CN116718607B - 一种基于视觉监测的纤维料带在线质量监测方法 - Google Patents
一种基于视觉监测的纤维料带在线质量监测方法 Download PDFInfo
- Publication number
- CN116718607B CN116718607B CN202310694846.9A CN202310694846A CN116718607B CN 116718607 B CN116718607 B CN 116718607B CN 202310694846 A CN202310694846 A CN 202310694846A CN 116718607 B CN116718607 B CN 116718607B
- Authority
- CN
- China
- Prior art keywords
- defect
- fiber material
- material belt
- crack
- quality
- 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
- 239000002657 fibrous material Substances 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 230000000007 visual effect Effects 0.000 title claims abstract description 25
- 230000007547 defect Effects 0.000 claims abstract description 172
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 23
- 239000000835 fiber Substances 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 7
- 230000037303 wrinkles Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 229920000049 Carbon (fiber) Polymers 0.000 description 9
- 239000004917 carbon fiber Substances 0.000 description 9
- 239000000463 material Substances 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000840 electrochemical analysis Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009713 electroplating Methods 0.000 description 1
- 238000007380 fibre production Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
- G01N21/898—Irregularities in textured or patterned surfaces, e.g. textiles, wood
- G01N21/8983—Irregularities in textured or patterned surfaces, e.g. textiles, wood for testing textile webs, i.e. woven material
-
- 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
- G01N2021/8887—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
-
- 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
Abstract
