处理的得到的立体螺旋时间轴模型，对立体螺旋时间轴模型进行视角切换处理，获取立体螺旋时间轴模型的俯视平面图形，接收模块接收配置层输出的时间戳，构建模块实时构建螺旋梯度模型，在每一梯度上标记等差时间戳，输入模块进一步获取接收模块中接收的时间戳，将时间戳向螺旋梯度模型中发送，根据各梯度上标记的时间戳找寻接收模块中接收的时间戳对应位置，并对找寻到的位置表面进行颜色填充，完成填充的螺旋梯度模型记作立体螺旋时间轴模型，系统通过上载模块上传叶轮标准规格参数，应用三维模型制图软件生成叶轮标准模型，并控制叶轮标准三维模型以叶轮转动时的功率进行转动，进一步于三维模型制图软件中获取叶轮标准三维模型转动动画，应用叶轮标准三维模型及其动画中参数与数据构建叶轮标准三维模型的对应立体螺旋时间轴模型，最后输出模块比对两组立体螺旋时间轴模型相似度，进行比对结果的输出；
此外通过上述记载的公式中，对颜色填充区域进行了轮廓增强处理，从而以此使得上述记载的俯视平面图形相似度在进行计算时，所应用的直方图更加精准，从而系统最终输出的分析检测结果更加精确；
参见图2所示，图中（a）及（b）示出了上述记载的两组立体螺旋时间轴模型的具体结果，图中阴影即示出了颜色填充区域，在经由切换模块处理后，即得到了颜色填充区域相互重合的俯视平面图形（a′）、（b′），通过（a′）、（b′）的相似度比对，即可真实的反映出叶轮与标准叶轮模型间的差异，进而进一步的判定叶轮是否合格，即是否存在缺陷；
而（a1）及（a2）即从（a）提取到的部分模型，（a1′）、（a2′）至（a1″）、（a2″）示出了相邻颜色填充区域相近边线间最远距离的求取过程演示，通过（a1″）、（a2″）的长度比对，相同也能够反映出叶轮与标准叶轮模型间的差异。
实施例二
在具体实施层面，在实施例1的基础上，本实施例参照图1对实施例1中一种基于视觉检测的铝合金叶轮缺陷监测系统做进一步具体说明：
叶轮叶片上设置的传感模组均设置于叶片外侧轮廓线中点位置，参照点上设置的传感模组与叶轮叶片上设置的传感模组一一对应，执行对应目标的测距任务，每两组对应传感模组与叶轮的中轴线上的一点处于同一直线上。
通过上述设置，对传感模组的部署位置进行了限定。
如图1所示，传感模组选用超声波测距传感器所集成，传感模组在进行叶轮叶片与参照点间距离检测时，通过下式求取时延，以完成距离检测结果对应时间戳的误差消除，公式为；
；
式中：为传感器发出超声波频谱；/>为监测结果传输带宽；/>为传感器功率；为信道中噪声功率谱密度；/>为传感器发送超声波时的声波衰减；/>为对应传感器接收到超声波并发出超声波反馈时的声波衰减。
通过上述设置，对传感模组在进行距离检测时所检测到的各组数据完成了时延校正，从而以此一定程度的提升了系统最终输出分析检测结果的精度。
如图1所示，螺旋梯度模型应用任意一种三维模型制图软件进行构建，螺旋梯度模型的各梯度上等差时间戳标记精度根据接收模块接收到的时间戳进行设定。
通过上述设置，可以使得螺旋梯度模型在接收时间戳进行颜色填充时，填充区域精度得到保证，进而保证了系统最终输出分析检测结果的精度。
如图1所示，应用叶轮标准三维模型及其动画中参数与数据构建立体螺旋时间轴模型时，同步获取传感模组于叶轮叶片上的部署位置及参照点位置，以获取的两组位置，对叶轮标准三维模型上各叶片进行对应位置的标定，以标定点作为数据采集目标，在叶轮标准三维模型转动状态下，于叶轮标准三维模型转动动画中获取相互对应的两组标定点距离最近时刻时间戳，进一步以获取的时间戳完成叶轮标准三维模型对应立体螺旋时间轴模型的构建；
其中，两组立体螺旋时间轴模型在构建时所应用的各时间戳，均基于同一始发时刻进行获取。
通过上述设置，对叶轮标准三维模型进行了处理，进而为叶轮标准三维模型对应的立体螺旋时间轴模型的构建带来了必要的数据支持。
如图1所示，输出模块在进行两组立体螺旋时间轴模型相似度比对操作时，同步判定所属叶轮的立体螺旋时间轴模型上，各相邻颜色填充区域相近边线间最远距离是否相等，判定结果同步通过输出模块输出，输出模块的输出内容通过局域网络传输供传感模组接收，系统端用户于传感模组上对输出模块输出内容进行读取；
其中，相邻颜色填充区域相近边线间最远距离不相等位置对应叶轮叶片，即叶轮上存在故障缺陷的叶片。
通过上述设置，参见实施例1中对于图2的记载，为该系统对叶轮进行合格判定提供了另一种判定逻辑。
综上而言，上述实施例中系统在运行过程中主要应用人眼不便观测位置安装的叶轮，系统运行过程中，采用叶轮叶片转动过程中对叶片进行测距的方式获取到数字数据，进而以获取到的数字数据实现模型构建，最终以构建的模型实施图像分析，以达到从模型及图像中获取数据，分析叶轮是否存在缺陷及缺陷位置的效果；同时，系统中用以构建模型所采集的数据数量较少，使得系统输出检测结果更为快捷，效率较高，且在采集数据用以构建模型的过程中，对采集数据完整度需求较低，即使出现少量的数据缺失，依然能够执行叶轮的缺陷分析检测；此外，该系统通过对颜色填充区域进行轮廓增强的处理，大大提升了俯视平面图形相似度计算过程中所应用的图像对应直方图准确性，进而使得系统中最终输出的分析检测结果更趋于精确。
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，并不会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)
