CN117291907B - 一种阀门密封面检测方法及系统 - Google Patents
一种阀门密封面检测方法及系统 Download PDFInfo
- Publication number
- CN117291907B CN117291907B CN202311557809.XA CN202311557809A CN117291907B CN 117291907 B CN117291907 B CN 117291907B CN 202311557809 A CN202311557809 A CN 202311557809A CN 117291907 B CN117291907 B CN 117291907B
- Authority
- CN
- China
- Prior art keywords
- sealing surface
- abnormal
- distances
- determining
- normal
- 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
- 238000007789 sealing Methods 0.000 title claims abstract description 172
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims description 98
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 8
- 230000007797 corrosion Effects 0.000 description 5
- 238000005260 corrosion Methods 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005192 partition 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种阀门密封面检测方法及系统，本发明涉及阀门密封面检测技术领域，解决了未对表面存在瑕疵或凹坑的圆面进行再分析，从而确定其是否可再次进行使用的问题，本发明通过采用距离确认并锁定异常距离的方式，确定其空间坐标，随后，根据对应的空间坐标，便可快速在立体模型内确定凹坑，以及凹坑所产生的对应参数，再依次分析对应的距离，便可锁定其腐蚀情况，且针对于不同的圆面，采用不同的识别处理方式，覆盖面更广，效率更高，更为全面，可快速有效识别出对应正常密封面是否可正常进行使用。
Description
技术领域
本发明涉及阀门密封面检测技术领域，具体为一种阀门密封面检测方法及系统。
背景技术
阀门是用来开闭管路、控制流向、调节和控制输送介质的参数（温度、压力和流量）的管路附件，其阀门内部采用对应的密封面进行阻隔密封处理，并控制器传输介质的具体流速。
针对于阀门密封面的检测时，一般采用对应的图像获取分析的方式或声波测试的方式，来判定对应密封面是否合格达标，但原始的识别检验处理方式，仍存在以下不足：
1、若圆面边缘残缺处过于少乃至面积过小，导致系统本身所确认的中心点与正常面的中心点无变化，从而造成误判；
2、未对表面存在瑕疵或凹坑的圆面进行再分析，从而确定其是否可再次进行使用。
发明内容
针对现有技术的不足，本发明提供了一种阀门密封面检测方法及系统，解决了未对表面存在瑕疵或凹坑的圆面进行再分析，从而确定其是否可再次进行使用的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种阀门密封面检测系统，包括：
高精密摄像头，对参与检测的阀门密封面进行高精密拍摄，并产生高精密图像，将所述高精密图像传输至初步检测判定端内；
初步检测判定端，基于高精密图像，识别内部圆圈面以及内部圆圈面的相邻圆圈面，将内部圆圈面标定为密封面，将相邻圆圈面标定为外圈面，并采用宫格模板对两组圆圈面进行分割，确定对应区域占比值，再进行比对：
将预设的宫格模板进行等比例缩放，使此宫格模板内切于密封面或外圈面，再将此宫格模板均分为九组等分区域；
对九组等分区域内部对应密封面的面积参数进行确认，再确定对应等分区域的面积参数，标定为等分面积，采用ZBi=面积参数÷等分面积，确定对应等分区域对应密封面的面积占比值ZBi,其中i代表不同的等分区域；
对九组等分区域内部对应外圈面采用上述密封面相同的方式进行处理，确定对应等分区域对应外圈面的面积占比值ZNi，其中i代表不同的等分区域；
将属于同一等分区域的两组占比值ZBi和ZNi进行依次比对，当对应等分区域的两组占比值均满足：ZBi=ZNi时，将此密封面标定为正常密封面，并执行类型识别端，若不满足ZBi=ZNi时，将此密封面标定为异常密封面，并通过信号生成端生成异常信号，并展示于外部显示端内；