本发明涉及视觉监测技术领域，尤其涉及一种基于视觉监测的纤维料带在线质量监测方法,包括以下步骤：步骤P1，图像拍摄，通过相机连续拍摄输送中的纤维料带，获得纤维料带的图像，并上传至图像处理系统；步骤P2，图像处理，将拍摄到的图片进行处理，并获得去噪后纤维料带的黑白图像；步骤P3，对比分析，将所述步骤P2中得到的图像与预先设置好的标准图像进行对比；步骤P4，判断纤维料带质量是否合格；步骤P5，发出预设指令。本发明通过在线拍摄纤维料带图像，实时发现纤维料带的缺陷，提高铺放质量，减少损失，可广泛应用在纤维料带自动铺放领域。
Description
技术领域
本发明涉及视觉监测技术领域，尤其涉及一种基于视觉监测的纤维料带在线质量监测方法。
背景技术
纤维料带质量对碳纤维复合材料构件自动铺放影响较大，尤其是褶皱、接头以及搭桥等缺陷，以往纤维料带检测都是在碳纤维生产企业内进行，铺放中纤维料带层间的缺陷状态无法检测，这就给纤维自动铺带机带来了很多问题。
中国专利公开号：CN114894877A。公开了一种碳纤维增强树脂基复合材料表面碳纤维裸露缺陷检测方法，包括如下步骤：(1)，制作电化学试件；(2)，电化学标记；(3)，碳纤维裸露缺陷检测。基于电镀原理，借助电化学工作站、体式显微镜等设备，经过电化学试件制作、恒电位极化标记、表面沉积物观测、数理统计计算等过程，获得原始表面碳纤维裸露缺陷的分布规律，包括裸露碳纤维的分布位置、分布密度和分布面积等。由此可见，所述碳纤维增强树脂基复合材料表面碳纤维裸露缺陷检测方法存在以下问题，纤维料带铺放过程中表面存在孔洞、褶皱以及裂纹等缺陷从而影响自动铺放质量的问题。
发明内容
为此，本发明提供一种基于视觉监测的纤维料带在线质量监测方法，用以克服现有技术中纤维料带铺放过程中表面存在孔洞、褶皱以及裂纹等缺陷从而影响自动铺放质量的问题。
为实现上述目的，本发明提供一种基于视觉监测的纤维料带在线质量监测方法，包括：
步骤P1，图像拍摄，通过相机连续拍摄输送中的纤维料带，获得纤维料带的图像，并上传至图像处理系统；
步骤P2，图像处理，将拍摄到的图片进行处理，并获得去噪后纤维料带的黑白图像；
步骤P3，对比分析，将所述步骤P2中得到的图像与预先设置好的标准图像进行对比；
步骤P4，判断纤维料带质量是否合格；
步骤P5，发出预设指令。
进一步地，在所述步骤P1中，所述相机为线扫描相机，并且所述线扫描相机固定安装在铺带头上，所述拍摄图片不能中断；连续拍摄的图片发送至所述图像处理系统中，方便进行后续步骤，所述图像处理系统全程对进行的任一步骤进行记录及所述记录储存在数据库中。
进一步地，在所述步骤P2中，所述图像处理是将步骤P1中拍摄到的图片，纤维料带通过时不同的光线反映，经所述图像处理系统安装的有关软件处理后判断确定纤维料带缺陷情况。
进一步地，在所述步骤P2中，所述图像处理包括，通过滤波器将步骤P1中拍摄到的图片去除噪点，所述去除噪点的图片转化为灰度图，再将所述灰度图进行二值化处理，提取并标记缺陷特征轮廓大小及具体位置。
进一步地，在所述步骤P2中，所述步骤P2中检测得到的任一缺陷特征轮廓在所述图像处理系统存在两个标记值，其一为缺陷位置值，其二为缺陷特征轮廓面积值。
进一步地，在所述的步骤P2中，在所述图像处理系统中设置有纤维料带质量评分阈值；
纤维料带质量评分根据纤维料带质量缺陷的不同情况综合判定纤维料带的质量状况；
若纤维料带质量评分大于等于其设定的纤维料带质量评分阈值，则判定纤维料带质量不合格；
若纤维料带质量评分小于其设定的纤维料带质量评分阈值，则判定纤维料带质量合格。
进一步地，在所述的步骤P2中，对于纤维料带质量不同情况下的缺陷确定不同的计算补偿参数，对于任一计算补偿参数，对于计算纤维料带质量评分的各项数据进行计算补偿。
进一步地，在所述步骤P3中，所述标准图像存储在图像处理系统内，其为对比缺陷轮廓面积。
进一步地，在所述步骤P4中，将对比缺陷轮廓面积与检测得到缺陷特征进行对比；
若缺陷特征轮廓面积大于等于对比缺陷轮廓面积，则判定纤维料带质量不合格；
若缺陷特征轮廓面积小于对比缺陷轮廓面积，则判定纤维料带质量合格。
进一步地，在所述步骤P5中，所述P5发出的指令根据步骤P4判断结果而定；
若判定纤维料带质量合格时，所述预设指令向控制系统发出只存储数据的指令，不发出异常报警；
若判定纤维料带质量不合格时，所述预设指令向控制系统发出警报提醒的指令，提醒操作人员进行处理。