1.一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，包括配置层、处理层及识别层；
在叶轮组件外壁标定参照点，驱动叶轮转动，叶轮上各叶片通过配置传感设备获取各叶片距离参照点最近时的时间戳，获取的时间戳通过配置层输入，处理层接收配置层中输入的时间戳，并执行立体螺旋时间轴模型的构建，基于接收时间戳向立体螺旋时间轴模型中输入，使时间戳于立体螺旋时间轴模型中显示，完成时间戳输入的立体螺旋时间轴模型进一步向识别层发送，通过识别层识别叶轮是否存在缺陷及缺陷位置；
所述处理层包括接收模块、构建模块及输入模块，接收模块用于接收配置层输出的时间戳，构建模块用于构建螺旋梯度模型，在每一梯度上标记等差时间戳，输入模块用于获取接收模块中接收的时间戳，将时间戳向螺旋梯度模型中发送，根据各梯度上标记的时间戳找寻接收模块中接收的时间戳对应位置，并对找寻到的位置表面进行颜色填充，完成填充的螺旋梯度模型记作立体螺旋时间轴模型；
在螺旋梯度模型中完成颜色填充后，进一步执行颜色填充区域的轮廓增强，轮廓增强后的颜色填充区域通过下式进行求取，公式为：
；
式中：B为轮廓增强处理后输出的填充区域；=/>，/>为求取的轮廓长度，/>及/>为填充区域中目标轮廓及最长轮廓；/>为填充区域轮廓点的领域q；/>为阈值；/>的集为空/>取值1，反之，则取值0。
2.根据权利要求1所述的一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，所述配置层包括传感模组及选择模块，传感模组用于实时检测叶轮叶片与参照点间距离，选择模块用于选择传感模组检测到的距离最短的一组检测结果，获取检测结果在进行检测时的时间戳；
其中，叶轮的每组叶片上均设置有传感模组，参照点上均设置有传感模组，参照点数量与叶轮的叶片数量相等，选择模块中配置有运行周期，选择模块的运行周期与叶轮当前配置转速状态下转动一周所用时间相等，选择模块以配置的运行周期作为数据选择时间跨度区间，在其运行周期内传感模组检测到的若干组距离中，选择距离最短的一组检测结果。
3.根据权利要求2所述的一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，所述叶轮叶片上设置的传感模组均设置于叶片外侧轮廓线中点位置，参照点上设置的传感模组与叶轮叶片上设置的传感模组一一对应，执行对应目标的测距任务，每两组对应传感模组与叶轮的中轴线上的一点处于同一直线上。
4.根据权利要求2所述的一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，所述传感模组选用超声波测距传感器所集成，传感模组在进行叶轮叶片与参照点间距离检测时，通过下式求取时延，以完成距离检测结果对应时间戳的误差消除，公式为；
；
式中：为传感器发出超声波频谱；/>为监测结果传输带宽；/>为传感器功率；/>为信道中噪声功率谱密度；/>为传感器发送超声波时的声波衰减；/>为对应传感器接收到超声波并发出超声波反馈时的声波衰减。
5.根据权利要求1所述的一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，所述螺旋梯度模型应用任意一种三维模型制图软件进行构建，螺旋梯度模型的各梯度上等差时间戳标记精度根据接收模块接收到的时间戳进行设定。
6.根据权利要求1所述的一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，识别层包括切换模块、上载模块及输出模块，切换模块用于接收处理层中处理的得到的立体螺旋时间轴模型，对立体螺旋时间轴模型进行视角切换处理，获取立体螺旋时间轴模型的俯视平面图形，上载模块用于上传叶轮标准规格参数，应用三维模型制图软件生成叶轮标准模型，并控制叶轮标准三维模型以叶轮转动时的功率进行转动，进一步于三维模型制图软件中获取叶轮标准三维模型转动动画，应用叶轮标准三维模型及其动画中参数与数据构建叶轮标准三维模型的对应立体螺旋时间轴模型，输出模块用于比对两组立体螺旋时间轴模型相似度，进行比对结果的输出；
其中，上载模块中叶轮标准三维模型对应构建的立体螺旋时间轴模型同步反馈至切换模块中处理，得到俯视平面图形，输出模块中比对两组立体螺旋时间轴模型相似度的操作即比对两组俯视平面图形的相似度。
7.根据权利要求6所述的一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，应用叶轮标准三维模型及其动画中参数与数据构建立体螺旋时间轴模型时，同步获取传感模组于叶轮叶片上的部署位置及参照点位置，以获取的两组位置，对叶轮标准三维模型上各叶片进行对应位置的标定，以标定点作为数据采集目标，在叶轮标准三维模型转动状态下，于叶轮标准三维模型转动动画中获取相互对应的两组标定点距离最近时刻时间戳，进一步以获取的时间戳完成叶轮标准三维模型对应立体螺旋时间轴模型的构建；
其中，两组立体螺旋时间轴模型在构建时所应用的各时间戳，均基于同一始发时刻进行获取。
8.根据权利要求6所述的一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，所述输出模块在进行两组立体螺旋时间轴模型相似度比对操作时，同步判定所属叶轮的立体螺旋时间轴模型上，各相邻颜色填充区域相近边线间最远距离是否相等，判定结果同步通过输出模块输出，输出模块的输出内容通过局域网络传输供传感模组接收，系统端用户于传感模组上对输出模块输出内容进行读取；