类型识别端，对标定为正常密封面的高精密图像进行类型识别，通过采用确定中心轴线的方式，来识别此正常密封面的所属类别，并识别内部参数，将其生成捆绑数据包，传输至综合分析端内，具体方式为：
根据所确定的正常密封面，确定一组穿过此圆面圆心的中轴线，再依此中心线向两侧平移的方式，并确定对应的基准面，其基准面与密封面的两侧端面不相交，且基准面也存在两组；
获取基准面与相邻密封面之间的若干组垂直距离：
若密封面的两个端面与对应基准面所产生的垂直距离均相同，将此正常密封面标定为标准圆柱面；
若密封面的一个端面与对应基准面所产生的若干组垂直距离相同以及另一个端面与对应基准面所产生的若干组垂直距离不同时，将其标定为单组异常面：
根据圆面圆心，将圆面圆心向另一个端面水平平移，将圆面圆心对密封面另一个端面的相交点标定为圆面凸点；
在另一个端面内构建穿过此圆面凸点的若干个弧线，判定对应弧线与相近基准面之间的垂直距离是否呈反向线性关系，若某些垂直距离不属于对应的反向线性关系，则将其标定为异常距离，并确定其在端面的空间坐标，将对应的空间坐标以及对应密封面整合为捆绑数据包，传输至综合分析端内，若均不呈线性关系，则直接将对应的垂直距离标定为异常距离，并确定空间坐标即可，若均呈线性关系，则无需进行任何处理；
若两个端面与对应基准面所产生的若干组垂直距离均不相同，将其标定为双向异常面：
根据圆面圆心，将圆面圆心向两侧水平平移，将圆面圆心对密封面两个端面的相交点标定为圆面凸点；
在两个端面内构建穿过此圆面凸点的若干个弧线，判定对应弧线与相近基准面之间的垂直距离是否呈反向线性关系，若某些垂直距离不属于对应的反向线性关系，则将其标定为异常距离，并确定其异常距离在端面端点的空间坐标，将异常距离以及所对应的空间坐标以及对应密封面整合为捆绑数据包，传输至综合分析端内，若均不呈线性关系，则直接将对应的垂直距离标定为异常距离，并确定空间坐标即可，若均呈线性关系，则无需进行任何处理；
综合分析端，对捆绑数据包进行接收，并根据对应密封面的所属类别，进行不同方式的分析，确定对应正常密封面是否存在瑕疵，具体方式为：
根据正常密封面的表面图像以及垂直距离，确定其立体模型；
若此正常密封面为单组异常面，直接识别垂直距离不同的另一个端面将其标定为异常面，根据对应的空间坐标，在立体模型内确定对应的点位，并将与异常面对立面距离最近的点位距离进行确认，若所确认的点位距离D满足：D≤Y1，则将此正常密封面标定为不合格密封面，并通过信号生成端生成异常信号，并进行展示，其中Y1为预设值，其具体取值由操作人员根据经验拟定，若不满足D≤Y1，则无需进行任何处理；
若此正常密封面为双向异常面，将一组圆形面标记为第一异常面，将第一异常面对立的面标记为第二异常面，根据对应的异常距离以及所对应的空间坐标，将属于第一异常面的点位标定为第一点位，将属于第二异常面的点位标定为第二点位；
确定第一点位与第二点位之间是否位于同一水平直线内，若位于，确定其相邻距离值J1，若J≤Y1，则将此正常密封面标定为不合格密封面，并通过信号生成端生成异常信号，并进行展示，反之，进行下一步分析处理；
确定第一点位与第二异常面相距的最近距离T1以及确定第二点位与第一异常面相近的最近距离T2，并从T1以及T2中选取最小值Tmin，若Tmin≤Y1，则将此正常密封面标定为不合格密封面，并通过信号生成端生成异常信号，并进行展示，反之，不进行任何处理。
优选的，一种阀门密封面检测方法，包括以下步骤：
S1、对参与检测的阀门密封面进行高精密拍摄，并产生高精密图像；
S2、基于高精密图像，识别内部圆圈面以及内部圆圈面的相邻圆圈面，将内部圆圈面标定为密封面，将相邻圆圈面标定为外圈面，并采用宫格模板对两组圆圈面进行分割，确定对应区域占比值，再进行比对，根据比对结果，判定异常密封面或正常密封面；
S3、对标定为正常密封面的高精密图像进行类型识别，通过采用确定中心轴线的方式，来识别此正常密封面的所属类别，并识别内部参数，将其生成捆绑数据包，传输至综合分析端内；
S4、对捆绑数据包进行接收，并根据对应密封面的所属类别，进行不同方式的分析，确定对应正常密封面是否存在瑕疵。
本发明提供了一种阀门密封面检测方法及系统。与现有技术相比具备以下有益效果：
本发明通过采用此种宫格分区确定面积的方式，便可快速锁定每个区域的面积占比是否相同，若相同，则代表两个面均处于正常状态，则需要进行后续的综合检验，来判定此圆面表面是否存在凹坑或其他情况，此种情况只能识别两个圆面是否为完整的圆面，并不能识别凹坑，故还需后续的若干个模块进行依次识别；
