CN117665095A - 一种基于机器视觉的无缝钢管检测方法及系统 - Google Patents

Abstract

本发明涉及缺陷检测技术领域，公开了一种基于机器视觉的无缝钢管检测方法及系统，该方法包括：获取无缝钢管的第一图像数据判断无缝钢管表面是否清洁；获取表面尺寸确定磁粉使用量；获取厚度数据确定磁化电流；将无缝钢管移至检测区域，对两端进行通电，均匀洒落磁粉；实时采集表面温度判断是否开启定向散热装置；采集通电并撒粉后的第二图像数据确定缺陷评价值Q并确定质量等级；断电并清理表面磁粉，采集最大深度判断是否对质量等级进行调整。本发明与传统基于经验的检测方法相比，提升了检测效率，提高了检测结果的一致性和可靠性，减轻了检测人员的工作负担，并降低了长期暴露于磁粉环境中对健康的风险。

Description

一种基于机器视觉的无缝钢管检测方法及系统

技术领域

本发明涉及缺陷检测技术领域，具体而言，涉及一种基于机器视觉的无缝钢管检测方法及系统。

背景技术

无缝钢管是一种工业管材，它通过热轧或冷拉过程制造而成，整个管材长度上没有焊接缝。这种钢管因其均匀的结构和优良的强度特性，在多个领域得到了广泛应用，包括石油和天然气输送、工业制造（如机械和汽车制造）以及建筑和基础设施（例如桥梁和隧道）。由于无缝钢管被广泛应用于承受高压和高温的环境，因此任何表面缺陷都可能导致严重的安全隐患和性能下降。有效的表面缺陷检测能够确保这些管材满足严格的质量标准，防止潜在的故障和事故发生，同时也帮助延长其使用寿命，保证整个系统的高效运行。

磁粉检测是一种无损检测方式，其利用磁场使磁粉在无缝钢管表面形成均匀图案，当无缝钢管表面存在缺陷时图案发生变形。然而，传统的磁粉检测流程在最终的检测阶段大多仍依赖于人工检测，这意味着检测结果可能会受到检测人员的经验和主观判断的影响，导致检测质量的不一致性。此外，检测人员长时间暴露在含有磁粉的环境中，会对他们的健康造成负面影响。这种依赖于人工的检测方法效率较低，尤其是在需要处理大量样品的情况下。

因此，有必要设计一种基于机器视觉的无缝钢管检测方法及系统用以解决当前技术中存在的问题。

发明内容

鉴于此，本发明提出了一种基于机器视觉的无缝钢管检测方法及系统，旨在解决当前无缝钢管检测时依靠人工检测效率低、一致性较差且不利于工人健康的问题。

一个方面，本发明提出了一种基于机器视觉的无缝钢管检测方法，包括：

对待检测的无缝钢管进行图像拍摄，获取所述无缝钢管的第一图像数据，根据所述第一图像数据判断所述无缝钢管表面是否清洁；

当判定所述无缝钢管表面清洁时，根据所述第一图像数据获取所述无缝钢管的表面尺寸，根据所述表面尺寸确定磁粉使用量；

当确定所述无缝钢管表面清洁且确定所述磁粉使用量后，根据所述第一图像数据获取所述无缝钢管的厚度数据，根据所述厚度数据确定磁化电流；

在确定所述磁粉使用量以及所述磁化电流后，将所述无缝钢管移至检测区域，对所述无缝钢管两端进行通电，通电时的电流为所述磁化电流；通电后向所述无缝钢管表面均匀洒落所述磁粉；

实时采集所述无缝钢管的表面温度，根据所述表面温度判断是否开启定向散热装置，以避免所述无缝钢管过热损坏；

采集通电并撒粉后所述无缝钢管的第二图像数据，根据所述第二图像数据确定所述无缝钢管的缺陷评价值Q；

所述缺陷评价值通过下式计算获得：

Q=L*α+K*β+J*γ；

其中，L表示裂缝面积，K表示空洞面积，J表示夹杂物面积，α、β、γ表示权重，α＞0，β＞0，γ＞0且α+β+γ=1；

将所述缺陷评价值Q分别与预先设定的第一缺陷阈值Q1和第二缺陷阈值Q2进行比对，Q1＜Q2，根据比对结果确定所述无缝钢管的质量等级；

当Q≤Q1时，确定所述无缝钢管的质量等级为第一质量等级D1；

当Q1＜Q≤Q2时，确定所述无缝钢管的质量等级为第二质量等级D2；

当Q2＜Q时，确定所述无缝钢管的质量等级为第三质量等级D3；

其中，所述第一质量等级D1表示所述无缝钢管的品质优于所述第二质量等级D2，所述第二质量等级D2表示所述无缝钢管的品质优于所述第三质量等级D3；

在确定所述无缝钢管的质量等级为第i质量等级Di后，i=1，2，3，对所述无缝钢管断电并清理表面磁粉，基于超声波探测采集所述无缝钢管内缺陷的最大深度，根据所述最大深度判断是否对所述质量等级进行调整。

进一步的，根据所述第一图像数据判断所述无缝钢管表面是否清洁时，包括：

根据所述第一图像数据获取所述无缝钢管表面的遮挡物面积Z，所述遮挡物包括油渍和灰尘，将所述遮挡物面积Z与预先设定的遮挡物面积阈值Zmax进行比对，根据比对结果判断所述无缝钢管表面是否清洁；