其中，相邻颜色填充区域相近边线间最远距离不相等位置对应叶轮叶片，即叶轮上存在故障缺陷的叶片。
9.根据权利要求1所述的一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，两组所述立体螺旋时间轴模型各自对应的俯视平面图形相似度，通过下式进行求取，公式为：
；
式中：N为图形颜色样点空间；、/>为两组俯视平面图形G1及G2各自对应的直方图H1及H2；
其中，输出模块中通过系统端用户手动编辑设定叶轮合格判定阈值，输出模块以俯视平面图形相似度与合格判定阈值进行比对，判定叶轮当前是否合格。
10.根据权利要求2所述的一种基于视觉检测的铝合金叶轮缺陷监测系统，其特征在于，所述传感模组通过介质电性连接有选择模块，所述选择模块通过介质电性连接有接收模块，所述接收模块通过介质电性连接有构建模块及输入模块，所述输入模块通过介质电性连接有切换模块，所述切换模块通过介质电性连接有上载模块及输出模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310641896.0A CN116718598B (zh) | 2023-06-01 | 2023-06-01 | 一种基于视觉检测的铝合金叶轮缺陷监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310641896.0A CN116718598B (zh) | 2023-06-01 | 2023-06-01 | 一种基于视觉检测的铝合金叶轮缺陷监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116718598A CN116718598A (zh) | 2023-09-08 |
| CN116718598B true CN116718598B (zh) | 2023-12-29 |
Family
ID=87874510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310641896.0A Active CN116718598B (zh) | 2023-06-01 | 2023-06-01 | 一种基于视觉检测的铝合金叶轮缺陷监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116718598B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117250200B (zh) * | 2023-11-07 | 2024-02-02 | 山东恒业金属制品有限公司 | 一种基于机器视觉的方管生产质量检测系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009097922A (ja) * | 2007-10-15 | 2009-05-07 | Daido Steel Co Ltd | 外観検査方法及び外観検査装置 |
| CN113095202A (zh) * | 2021-04-07 | 2021-07-09 | 中国工商银行股份有限公司 | 双录数据质检中的数据分段方法及装置 |
| CN113298775A (zh) * | 2021-05-21 | 2021-08-24 | 佛山职业技术学院 | 自吸泵双面金属叶轮外观缺陷检测方法、系统和介质 |
| CN113298776A (zh) * | 2021-05-21 | 2021-08-24 | 佛山职业技术学院 | 一种金属闭式水泵叶轮外观缺陷检测方法 |
| CN114708585A (zh) * | 2022-04-15 | 2022-07-05 | 电子科技大学 | 一种基于注意力机制的毫米波雷达与视觉融合的三维目标检测方法 |
| CN115434877A (zh) * | 2022-11-08 | 2022-12-06 | 电子科技大学中山学院 | 一种叶片内部状态检测方法及装置 |
| CN115829411A (zh) * | 2022-12-20 | 2023-03-21 | 北京鉴衡认证中心有限公司 | 一种海上风电机组运行状态评估方法及评估系统 |
| CN116109637A (zh) * | 2023-04-13 | 2023-05-12 | 杭州深度视觉科技有限公司 | 基于视觉的涡轮增压器叶轮外观缺陷检测的系统及其方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9367421B2 (en) * | 2013-12-20 | 2016-06-14 | Netapp, Inc. | Systems, methods, and computer programs products providing relevant correlation of data source performance |
| DE102018009823A1 (de) * | 2018-12-14 | 2020-06-18 | Diehl Metering S.A.S. | Verfahren zum Sammeln von Daten, Sensor sowie Versorgungsnetz |
