CN117437237B - U型管的缺陷检测方法、装置、电子设备及存储介质 - Google Patents

U型管的缺陷检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN117437237B
CN117437237B CN202311773582.2A CN202311773582A CN117437237B CN 117437237 B CN117437237 B CN 117437237B CN 202311773582 A CN202311773582 A CN 202311773582A CN 117437237 B CN117437237 B CN 117437237B
Authority
CN
China
Prior art keywords
shaped tube
image data
wrinkling
detection result
detection
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
CN202311773582.2A
Other languages
English (en)
Other versions
CN117437237A (zh
Inventor
陈枫
田乐乐
陈高
谭龙田
陈彦宇
马雅奇
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun 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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202311773582.2A priority Critical patent/CN117437237B/zh
Publication of CN117437237A publication Critical patent/CN117437237A/zh
Application granted granted Critical
Publication of CN117437237B publication Critical patent/CN117437237B/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
    • 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
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8858—Flaw counting
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Graphics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请公开了一种U型管的缺陷检测方法、装置、电子设备及存储介质，U型管的缺陷检测方法包括：获取U型管的图像数据，将图像数据输入预先建立的缺陷检测模型，以得到检测结果，其中，缺陷检测模型用于检测U型管存在起皱的部位，基于检测结果确定U型管的目标部位的起皱情况，通过图像处理机器视觉等技术，实现对U型管起皱缺陷的自动化检测，分析计算U型管弯曲面的表面，智能化检测U型管是否有起皱缺陷的现象，摆脱对人工检测的依赖。

Description

U型管的缺陷检测方法、装置、电子设备及存储介质
技术领域
本申请涉及图像处理技术领域，具体涉及一种U型管的缺陷检测方法、装置、电子设备及存储介质。
背景技术
空调主要由压缩机、散热器、自动控制系统组成，其中散热器中的U型管好坏直接决定空调的品质。U型管注塑成型中，其弯折区域起皱缺陷，会导致U型管表面不光滑，厚薄不一，影响U型管的使用效果，严重时甚至会引发安全事故。因此，对U型管起皱缺陷进行检测具有重要的意义。
相关技术中，传统的U型管缺陷检测方法主要依靠人工目视检查，例如U型管起皱、U型管过度弯曲金属延展过度等，且但这种方法效率低、准确率不高，无法满足现代工业生产的需要。
发明内容
鉴于上述问题，本申请提供一种U型管的缺陷检测方法、装置、电子设备及存储介质，以至少解决相关技术中存在的问题。
第一方面，本申请实施例提供了一种U型管的缺陷检测方法，包括：
获取U型管的图像数据；