当Z＞Zmax时，判定所述无缝钢管表面不清洁，并获取所述遮挡物面积Z与遮挡物面积阈值Zmax的面积差值ΔZ，ΔZ=Z-Zmax，根据所述遮挡物面积阈值Zmax确定清洁时间；

当Z≤Zmax时，判定所述无缝钢管表面清洁。

进一步的，所述根据所述遮挡物面积阈值Zmax确定清洁时间时，包括：

将所述面积差值ΔZ分别与预先设定的第一预设面积差值ΔZ1和第二预设面积差值ΔZ2进行比对，ΔZ1＜ΔZ2，根据比对结果确定清洁时间；

当ΔZ≤ΔZ1时，确定所述清洁时间为第一预设清洁时间T1；

当ΔZ1＜ΔZ≤ΔZ2时，确定所述清洁时间为第二预设清洁时间T2；

当ΔZ2＜ΔZ时，确定所述清洁时间为第三预设清洁时间T3；

其中，T1＜T2＜T3。

进一步的，根据所述表面尺寸确定磁粉使用量时，包括：

将所述表面尺寸C分别与预先设定的第一预设尺寸C1和第二预设尺寸C2进行比对，C1＜C2，根据比对结果确定所述磁粉使用量；

当C≤C1时，确定所述磁粉使用量为第一预设磁粉使用量S1；

当C1＜C≤C2时，确定所述磁粉使用量为第二预设磁粉使用量S2；

当C2＜C时，确定所述磁粉使用量为第三预设磁粉使用量S3；

其中，S1＜S2＜S3。

进一步的，根据所述厚度数据确定磁化电流时，包括：

将所述厚度数据H分别与预先设定的第一预设厚度H1和第二预设厚度H2进行比对，H1＜H2，根据比对结果确定所述磁化电流；

当H≤H1时，确定所述磁化电流为第一预设磁化电流I1；

当H1＜H≤H2时，确定所述磁化电流为第二预设磁化电流I2；

当H2＜H时，确定所述磁化电流为第三预设磁化电流I3；

其中，I1＜I2＜I3。

进一步的，根据所述表面温度判断是否开启定向散热装置时，包括：

将所述表面温度W与预先设定的表面温度阈值Wmax进行比对，根据比对结果判断是否开启所述定向散热装置；所述定向散热装置向所述无缝钢管内通入气体；

当W＞Wmax时，判定所述表面温度偏高，开启所述定向散热装置，并获取所述表面温度W与表面温度阈值Wmax的温度差值ΔW，ΔW=W-Wmax，根据所述温度差值ΔW确定所述定向散热装置的功率；

当W≤Wmax时，判定所述表面温度偏低，不开启所述定向散热装置。

进一步的，根据所述温度差值ΔW确定所述定向散热装置的功率时，包括：

将所述温度差值ΔW分别与预先设定的第一温度差值ΔW1和第二温度差值ΔW2进行比对，ΔW1＜ΔW2，根据比对结果确定所述定向散热装置的功率；

当ΔW≤ΔW1时，确定所述定向散热装置的功率为第一预设功率P1；

当ΔW1＜ΔW≤ΔW2时，确定所述定向散热装置的功率为第二预设功率P2；

当ΔW2＜ΔW时，确定所述定向散热装置的功率为第三预设功率P3；

其中，P1＜P2＜P3。

进一步的，根据所述第二图像数据确定所述无缝钢管的缺陷评价值Q时，包括：

对所述第二图像数据进行分析，获取所述无缝钢管的缺陷类型；

当所述无缝钢管表面的磁粉呈现明显线条状图案时，判断为裂缝，并根据所述第二图像数据获取所述裂缝面积L；

当所述无缝钢管表面的磁粉呈现圆形或椭圆形图案时，判断为空洞，并根据所述第二图像数据获取所述空洞面积K;

当所述无缝钢管表面的磁粉呈现不规则图案且所述磁粉间较分散时，判断为夹杂物，并根据所述第二图像数据获取所述夹杂物面积J。

进一步的，根据所述最大深度判断是否对所述质量等级进行调整时，包括：

获取所述最大深度R与所述厚度数据H的比值R/H，根据所述比值R/H的大小判断是否对所述质量等级进行调整；

当R/H＞0.3时，深度明显影响所述无缝钢管质量，判断对所述质量等级Di进行调整；

当R/H≤0.3时，深度影响较小，判断不对所述质量等级Di进行调整；

当对所述质量等级Di进行调整时，包括：

当0.3＜R/H≤0.5时，将所述质量等级Di调低一级，当原质量等级为所述第三质量等级D3时，维持不变；

当0.5＜R/H时，将所述质量等级Di调低两级，当原质量等级为所述第三质量等级D3时，维持不变；当原质量等级为所述第二质量等级D2时，将所述第二质量等级D1调低为所述第三质量等级D3。

与现有技术相比，本发明的有益效果在于：通过使用图像数据自动判断钢管表面清洁度和确定磁粉使用量以及磁化电流大小，减少了对人工判断的依赖，降低了人为误差。实时监控钢管表面温度并相应地启动散热装置，有效防止了过热损坏。根据图像数据计算得出的缺陷评价值，对钢管进行质量分级，提高了检测结果的可靠性，避免了依靠人工检测造成的检测结果一致性较差的问题，自动化的检测流程大幅提升了检测效率，减轻了检测人员的工作负担，并降低了长期暴露于磁粉环境中对健康的风险。最后利用超声波探测对质量等级进行调整，提高了检测结果的准确性和可靠性。