与现有技术相比，本发明的有益效果在于，基于视觉监测的纤维料带在线质量监测方法是用来检测纤维料带存在的具体缺陷项目，用以提醒操作人员及时进行处理，同时将质量检测的全过程储存，便于操作人员查看。
进一步地，基于视觉监测的纤维料带在线质量监测方法与输送中的纤维料带装置结合，便于检测铺放中纤维料带的表面缺陷，以达到检测纤维料卷层间缺陷状态的目的；料带检测通过不同的光照提取缺陷信息，通过计算机软件进行判断，从而确定料带缺陷情况；在线实时拍摄纤维料带，设计纤维料带质量评分阈值，实现纤维料带质量评估；设置补偿参数使得计算结果更加准确，保障了纤维料带的质量检测的准确性与有效性；设置对比缺陷轮廓面积方便后续进行纤维料带质量判断及进行质量评分；在计算任意一项缺陷评分时，若任意缺陷的某一单个项评分已经达到影响纤维料带质量的标准值，则直接对其赋予一个极大值，确保在后续评分中，质量评价准确；若综合评分若纤维料带的质量评分小于其设定的铺放评分阈值，且单项缺陷评分均小于其标准评分，同时接近于其标准评分，将任一单项缺陷评分的补偿参数值均设定较高值，防止对任一单项缺陷对纤维料带的质量评分造成影响；指令为控制系统发出警报，提醒操作人员进行处理。
进一步地，提高了纤维料带铺放质量监测水平，降低了铺带缺陷概率，从而减少纤维料带的使用成本。
附图说明
图1为实施例中基于视觉监测的纤维料带在线质量监测方法的流程图；
图2为实施例中基于视觉监测的纤维料带在线质量监测系统的布局示意图；
图中，纤维料卷1，铺带头体2，视觉相机3，纤维料带4。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述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。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
本发明实施方式针对纤维料带铺放前的实时质量监测，如图1所示，本发明实施例的流程图，主要包括以下步骤：
步骤P1，图像拍摄，通过相机连续拍摄输送中的纤维料带，获得纤维料带的图像，并上传至图像处理系统；
步骤P2，图像处理，将拍摄到的图片进行处理，并获得去噪后纤维料带的黑白图像；
步骤P3，对比分析，将所述步骤P2中得到的图像与预先设置好的标准图像进行对比；
步骤P4，判断纤维料带质量是否合格；
步骤P5，发出预设指令。
所述基于视觉监测的纤维料带在线质量监测方法是用来检测纤维料带存在的具体缺陷项目，用以提醒操作人员。
请参阅图2，其为基于视觉监测的纤维料带在线质量监测系统的布局示意图，其中，包括，纤维料卷1，铺带头体2，视觉相机3，纤维料带4。
纤维料带4从纤维料卷1中通过铺带头体2连续输送，视觉相机3通过支架悬挂于纤维料带4的上方对输送中的纤维料带进行连续拍摄。
P1、图像拍摄，通过相机连续拍摄输送中的纤维料带，获得纤维料带的图像，相机具体为3D线扫描相机，拍摄的纤维料带图像不得中断，以每500mm一张的速度发送到图像处理系统中。
结合图1与图2，所述基于视觉监测的纤维料带在线质量监测方法与输送中的纤维料带装置结合，便于检测铺放中纤维料卷的表面缺陷，以达到检测纤维料卷层间缺陷状态的目的。
P2、图像处理，将拍摄到的图片进行处理，并获得去噪后纤维料带的黑白图像；料带检测通过不同的光照提取缺陷信息，通过计算机软件进行判断，从而确定料带缺陷情况。
具体而言，所述图像处理的过程中检测纤维料带所能考虑的缺陷包括三种情况，其一为，孔洞缺陷；其二为，褶皱缺陷；其三为裂纹缺陷。
具体而言，在所述的步骤P2中，对于纤维料带质量不同情况下的缺陷确定不同的计算补偿参数，对于任一计算补偿参数，对于计算纤维料带质量评分的各项数据进行计算补偿。
因为纤维料带存在不同情况下的缺陷，因此对于纤维料带的质量评估需要根据纤维料带上不同的缺陷对于纤维料带质量的权重，设置不同的补偿参数，对于任一计算补偿参数，其一为调节计算结果，其二为平衡计算纲量，从而使得计算结果更加准确，保障了纤维料带的质量检测的准确性与有效性。
其中所述孔洞缺陷的补偿参数为a；所述褶皱缺陷的补偿参数为b；所述裂纹缺陷的补偿参数为c。
将所检测的纤维料带不同的缺陷进行标号处理，若所检测的纤维料带存在若干孔洞缺陷，则将其中的孔洞缺陷，记为第一孔洞缺陷A1,第二孔洞缺陷A2,....第X孔洞缺陷Ax,对于任一孔洞缺陷Ai＝1,2，...x，其孔洞面积为Si。