将所述图像数据输入预先建立的缺陷检测模型，以得到检测结果，其中，所述缺陷检测模型用于检测所述U型管存在起皱的部位；
基于所述检测结果确定所述U型管的目标部位的起皱情况。
可选地，所述基于所述检测结果确定所述U型管的目标部位的起皱情况，包括：
获取所述检测结果指示的所述图像数据的纹路关联信息；
确定所述纹路关联信息中的纹路直线的数量和斜率；
基于所述纹路直线的数量和纹路直线的斜率确定所述U型管的目标部位的起皱情况。
可选地，所述基于所述检测结果确定所述U型管的目标部位的起皱情况，还包括：
获取所述检测结果指示的所述图像数据的表面积关联信息；
提取所述表面积关联信息中U型管的特征点和特征线；
基于所述特征点和特征线构建三角形网格，并将所述图像数据映射至所述三角形网格，以得到三维图像；
基于所述三维图像计算所述U型管的表面积，以基于所述U型管的表面积的大小确定所述U型管的目标部位的起皱情况。
可选的，所述基于所述检测结果确定所述U型管的目标部位的起皱情况，还包括：
获取所述检测结果指示的所述图像数据的透明度关联信息；
将所述透明度关联信息输入预先建立的图像预处理模型中，得到预处理图像数据；
基于轮廓提取算法提取所述预处理图像数据中的U型管的弯曲面轮廓，并计算所述弯曲面轮廓的平均像素值；
基于所述平均像素值确定所述U型管的目标部位的起皱情况。
可选地，所述检测结果包括：U型管的纹路信息、表面积和像素差，所述U型管的缺陷检测方法还包括：
判断所述检测结果是否满足检测阈值；
在确定所述检测结果不满足检测阈值的情况下，基于所述检测结果确定所述U型管的目标部位的起皱情况。
可选地，所述缺陷检测模型采用以下方式训练得到的：
获取所述U型管的样本图像集合，其中，所述样本图像集合中包括所述U型管存在起皱的部位的样本图像，以及用于指示所述样本图像所属的起皱检测方式的标签信息；
将所述样本图像集合输入神经网络模型中进行训练，以得到所述缺陷检测模型。
可选地，所述图像数据，包括：U型管的正面、顶面和底面。
第二方面，本申请实施例提供了一种U型管的缺陷检测装置，包括：
获取模块，用于获取U型管的图像数据；
检测模块，用于将所述图像数据输入预先建立的缺陷检测模型，以得到检测结果，其中，所述缺陷检测模型用于检测所述U型管存在起皱的部位；
确定模块，用于基于所述检测结果确定所述U型管的目标部位的起皱情况。
第三方面，本申请实施例提供一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如第一方面任一项所述的U型管的缺陷检测方法。
第四方面，本申请实施例提供一种计算机存储介质，该计算机存储介质储存有一个或多个程序，一个或者多个程序可被如第三方面介绍的电子设备执行，以实现如第一方面任一项实施方式所介绍的U型管的缺陷检测方法。
本申请实施例提供的一种U型管的缺陷检测方法、装置、电子设备及存储介质，U型管的缺陷检测方法包括：获取U型管的图像数据，将图像数据输入预先建立的缺陷检测模型，以得到检测结果，其中，缺陷检测模型用于检测U型管存在起皱的部位，基于检测结果确定U型管的目标部位的起皱情况，通过图像处理机器视觉等技术，实现对U型管起皱缺陷的自动化检测，分析计算U型管弯曲面的表面，智能化检测U型管是否有起皱缺陷的现象，摆脱对人工检测的依赖。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1示出了本申请一实施例中提出的一种U型管的缺陷检测方法流程示意图；
图2示出了本申请一实施例中提出的一种示例性U型管的缺陷检测逻辑流程示意图；
图3示出了本申请一实施例中提出的一种示例性U型管结构示意图；
图4示出了本申请一实施例中提出的一种U型管的缺陷检测装置的结构框图；
图5示出了本申请实施例中提出的用于执行根据本申请实施例的U型管的缺陷检测方法的电子设备的结构框图；
图6示出了本申请实施例中提出的用于保存或者携带实现根据本申请实施例的U型管的缺陷检测方法的计算机可读存储介质。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
发明人研究发现传统的铜管缺陷检测方法主要依靠人工目视检查，例如铜管起皱、铜管过度弯曲金属延展过度等，且但这种方法效率低、准确率不高，无法满足现代工业生产的需要。
针对上述问题，申请人提出了本申请实施例提供的U型管的缺陷检测方法、装置、电子设备及存储介质。其中，U型管的缺陷检测方法在后续的实施例中进行详细说明。