另一方面，本申请还提供了一种基于机器视觉的无缝钢管检测系统，用于应用上述基于机器视觉的无缝钢管检测方法，包括：

采集单元，被配置为对待检测的无缝钢管进行图像拍摄，获取所述无缝钢管的第一图像数据，根据所述第一图像数据判断所述无缝钢管表面是否清洁；

所述采集单元还被配置为当判定所述无缝钢管表面清洁时，根据所述第一图像数据获取所述无缝钢管的表面尺寸，根据所述表面尺寸确定磁粉使用量；

所述采集单元还被配置为当确定所述无缝钢管表面清洁且确定所述磁粉使用量后，根据所述第一图像数据获取所述无缝钢管的厚度数据，根据所述厚度数据确定磁化电流；

处理单元，被配置为在确定所述磁粉使用量以及所述磁化电流后，将所述无缝钢管移至检测区域，对所述无缝钢管两端进行通电，通电时的电流为所述磁化电流；通电后向所述无缝钢管表面均匀洒落所述磁粉；

判断单元，被配置为实时采集所述无缝钢管的表面温度，根据所述表面温度判断是否开启定向散热装置，以避免所述无缝钢管过热损坏；

评价单元，被配置为采集通电并撒粉后所述无缝钢管的第二图像数据，根据所述第二图像数据确定所述无缝钢管的缺陷评价值Q；

所述缺陷评价值通过下式计算获得：

Q=L*α+K*β+J*γ；

其中，L表示裂缝面积，K表示空洞面积，J表示夹杂物面积，α、β、γ表示权重，α＞0，β＞0，γ＞0且α+β+γ=1；

所述评价单元还被配置为将所述缺陷评价值Q分别与预先设定的第一缺陷阈值Q1和第二缺陷阈值Q2进行比对，Q1＜Q2，根据比对结果确定所述无缝钢管的质量等级；

当Q≤Q1时，确定所述无缝钢管的质量等级为第一质量等级D1；

当Q1＜Q≤Q2时，确定所述无缝钢管的质量等级为第二质量等级D2；

当Q2＜Q时，确定所述无缝钢管的质量等级为第三质量等级D3；

其中，所述第一质量等级D1表示所述无缝钢管的品质优于所述第二质量等级D2，所述第二质量等级D2表示所述无缝钢管的品质优于所述第三质量等级D3；

调整单元，被配置为在确定所述无缝钢管的质量等级为第i质量等级Di后，i=1，2，3，对所述无缝钢管断电并清理表面磁粉，基于超声波探测采集所述无缝钢管内缺陷的最大深度，根据所述最大深度判断是否对所述质量等级进行调整。

可以理解的是，上述基于机器视觉的无缝钢管检测系统及方法具备相同的有益效果，在此不再赘述。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例提供的基于机器视觉的无缝钢管检测方法的流程图；

图2为本发明实施例提供的基于机器视觉的无缝钢管检测系统的功能框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整地传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

无缝钢管是通过特定的制造工艺（如热轧或冷拉）生产的一种高质量工业管材，其特点是整体结构连续，无焊接缝。这种管材因其优异的均匀性和强度，在包括能源输送、工业生产和基础建设等多个领域均有应用。无缝钢管在高压和高温环境下的广泛使用使得其表面质量至关重要，因此需要进行精确的缺陷检测来确保安全和性能。尽管磁粉检测作为一种常用的无损检测方法能够有效识别表面缺陷，但传统方法依赖人工判断，易导致检测结果受经验影响，并对操作人员健康构成威胁。为此，开发基于机器视觉的自动化检测方法变得尤为重要。

在本申请的一些实施例中，参阅图1所示，一种基于机器视觉的无缝钢管检测方法，包括：

S100：对待检测的无缝钢管进行图像拍摄，获取无缝钢管的第一图像数据，根据第一图像数据判断无缝钢管表面是否清洁。

S200：当判定无缝钢管表面清洁时，根据第一图像数据获取无缝钢管的表面尺寸，根据表面尺寸确定磁粉使用量。当确定无缝钢管表面清洁且确定磁粉使用量后，根据第一图像数据获取无缝钢管的厚度数据，根据厚度数据确定磁化电流。

S300：在确定磁粉使用量以及磁化电流后，将无缝钢管移至检测区域，对无缝钢管两端进行通电，通电时的电流为磁化电流。通电后向无缝钢管表面均匀洒落磁粉。

S400：实时采集无缝钢管的表面温度，根据表面温度判断是否开启定向散热装置，以避免无缝钢管过热损坏。

S500：采集通电并撒粉后无缝钢管的第二图像数据，根据第二图像数据确定无缝钢管的缺陷评价值Q。将缺陷评价值Q分别与预先设定的第一缺陷阈值Q1和第二缺陷阈值Q2进行比对，Q1＜Q2，根据比对结果确定无缝钢管的质量等级。