-
2023
- 2023-06-01 CN CN202310641896.0A patent/CN116718598B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009097922A (ja) * | 2007-10-15 | 2009-05-07 | Daido Steel Co Ltd | 外観検査方法及び外観検査装置 |
| CN113095202A (zh) * | 2021-04-07 | 2021-07-09 | 中国工商银行股份有限公司 | 双录数据质检中的数据分段方法及装置 |
| CN113298775A (zh) * | 2021-05-21 | 2021-08-24 | 佛山职业技术学院 | 自吸泵双面金属叶轮外观缺陷检测方法、系统和介质 |
| CN113298776A (zh) * | 2021-05-21 | 2021-08-24 | 佛山职业技术学院 | 一种金属闭式水泵叶轮外观缺陷检测方法 |
| CN114708585A (zh) * | 2022-04-15 | 2022-07-05 | 电子科技大学 | 一种基于注意力机制的毫米波雷达与视觉融合的三维目标检测方法 |
| CN115434877A (zh) * | 2022-11-08 | 2022-12-06 | 电子科技大学中山学院 | 一种叶片内部状态检测方法及装置 |
| CN115829411A (zh) * | 2022-12-20 | 2023-03-21 | 北京鉴衡认证中心有限公司 | 一种海上风电机组运行状态评估方法及评估系统 |
| CN116109637A (zh) * | 2023-04-13 | 2023-05-12 | 杭州深度视觉科技有限公司 | 基于视觉的涡轮增压器叶轮外观缺陷检测的系统及其方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于离心泵数字孪生流场云图的叶轮故障智能诊断方法研究及应用;李亚洁等;北京航空航天大学学报;1-11 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116718598A (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116664557B (zh) | 一种风机叶片表面缺陷视觉检测方法 | |
| CN116718598B (zh) | 一种基于视觉检测的铝合金叶轮缺陷监测系统 | |
| CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
| CN105260709B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
| CN103957771B (zh) | 图像处理装置和图像处理方法 | |
| CN106470595A (zh) | 利用口内3d扫描图检测牙齿磨损 | |
| CN112629851B (zh) | 基于数据增强方法与图像识别的海上风电机组齿轮箱故障诊断方法 | |
| CN109559354A (zh) | 测量塔架净空的方法、双目系统的标定方法以及装置 | |
| CN107860722B (zh) | 一种蜜瓜内部品质在线检测方法及系统 | |
| JP2007155724A (ja) | 超音波検査の方法及びシステム | |
| CN113280868B (zh) | 一种轴向振动与转速的同步监测方法及系统 | |
| CN108645602B (zh) | 旋转机械叶尖间隙与叶片转速综合测量系统及方法、图像处理程序 | |
| JP2004004088A (ja) | 物体の表面形状を測定するための方法及び装置 | |
| CN117654354A (zh) | 搅拌机控制方法及系统 | |
| CN117058089A (zh) | 烟支外观检测方法 | |
| EP4083377A2 (en) | Turbine blade creep monitoring | |
| CN110174413A (zh) | 一种叶片缺陷检测方法及维护方法 | |
| CN114881984A (zh) | 一种大米加工精度的检测方法、装置、电子设备及介质 | |
| GB2590731A (en) | Improvements in and relating to detection and mapping of cracks | |
| CN118154598B (zh) | 基于内窥镜测量的全灌浆套筒缺陷深度检测方法及系统 | |
| CN110940679A (zh) | 基于fpga的电子内窥镜裂纹检测系统及方法 | |
| CN113680711B (zh) | 一种基于色阶显卡的农产品分拣方法及系统 | |
| CN114200163B (zh) | 一种风力发电机组风速计异常识别方法与系统 | |
| CN118362635B (zh) | 基于超声图像的浆料质量实时检测分析方法 | |
| TWI494549B (zh) | 利用多核心支援向量迴歸之背光模組輝度檢測方法及檢測器 |
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 |