下面针对本申请实施例提供的U型管的缺陷检测方法的应用场景进行介绍：
请参阅图1，图1为本申请实施例中提供的一种U型管的缺陷检测方法流程示意图，在本实施例中，U型管的缺陷检测方法可以应用在如图4所示的U型管的缺陷检测装置300与图5所示的电子设备200中，其中，电子设备可以是电脑、手机或与拍摄装置连接的用于U型管的缺陷检测等电子设备，本申请不对其进行限定。下面针对图1所示的流程进行详细的阐述，该U型管的缺陷检测方法可以包括S110至S130。
S110：获取U型管的图像数据。
在本申请实施例中，U型管可以包括：不同材料的，其可以包括：塑料U型管、铜管等，此外，其也可以不限于其他形状，可以是方管等。
在一些方面，U型管的图像数据可以通过拍摄获取，示例性地，通过在生产线上的铜管检测处安装视频拍摄装置来进行获取，在另一些方面，U型管的图像数据可以包括管体的正面、顶面以及底面进行视频拍摄，得到铜管的各角度图像，示例性地，如图3所示的一种示例性U型管结构示意图，可以通过不同方向的拍摄来得到对应不同面的图像集。
S120：将图像数据输入预先建立的缺陷检测模型，以得到检测结果，其中，缺陷检测模型用于检测U型管存在起皱的部位。
其中，检测结果可以包括图像的纹路统计结果、铜管的表面积计算结果以及轮廓差值结果。
在本申请实施例中，利用缺陷检测模型进行U型管起皱检测可以实现自动化的检测过程，可以提高效率、减少人力成本。
S130：基于检测结果确定U型管的目标部位的起皱情况。
本申请实施例中，通过收集并分析U型管的起皱检测结果，可以获得关于生产过程和产品质量的有用数据，助于在生产过程及早发现U型管中存在的起皱问题。
在本实施例中，实时检测铜管是否存在注塑问题，从而保障铜管的生产质量，并提高生产效率，可以提高铜管起皱缺陷检测的准确性和可靠性。
考虑到为了较好的对铜管弯曲表面纹路信息进行检测。
在一些实施例中，S130中基于所述检测结果确定所述U型管的目标部位的起皱情况可以包括S131至S133。
S131：获取检测结果指示的图像数据的纹路关联信息。
在本申请实施例中，通过获取检测结果指示的图像数据的纹路关联信息，您可以获取U型管中的纹路模式和特征。
S132：确定纹路关联信息中的纹路直线的数量和斜率。
在本申请实施例中，通过确定纹路直线的数量和斜率，可以对U型管的起皱情况进行检测，确定U型管的目标部位是否存在起皱问题。
其中，可以通过纹路关联信息中对铜管正面的图像进行图像裁剪，进行纹路信息提取，对铜管弯曲表面图像进行图像灰度化、图像二值化处理，然后利用霍夫直线变换算法计算到铜管弯曲表面的纹路直线，统计所有纹路直线数量N，并求取每条直线的斜率，公式如下：
式中，为每条直线的斜率，/>分别为直线两顶点的坐标，对直线的斜率正负进行统计（正斜率数为P，负斜率数为F）。
S133：基于纹路直线的数量和纹路直线的斜率确定U型管的目标部位的起皱情况。
在本申请实施例中，计算每两条相隔最近直线间的欧式距离，公式如下：
式中，D为两直线间的欧氏距离，为每两条相隔直线之间的欧式距离，分别为两直线的中心点。
通过判断纹路数量是否满足阈值来确定U型管的目标部位的起皱情况，当纹路直线数量N ≥15时，纹路过多，可直接判定铜管弯折过度；若N<15，直线距离标准差0.1时，纹路不均匀，注塑工艺不均匀，则判定注塑弯折过度；若/>0.1，正负斜率数的绝对值|P-F|>3时，金属弯折力度方向不一致，则判定铜管注塑弯折过度。
在本实施例中，确定纹路关联信息中的纹路直线的数量和斜率，基于这些纹路直线的数量和斜率，可以确定U型管的目标部位的起皱情况。
优选地，对铜管正面的图像进行图像裁剪，进行纹路信息提取。
在实际应用中，申请人发现铜管注塑弯折的力度过大，导致弯折时铜管管弯折的外部过度延展，内部出现挤压，就会有破裂的危险，也不能用于实际生产，依据铜管弯折的表面积计算，就可反应铜管的弯折是否过度。
考虑到为了更好的对铜管弯曲表面积进行检测。
在一些实施例中，S130中基于所述检测结果确定所述U型管的目标部位的起皱情况可以包括S134至S137。
S134：获取检测结果指示的图像数据的表面积关联信息。
在本申请实施例中，表面积关联信息可以从不同面的二维铜管弯曲表面图像数据中提取。
S135：提取表面积关联信息中U型管的特征点和特征线。
S136：基于特征点和特征线构建三角形网格，并将图像数据映射至三角形网格，以得到三维图像。
在本申请实施例中，通过提取特征点和特征线，并构建三维图像，可以对U型管的形态进行详细分析，有助于了解起皱部位的几何特征、形状变化和表面曲率等信息。
