CN117451727B - 一种喷嘴加工过程的质量控制方法 - Google Patents

Abstract

本发明公开了一种喷嘴加工过程的质量控制方法，属于喷嘴质量监控的技术领域，其包括采集产品质量符合要求的喷嘴图像；识别喷嘴图像中的喷嘴区域；将喷嘴图像随机划分为训练集和验证集；构建自回归纹理模型；提取喷嘴图像中喷嘴的第一纹理特征；采集目标喷嘴图像并输入自回归纹理模型中，输出第二纹理特征；将第二纹理特征与第一纹理特征进行比较，输出第一次质量检测结果；采用敲击法获取目标喷嘴的频率值；基于目标喷嘴的频率值，计算目标喷嘴的刚度失谐量，并根据刚度失谐量进行第二次质量检测。本发明与传统的人工检测相比，采用模型作为辅助检测，提高了检测的自动化程度，且通过前后两次检测，提升了喷嘴质量的检测效果。

Description

一种喷嘴加工过程的质量控制方法

技术领域

本发明属于喷嘴质量监测的技术领域，具体涉及一种喷嘴加工过程的质量控制方法。

背景技术

常见的喷嘴材料有高温合金、不锈钢、钨钢、陶瓷和工程塑料等。其中不锈钢喷嘴在腐蚀性不强和温度不高的情况下使用效果较好，高温合金和钨钢喷嘴则可以耐受更高的温度和腐蚀性。陶瓷喷嘴则能在高温、高腐蚀性环境下使用，但制造成本较高。工程塑料喷嘴则价格相对较低，适合一些不需要高温和高压的喷涂。

喷嘴的制造过程一般包括精密加工、打磨和检测等环节。前期需要使用数控加工设备对喷嘴进行加工，确保其几何尺寸和表面粗糙度满足要求。加工完成后需进行打磨，使表面光滑度和平整度达到指定标准。最后进行质量检测，确保生产出的喷嘴具有稳定的性能和可靠的品质。

但现有的喷嘴在加工过程中，尤其是在数控加工过程中，即会存在质量问题，如喷嘴表面会出现波浪、鼓包、凹坑或者麻点等问题，但在数控加工时或者后期检测时，传统的人工质量检测，检测效率极低，检测的效果不佳。

发明内容

本发明的目的在于针对现有技术中的上述不足，提供一种喷嘴加工过程的质量控制方法，以解决现有采用人工进行喷嘴质量检测，检测效率低以及检测效果不佳的问题。

为达到上述目的，本发明采取的技术方案是：

一种喷嘴加工过程的质量控制方法，其包括以下步骤：

S1、采集产品质量符合要求的喷嘴图像；

S2、对喷嘴图像进行处理，识别图像中的喷嘴区域；

S3、将处理后的若干喷嘴图像随机划分为训练集和验证集；

S4、构建自回归纹理模型，并采用训练集训练自回归纹理模型，采用验证集验证自回归纹理模型的准确率，导出训练完成后的自回归纹理模型；

S5、基于自回归纹理模型提取喷嘴图像中喷嘴的第一纹理特征；

S6、基于双目相机实时采集目标喷嘴图像，将该目标喷嘴图像处理后输入自回归纹理模型中，并输出第二纹理特征；

S7、将第二纹理特征与第一纹理特征进行比较，若第一纹理特征和第二纹理特征之间的差值满足预设值，则判断目标喷嘴符合产品质量要求；若第一纹理特征和第二纹理特征之间的差值不满足预设值，则进入步骤S8；