计算第i孔洞缺陷Ai的孔洞缺陷评分Mi，设定Mi＝Si×a，其中，a为孔洞面积对孔洞缺陷评分的计算补偿值，其数值随孔洞面积的大小改变，且Si越大，a值越大；
在计算孔洞缺陷评分时，设置有孔洞面积评价值Sp，
若Si≥Sp，则a＝+∞，图像处理系统判定纤维料带质量不合格，影响后期使用，防止使用过程中因质量缺陷，造成损失；
若Si＜Sp，a＝a1+Si×a2，其中，a1为a值基础值，a2为孔洞面积值对a值的补偿值。
纤维料带检测过程中，若该纤维料带存有一个较大孔洞，则说明其质量不过关，在计算单一孔洞评分时，若某一个孔洞已经达到影响纤维料带质量的标准值，则直接对其赋予一个极大值，确保在后续评分中，质量评价准确。
若所检测的纤维料带存在若干褶皱缺陷，则将其中的褶皱缺陷，记为第一褶皱缺陷B1,第二褶皱缺陷B2,....第Y褶皱缺陷By,对于任一褶皱缺陷Bj＝1,2，...y，其褶皱面积为Zj。
计算第j褶皱缺陷Bj的褶皱缺陷评分Nj，设定Nj＝Zj×b，其中，b为褶皱面积对褶皱缺陷评分的计算补偿值，其数值随褶皱面积的大小改变，且Zj越大，b值越大；
在计算褶皱缺陷评分时，设置有褶皱面积评价值Zp，
若Zj≥Zp，则b＝+∞，图像处理系统判定纤维料带质量不合格，影响后期使用，防止使用过程中因质量缺陷，造成损失；
若Zj＜Zp，b＝b1+Zj×b2，其中，b1为b值基础值，b2为褶皱面积值对b值的补偿值。
纤维料带检测过程中，若该纤维料带存有一个较大褶皱，则说明其质量不过关，在计算单一褶皱评分时，若某一个褶皱达到影响纤维料带质量的标准值，则直接对其赋予一个极大值，确保在后续评分中，质量评价准确。
若纤维料带存在裂纹缺陷时，存在两种情况，其一为裂纹只有主线一条，其二为裂纹除了主线还有若干支线存在。当裂纹存在支线时，检测裂纹到从支线的分支点出发到裂纹末端的总长度，对比各裂纹支线，选取其最长的一条分支作为主线，再确定裂纹的支线，当存有支线时，将主线与所有支线整合看成一条裂纹；当不存有支线时，主线自身形成一条裂纹。
所检测的纤维料带存在若干裂纹缺陷，记为第一裂纹缺陷C1,第二裂纹缺陷C2,....第Z裂纹缺陷Cz,对于任一裂纹缺陷Ck，k＝1,2，...z,其裂纹长度为Lk，计算任一一条裂纹缺陷评分Qk。
若第k条裂纹存在支线，首先计算主线评分Qkz，其裂纹长度为Lkz，设定Qkz＝Lkz×c，其中，c为裂纹长度对裂纹缺陷评分的计算补偿值，其数值随裂纹长度的大小改变，且Lkz越大，c值越大,并逐一对支线裂纹进行分析。
对于第k条裂纹，对其存有的支线裂纹进行标号，记为第k条裂纹的第一支线裂纹Ck1,第k条裂纹的第二支线裂纹Ck2,...第k条裂纹的第m支线裂纹Ckm。对于任一支线裂纹Ckr，r＝1，2，...m，其长度为Lkr,其支线评分值为Qkr。
若Lkr≤Lk×Z,则计支线裂纹Ckr的支线裂纹缺陷评分为零；
若Lkr＞Lk×Z,则对支线裂纹Ckr的支线裂纹缺陷评分进行计算，其中，Z为支线裂纹缺陷评分置零评价值。
在本实施例中，Z＝0.1。
所述每一条带支线的裂纹缺陷总长度为整条裂纹评分为Qk，设定其为/>设定Qkr＝Lkr×c；
若第k条裂纹不存在支线，计算第k条裂纹缺陷Ck的裂纹缺陷评分Qk，设定Qk＝Lk×c，其中，c为裂纹长度对裂纹缺陷评分的计算补偿值，其数值随裂纹长度的大小改变，且Lk越大，c值越大。
在计算裂纹缺陷评分时，设置有裂纹长度评价值Lp，
若Lk≥Lp，则c＝+∞，图像处理系统判定纤维料带质量不合格，影响后期使用，防止使用过程中因质量缺陷，造成损失；
若Lk＜Lp，c＝c1+Lk×c2，其中，c1为c值基础值，c2为裂纹长度值对c值的补偿值。
纤维料带检测过程中，若该纤维料带存有一个较大裂纹，则说明其质量不过关，在计算单一裂纹评分时，若某一个裂纹达到影响纤维料带质量的标准值，则直接对其赋予一个极大值，确保在后续评分中，质量评价准确。
具体而言，在所述的步骤P2中，在所述图像处理系统中设置有纤维料带质量评分阈值F2；
纤维料带质量评分F1根据纤维料带质量缺陷的不同情况综合判定纤维料带的质量状况；
对于纤维料带质量状况，设定纤维料带质量评分值为F1，所述纤维料带质量评分值的计算逻辑为:
F1＝∑i x ＝1Mi+∑j y ＝1Nj+∑z k＝1Qk
若纤维料带的质量评分F1大于等于其设定的纤维料带质量评分阈值F2，则判定纤维料带质量不合格，影响后期使用，防止使用过程中因质量缺陷，造成损失；
若纤维料带的质量评分F1小于其设定的纤维料带质量评分阈值F2，则判定纤维料带质量合格。
在线实时拍摄纤维料带，设计纤维料带质量评分阈值，实现纤维料带质量的质量评估。
若综合评分若纤维料带的质量评分小于其设定的质量评分阈值，且单项缺陷评分均小于其标准评分，同时接近于其标准评分，此时，将任一单项缺陷评分的补偿参数值均设定较高值，防止对任一单项缺陷对纤维料带的质量评分造成影响，影响后期使用，防止使用过程中因质量缺陷造成损失。
在实际拍摄过程中，由于料带的张力与相机架设位置的影响，图像会出现变形，需要进行矫正；由于图像矫正属于视觉相机通用功能，不再进行赘述；
具体而言：
P2-1、通过滤波器去除噪点，滤波器使用均值滤波；
P2-2、将图像转化为灰度图；考虑到纤维料带颜色为黑色，且缺陷并非全为亮色，经过灰度处理的图像可以明显看出缺陷边缘轮廓，利于后续处理；
P2-3、将灰度图进行二值化处理，提取并标记缺陷特征轮廓大小及位置，将经过灰度处理的图片进行二值化处理，缺陷部分会显示为白色，纤维料带显示为黑色；
P3、对比分析，将P2得到的图像与预先设置好的标准图像进行对比。
P4、判断纤维料带是否合格；求得缺陷特征轮廓面积S1，与对照缺陷轮廓面积S0进行对比，对照图像按要求预先设置好并存储到数据库中，所述对比缺陷轮廓面积为各缺陷的最大允许值，方便后续进行纤维料带铺放质量判断及进行质量评分；
所述P4判断方法包括：
P4-1、S1≥S0，表示缺陷大小超过允许值，纤维料带的质量不合格；
P4-2、S1＜S0，表示缺陷大小没有超过允许值，纤维料带的质量合格。
P5、发出指令，如果P4判断合格，只存储数据，不发出异常报警；P4判断不合格时，指令为控制系统发出警报，提醒操作人员进行处理。处理内容包括暂停铺放程序核实缺陷位置与类型并进行处理，避免材料浪费。质量检测全程数据经过处理存储到数据库中，可随时查看。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于视觉监测的纤维料带在线质量监测方法,其特征在于，包括：
步骤P1，图像拍摄，通过相机连续拍摄输送中的纤维料带，获得纤维料带的图像，并上传至图像处理系统；
步骤P2，图像处理，将拍摄到的图片进行处理，并获得去噪后纤维料带的黑白图像；
步骤P3，对比分析，将所述步骤P2中得到的图像与预先设置好的标准图像进行对比；
步骤P4，判断纤维料带质量是否合格；
步骤P5，发出预设指令；
所述图像处理的过程中检测纤维料带所能考虑的缺陷包括三种情况，其一为，孔洞缺陷；其二为，褶皱缺陷；其三为裂纹缺陷；
所检测的纤维料带存在若干裂纹缺陷，记为第一裂纹缺陷C1,第二裂纹缺陷C2,....第Z裂纹缺陷Cz,对于任一裂纹缺陷Ck，k＝1,2，...z,其裂纹长度为Lk，计算任一一条裂纹缺陷评分Qk；
若第k条裂纹存在支线，首先计算主线评分Qkz，其裂纹长度为Lkz，设定Qkz＝Lkz×c，其中，c为裂纹长度对裂纹缺陷评分的计算补偿值，其数值随裂纹长度的大小改变，且Lkz越大，c值越大,并逐一对支线裂纹进行分析；
对于第k条裂纹，对其存有的支线裂纹进行标号，记为第k条裂纹的第一支线裂纹Ck1,第k条裂纹的第二支线裂纹Ck2,...第k条裂纹的第m支线裂纹Ckm；对于任一支线裂纹Ckr，r＝1，2，...m，其长度为Lkr,其支线评分值为Qkr；
若Lkr≤Lk×Z,则计支线裂纹Ckr的支线裂纹缺陷评分为零；
若Lkr＞Lk×Z,则对支线裂纹Ckr的支线裂纹缺陷评分进行计算，其中，Z为支线裂纹缺陷评分置零评价值；
所述每一条存在支线的裂纹缺陷总长度为整条裂纹评分为Qk，设定其为/>设定Qkr＝Lkr×c；
若第k条裂纹不存在支线，计算第k条裂纹缺陷Ck的裂纹缺陷评分Qk，设定Qk＝Lk×c，其中，c为裂纹长度对裂纹缺陷评分的计算补偿值，其数值随裂纹长度的大小改变，且Lk越大，c值越大；
在计算裂纹缺陷评分时，设置有裂纹长度评价值Lp，
若Lk≥Lp，则c＝+∞，图像处理系统判定纤维料带质量不合格；
若Lk＜Lp，c＝c1+Lk×c2，其中，c1为c值基础值，c2为裂纹长度值对c值的补偿值；