S137：基于三维图像计算U型管的表面积，以基于U型管的表面积的大小确定U型管的目标部位的起皱情况。
在本申请实施例中，可以通过从不同面的二维铜管弯曲表面图像数据中提取铜管的特征点和特征线，建立三角形网络，并确定三角形之间的连接关系和表面的拓扑结构，之后将采集的二维铜管弯曲表面图像数据映射到三角形网格上，生成真实的三维图像。
其中，可以采用如下表达式进行计算：
；
式中，a、b、c 分别为三角形三边长，为三角形半周长。
对于标准铜管弯曲面的表面积计算公式如下：
；
式中，为铜管弯头半径，/>为内弧圆心半径。
其中，可以通过计算面积阈值，通过比较面积阈值和实际得到的标准铜管弯曲面的表面积，来确定U型管的目标部位的起皱情况。
当时，即铜管弯折的表面积过大，弯折力度过大，则判定铜管起皱，注塑存在质量问题。
考虑到铜管弯折过度或者不符合标准，其产生的金属厚薄不符合要求，会导致铜管的弯折面在图像上显示的透明度不符合标准。
在一些实施例中，S130中基于检测结果确定U型管的目标部位的起皱情况可以包括S138至S1311。
S138：获取检测结果指示的图像数据的透明度关联信息。
在本申请实施例中，透明度关联信息可以包括：对拍摄的铜管底面和顶面的图像位置对应的信息对顶面和正面的图像使用图像灰度化、图像二值化进行预处理。
其中，通过获取检测结果指示的图像数据的透明度关联信息，可以获取U型管中不同部位的透明度变化情况。
S139：将透明度关联信息输入预先建立的图像预处理模型中，得到预处理图像数据。
在本申请实施例中，可以通过对顶面和正面的图像输入预先建立的图像预处理模型使用图像灰度化、图像二值化进行预处理，得到预处理图像数据。
S1310：基于轮廓提取算法提取预处理图像数据中的U型管的弯曲面轮廓，并计算弯曲面轮廓的平均像素值。
在本申请实施例中，利用轮廓提取算法，可以从预处理图像数据中提取U型管的弯曲面轮廓，弯曲面轮廓可以表现出U型管的形状和曲率信息，用于进一步分析和计算。
S1311：基于平均像素值确定U型管的目标部位的起皱情况。
在本申请实施例中，在得到平均像素值，可以通过计算顶面和正面轮廓内的平均像素值并作差，求得像素差值σ，若|σ|>30，则判定铜管起皱。
在一些实施例中，U型管的缺陷检测方法还可以包括S210。
S210：判断检测结果是否满足检测阈值。
在本申请实施例中，检测结果包括：U型管的纹路信息、表面积和像素差，通过对多个条件进行判断，在未满足一个条件的情况下，即确定需要检查铜管的情况。
在确定检测结果不满足检测阈值的情况下，基于检测结果确定U型管的目标部位的起皱情况。
在一些实施例中，缺陷检测模型采用以下步骤S102至步骤S104训练得到的：
获取U型管的样本图像集合，其中，样本图像集合中包括U型管存在起皱的部位的样本图像，以及用于指示样本图像所属的起皱检测方式的标签信息。
将样本图像集合输入神经网络模型中进行训练，以得到缺陷检测模型。
在本申请实施例中，标签信息用于指示对应附图需要标记的检测方式，例如纹路信息检测情况、表面积信息检测情况和透明度信息检测情况等，以实现后续模型自动评估。
其中，图像数据，包括：U型管的正面、顶面和底面。
在本申请实施例中，针对铜管图像，实时检测铜管生产使用过程中，可能出现的铜管注塑性能问题。对铜管表面进行图像采集，在图像进行预处理后，对预处理后的图像进行边缘检测和直线检测，提取铜管纹路信息，统计纹路数量、纹路间的距离和纹路斜率；对拍摄的铜管图像利用三维重构技术重构铜管弯曲表面，计算铜管弯曲面的表面积；利用图像处理算法提取铜管弯曲内外侧表面的轮廓，对提取的内外侧表面积轮廓计算平均像素值，并做差比较预设条件，实现铜管的注塑性能检测。
请参阅图2，图2为本申请实施提供的一种示例性U型管的缺陷检测逻辑流程示意图，其可以具体应用于铜管。
在图2中，U型管的缺陷检测逻辑流程示意流程可以包括如下方式执行：
S1：获取铜管注塑图像。
在本步骤中，用户可以首先在生产线上的铜管检测处安装视频拍摄装置。在铜管注塑检测过程中，对铜管正面、顶面以及底面进行视频拍摄，得到铜管的各角度图像。
S2：铜管注塑性能检测。
在本步骤中，对拍摄到图像数据，包括铜管正面、顶面以及底面的图像，利用图像裁剪方法截取铜管弯曲表面，之后使用图像灰度化、二值化、霍夫直线变化提取铜管弯曲面的纹路信息，运用三维重构技术重构铜管弯曲表面，计算铜管表面积，并采用轮廓检测方法提取铜管弯曲内外侧表面的轮廓，计算像素差值。