S8、采用敲击法获取所述目标喷嘴的频率值；

S9、基于目标喷嘴的频率值，计算目标喷嘴的刚度失谐量，并根据刚度失谐量判断目标喷嘴是否为缺陷喷嘴。

进一步地，步骤S2具体包括：

S2.1、将喷嘴图像进行裁剪处理，得到尺寸相同的标准图像；

S2.2、对标准图像进行滤波处理；

S2.3、采用高斯概率密度函数计算标准图像的概率密度，并根据所得的概率密度，识别标准图像中的前景区域和背景区域；

S2.4、采用局部自适应二值化计算前景区域中像素点的阈值，并根据该阈值定位前景区域中的喷嘴目标点。

进一步地，步骤S2.3具体包括：

采用高斯概率密度函数计算标准图像的概率密度：

；

其中，为标准图像中当前像素点概率密度，/>为高斯概率密度函数的第K个分量，/>为/>的权重，/>为第K个分量的均值；

基于当前像素点概率密度，绘制灰度直方图，该灰度直方图中具有双波峰和双波谷部分，其中一个波峰对应于背景区域，另一个波峰对应于前景区域。

进一步地，步骤S2.4具体包括：

计算前景区域中像素点(x,y)的阈值：

W(x,y)=0.5×(max f(x+m,y+n)+min f(x+m,y+n))；

其中，w(x,y)为阈值，f(x,y)为像素点(x,y)的灰度值，m为像素点横坐标x的上限值，n为像素点纵坐标y的最大上限值；

若灰度值f(x,y)>阈值W(x,y)，则代表该像素点为喷嘴目标点；否则为干扰像素点。

进一步地，步骤S8中采用金属锤头对目标喷嘴进行若干次的敲击，并通过频谱仪获取若干次敲击下的目标喷嘴的多幅频谱，基于多幅频谱得到目标喷嘴的多个频率值，提取频率值中最低的两个频率值f₁和f₂。

进一步地，步骤S9中基于目标喷嘴的频率值，计算目标喷嘴的刚度失谐量，包括：

根据目标喷嘴频率值中最低的两个频率值f₁和f₂，分别计算目标喷嘴的刚度失谐量分量ε₁和ε₂：

；

；

其中，α、β分别为刚度失谐量的相关系数，α、β为常数；

根据目标喷嘴的刚度失谐量分量ε₁和ε₂，计算目标喷嘴的刚度失谐量：

；

其中，ε为目标喷嘴的刚度失谐量。

进一步地，步骤S9中根据刚度失谐量判断目标喷嘴是否为缺陷喷嘴，包括：

若目标喷嘴的刚度失谐量大于失谐量阈值时，则判断目标喷嘴为缺陷喷嘴；若目标喷嘴的刚度失谐量小于等于失谐量阈值时，则判断目标喷嘴存在质量缺陷。

本发明提供的喷嘴加工过程的质量控制方法，具有以下有益效果：

本发明可实时检测喷嘴加工过程中的质量，尤其是在数控加工过程中，可通过双目相机实时采集喷嘴的图像，并基于自回归纹理模型得到喷嘴的纹理特征，根据纹理特征首次判断喷嘴是否存在缺陷；随后，计算该喷嘴的刚度失谐量，通过刚度失谐量进一步确认喷嘴的缺陷程度。

本发明与传统的人工检测相比，采用模型作为辅助检测，提高了检测的自动化程度，且通过前后两次检测，提升了喷嘴质量的检测效果。

附图说明

图1为本发明的喷嘴加工过程的质量控制方法的流程图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

实施例1，本实施例的喷嘴加工过程的质量控制方法，参考图1，其具体包括以下步骤：

步骤S1、采集产品质量符合要求的喷嘴图像；

步骤S2、对产品质量符合要求的喷嘴图像进行处理，识别图像中的喷嘴区域，其具体包括以下步骤：

步骤S2.1、将喷嘴图像进行裁剪处理，得到尺寸相同的标准图像，采用标准图像进行处理，以便于后续图像的统一处理；

步骤S2.2、对标准图像进行滤波处理；

需要说明的是，本实施例并不限定滤波处理的方式，但本实施例优选为平滑滤波，并直接选用现有的平滑滤波技术，故本实施例不再赘述其详细过程；

步骤S2.3、采用高斯概率密度函数计算标准图像的概率密度，并根据所得的概率密度，识别标准图像中的前景区域和背景区域，其具体包括：

首先，采用高斯概率密度函数计算标准图像的概率密度：

；

其中，为标准图像中当前像素点概率密度，/>为高斯概率密度函数的第K个分量，/>为/>的权重，/>为第K个分量的均值；

随后，基于当前像素点概率密度，绘制灰度直方图，该灰度直方图中具有双波峰和双波谷部分，其中一个波峰对应于背景区域，另一个波峰对应于前景区域；

步骤S2.4、在步骤S2.3中，虽然已经采用高斯概率密度函数识别标准图像中的前景区域和背景区域，但是采用高斯概率密度函数具有明显的缺陷，尤其在数控加工中，夹具与喷嘴都是金属产品，其计算得到的高斯概率密度不能有效区分夹具和喷嘴，在此基础上，本实施例进一步采用局部自适应二值化计算前景区域中像素点的阈值，并根据该阈值定位前景区域中的喷嘴目标点；