采用距离确认并锁定异常距离的方式，确定其空间坐标，随后，根据对应的空间坐标，便可快速在立体模型内确定凹坑，以及凹坑所产生的对应参数，再依次分析对应的距离，便可锁定其腐蚀情况，且针对于不同的圆面，采用不同的识别处理方式，覆盖面更广，效率更高，更为全面，可快速有效识别出对应正常密封面是否可正常进行使用。
附图说明
图1为本发明原理框架示意图；
图2为本发明密封面与外部通道结合平面示意图；
图3为本发明宫格模板分割示意图；
图4为本发明密封阀门面的三种类型。
具体实施方式
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，所描述的实施例仅仅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做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。
实施例一
请参阅图1，本申请提供了一种阀门密封面检测系统，包括高精密摄像头、初步检测判定端、信号生成端、类型识别端、模型构建端和综合分析端；
其中高精密摄像头与初步检测判定端输入节点电性连接，初步检测判定端分别与类型识别端以及信号生成端输入节点电性连接，其中类型识别端分别与综合分析端输入节点电性连接；
所述高精密摄像头，对参与检测的阀门密封面进行高精密拍摄，并产生高精密图像，将所述高精密图像传输至初步检测判定端内；
所述初步检测判定端，基于高精密图像，识别内部圆圈面以及内部圆圈面的相邻圆圈面，将内部圆圈面标定为密封面，将相邻圆圈面标定为外圈面，并采用宫格模板对两组圆圈面进行分割，确定对应区域占比值，再进行比对，根据比对结果，判定异常密封面或正常密封面，具体判定方式为：
结合图2以及图3，将预设的宫格模板进行等比例缩放，使此宫格模板内切于密封面或外圈面，再将此宫格模板均分为九组等分区域；
对九组等分区域内部对应密封面的面积参数进行确认，再确定对应等分区域的面积参数，标定为等分面积，采用ZBi=面积参数÷等分面积，确定对应等分区域对应密封面的面积占比值ZBi,其中i代表不同的等分区域；
对九组等分区域内部对应外圈面采用上述密封面相同的方式进行处理，确定对应等分区域对应外圈面的面积占比值ZNi，其中i代表不同的等分区域；
将属于同一等分区域的两组占比值ZBi和ZNi进行依次比对，当对应等分区域的两组占比值均满足：ZBi=ZNi时，将此密封面标定为正常密封面，并执行类型识别端，若不满足ZBi=ZNi时，将此密封面标定为异常密封面，并通过信号生成端生成异常信号，并展示于外部显示端内；
具体的，对应圆圈与宫格内切后，每个对应区域均包含指定的圆圈，便可锁定指定的面积占比值；
两个宫格模板均由对应圆圈的大小进行等比例缩放，若某组圆圈边缘存在残缺时，其面积参数便会发生改变，那么对比过程中，便会出现数值不等的情况，便可识别出对应的异常密封面；
具体的，原始的识别方式，通过确认两个圆面中心点是否位于同一处，来识别两个圆面边缘处是否存在残缺或其他情况，但此种方式，因边缘残缺处过于少乃至面积过小，导致系统本身所确认的中心点与正常面的中心点无变化，从而导致其确认的方式不精准，采用此种宫格分区，确定面积的方式，便可快速锁定每个区域的面积占比是否相同，若相同，则代表两个面均处于正常状态，则需要进行后续的综合检验，来判定此圆面表面是否存在凹坑或其他情况，此种情况只能识别两个圆面是否为完整的圆面，并不能识别凹坑，故还需后续的若干个模块进行依次识别。
所述类型识别端，对标定为正常密封面的高精密图像进行类型识别，通过采用确定中心轴线的方式，来识别此正常密封面的所属类别，方式为：
根据所确定的正常密封面，确定一组穿过此圆面圆心的中轴线，再依此中心线向两侧平移的方式，并确定对应的基准面，其基准面与密封面的两侧端面不相交，且基准面也存在两组；
获取基准面与相邻密封面之间的若干组垂直距离：
若密封面的两个端面与对应基准面所产生的垂直距离均相同，将此正常密封面标定为标准圆柱面，此种情况为标准情况，该密封面没有任何异常，便无需进行任何处理，代表此正常密封面不仅边缘无异常，其表面也不存在所腐蚀的凹坑；
若密封面的一个端面与对应基准面所产生的若干组垂直距离相同以及另一个端面与对应基准面所产生的若干组垂直距离不同时，将其标定为单组异常面；
若两个端面与对应基准面所产生的若干组垂直距离均不相同，将其标定为双向异常面，结合实际应用场景，目前的阀门密封面一般为三种类型，结合图4，分别为标准圆柱面、单组弧形面或双组弧形面，其中单组弧形面对应单组异常面，双组弧形面对应双组异常面，但并不是完全绝对，因某个端面存在凹坑时，也会造成垂直距离的不同。
且类型识别端再通过识别不同类别密封面的内部参数，将其生成捆绑数据包，传输至综合分析端内，其中，识别所属类别以及内部参数的具体方式为：