其中，本步骤具体可以包括步骤S21至步骤S23。
S21：对铜管弯曲表面纹路信息检测。
首先对铜管正面的图像进行图像裁剪，进行纹路信息提取。对铜管弯曲表面图像进行图像灰度化、图像二值化处理，然后利用霍夫直线变换算法计算到铜管弯曲表面的纹路直线，统计所有纹路直线数量N，并求取每条直线的斜率，公式如下：
式中，为每条直线的斜率，/>分别为直线两顶点的坐标，对直线的斜率正负进行统计（正斜率数为P，负斜率数为F）。
之后，计算每两条相隔最近直线间的欧式距离，公式如下：
；
式中，D为两直线间的欧氏距离，为每两条相隔直线之间的欧式距离，分别为两直线的中心点。
当纹路直线数量N ≥15时，纹路过多，可直接判定铜管弯折过度；若N<15，直线距离标准差0.1时，纹路不均匀，注塑工艺不均匀，则判定注塑弯折过度；若/>0.1，正负斜率数的绝对值|P-F|>3时，金属弯折力度方向不一致，则判定铜管注塑弯折过度。
S22：铜管弯曲表面积检测。
考虑到铜管注塑弯折的力度过大，导致弯折时铜管管弯折的外部过度延展，内部出现挤压，就会有破裂的危险，也不能用于实际生产，依据铜管弯折的表面积计算，就可反应铜管的弯折是否过度。
为了更准确地计算铜管弯曲表面的表面积，本发明利用基于三角形网格的三维重构技术对不同面的二维铜管图像进行处理，重构出三维的铜管形状和结构。具体为：从不同面的二维铜管弯曲表面图像数据中提取铜管的特征点和特征线，建立三角形网络，并确定三角形之间的连接关系和表面的拓扑结构，之后将采集的二维铜管弯曲表面图像数据映射到三角形网格上，生成真实的三维图像。最后，求取每个三角形面积并求和，得到铜管弯曲表面的表面积，公式如下：
；
式中，a、b、c 分别为三角形三边长，为三角形半周长。
此外，对于标准铜管弯曲面的表面积计算公式如下：
；
其中，为铜管弯头半径，/>为内弧圆心半径。
当时，即铜管弯折的表面积过大，弯折力度过大，则判定铜管起皱，注塑存在质量问题。
S23：铜管弯曲表面内外侧透明度检测。
铜管弯折过度或者不符合标准，其产生的金属厚薄不符合要求，会导致铜管的弯折面在图像上显示的透明度不符合标准。对拍摄的铜管底面和顶面的图像进行边缘检测和像素值平均值计算。对顶面和正面的图像使用图像灰度化、图像二值化进行预处理，之后采用Canny算子提取铜管弯曲边缘，利用轮廓提取算法根据边缘提取铜管弯曲面轮廓，计算顶面和正面轮廓内的平均像素值并作差，求得像素差值σ，若|σ|>30，则判定铜管起皱。
在申请中，通过以上的步骤，可以检测空调生产过程中铜管是否存在起皱缺陷，从而判断是否需要对铜管进行检查和修复，解决铜管起皱缺陷的等问题，实现空调生产中铜管的合格性检测，提高铜管的质量稳定性和使用寿命。
请参阅图4，图4为本申请提供的一种U型管的缺陷检测装置的结构框图，该U型管的缺陷检测装置300包括：获取模块310、检测模块320以及确定模块330，其中：
获取模块310，用于获取U型管的图像数据。
检测模块320，用于将图像数据输入预先建立的缺陷检测模型，以得到检测结果，其中，缺陷检测模型用于检测U型管存在起皱的部位。
确定模块330，用于基于检测结果确定U型管的目标部位的起皱情况。
需要说明的是，本申请中装置实施例与前述方法实施例相互对应，装置实施例中具体的原理可以参见前述方法实施例中的内容，此处不再赘述。
在本实施例提供的几个实施例中，模块互相之间的耦合可以是电性，机械或其他形式的耦合。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
请参阅图5，图5为本申请实施例提供的一种可以执行上述U型管的缺陷检测方法的电子设备200的结构框图，该电子设备200还可以包括连接有智能手机、平板电脑、计算机或者便携式计算机等设备。
电子设备200包括处理器202和存储器204。其中，该存储器204中存储有可以执行前述实施例中内容的程序，而处理器202可以执行该存储器204中存储的程序。
其中，处理器202可以包括一个或者多个用于处理数据的核以及消息矩阵单元。处理器202利用各种借口和线路连接整个电子设备200内的各个部分，通过运行或执行储存在存储器204内的指令、程序、代码集或指令集，以及调用存储在存储器204内的数据，执行电子设备200的各种功能和处理数据。可选地，处理器202可以采用数字信号处理（DigitalSignal Processing，DSP）、现场可编程门阵列（Field-Programmable GateArray，FPGA）、可编辑逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。处理器202可集成中央处理器（Central Processing Unit，CPU）、图像处理器（GraphicsProcessing Unit，GPU）和调制解码器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解码器也可以不集成到处理器中，单独通过一块通信芯片进行实现。