计算前景区域中像素点(x,y)的阈值：

W(x,y)=0.5×(max f(x+m,y+n)+min f(x+m,y+n))；

其中，w(x,y)为阈值，f(x,y)为像素点(x,y)的灰度值，m为像素点横坐标x的上限值，n为像素点纵坐标y的最大上限值；

若灰度值f(x,y)>阈值W(x,y)，则代表该像素点为喷嘴目标点；否则为干扰像素点；喷嘴目标点对应于喷嘴像素点，所有喷嘴像素点的集合即为目标喷嘴；

步骤S3、将处理后的若干喷嘴图像随机划分为训练集和验证集；

为提升后期模型构建的精准度，本实施例至少选用2000个处理后的喷嘴图像作为样本集，并将样本集划分为训练集和验证集，其中训练集和验证集之间的比例为3∶1；

步骤S4、构建自回归纹理模型，并采用训练集训练自回归纹理模型，采用验证集验证自回归纹理模型的准确率，导出训练完成后的自回归纹理模型；

本实施例并不保护自回归纹理模型的构建过程，采用现有的自回归纹理模型进行纹理特征的获取，故在本实施例中不再赘述其详细构建过程；

步骤S5、基于自回归纹理模型提取喷嘴图像中喷嘴的第一纹理特征；

本实施例直接采用现有的自回归纹理模型进行纹理特征的输出，输出的纹理特征是反映图像中的同质的一种视觉特征，体现了物体表面的结构组织排列属性。纹理特征具有三大标志：某种局部序列性不断重复、非随机排列、纹理区域内大致为均匀的统一体，其具体通过像素及其周围空间邻域的弧度分布来表现；

基于自回归纹理模型输出的纹理特征的特性，若喷嘴表面出现波浪、鼓包、凹坑或者麻点，其输出的纹理特征自然会与正常品质对应的纹理特征有所区别，基于该区别即可进行喷嘴表面缺陷的检测；而该区别可以是像素或者邻域的弧度分布的差异的体现；

步骤S6、基于双目相机实时采集目标喷嘴图像，将该目标喷嘴图像处理后输入自回归纹理模型中，并输出第二纹理特征；

本实施例可对应于数控加工过程的喷嘴的图像采集，也可对应于完成数控加工后的喷嘴的图像采集；

步骤S7、将第二纹理特征与第一纹理特征进行比较，若第一纹理特征和第二纹理特征之间的差值满足预设值，则判断目标喷嘴符合产品质量要求；若第一纹理特征和第二纹理特征之间的差值不满足预设值，则进入步骤S8；

本实施例中第一纹理特征和第二纹理特征之间的差值即对应于像素或者邻域的弧度分布的差异，优选为像素的差异；

本实施例通过纹理特征的差异进行喷嘴的质量检测为第一次缺陷检测，意图为筛选出喷嘴表面存在缺陷的喷嘴，但是喷嘴表面存在缺陷，还可以通过后期粗加工、精加工以及打磨的配合克服缺陷，但喷嘴内部的缺陷则不能通过后续加工克服，故需要对当前表面存在缺陷的喷嘴进行第二次缺陷检测；

步骤S8、采用敲击法获取所述目标喷嘴的频率值；

采用金属锤头对目标喷嘴进行若干次的敲击，并通过频谱仪获取若干次敲击下的目标喷嘴的多幅频谱，基于多幅频谱得到目标喷嘴的多个频率值，提取频率值中最低的两个频率值f₁和f₂；

步骤S9、基于目标喷嘴的频率值，计算目标喷嘴的刚度失谐量，并根据刚度失谐量判断目标喷嘴是否为缺陷喷嘴，其具体包括：

基于目标喷嘴的频率值，计算目标喷嘴的刚度失谐量：

根据目标喷嘴频率值中最低的两个频率值f₁和f₂，分别计算目标喷嘴的刚度失谐量分量ε₁和ε₂：

；

；

其中，α、β分别为刚度失谐量的相关系数，α、β为常数；

根据目标喷嘴的刚度失谐量分量ε₁和ε₂，计算目标喷嘴的刚度失谐量：

；

其中，ε为目标喷嘴的刚度失谐量。

根据刚度失谐量判断目标喷嘴是否为缺陷喷嘴，包括：

若目标喷嘴的刚度失谐量大于失谐量阈值时，则判断目标喷嘴为缺陷喷嘴，

若目标喷嘴的刚度失谐量小于等于失谐量阈值时，则判断目标喷嘴存在质量缺陷。

刚度失谐量是用于检测喷嘴的内部构造，若喷嘴的孔径发生变化（非渐变式的变化或者为跳跃式的变化）或者喷嘴内部存在裂缝等缺陷，都会造成刚度失谐量的剧烈变化，即喷嘴的物理属性的变化必然造成其固有频率的变化，即造成刚度失谐量的变化，基于此特性进行目标喷嘴的进一步缺陷判定。