针对于单组异常面：
根据圆面圆心，将圆面圆心向另一个端面水平平移，将圆面圆心对密封面另一个端面的相交点标定为圆面凸点；
在另一个端面内构建穿过此圆面凸点的若干个弧线，判定对应弧线与相近基准面之间的垂直距离是否呈反向线性关系，将弧线理解为一组二次方程，其垂直距离值便就是与此二次方程相反的一组方程，若某些垂直距离不属于对应的反向线性关系，则将其标定为异常距离，并确定其在端面的空间坐标，将对应的空间坐标以及对应密封面整合为捆绑数据包，传输至综合分析端内，若均不呈线性关系，则直接将对应的垂直距离标定为异常距离，并确定空间坐标即可，若均呈线性关系，则无需进行任何处理，此种情况也代表无异常，其一个端面为圆面，另一个端面为曲面，圆面距离一致，曲面距离不一致，但呈反向线性关系，故无需进行后续的任何处理；
结合实际应用场景分析，结合图4中的单组弧形面，所构建的基准面与对应弧形面之间的距离便就是一组线性关系，属于二次方程Y=KX2系列内，当弧形面存在凹坑时，那么某些距离值便不属于线性关系，例：假设存在五组距离值：4、2、1、0.5、0.25，其数值均呈线性关系进行下降以及走势，若五组距离值为：4、2、1、0.1，那么数值便存在对应变化，那么0.1所对应的点位就属于凹坑，或者存在异常，就需要进行确认，其针对于双向异常面也是同理。
针对于双向异常面：
根据圆面圆心，将圆面圆心向两侧水平平移，将圆面圆心对密封面两个端面的相交点标定为圆面凸点；
在两个端面内构建穿过此圆面凸点的若干个弧线，判定对应弧线与相近基准面之间的垂直距离是否呈反向线性关系，将弧线理解为一组二次方程，其垂直距离值便就是与此二次方程相反的一组方程，若某些垂直距离不属于对应的反向线性关系，则将其标定为异常距离，并确定其异常距离在端面端点的空间坐标，将异常距离以及所对应的空间坐标以及对应密封面整合为捆绑数据包，传输至综合分析端内，若均不呈线性关系，则直接将对应的垂直距离标定为异常距离，并确定空间坐标即可，若均呈线性关系，则无需进行任何处理，此种情况也代表无异常，其两个端面均为曲面，圆面距离一致，曲面距离不一致，但呈反向线性关系，故无需进行后续的任何处理。
所述综合分析端，对捆绑数据包进行接收，并根据对应密封面的所属类别，进行不同方式的分析，确定对应正常密封面是否存在瑕疵，其确定方式为：
根据正常密封面的表面图像以及垂直距离，确定其立体模型，空间模型根据两个端面之间的距离以及圆心以及弧线便可进行构建，因立体模型的构建为现有技术，故此处不作过多赘述；
若此正常密封面为单组异常面，直接识别垂直距离不同的另一个端面将其标定为异常面，根据对应的空间坐标，在立体模型内确定对应的点位，并将与异常面对立面距离最近的点位距离进行确认，若所确认的点位距离D满足：D≤Y1，则将此正常密封面标定为不合格密封面，并通过信号生成端生成异常信号，并进行展示，其中Y1为预设值，其具体取值由操作人员根据经验拟定，若不满足D≤Y1，则无需进行任何处理，代表此密封面还可正常进行使用，其腐蚀的并不严重；
此种密封面可以理解为：一个端面为正常的圆面，另一端面为存在凹坑的弧面或存在凹坑的圆面，通过确认凹坑的深度，来锁定与另一端面的距离值，来判定腐蚀情况，若腐蚀严重：D≤Y1，就代表异常，不可再次使用。
结合实际应用场景分析，根据所确定的异常点位，若此异常点位位于A面，其对立面为B面，那么则确定此点位与B面的最近距离值，并锁定参数D，从而确定位于A面凹坑的深度，针对于双向异常面，需要进一步考虑的是，若A面与B面均存在异常点位，且两个点位均位于同一水平线上，均腐蚀同一处，便需要确定其最近距离值，其他处理方式与单组异常面相同，均是确定与另一端面最近的距离，来确定腐蚀程度。
若此正常密封面为双向异常面，将一组圆形面标记为第一异常面，将第一异常面对立的面标记为第二异常面，根据对应的异常距离以及所对应的空间坐标，将属于第一异常面的点位标定为第一点位，将属于第二异常面的点位标定为第二点位；
确定第一点位与第二点位之间是否位于同一水平直线内，若位于，确定其相邻距离值J1，若J≤Y1，则将此正常密封面标定为不合格密封面，并通过信号生成端生成异常信号，并进行展示，反之，进行下一步分析处理；
确定第一点位与第二异常面相距的最近距离T1以及确定第二点位与第一异常面相近的最近距离T2，并从T1以及T2中选取最小值Tmin，若Tmin≤Y1，则将此正常密封面标定为不合格密封面，并通过信号生成端生成异常信号，并进行展示，反之，不进行任何处理；
此种密封面可以理解为：两个端面均为存在凹坑的弧面、或存在凹坑的圆面、或两种凹坑面的结合，还是同样的方式，确定其腐蚀程度，确定其相近距离值，来判定是否可能再次使用，此种使用方式，更为全面，将密封面的若干组不同情况均考虑在内，其使用范围更广。
实施例二
