CN1854724A - 在x射线分析领域内对铸造缺陷进行分类的方法 - Google Patents
在x射线分析领域内对铸造缺陷进行分类的方法 Download PDFInfo
- Publication number
- CN1854724A CN1854724A CNA2006100789304A CN200610078930A CN1854724A CN 1854724 A CN1854724 A CN 1854724A CN A2006100789304 A CNA2006100789304 A CN A2006100789304A CN 200610078930 A CN200610078930 A CN 200610078930A CN 1854724 A CN1854724 A CN 1854724A
- Authority
- CN
- China
- Prior art keywords
- casting flaw
- casting
- flaw
- foundry goods
- classification
- 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.)
- Pending
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及在X射线分析领域内对铸件的铸造缺陷进行分类的方法,其中铸造缺陷被分别自动归入已知的铸造缺陷类型中,方法是铸件的X射线图与已知的铸造缺陷类型的训练图中的特征进行比较,并且由此确定被检查的铸件中存在的铸造缺陷。
Description
技术领域
本发明涉及在X射线分析领域内对铸件的铸造缺陷进行分类的方法。
背景技术
已公开了这种方法,其中对铸造缺陷的分类仅限于通过对详细技术规格的额定值与实际值的比较而进行。所使用的详细技术规格通常基于表面上的特征。在这些已公开的分类方法中,结果是简单的好/坏的决定。这意味着,在自动化的方法中借助自动错误识别系统(ADR系统)仅仅决定刚才借助X射线分析所检验的铸件是否具有铸造缺陷。这样的缺点是,只可以由铸工借助手工的或视力的鉴定而事后确定存在哪种具体的铸造缺陷。
此外还公开了,铸工通过观察铸件的X射线图进行铸造缺陷的分类。为此需要大量的经验并且铸造缺陷通常也只能在事后被检测,即当所检查的铸件具有在规格界限之上的不可容忍的铸造缺陷时才被检测到。对于在这种方法中必须始终观察铸造设备实况图(Livebild)的铸工,这极其疲劳,这样有可能在铸造缺陷方面导致错误的判定。这导致虽然铸造过程的参数被改变了,然而错误地被认定的铸造缺陷不能被消除。当实际上存在的铸造缺陷被正确检测时,可避免额外的具有铸造缺陷的铸件次品。
发明内容
由此本发明的任务在于,提供一种方法,借助该方法,在铸件中实际存在的铸造缺陷可以被自动地——即不必由铸工进行疲劳地监视——确定。
根据本发明,这借助根据权利要求1的特征的方法解决。通过这种方法,即铸件在X射线分析期间拍摄的X射线图而借助从已知的铸造缺陷类型的训练图中计算出的特征进行比较,在所检查的铸件中实际存在的铸造缺陷可以被确定。通过这种方法得出根据本发明的、从被检测铸造缺陷至已知的铸造缺陷类型的自动归类。这意味着,接下来通过铸造过程的参数改变可以引入快速反应。通过这种方法,避免了另外的次品。与已公开的、其中铸工必须以令人疲劳的方式观察铸造设备的实况图的方法不同,通过根据本发明的方法自动进行实际铸造缺陷的识别。此外铸造缺陷还可以在规格界限之下被检测到,这样当导致铸造缺陷的趋势被提早通过铸造过程的参数的合适匹配而得以反向控制时,根本不会导致次品件的产生。
本发明的一种有利的改进方案提出,已知的铸造缺陷类型被概括为多个类别,这些类别在X射线图中具有类似的特征。在此,当这些在X射线图中具有类似特征的类别被概括到上位类别中时,是特别有利的。在此同样也很有可能,取代两个被说明的等级,在位于其上的等级上还进行另外的概括。通过这种方法,该方法的结构化的操作模式是可能的,其中无须不断遍历训练图的整个数据库,以实现与所有已知铸造缺陷类型的比较。通过粗略的确定类型可以节省时间并且由此可能实现铸造缺陷的实时能力的归类。通过附加时间的节省,对于铸造过程的参数变化的更早的反应也成为可能,这样还可以改进铸件的质量。
当将判定树(Entscheidungsbaum)作为归类的基础时,其中对该判定树进行从抽象的上级类别或具有简单特征的类别至具有复杂特征的具体铸造缺陷的遍历,根据本发明的方法是特别有效的。通过这种方法,对具体铸造缺陷进行非常可靠然而非常快速的归类是可能的,因为在第一等级中的较少的上级类别可以被非常快地检验,并且随后只需要继续跟踪判定树的分支,被检测的铸造缺陷落在该分支的简单特征之下。然后这对于判定树的每个另外的等级都类似适用,直到检测到具有复杂特征的具体铸造缺陷。
本发明的一种另外有利的改进方案提出了,在具体的铸造缺陷被自动识别之后,进行铸造过程的自动控制并且铸造过程的参数根据被识别的铸造缺陷而被自动改变。由此,进一步减轻了铸工的负担,他仅仅必须在通过该系统的粗略的缺陷分类中进行纠正。此外在尽可能早的时刻反作用于正在发展的铸造缺陷,这样可导致该铸造缺陷的趋势被自动通过铸造过程的参数匹配而逆转。通过这种方式,可达成次品件的显著减少,因为未超过铸造缺陷的规格界限。相应地,大多数时候生产无缺陷的铸件,这样可以在较短的时间内生产所需的数目的产品。