需要说明的是，若喷嘴的刚度失谐量不符合要求（刚度失谐量大于失谐量阈值时），则认为该喷嘴为缺陷喷嘴，该喷嘴的缺陷是不可克服的，即需要剔除该喷嘴；而喷嘴的刚度失谐量符合要求（刚度失谐量小于等于失谐量阈值时），但其纹理特征不符合要求，则认为该喷嘴存在质量缺陷，但是该缺陷是可以克服的，对该喷嘴进行再加工，可以达到质量品质的要求。

虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

Claims (4)

1.一种喷嘴加工过程的质量控制方法，其特征在于，包括以下步骤：

S1、采集产品质量符合要求的喷嘴图像；

S2、对所述喷嘴图像进行处理，识别图像中的喷嘴区域；

S3、将处理后的若干喷嘴图像随机划分为训练集和验证集；

S4、构建自回归纹理模型，并采用训练集训练自回归纹理模型，采用验证集验证自回归纹理模型的准确率，导出训练完成后的自回归纹理模型；

S5、基于所述自回归纹理模型提取喷嘴图像中喷嘴的第一纹理特征；

S6、基于双目相机实时采集目标喷嘴图像，将该目标喷嘴图像处理后输入自回归纹理模型中，并输出第二纹理特征；

S7、将第二纹理特征与第一纹理特征进行比较，若第一纹理特征和第二纹理特征之间的差值满足预设值，则判断目标喷嘴符合产品质量要求；若第一纹理特征和第二纹理特征之间的差值不满足预设值，则进入步骤S8；

S8、采用敲击法获取所述目标喷嘴的频率值；

S9、基于目标喷嘴的频率值，计算目标喷嘴的刚度失谐量，并根据刚度失谐量判断目标喷嘴是否为缺陷喷嘴；

所述步骤S8中采用金属锤头对目标喷嘴进行若干次的敲击，并通过频谱仪获取若干次敲击下的目标喷嘴的多幅频谱，基于多幅频谱得到目标喷嘴的多个频率值，提取频率值中最低的两个频率值f₁和f₂；

所述步骤S9中基于目标喷嘴的频率值，计算目标喷嘴的刚度失谐量，包括：

根据目标喷嘴频率值中最低的两个频率值f₁和f₂，分别计算目标喷嘴的刚度失谐量分量ε₁和ε₂：

；

；

其中，α、β分别为刚度失谐量的相关系数，α、β为常数；

根据目标喷嘴的刚度失谐量分量ε₁和ε₂，计算目标喷嘴的刚度失谐量：

；

其中，ε为目标喷嘴的刚度失谐量；

根据刚度失谐量判断目标喷嘴是否为缺陷喷嘴，包括：

若目标喷嘴的刚度失谐量大于失谐量阈值时，则判断目标喷嘴为缺陷喷嘴；若目标喷嘴的刚度失谐量小于等于失谐量阈值时，则判断目标喷嘴存在质量缺陷。

2.根据权利要求1所述的喷嘴加工过程的质量控制方法，其特征在于，所述步骤S2具体包括：

S2.1、将喷嘴图像进行裁剪处理，得到尺寸相同的标准图像；

S2.2、对标准图像进行滤波处理；

S2.3、采用高斯概率密度函数计算标准图像的概率密度，并根据所得的概率密度，识别标准图像中的前景区域和背景区域；

S2.4、采用局部自适应二值化计算前景区域中像素点的阈值，并根据该阈值定位前景区域中的喷嘴目标点。

3.根据权利要求2所述的喷嘴加工过程的质量控制方法，其特征在于，所述步骤S2.3具体包括：

采用高斯概率密度函数计算标准图像的概率密度：

；

其中，为标准图像中当前像素点概率密度，/>为高斯概率密度函数的第K个分量，/>为/>的权重，/>为第K个分量的均值；

基于当前像素点概率密度，绘制灰度直方图，该灰度直方图中具有双波峰和双波谷部分，其中一个波峰对应于背景区域，另一个波峰对应于前景区域。

4.根据权利要求3所述的喷嘴加工过程的质量控制方法，其特征在于，所述步骤S2.4具体包括：

计算前景区域中像素点(x,y)的阈值：

W(x,y)=0.5*(max f(x+m,y+n)+min f(x+m,y+n))；

其中，W(x,y)为阈值，f(x,y)为像素点(x,y)的灰度值，m为像素点横坐标x的上限值，n为像素点纵坐标y的最大上限值；

若灰度值f(x,y)> 阈值W(x,y)，则代表该像素点为喷嘴目标点；否则为干扰像素点。