一种阀门密封面检测方法，包括以下步骤：
S1、对参与检测的阀门密封面进行高精密拍摄，并产生高精密图像；
S2、基于高精密图像，识别内部圆圈面以及内部圆圈面的相邻圆圈面，将内部圆圈面标定为密封面，将相邻圆圈面标定为外圈面，并采用宫格模板对两组圆圈面进行分割，确定对应区域占比值，再进行比对，根据比对结果，判定异常密封面或正常密封面；
S3、对标定为正常密封面的高精密图像进行类型识别，通过采用确定中心轴线的方式，来识别此正常密封面的所属类别，并识别内部参数，将其生成捆绑数据包，传输至综合分析端内；
S4、对捆绑数据包进行接收，并根据对应密封面的所属类别，进行不同方式的分析，确定对应正常密封面是否存在瑕疵。
上述公式中的部分数据均是去其纲量进行数值计算，同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (2)
1.一种阀门密封面检测系统，其特征在于，包括：
高精密摄像头，对参与检测的阀门密封面进行高精密拍摄，并产生高精密图像，将所述高精密图像传输至初步检测判定端内；
初步检测判定端，基于高精密图像，识别内部圆圈面以及内部圆圈面的相邻圆圈面，将内部圆圈面标定为密封面，将相邻圆圈面标定为外圈面，并采用宫格模板对两组圆圈面进行分割，确定对应区域占比值，再进行比对，根据比对结果，判定异常密封面或正常密封面；
类型识别端，对标定为正常密封面的高精密图像进行类型识别，通过采用确定中心轴线的方式，来识别此正常密封面的所属类别，并识别内部参数，将其生成捆绑数据包，传输至综合分析端内；
综合分析端，对捆绑数据包进行接收，并根据对应密封面的所属类别，进行不同方式的分析，确定对应正常密封面是否存在瑕疵；
所述初步检测判定端，判定异常密封面或正常密封面的具体方式为：
将预设的宫格模板进行等比例缩放，使此宫格模板内切于密封面或外圈面，再将此宫格模板均分为九组等分区域；
对九组等分区域内部对应密封面的面积参数进行确认，再确定对应等分区域的面积参数，标定为等分面积，采用ZBi=面积参数÷等分面积，确定对应等分区域对应密封面的面积占比值ZBi,其中i代表不同的等分区域；
对九组等分区域内部对应外圈面采用上述密封面相同的方式进行处理，确定对应等分区域对应外圈面的面积占比值ZNi，其中i代表不同的等分区域；
将属于同一等分区域的两组占比值ZBi和ZNi进行依次比对，当对应等分区域的两组占比值均满足：ZBi=ZNi时，将此密封面标定为正常密封面，并执行类型识别端，若不满足ZBi=ZNi时，将此密封面标定为异常密封面，并通过信号生成端生成异常信号，并展示于外部显示端内；
所述类型识别端，识别所属类别以及内部参数的具体方式为：
根据所确定的正常密封面，确定一组穿过此正常密封面对应圆面圆心的中心轴线，再依此中心轴线向两侧平移的方式，并确定对应的基准面，其基准面与密封面的两侧端面不相交，且基准面也存在两组；
获取基准面与相邻密封面之间的若干组垂直距离：
若密封面的两个端面与对应基准面所产生的垂直距离均相同，将此正常密封面标定为标准圆柱面；
若密封面的一个端面与对应基准面所产生的若干组垂直距离相同以及另一个端面与对应基准面所产生的若干组垂直距离不同时，将其标定为单组异常面；
若两个端面与对应基准面所产生的若干组垂直距离均不相同，将其标定为双组异常面；
所述类型识别端，针对于单组异常面识别内部参数的具体方式为：
根据圆面圆心，将圆面圆心向另一个端面水平平移，将圆面圆心对密封面另一个端面的相交点标定为圆面凸点；
在另一个端面内构建穿过此圆面凸点的若干个弧线，判定对应弧线与相近基准面之间的垂直距离是否呈反向线性关系，若某些垂直距离不属于对应的反向线性关系，则将其标定为异常距离，并确定其在端面的空间坐标，将对应的空间坐标以及对应密封面整合为捆绑数据包，传输至综合分析端内，若均不呈线性关系，则直接将对应的垂直距离标定为异常距离，并确定空间坐标即可，若均呈线性关系，则无需进行任何处理；
所述综合分析端，确定对应正常密封面是否存在瑕疵的具体方式为：
根据正常密封面的表面图像以及垂直距离，确定其立体模型；
直接识别垂直距离不同的另一个端面将其标定为异常面，根据对应的空间坐标，在立体模型内确定对应的点位，并将与异常面对立面距离最近的点位距离进行确认，若所确认的点位距离D满足：D≤Y1，则将此正常密封面标定为不合格密封面，并通过信号生成端生成异常信号，并进行展示，其中Y1为预设值，若不满足D≤Y1，则无需进行任何处理；
所述类型识别端，针对于双组异常面识别内部参数的具体方式为：
根据圆面圆心，将圆面圆心向两侧水平平移，将圆面圆心对密封面两个端面的相交点标定为圆面凸点；