缺陷评价值通过下式计算获得：

Q=L*α+K*β+J*γ。

其中，L表示裂缝面积，K表示空洞面积，J表示夹杂物面积，α、β、γ表示权重，α＞0，β＞0，γ＞0且α+β+γ=1。

当Q≤Q1时，确定无缝钢管的质量等级为第一质量等级D1。

当Q1＜Q≤Q2时，确定无缝钢管的质量等级为第二质量等级D2。

当Q2＜Q时，确定无缝钢管的质量等级为第三质量等级D3。

其中，第一质量等级D1表示无缝钢管的品质优于第二质量等级D2，第二质量等级D2表示无缝钢管的品质优于第三质量等级D3。

S600：在确定无缝钢管的质量等级为第i质量等级Di后，i=1，2，3，对无缝钢管断电并清理表面磁粉，基于超声波探测采集无缝钢管内缺陷的最大深度，根据最大深度判断是否对质量等级进行调整。

具体而言，S100拍摄待检测无缝钢管的图像，获取第一图像数据。利用这些数据判断钢管表面是否清洁。清洁的表面是进行有效磁粉检测的前提，任何油污、灰尘或其他杂质都会影响磁粉的附着和分布，进而干扰缺陷检测的准确性。利用图像数据判断钢管表面是否清洁，可以自动化地保证检测的起始条件，提高整个检测过程的可靠性和效率。S200当钢管表面被判定为清洁时，根据第一图像数据获取管材的表面尺寸，并据此确定磁粉使用量。同时，利用图像数据获取钢管的厚度信息，以确定合适的磁化电流。S300将钢管移至检测区域后，对其两端进行通电（使用确定的磁化电流），然后均匀洒落确定的磁粉使用量的磁粉。S400实时监测钢管的表面温度，并根据温度数据判断是否需要开启定向散热装置，防止过热损坏。

具体而言，S500采集通电并撒粉后的第二图像数据，据此确定钢管的缺陷评价值Q，并将其与预设的缺陷阈值比对，以确定钢管的质量等级。通过计算裂缝面积、空洞面积和夹杂物面积，并将这些面积与相应的权重相乘，可以得到一个综合性的缺陷评价值Q。这种方式允许不同类型的缺陷对最终评价值的贡献根据其严重性加以区分。α、β、γ的设置确保了不同类型缺陷在总评价中的相对重要性，并保证了它们的权重总和为1，从而维持评估的平衡性和合理性。提供了客观、量化的方式来评估无缝钢管的缺陷，进而确定其质量等级，有助于提高检测的准确性和一致性。S600确定质量等级后，断电并清理表面磁粉，使用超声波探测技术采集钢管内缺陷的最大深度，据此判断是否需要调整质量等级。超声波探测提供了对钢管深处结构进行更深入分析，能够检测到磁粉检测可能漏掉的内部缺陷。通过深度分析避免因仅表面检测导致的质量等级误判。

可以理解的是，通过图像数据自动判断管材表面清洁度，确保了检测的有效起始条件。基于图像分析确定磁粉使用量和磁化电流，使得检测更加精准。实时监控温度避免过热损坏。结合表面和内部检测结果，通过定量方法评估和分类缺陷，提供了一种更全面和客观的质量评估体系。通过超声波检测提高了检测结果的准确性和可靠性。

在本申请的一些实施例中，根据第一图像数据判断无缝钢管表面是否清洁时，包括：根据第一图像数据获取无缝钢管表面的遮挡物面积Z，遮挡物包括油渍和灰尘，将遮挡物面积Z与预先设定的遮挡物面积阈值Zmax进行比对，根据比对结果判断无缝钢管表面是否清洁。

具体而言，当Z＞Zmax时，判定无缝钢管表面不清洁，并获取遮挡物面积Z与遮挡物面积阈值Zmax的面积差值ΔZ，ΔZ=Z-Zmax，根据遮挡物面积阈值Zmax确定清洁时间。当Z≤Zmax时，判定无缝钢管表面清洁。

在本申请的一些实施例中，根据遮挡物面积阈值Zmax确定清洁时间时，包括：将面积差值ΔZ分别与预先设定的第一预设面积差值ΔZ1和第二预设面积差值ΔZ2进行比对，ΔZ1＜ΔZ2，根据比对结果确定清洁时间。

具体而言，当ΔZ≤ΔZ1时，确定清洁时间为第一预设清洁时间T1。当ΔZ1＜ΔZ≤ΔZ2时，确定清洁时间为第二预设清洁时间T2。当ΔZ2＜ΔZ时，确定清洁时间为第三预设清洁时间T3。其中，T1＜T2＜T3。

具体而言，首先，对无缝钢管进行高分辨率的图像拍摄。对捕获的图像进行预处理，如调整亮度、对比度，以便更清晰地区分遮挡物和钢管表面。使用图像分割技术，如边缘检测或阈值处理，来区分遮挡物（如油渍、灰尘）和钢管表面的其他部分。通过图像分析软件，计算被分割出的遮挡物区域的总面积。然后，将这一面积与预设的遮挡物面积阈值Zmax比对，以判断表面是否清洁。如果Z大于Zmax，表明表面不清洁，需要清洁，并根据遮挡物的面积差值ΔZ来确定所需的清洁时间。

可以理解的是，通过图像处理技术实现了自动判断无缝钢管表面的清洁度，提高了检测流程的效率和准确性。通过计算表面遮挡物（如油渍和灰尘）的面积并与预设阈值比对，自动决定是否需要清洁及所需的清洁时间。降低了对人工判断的依赖，提高了工作效率，并确保了磁粉检测的准确性。