若所检测的纤维料带存在若干孔洞缺陷，则将其中的孔洞缺陷，记为第一孔洞缺陷A1,第二孔洞缺陷A2,....第X孔洞缺陷Ax,对于任一孔洞缺陷Ai＝1,2，...x，其孔洞面积为Si；
计算第i孔洞缺陷Ai的孔洞缺陷评分Mi，设定Mi＝Si×a，其中，a为孔洞面积对孔洞缺陷评分的计算补偿值，其数值随孔洞面积的大小改变，且Si越大，a值越大；
在计算孔洞缺陷评分时，设置有孔洞面积评价值Sp，
若Si≥Sp，则a＝+∞，图像处理系统判定纤维料带质量不合格；
若Si＜Sp，a＝a1+Si×a2，其中，a1为a值基础值，a2为孔洞面积值对a值的补偿值；
纤维料带检测过程中，若该纤维料带存有一个较大孔洞，则说明其质量不过关，在计算单一孔洞评分时，若某一个孔洞已经达到影响纤维料带质量的标准值，则直接对其赋予一个极大值，确保在后续评分中，质量评价准确；
若所检测的纤维料带存在若干褶皱缺陷，则将其中的褶皱缺陷，记为第一褶皱缺陷B1,第二褶皱缺陷B2,....第Y褶皱缺陷By,对于任一褶皱缺陷Bj＝1,2，...y，其褶皱面积为Zj；
计算第j褶皱缺陷Bj的褶皱缺陷评分Nj，设定Nj＝Zj×b，其中，b为褶皱面积对褶皱缺陷评分的计算补偿值，其数值随褶皱面积的大小改变，且Zj越大，b值越大；
在计算褶皱缺陷评分时，设置有褶皱面积评价值Zp，
若Zj≥Zp，则b＝+∞，图像处理系统判定纤维料带质量不合格；
若Zj＜Zp，b＝b1+Zj×b2，其中，b1为b值基础值，b2为褶皱面积值对b值的补偿值；
在所述的步骤P2中，在所述图像处理系统中设置有纤维料带质量评分阈值F2；
纤维料带质量评分F1根据纤维料带质量缺陷的不同情况综合判定纤维料带的质量状况；
对于纤维料带质量状况，设定纤维料带质量评分值为F1，所述纤维料带质量评分值的计算逻辑为:
若纤维料带的质量评分F1大于等于其设定的纤维料带质量评分阈值F2，则判定纤维料带质量不合格；
若纤维料带的质量评分F1小于其设定的纤维料带质量评分阈值F2，则判定纤维料带质量合格；
在所述步骤P3中，所述标准图像存储在图像处理系统内，其为对比缺陷轮廓面积；
在所述步骤P4中、判断纤维料带是否合格；求得缺陷特征轮廓面积S1，与对比缺陷轮廓面积S0进行对比，对比图像按要求预先设置好并存储到数据库中，所述对比缺陷轮廓面积为各缺陷的最大允许值。
2.根据权利要求1所述的基于视觉监测的纤维料带在线质量监测方法，其特征在于，在所述步骤P1中，所述相机为线扫描相机，并且所述线扫描相机固定安装在铺带头上，所述拍摄图片不能中断；连续拍摄的图片发送至所述图像处理系统中，方便进行后续步骤，所述图像处理系统全程对进行的任一步骤进行记录及所述记录储存在数据库中。
3.根据权利要求1所述的基于视觉监测的纤维料带在线质量监测方法，其特征在于，在所述步骤P2中，所述图像处理是将步骤P1中拍摄到的图片，纤维料带通过时不同的光线反映，经所述图像处理系统安装的有关软件处理后判断确定纤维料带缺陷情况。
4.根据权利要求1所述的基于视觉监测的纤维料带在线质量监测方法，其特征在于，在所述步骤P2中，所述图像处理包括，通过滤波器将步骤P1中拍摄到的图片去除噪点，所述去除噪点的图片转化为灰度图，再将所述灰度图进行二值化处理，提取并标记缺陷特征轮廓大小及具体位置。
5.根据权利要求4所述的基于视觉监测的纤维料带在线质量监测方法，其特征在于，在所述步骤P2中，所述步骤P2中检测得到的任一缺陷特征轮廓在所述图像处理系统存在两个标记值，其一为缺陷位置值，其二为缺陷特征轮廓面积值。
6.根据权利要求1所述的基于视觉监测的纤维料带在线质量监测方法，其特征在于，在所述步骤P4中，将对比缺陷轮廓面积与检测得到缺陷特征进行对比；
若缺陷特征轮廓面积大于等于对比缺陷轮廓面积，则判定纤维料带质量不合格；
若缺陷特征轮廓面积小于对比缺陷轮廓面积，则判定纤维料带质量合格。
7.根据权利要求1所述的基于视觉监测的纤维料带在线质量监测方法，其特征在于，在所述步骤P5中，所述P5发出的指令根据步骤P4判断纤维料带质量结果而定；
若判定纤维料带质量合格时，则所述预设指令向控制系统发出只存储数据的指令，不发出异常报警；