在两个端面内构建穿过此圆面凸点的若干个弧线，判定对应弧线与相近基准面之间的垂直距离是否呈反向线性关系，若某些垂直距离不属于对应的反向线性关系，则将其标定为异常距离，并确定其异常距离在端面端点的空间坐标，将异常距离以及所对应的空间坐标以及对应密封面整合为捆绑数据包，传输至综合分析端内，若均不呈线性关系，则直接将对应的垂直距离标定为异常距离，并确定空间坐标即可，若均呈线性关系，则无需进行任何处理；
所述综合分析端，确定对应正常密封面是否存在瑕疵的具体方式还包括：
根据正常密封面的表面图像以及垂直距离，确定其立体模型；
将一组圆形面标记为第一异常面，将第一异常面对立的面标记为第二异常面，根据对应的异常距离以及所对应的空间坐标，将属于第一异常面的点位标定为第一点位，将属于第二异常面的点位标定为第二点位；
确定第一点位与第二点位之间是否位于同一水平直线内，若位于，确定其相邻距离值J1，若J≤Y1，则将此正常密封面标定为不合格密封面，并通过信号生成端生成异常信号，并进行展示，反之，进行下一步分析处理；
确定第一点位与第二异常面相距的最近距离T1以及确定第二点位与第一异常面相近的最近距离T2，并从T1以及T2中选取最小值Tmin，若Tmin≤Y1，则将此正常密封面标定为不合格密封面，并通过信号生成端生成异常信号，并进行展示，反之，不进行任何处理。
2.一种阀门密封面检测方法，该检测方法应用于权利要求1所述的一种阀门密封面检测系统中，其特征在于，包括以下步骤：
S1、对参与检测的阀门密封面进行高精密拍摄，并产生高精密图像；
S2、基于高精密图像，识别内部圆圈面以及内部圆圈面的相邻圆圈面，将内部圆圈面标定为密封面，将相邻圆圈面标定为外圈面，并采用宫格模板对两组圆圈面进行分割，确定对应区域占比值，再进行比对，根据比对结果，判定异常密封面或正常密封面；
S3、对标定为正常密封面的高精密图像进行类型识别，通过采用确定中心轴线的方式，来识别此正常密封面的所属类别，并识别内部参数，将其生成捆绑数据包，传输至综合分析端内；
S4、对捆绑数据包进行接收，并根据对应密封面的所属类别，进行不同方式的分析，确定对应正常密封面是否存在瑕疵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311557809.XA CN117291907B (zh) | 2023-11-22 | 2023-11-22 | 一种阀门密封面检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311557809.XA CN117291907B (zh) | 2023-11-22 | 2023-11-22 | 一种阀门密封面检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117291907A CN117291907A (zh) | 2023-12-26 |
| CN117291907B true CN117291907B (zh) | 2024-01-30 |
Family
ID=89253787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311557809.XA Active CN117291907B (zh) | 2023-11-22 | 2023-11-22 | 一种阀门密封面检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117291907B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117808770A (zh) * | 2023-12-29 | 2024-04-02 | 布劳宁(上海)液压气动有限公司 | 基于机器视觉的单向阀表面质量检测系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200012247A (ko) * | 2018-07-26 | 2020-02-05 | 한국전자통신연구원 | 원형 스프링 검사 시스템 및 검사 방법 |
| CN111474245A (zh) * | 2020-04-26 | 2020-07-31 | 中国石油天然气集团有限公司 | 一种防喷器无损检测方法 |
| US11010924B2 (en) * | 2016-10-12 | 2021-05-18 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and device for determining external parameter of stereoscopic camera |