在本申请的一些实施例中，根据表面尺寸确定磁粉使用量时，包括：将表面尺寸C分别与预先设定的第一预设尺寸C1和第二预设尺寸C2进行比对，C1＜C2，根据比对结果确定磁粉使用量。

具体而言，当C≤C1时，确定磁粉使用量为第一预设磁粉使用量S1。当C1＜C≤C2时，确定磁粉使用量为第二预设磁粉使用量S2。当C2＜C时，确定磁粉使用量为第三预设磁粉使用量S3。其中，S1＜S2＜S3。

可以理解的是，不同尺寸的无缝钢管表面需要不同量的磁粉以确保检测的覆盖面和效果。较小的管材表面积需要较少的磁粉，而较大的表面则需要更多。确保了磁粉均匀地覆盖整个被检测表面，从而提高缺陷检测的准确性和效率。通过预设不同的磁粉使用量对应不同的表面尺寸，可以自动化地调整磁粉的使用，保证检测过程的一致性和可靠性。

在本申请的一些实施例中，根据厚度数据确定磁化电流时，包括：将厚度数据H分别与预先设定的第一预设厚度H1和第二预设厚度H2进行比对，H1＜H2，根据比对结果确定磁化电流。

具体而言，当H≤H1时，确定磁化电流为第一预设磁化电流I1。当H1＜H≤H2时，确定磁化电流为第二预设磁化电流I2。当H2＜H时，确定磁化电流为第三预设磁化电流I3。其中，优选的100A＜I1＜I2＜I3＜800A。

可以理解的是，100A—800A的电流范围足以为多种厚度的无缝钢管提供充分的磁场，确保有效的缺陷检测。较低的电流适用于较薄的材料，以避免损坏无缝钢管，而较高的电流适用于较厚的材料，以确保磁场穿透。这个范围提供了足够的灵活性，以适应不同的检测需求和条件。根据厚度确定磁化电流的原因在于不同厚度的无缝钢管需要不同强度的磁场来有效地揭示表面和次表面缺陷。较薄的管材需要较弱的电流以避免过度磁化，而较厚的管材则需要更强的电流以确保磁场能够穿透整个材料。通过预设不同的磁化电流对应不同的材料厚度，可以确保在不同条件下都能获得最佳的磁粉检测效果，提高检测的准确性和可靠性。

在本申请的一些实施例中，根据表面温度判断是否开启定向散热装置时，包括：将表面温度W与预先设定的表面温度阈值Wmax进行比对，根据比对结果判断是否开启定向散热装置。定向散热装置向无缝钢管内通入气体。

具体而言，当W＞Wmax时，判定表面温度偏高，开启定向散热装置，并获取表面温度W与表面温度阈值Wmax的温度差值ΔW，ΔW=W-Wmax，根据温度差值ΔW确定定向散热装置的功率。当W≤Wmax时，判定表面温度偏低，不开启定向散热装置。

在本申请的一些实施例中，根据温度差值ΔW确定定向散热装置的功率时，包括：将温度差值ΔW分别与预先设定的第一温度差值ΔW1和第二温度差值ΔW2进行比对，ΔW1＜ΔW2，根据比对结果确定定向散热装置的功率。

具体而言，当ΔW≤ΔW1时，确定定向散热装置的功率为第一预设功率P1。当ΔW1＜ΔW≤ΔW2时，确定定向散热装置的功率为第二预设功率P2。当ΔW2＜ΔW时，确定定向散热装置的功率为第三预设功率P3。其中，P1＜P2＜P3。

可以理解的是，通过监控无缝钢管在磁粉检测过程中的表面温度来决定是否启动定向散热装置。具体来说，如果管材表面温度超过预设阈值Wmax，表明温度偏高，此时将开启定向散热装置，并根据温度差值ΔW调整散热装置的功率。使得散热过程更为精确和高效，可以防止因过热而导致的材料损坏或检测不准确。同时，也提高了检测流程的安全性，确保在高效的同时保护材料和设备不受损伤。

在本申请的一些实施例中，根据第二图像数据确定无缝钢管的缺陷评价值Q时，包括：对第二图像数据进行分析，获取无缝钢管的缺陷类型。

具体而言，当无缝钢管表面的磁粉呈现明显线条状图案时，判断为裂缝，并根据第二图像数据获取裂缝面积L。当无缝钢管表面的磁粉呈现圆形或椭圆形图案时，判断为空洞，并根据第二图像数据获取空洞面积K；当无缝钢管表面的磁粉呈现不规则图案且磁粉间较分散时，判断为夹杂物，并根据第二图像数据获取夹杂物面积J。

可以理解的是，在磁粉检测中，铁磁性粉末在被磁化的钢管表面形成特定图案，这些图案反映了表面或近表面的缺陷。裂缝通常会导致磁粉沿着裂缝线形成线条状图案；空洞由于其圆形或椭圆形的物理结构，使磁粉在其周围形成相应的圆形或椭圆形图案；而夹杂物的不规则性则导致磁粉形成不规则分布的图案。这些不同的图案形态为识别和分类不同类型的表面缺陷提供了依据。