存储器204可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。存储器204可用于储存指令、程序、代码、代码集或指令集。存储器204可包括存储程序区和存储数据区，其中存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令（如，用户获取随机数的指令）、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端在使用中所创建的数据（如，随机数）等。
电子设备200还可以包括网络模块以及屏幕，网络模块用于接受以及发送电磁波，实现电磁波与电信号的互相转换，从而与通讯网络或者其他设备进行通讯，例如和音频播放设备进行通讯。网络模块可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块（SIM）卡、存储器等等。网络模块可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。屏幕可以进行界面内容的显示以及进行数据交互。
请参考图6，其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读存储介质400中存储有程序代码410，程序代码410可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质400可以是诸如闪存、EEPROM（电可擦除可编程只读存储器）、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读存储介质包括非易失性计算机可读介质（non-transitory computer-readable storage medium）。计算机可读存储介质400具有执行上述方法中的任意方法步骤的程序代码410的存储空间。这些程序代码410可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码410可以例如以适当形式进行压缩。
本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中描述的U型管的缺陷检测方法。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：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，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (7)

1.一种U型管的缺陷检测方法，其特征在于，包括：
获取U型管的图像数据，所述图像数据，包括：U型管的正面、顶面和底面；
将所述图像数据输入预先建立的缺陷检测模型，以得到检测结果，其中，所述缺陷检测模型用于检测所述U型管存在起皱的部位；
判断所述检测结果是否满足检测阈值，其中，所述检测结果包括：U型管的纹路信息、表面积和像素差；
在确定所述检测结果不满足检测阈值的情况下，基于所述检测结果确定所述U型管的目标部位的起皱情况，包括：获取所述检测结果指示的所述图像数据的表面积关联信息，其中，所述表面积关联信息可以从不同面的所述图像数据中提取；提取所述表面积关联信息中U型管的特征点和特征线；基于所述特征点和特征线构建三角形网格，并将所述图像数据映射至所述三角形网格，以得到三维图像；基于所述三维图像计算所述U型管的表面积，以基于所述U型管的表面积的大小确定所述U型管的目标部位的起皱情况。
2.根据权利要求1所述的U型管的缺陷检测方法，其特征在于，所述基于所述检测结果确定所述U型管的目标部位的起皱情况，包括：
获取所述检测结果指示的所述图像数据的纹路关联信息；
确定所述纹路关联信息中的纹路直线的数量和斜率；
基于所述纹路直线的数量和纹路直线的斜率确定所述U型管的目标部位的起皱情况。