| CN114841997A (zh) * | 2022-06-30 | 2022-08-02 | 启东市群鹤机械设备有限公司 | 一种阀门底座密封面表面缺陷检测方法 |
| CN115294134A (zh) * | 2022-10-09 | 2022-11-04 | 誉隆半导体设备(江苏)有限公司 | 一种阀门密封面缺陷识别方法 |
| CN115996322A (zh) * | 2023-03-21 | 2023-04-21 | 深圳市安科讯实业有限公司 | 数字视频摄影用影像数据管理方法 |
| CN116309548A (zh) * | 2023-05-11 | 2023-06-23 | 青岛精锐机械制造有限公司 | 一种阀门密封面缺陷自动检测系统 |
| CN116337868A (zh) * | 2023-02-28 | 2023-06-27 | 靖江安通电子设备有限公司 | 一种表面缺陷检测方法及检测系统 |
| CN116380919A (zh) * | 2023-06-02 | 2023-07-04 | 深圳市磐锋精密技术有限公司 | 基于aoi在线技术的柔外观缺陷检测系统及检测方法 |
| CN116398619A (zh) * | 2023-03-22 | 2023-07-07 | 徐州徐工基础工程机械有限公司 | 旋挖钻机双速减速机换挡冷却系统及方法 |
| CN116559200A (zh) * | 2023-07-10 | 2023-08-08 | 深圳市特旺电子有限公司 | 一种基于视觉测试的pcb线路板组装缺陷检测系统 |
| CN116840356A (zh) * | 2023-09-01 | 2023-10-03 | 南京安盛电子有限公司 | 一种灌封变压器裂纹的监测方法 |
| CN116908107A (zh) * | 2023-08-25 | 2023-10-20 | 中印云端(深圳)科技有限公司 | 一种基于机器视觉的漆面瑕疵检测系统 |
-
2023
- 2023-11-22 CN CN202311557809.XA patent/CN117291907B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11010924B2 (en) * | 2016-10-12 | 2021-05-18 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and device for determining external parameter of stereoscopic camera |
| KR20200012247A (ko) * | 2018-07-26 | 2020-02-05 | 한국전자통신연구원 | 원형 스프링 검사 시스템 및 검사 방법 |
| CN111474245A (zh) * | 2020-04-26 | 2020-07-31 | 中国石油天然气集团有限公司 | 一种防喷器无损检测方法 |
| CN114841997A (zh) * | 2022-06-30 | 2022-08-02 | 启东市群鹤机械设备有限公司 | 一种阀门底座密封面表面缺陷检测方法 |
| CN115294134A (zh) * | 2022-10-09 | 2022-11-04 | 誉隆半导体设备(江苏)有限公司 | 一种阀门密封面缺陷识别方法 |
| CN116337868A (zh) * | 2023-02-28 | 2023-06-27 | 靖江安通电子设备有限公司 | 一种表面缺陷检测方法及检测系统 |
| CN115996322A (zh) * | 2023-03-21 | 2023-04-21 | 深圳市安科讯实业有限公司 | 数字视频摄影用影像数据管理方法 |
| CN116398619A (zh) * | 2023-03-22 | 2023-07-07 | 徐州徐工基础工程机械有限公司 | 旋挖钻机双速减速机换挡冷却系统及方法 |
| CN116309548A (zh) * | 2023-05-11 | 2023-06-23 | 青岛精锐机械制造有限公司 | 一种阀门密封面缺陷自动检测系统 |
| CN116380919A (zh) * | 2023-06-02 | 2023-07-04 | 深圳市磐锋精密技术有限公司 | 基于aoi在线技术的柔外观缺陷检测系统及检测方法 |
| CN116559200A (zh) * | 2023-07-10 | 2023-08-08 | 深圳市特旺电子有限公司 | 一种基于视觉测试的pcb线路板组装缺陷检测系统 |
| CN116908107A (zh) * | 2023-08-25 | 2023-10-20 | 中印云端(深圳)科技有限公司 | 一种基于机器视觉的漆面瑕疵检测系统 |