在本申请的一些实施例中，根据最大深度判断是否对质量等级进行调整时，包括：获取最大深度R与厚度数据H的比值R/H，根据比值R/H的大小判断是否对质量等级进行调整。

具体而言，当R/H＞0.3时，深度明显影响无缝钢管质量，判断对质量等级Di进行调整。当R/H≤0.3时，深度影响较小，判断不对质量等级Di进行调整。

具体而言，当对质量等级Di进行调整时，包括：当0.3＜R/H≤0.5时，将质量等级Di调低一级，当原质量等级为第三质量等级D3时，维持不变。当0.5＜R/H时，将质量等级Di调低两级，当原质量等级为第三质量等级D3时，维持不变。当原质量等级为第二质量等级D2时，将第二质量等级D1调低为第三质量等级D3。

可以理解的是，通过比较无缝钢管内缺陷的最大深度R与管材厚度H的比值R/H来判断是否需要调整质量等级。如果R/H大于0.3，缺陷深度对钢管质量的影响较大，需要进一步调整质量等级。具体来说，如果比值在0.3到0.5之间，质量等级降低一级；如果比值超过0.5，质量等级降低两级。使用超声波探测缺陷深度有利于完善磁粉检测结果，尤其是当无缝钢管表面缺陷不明显时，超声波探测可以进一步校准无缝钢管的质量等级。该实施例不仅考虑了表面缺陷，还综合考虑了内部缺陷的深度，从而能更准确地评估钢管的整体质量。提高了产品质量的可靠性，对于确保高安全性和高性能的应用场景尤其重要。

上述实施例中基于机器视觉的无缝钢管检测方法通过使用图像数据自动判断钢管表面清洁度和确定磁粉使用量以及磁化电流大小，减少了对人工判断的依赖，降低了人为误差。实时监控钢管表面温度并相应地启动散热装置，有效防止了过热损坏。根据图像数据计算得出的缺陷评价值，对钢管进行质量分级，提高了检测结果的可靠性，避免了依靠人工检测造成的检测结果一致性较差的问题，自动化的检测流程大幅提升了检测效率，减轻了检测人员的工作负担，并降低了长期暴露于磁粉环境中对健康的风险。最后利用超声波探测对质量等级进行调整，提高了检测结果的准确性和可靠性。

基于上述实施例的另一种优选的方式中，参阅图2所示，本实施方式提供了一种基于机器视觉的无缝钢管检测系统，用于应用上述基于机器视觉的无缝钢管检测方法，包括：

采集单元，被配置为对待检测的无缝钢管进行图像拍摄，获取无缝钢管的第一图像数据，根据第一图像数据判断无缝钢管表面是否清洁；

采集单元还被配置为当判定无缝钢管表面清洁时，根据第一图像数据获取无缝钢管的表面尺寸，根据表面尺寸确定磁粉使用量；

采集单元还被配置为当确定无缝钢管表面清洁且确定磁粉使用量后，根据第一图像数据获取无缝钢管的厚度数据，根据厚度数据确定磁化电流；

处理单元，被配置为在确定磁粉使用量以及磁化电流后，将无缝钢管移至检测区域，对无缝钢管两端进行通电，通电时的电流为磁化电流；通电后向无缝钢管表面均匀洒落磁粉；

判断单元，被配置为实时采集无缝钢管的表面温度，根据表面温度判断是否开启定向散热装置，以避免无缝钢管过热损坏；

评价单元，被配置为采集通电并撒粉后无缝钢管的第二图像数据，根据第二图像数据确定无缝钢管的缺陷评价值Q；

缺陷评价值通过下式计算获得：

Q=L*α+K*β+J*γ；

其中，L表示裂缝面积，K表示空洞面积，J表示夹杂物面积，α、β、γ表示权重，α＞0，β＞0，γ＞0且α+β+γ=1；

评价单元还被配置为将缺陷评价值Q分别与预先设定的第一缺陷阈值Q1和第二缺陷阈值Q2进行比对，Q1＜Q2，根据比对结果确定无缝钢管的质量等级；

当Q≤Q1时，确定无缝钢管的质量等级为第一质量等级D1；

当Q1＜Q≤Q2时，确定无缝钢管的质量等级为第二质量等级D2；

当Q2＜Q时，确定无缝钢管的质量等级为第三质量等级D3；

其中，第一质量等级D1表示无缝钢管的品质优于第二质量等级D2，第二质量等级D2表示无缝钢管的品质优于第三质量等级D3；

调整单元，被配置为在确定无缝钢管的质量等级为第i质量等级Di后，i=1，2，3，对无缝钢管断电并清理表面磁粉，基于超声波探测采集无缝钢管内缺陷的最大深度，根据最大深度判断是否对质量等级进行调整。

可以理解的是，上述基于机器视觉的无缝钢管检测系统通过使用图像数据自动判断钢管表面清洁度和确定磁粉使用量以及磁化电流大小，减少了对人工判断的依赖，降低了人为误差。实时监控钢管表面温度并相应地启动散热装置，有效防止了过热损坏。根据图像数据计算得出的缺陷评价值，对钢管进行质量分级，提高了检测结果的可靠性，避免了依靠人工检测造成的检测结果一致性较差的问题，自动化的检测流程大幅提升了检测效率，减轻了检测人员的工作负担，并降低了长期暴露于磁粉环境中对健康的风险。最后利用超声波探测对质量等级进行调整，提高了检测结果的准确性和可靠性。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序商品。因此，本申请可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序商品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）和计算机程序商品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框，以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种基于机器视觉的无缝钢管检测方法，其特征在于，包括：