若判定纤维料带质量不合格时，则所述预设指令向控制系统发出警报提醒的指令，提醒操作人员进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310694846.9A CN116718607B (zh) | 2023-06-13 | 2023-06-13 | 一种基于视觉监测的纤维料带在线质量监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310694846.9A CN116718607B (zh) | 2023-06-13 | 2023-06-13 | 一种基于视觉监测的纤维料带在线质量监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116718607A CN116718607A (zh) | 2023-09-08 |
| CN116718607B true CN116718607B (zh) | 2024-01-26 |
Family
ID=87871123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310694846.9A Active CN116718607B (zh) | 2023-06-13 | 2023-06-13 | 一种基于视觉监测的纤维料带在线质量监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116718607B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007291535A (ja) * | 2006-04-21 | 2007-11-08 | Toray Ind Inc | 炭素繊維布帛の検査装置および検査方法 |
| EP2653829A1 (en) * | 2012-04-16 | 2013-10-23 | Siemens Aktiengesellschaft | Evaluation of a wrinkle defect |
| CN105158268A (zh) * | 2015-09-21 | 2015-12-16 | 武汉理工大学 | 精冲零部件缺陷智能在线检测方法、系统及装置 |
| CN109507192A (zh) * | 2018-11-02 | 2019-03-22 | 江苏理工学院 | 一种基于机器视觉的磁芯表面缺陷检测方法 |
| CN111242888A (zh) * | 2019-12-03 | 2020-06-05 | 中国人民解放军海军航空大学 | 一种基于机器视觉的图像处理方法及系统 |
| CN216525503U (zh) * | 2021-05-28 | 2022-05-13 | 中复神鹰(上海)科技有限公司 | 一种基于机器视觉的碳纤维预浸料表面缺陷在线检测装置 |
| CN114998344A (zh) * | 2022-08-04 | 2022-09-02 | 南通金茂防爆电气有限公司 | 基于图像处理的离子交换膜表面缺陷评估方法及系统 |
-
2023
- 2023-06-13 CN CN202310694846.9A patent/CN116718607B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007291535A (ja) * | 2006-04-21 | 2007-11-08 | Toray Ind Inc | 炭素繊維布帛の検査装置および検査方法 |
| EP2653829A1 (en) * | 2012-04-16 | 2013-10-23 | Siemens Aktiengesellschaft | Evaluation of a wrinkle defect |
| CN105158268A (zh) * | 2015-09-21 | 2015-12-16 | 武汉理工大学 | 精冲零部件缺陷智能在线检测方法、系统及装置 |
| CN109507192A (zh) * | 2018-11-02 | 2019-03-22 | 江苏理工学院 | 一种基于机器视觉的磁芯表面缺陷检测方法 |
| CN111242888A (zh) * | 2019-12-03 | 2020-06-05 | 中国人民解放军海军航空大学 | 一种基于机器视觉的图像处理方法及系统 |