| CN116840356A (zh) * | 2023-09-01 | 2023-10-03 | 南京安盛电子有限公司 | 一种灌封变压器裂纹的监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| Yuan Liu 等.Sealing Test of Gas Valve Cover of Gas Meter Based on Line Laser Triangulation Method .《American Journal of Optics and Photonics》.2020,第8卷(第4期),74-80. * |
| 陈捷 等.高温高压蒸汽阀门密封面在线修复及检测技术.《电力与能源》.2018,第39卷(第3期),419-424. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117291907A (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117291907B (zh) | 一种阀门密封面检测方法及系统 | |
| CN115082464B (zh) | 除尘机焊接过程中焊缝数据的识别方法及系统 | |
| CN111537517B (zh) | 一种无人智能化冲压缺陷识别方法 | |
| CN106770321B (zh) | 一种基于多阈值区间的塑料零件缺陷检测方法 | |
| US20070038412A1 (en) | Diagnostic method for manufacturing processes | |
| CN111429408B (zh) | 一种封装芯片金线检测方法 | |
| CN114935576A (zh) | 工件视觉检测设备的准确性验证方法、装置、设备及介质 | |
| CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
| CN116618878A (zh) | 一种焊前工艺参数确定方法、焊接质量在线预测方法、装置及存储介质 | |
| He et al. | Enhancing the monitoring of 3D scanned manufactured parts through projections and spatiotemporal control charts | |
| JP4704897B2 (ja) | パラメトリック公差を用いる３次元測定データ検査方法 | |
| CN105300280B (zh) | 连接器尺寸视觉测量方法 | |
| CN111922548B (zh) | 一种基于焊缝三维形状检测的3d焊缝扫描系统 | |
| CN109919154A (zh) | 一种字符智能识别方法及识别装置 | |
| CN108896287A (zh) | 一种基于多尺度分析的控制阀故障检测方法 | |
| CN111709127A (zh) | 适于管件的虚拟检具及管件检测方法 | |
| WO2020193674A1 (en) | Method for slot inspection | |
| CN115452844A (zh) | 一种基于机器视觉的注塑件检测方法及系统 | |
| CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
| US20100014745A1 (en) | Inspecting method and inspecting equipment | |
| Hassan et al. | Compressed air leakage detection and quantification through infrared thermography | |
| CN113588654B (zh) | 一种发动机热交换器接口的三维视觉检测方法 | |
| Alcántara et al. | Automated Fault Detection and Diagnostics for Aluminum Threads Using Statistical Computer Vision. | |
| CN221037155U (zh) | 一种法兰rj环连接槽加工专用试块 | |
| CN117408999B (zh) | 一种利用点云补全自动检测容器和管道腐蚀坑的方法 |
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 |