对待检测的无缝钢管进行图像拍摄，获取所述无缝钢管的第一图像数据，根据所述第一图像数据判断所述无缝钢管表面是否清洁；

当判定所述无缝钢管表面清洁时，根据所述第一图像数据获取所述无缝钢管的表面尺寸，根据所述表面尺寸确定磁粉使用量；

当确定所述无缝钢管表面清洁且确定所述磁粉使用量后，根据所述第一图像数据获取所述无缝钢管的厚度数据，根据所述厚度数据确定磁化电流；

在确定所述磁粉使用量以及所述磁化电流后，将所述无缝钢管移至检测区域，对所述无缝钢管两端进行通电，通电时的电流为所述磁化电流；通电后向所述无缝钢管表面均匀洒落所述磁粉；

实时采集所述无缝钢管的表面温度，根据所述表面温度判断是否开启定向散热装置，以避免所述无缝钢管过热损坏；

采集通电并撒粉后所述无缝钢管的第二图像数据，根据所述第二图像数据确定所述无缝钢管的缺陷评价值Q；

所述缺陷评价值通过下式计算获得：

Q=L*α+K*β+J*γ；

其中，L表示裂缝面积，K表示空洞面积，J表示夹杂物面积，α、β、γ表示权重，α＞0，β＞0，γ＞0且α+β+γ=1；

将所述缺陷评价值Q分别与预先设定的第一缺陷阈值Q1和第二缺陷阈值Q2进行比对，Q1＜Q2，根据比对结果确定所述无缝钢管的质量等级；

当Q≤Q1时，确定所述无缝钢管的质量等级为第一质量等级D1；

当Q1＜Q≤Q2时，确定所述无缝钢管的质量等级为第二质量等级D2；

当Q2＜Q时，确定所述无缝钢管的质量等级为第三质量等级D3；

其中，所述第一质量等级D1表示所述无缝钢管的品质优于所述第二质量等级D2，所述第二质量等级D2表示所述无缝钢管的品质优于所述第三质量等级D3；

在确定所述无缝钢管的质量等级为第i质量等级Di后，i=1，2，3，对所述无缝钢管断电并清理表面磁粉，基于超声波探测采集所述无缝钢管内缺陷的最大深度，根据所述最大深度判断是否对所述质量等级进行调整。

2.根据权利要求1所述的基于机器视觉的无缝钢管检测方法，其特征在于，根据所述第一图像数据判断所述无缝钢管表面是否清洁时，包括：

根据所述第一图像数据获取所述无缝钢管表面的遮挡物面积Z，所述遮挡物包括油渍和灰尘，将所述遮挡物面积Z与预先设定的遮挡物面积阈值Zmax进行比对，根据比对结果判断所述无缝钢管表面是否清洁；

当Z＞Zmax时，判定所述无缝钢管表面不清洁，并获取所述遮挡物面积Z与遮挡物面积阈值Zmax的面积差值ΔZ，ΔZ=Z-Zmax，根据所述遮挡物面积阈值Zmax确定清洁时间；

当Z≤Zmax时，判定所述无缝钢管表面清洁。

3.根据权利要求2所述的基于机器视觉的无缝钢管检测方法，其特征在于，所述根据所述遮挡物面积阈值Zmax确定清洁时间时，包括：

将所述面积差值ΔZ分别与预先设定的第一预设面积差值ΔZ1和第二预设面积差值ΔZ2进行比对，ΔZ1＜ΔZ2，根据比对结果确定清洁时间；

当ΔZ≤ΔZ1时，确定所述清洁时间为第一预设清洁时间T1；

当ΔZ1＜ΔZ≤ΔZ2时，确定所述清洁时间为第二预设清洁时间T2；

当ΔZ2＜ΔZ时，确定所述清洁时间为第三预设清洁时间T3；

其中，T1＜T2＜T3。

4.根据权利要求3所述的基于机器视觉的无缝钢管检测方法，其特征在于，根据所述表面尺寸确定磁粉使用量时，包括：

将所述表面尺寸C分别与预先设定的第一预设尺寸C1和第二预设尺寸C2进行比对，C1＜C2，根据比对结果确定所述磁粉使用量；

当C≤C1时，确定所述磁粉使用量为第一预设磁粉使用量S1；

当C1＜C≤C2时，确定所述磁粉使用量为第二预设磁粉使用量S2；

当C2＜C时，确定所述磁粉使用量为第三预设磁粉使用量S3；

其中，S1＜S2＜S3。

5.根据权利要求4所述的基于机器视觉的无缝钢管检测方法，其特征在于，根据所述厚度数据确定磁化电流时，包括：

将所述厚度数据H分别与预先设定的第一预设厚度H1和第二预设厚度H2进行比对，H1＜H2，根据比对结果确定所述磁化电流；

当H≤H1时，确定所述磁化电流为第一预设磁化电流I1；

当H1＜H≤H2时，确定所述磁化电流为第二预设磁化电流I2；

当H2＜H时，确定所述磁化电流为第三预设磁化电流I3；

其中，I1＜I2＜I3。

6.根据权利要求5所述的基于机器视觉的无缝钢管检测方法，其特征在于，根据所述表面温度判断是否开启定向散热装置时，包括：

将所述表面温度W与预先设定的表面温度阈值Wmax进行比对，根据比对结果判断是否开启所述定向散热装置；所述定向散热装置向所述无缝钢管内通入气体；

当W＞Wmax时，判定所述表面温度偏高，开启所述定向散热装置，并获取所述表面温度W与表面温度阈值Wmax的温度差值ΔW，ΔW=W-Wmax，根据所述温度差值ΔW确定所述定向散热装置的功率；