3.根据权利要求1所述的U型管的缺陷检测方法，其特征在于，所述基于所述检测结果确定所述U型管的目标部位的起皱情况，还包括：
获取所述检测结果指示的所述图像数据的透明度关联信息；
将所述透明度关联信息输入预先建立的图像预处理模型中，得到预处理图像数据；
基于轮廓提取算法提取所述预处理图像数据中的U型管的弯曲面轮廓，并计算所述弯曲面轮廓的平均像素值；
基于所述平均像素值确定所述U型管的目标部位的起皱情况。
4.根据权利要求1所述的U型管的缺陷检测方法，其特征在于，所述缺陷检测模型采用以下方式训练得到的：
获取所述U型管的样本图像集合，其中，所述样本图像集合中包括所述U型管存在起皱的部位的样本图像，以及用于指示所述样本图像所属的起皱检测方式的标签信息；
将所述样本图像集合输入神经网络模型中进行训练，以得到所述缺陷检测模型。
5.一种U型管的缺陷检测装置，其特征在于，所述装置包括：
获取模块，用于获取U型管的图像数据，所述图像数据，包括：U型管的正面、顶面和底面；
检测模块，用于将所述图像数据输入预先建立的缺陷检测模型，以得到检测结果，其中，所述缺陷检测模型用于检测所述U型管存在起皱的部位；
判断模块，用于判断所述检测结果是否满足检测阈值，其中，所述检测结果包括：U型管的纹路信息、表面积和像素差；
确定模块，用于在确定所述检测结果不满足检测阈值的情况下，基于所述检测结果确定所述U型管的目标部位的起皱情况，包括：获取所述检测结果指示的所述图像数据的表面积关联信息，其中，所述表面积关联信息可以从不同面的所述图像数据中提取；提取所述表面积关联信息中U型管的特征点和特征线；基于所述特征点和特征线构建三角形网格，并将所述图像数据映射至所述三角形网格，以得到三维图像；基于所述三维图像计算所述U型管的表面积，以基于所述U型管的表面积的大小确定所述U型管的目标部位的起皱情况。
6.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如权利要求1至4中任一项所述的U型管的缺陷检测方法。
7.一种计算机可读存储介质，其特征在于，该所述计算机可读存储介质存储有程序代码，所述程序代码可被一个或多个处理器调用执行如权利要求1-4中任意一项所述的U型管的缺陷检测方法。
CN202311773582.2A 2023-12-22 2023-12-22 U型管的缺陷检测方法、装置、电子设备及存储介质 Active CN117437237B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311773582.2A CN117437237B (zh) 2023-12-22 2023-12-22 U型管的缺陷检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311773582.2A CN117437237B (zh) 2023-12-22 2023-12-22 U型管的缺陷检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN117437237A CN117437237A (zh) 2024-01-23
CN117437237B true CN117437237B (zh) 2024-05-24

Family

ID=89553978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311773582.2A Active CN117437237B (zh) 2023-12-22 2023-12-22 U型管的缺陷检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117437237B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017018964A (ja) * 2015-07-07 2017-01-26 新日鐵住金株式会社 Ｕ字曲がり管の製造方法およびｕ字曲がり管の製造装置
CN115018792A (zh) * 2022-06-08 2022-09-06 郑州赛诚电子科技有限公司 基于计算机视觉技术的拉深件起皱检测方法
CN115082617A (zh) * 2022-05-25 2022-09-20 同济大学 基于多视图优化的管道三维重建方法、装置及存储介质