| CN216525503U (zh) * | 2021-05-28 | 2022-05-13 | 中复神鹰(上海)科技有限公司 | 一种基于机器视觉的碳纤维预浸料表面缺陷在线检测装置 |
| CN114998344A (zh) * | 2022-08-04 | 2022-09-02 | 南通金茂防爆电气有限公司 | 基于图像处理的离子交换膜表面缺陷评估方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 基于机器视觉的碳纤维预浸料表面缺陷检测方法;路浩 等;《纺织学报》;第41卷(第4期);p.51-57 * |
| 基于机器视觉的碳纤维预浸料表面质量检测研究;王国全;《中国优秀硕士学位论文全文库 工程科技Ⅰ辑》(2021年第02期);p.21-29、38-39 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116718607A (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108931531B (zh) | 一种织物疵点自动检测方法、系统和计算机可读存储介质 | |
| CN106226157B (zh) | 混凝土构件裂缝自动检测装置及方法 | |
| CN108257171A (zh) | 基于光视觉的汽车雷达装配孔径检测方法 | |
| CN107024478A (zh) | 一种零件加工自动缺陷识别系统 | |
| CN110146513B (zh) | 缺陷判定方法及缺陷判定装置 | |
| CN107895362A (zh) | 一种微型接线端子质量检测的机器视觉方法 | |
| CN108596909A (zh) | 空心圆柱工件表面缺陷检测系统及方法 | |
| CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
| CN113112501A (zh) | 一种基于深度学习的车载轨道巡检装置及方法 | |
| CN111968082A (zh) | 一种基于机器视觉的产品包装缺陷检测识别方法 | |
| CN116718607B (zh) | 一种基于视觉监测的纤维料带在线质量监测方法 | |
| CN116993725B (zh) | 一种柔性电路板智能贴片信息处理系统 | |
| CN110095475A (zh) | 一种印铁视觉检测系统及印铁图案检测方法 | |
| CN112461846A (zh) | 工件缺陷检测方法及装置 | |
| CN112598720A (zh) | 基于双目拍摄的输送带磨损状态检测方法和系统 | |
| CN111582676A (zh) | 一种工程监理监管系统 | |
| EP0823629A2 (en) | Process for the automatic recognition and categorization of defects in pallets or similar elements, and corresponding system | |
| CN113727022B (zh) | 巡检图像的采集方法及装置、电子设备、存储介质 | |
| CN116091506A (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
| CN216525503U (zh) | 一种基于机器视觉的碳纤维预浸料表面缺陷在线检测装置 | |
| CN111460198A (zh) | 一种图片时间戳的审核方法及装置 | |
| CN105354848A (zh) | 一种热镀锌产线的康耐视表面质量检测系统的优化方法 | |
| CN115294136A (zh) | 基于人工智能的纺织布瑕疵检测模型的构建检测方法 | |
| JP2003065959A (ja) | 非破壊検査装置 | |
| CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 |
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 |