当W≤Wmax时，判定所述表面温度偏低，不开启所述定向散热装置。

7.根据权利要求6所述的基于机器视觉的无缝钢管检测方法，其特征在于，根据所述温度差值ΔW确定所述定向散热装置的功率时，包括：

将所述温度差值ΔW分别与预先设定的第一温度差值ΔW1和第二温度差值ΔW2进行比对，ΔW1＜ΔW2，根据比对结果确定所述定向散热装置的功率；

当ΔW≤ΔW1时，确定所述定向散热装置的功率为第一预设功率P1；

当ΔW1＜ΔW≤ΔW2时，确定所述定向散热装置的功率为第二预设功率P2；

当ΔW2＜ΔW时，确定所述定向散热装置的功率为第三预设功率P3；

其中，P1＜P2＜P3。

8.根据权利要求1所述的基于机器视觉的无缝钢管检测方法，其特征在于，根据所述第二图像数据确定所述无缝钢管的缺陷评价值Q时，包括：

对所述第二图像数据进行分析，获取所述无缝钢管的缺陷类型；

当所述无缝钢管表面的磁粉呈现明显线条状图案时，判断为裂缝，并根据所述第二图像数据获取所述裂缝面积L；

当所述无缝钢管表面的磁粉呈现圆形或椭圆形图案时，判断为空洞，并根据所述第二图像数据获取所述空洞面积K;

当所述无缝钢管表面的磁粉呈现不规则图案且所述磁粉间较分散时，判断为夹杂物，并根据所述第二图像数据获取所述夹杂物面积J。

9.根据权利要求1所述的基于机器视觉的无缝钢管检测方法，其特征在于，根据所述最大深度判断是否对所述质量等级进行调整时，包括：

获取所述最大深度R与所述厚度数据H的比值R/H，根据所述比值R/H的大小判断是否对所述质量等级进行调整；

当R/H＞0.3时，深度明显影响所述无缝钢管质量，判断对所述质量等级Di进行调整；

当R/H≤0.3时，深度影响较小，判断不对所述质量等级Di进行调整；

当对所述质量等级Di进行调整时，包括：

当0.3＜R/H≤0.5时，将所述质量等级Di调低一级，当原质量等级为所述第三质量等级D3时，维持不变；

当0.5＜R/H时，将所述质量等级Di调低两级，当原质量等级为所述第三质量等级D3时，维持不变；当原质量等级为所述第二质量等级D2时，将所述第二质量等级D1调低为所述第三质量等级D3。

10.一种基于机器视觉的无缝钢管检测系统，用于应用如权利要求1-9任一项所述的方法，其特征在于，包括：

采集单元，被配置为对待检测的无缝钢管进行图像拍摄，获取所述无缝钢管的第一图像数据，根据所述第一图像数据判断所述无缝钢管表面是否清洁；

所述采集单元还被配置为当判定所述无缝钢管表面清洁时，根据所述第一图像数据获取所述无缝钢管的表面尺寸，根据所述表面尺寸确定磁粉使用量；

所述采集单元还被配置为当确定所述无缝钢管表面清洁且确定所述磁粉使用量后，根据所述第一图像数据获取所述无缝钢管的厚度数据，根据所述厚度数据确定磁化电流；

处理单元，被配置为在确定所述磁粉使用量以及所述磁化电流后，将所述无缝钢管移至检测区域，对所述无缝钢管两端进行通电，通电时的电流为所述磁化电流；通电后向所述无缝钢管表面均匀洒落所述磁粉；

判断单元，被配置为实时采集所述无缝钢管的表面温度，根据所述表面温度判断是否开启定向散热装置，以避免所述无缝钢管过热损坏；

评价单元，被配置为采集通电并撒粉后所述无缝钢管的第二图像数据，根据所述第二图像数据确定所述无缝钢管的缺陷评价值Q；

所述缺陷评价值通过下式计算获得：

Q=L*α+K*β+J*γ；

其中，L表示裂缝面积，K表示空洞面积，J表示夹杂物面积，α、β、γ表示权重，α＞0，β＞0，γ＞0且α+β+γ=1；

所述评价单元还被配置为将所述缺陷评价值Q分别与预先设定的第一缺陷阈值Q1和第二缺陷阈值Q2进行比对，Q1＜Q2，根据比对结果确定所述无缝钢管的质量等级；

当Q≤Q1时，确定所述无缝钢管的质量等级为第一质量等级D1；

当Q1＜Q≤Q2时，确定所述无缝钢管的质量等级为第二质量等级D2；

当Q2＜Q时，确定所述无缝钢管的质量等级为第三质量等级D3；

其中，所述第一质量等级D1表示所述无缝钢管的品质优于所述第二质量等级D2，所述第二质量等级D2表示所述无缝钢管的品质优于所述第三质量等级D3；

调整单元，被配置为在确定所述无缝钢管的质量等级为第i质量等级Di后，i=1，2，3，对所述无缝钢管断电并清理表面磁粉，基于超声波探测采集所述无缝钢管内缺陷的最大深度，根据所述最大深度判断是否对所述质量等级进行调整。