CN115147386A (zh) * 2022-07-13 2022-10-04 珠海格力电器股份有限公司 U型管的缺陷检测方法、装置及电子设备
CN115272173A (zh) * 2022-06-15 2022-11-01 深圳市格灵精睿视觉有限公司 锡球缺陷检测方法及其装置、计算机设备、存储介质
CN116071360A (zh) * 2023-03-10 2023-05-05 苏州振畅智能科技有限公司 一种工件外观缺陷检测方法、电子设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017018964A (ja) * 2015-07-07 2017-01-26 新日鐵住金株式会社 Ｕ字曲がり管の製造方法およびｕ字曲がり管の製造装置
CN115082617A (zh) * 2022-05-25 2022-09-20 同济大学 基于多视图优化的管道三维重建方法、装置及存储介质
CN115018792A (zh) * 2022-06-08 2022-09-06 郑州赛诚电子科技有限公司 基于计算机视觉技术的拉深件起皱检测方法
CN115272173A (zh) * 2022-06-15 2022-11-01 深圳市格灵精睿视觉有限公司 锡球缺陷检测方法及其装置、计算机设备、存储介质
CN115147386A (zh) * 2022-07-13 2022-10-04 珠海格力电器股份有限公司 U型管的缺陷检测方法、装置及电子设备
CN116071360A (zh) * 2023-03-10 2023-05-05 苏州振畅智能科技有限公司 一种工件外观缺陷检测方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN117437237A (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN109299720B (zh) 一种基于轮廓片段空间关系的目标识别方法
CN110148130B (zh) 用于检测零件缺陷的方法和装置
CN110298802B (zh) 路面裂缝检测方法及装置
CN108229475B (zh) 车辆跟踪方法、系统、计算机设备及可读存储介质
CN109509200B (zh) 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质
CN110472580B (zh) 基于全景影像的检测车位的方法、装置、存储介质
CN116664559A (zh) 基于机器视觉的内存条损伤快速检测方法
CN115018846B (zh) 基于ai智能相机的多目标裂纹缺陷检测方法和装置
CN111507324B (zh) 卡片边框识别方法、装置、设备和计算机存储介质
US20180025246A1 (en) Realtime object measurement
CN111008560A (zh) 一种牲畜的重量确定方法、装置、终端及计算机存储介质
CN112365475A (zh) 一种基于图像处理方式的输电线路覆冰监测方法及系统
CN111898610B (zh) 卡片缺角检测方法、装置、计算机设备及存储介质
CN112733703A (zh) 一种车辆停放状态检测方法及系统
CN116188024B (zh) 一种医疗安全支付系统
CN104732510A (zh) 一种相机镜头黑斑检测方法及装置
CN106909916B (zh) 一种基于手机平台快速检测与识别人行道斑马线的方法
CN112598723A (zh) 一种不锈钢覆层钢筋厚度识别方法、装置及存储介质
CN115587966A (zh) 一种在光照不均匀条件下零件有无缺漏的检测方法及系统
CN115809982A (zh) 电芯压伤检测方法、装置及系统
CN117437237B (zh) U型管的缺陷检测方法、装置、电子设备及存储介质
CN112991327B (zh) 基于机器视觉的钢格网焊接系统、方法和终端设备
US20170352170A1 (en) Nearsighted camera object detection
CN115222722A (zh) 一种复杂散斑背景下的实时裂缝检测方法
CN115830049A (zh) 角点检测的方法和装置

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