本发明的另外的优点和细节借助判定树的实施例说明。
附图说明
图1示出了根据本发明的判定树的实施例,借助该判定树可以实施根据本发明的方法。
具体实施方式
ADR系统通常也可以检测在规格界限之下的缺陷。若这些缺陷被及时地通知铸工,则在该铸造缺陷的临界边界——被分配至缺陷类型的规格界限——被超过之前,他可以根据铸造缺陷类型引入合适的对策。为了事后改进铸造过程,还必须管理有关出现的铸造缺陷的详细的统计报表。在此特别需要注意的是,在铸造过程的哪些参数存在的情况下有多少件产品具有何种铸造缺陷。因此需要对出现的铸造缺陷进行立刻的详细分类,以建立关于缺陷类型的趋势预测或统计报表。在所示出的实施例中示出了有适应性的判定树,它能够根据相应使用者的要求实现详细的分类。由此每个使用者可以自己决定,他想在最下级的等级上检测哪些具体的铸造缺陷,以及他想如何在位于上部的等级上概括这些铸造缺陷类型,以及再次在位于其上的等级上想分别如何概括,由此在最上级的等级上只给出简单的特征,相对于这些特征可以进行非常简单地判定。
借助被发现的铸造缺陷类型或者理论上预定的铸造缺陷类型的大量的示例图、训练图,从根部的唯一等级直到叶部都被训练。为此必须在每个等级中都分配确定的特征,借助它们对确定类型——在具体铸造缺陷类型的最下级等级上——进行判定。在此提供了为具体的铸造缺陷类型将特征从在其中只能判定简单特征的最上级等级一直划分到较复杂的特征。
在具体说明的实施例中,在第一等级、上级类别中只关于明亮和暗淡进行简单的阈值比较。由此确定,是否在刚才检验的铸件中存在比预定更高的密度或更低的密度。
在存在较高密度时,在该实施例中,人们以此为出发点,即涉及夹杂物——在第二等级上,即在铸造缺陷类型的类别等级上。在当前的情况下,“较高密度”的上级类别不再被划分,然而这绝对不是强制的。此外“夹杂物”类别也不再被划分,这同样也绝对不是强制的。
在该实施例中,在上级类别“较低密度”下,在第二等级中一共有三个类别:“缩孔(Lunker)”、“气孔”和“表面缺陷”。在此也可以完全根据操作者的需要而定义另外的、更少或更多类别。
在该实施例中,类别“缩孔”被进一步划分为具体的铸造缺陷类型“单缩孔(Einzellunker)”、“缩孔巢(Lunkernest)”和“海绵状缩孔”。在该最底层的等级上,分类在最高的详细程度上进行。
在所示的实施例中,类别“气孔”被划分为具体的铸造缺陷“单气孔”和“多气孔”。
在所示的实施例中,类别“表面缺陷”被划分为具体的铸造缺陷“抽拉缺陷(Ziehstelle)”和“修整缺陷(Schlichtefehler)”。
如上面已经阐述的那样,整个判定树可以根据应用和操作者的意图借助合适的训练图按照相应的要求而改造。通过这种方法,能够实现关于不同铸造类型的独特匹配的、详细的分类。替代判定树的所示的划分,——如已经提到的那样——在具体铸造缺陷的最低等级之下的另外的划分也是可能的。重要的是,相应的合适的训练图可供系统使用,这样所有对于相应的铸造过程相关的铸造缺陷类型都可以被识别,并且首先完全不要超过规格界限,这样就提高了铸造过程的生产率。
Claims (6)
1.在X射线分析领域内对铸件的铸造缺陷进行分类的方法,其中铸造缺陷被自动归入各已知的铸造缺陷类型中,方法是将铸件的X射线图与已知的铸造缺陷类型的训练图中的特征相比较,并且由此确定被检查铸件中存在的铸造缺陷。
2.根据权利要求1所述的方法,其特征在于,已知的铸造缺陷类型被概括为多个类别,这些类别在X射线图中具有类似的特征。
3.根据权利要求2所述的方法,其特征在于,在X射线图中具有类似特征的类别被概括到上级类别中。
4.根据权利要求3所述的方法,其特征在于,在一个或多个等级上还进行另外的概括。
5.根据权利要求2、3或4所述的方法,其特征在于,以判定树作为归类的基础,其中对该判定树从抽象的上级类别或具有简单特征的类别至具有复杂特征的具体铸造缺陷进行遍历。
6.根据前述权利要求的其中之一所述的方法,其特征在于,在具体的铸造缺陷被自动识别之后,进行铸造过程的自动控制并且根据被识别的铸造缺陷而自动改变铸造过程的参数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102005019800A DE102005019800B4 (de) | 2005-04-28 | 2005-04-28 | Verfahren zur Klassifikation von Giessfehlern im Rahmen einer Röntgenanalyse |
DE102005019800.7 | 2005-04-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1854724A true CN1854724A (zh) | 2006-11-01 |
Family
ID=36675987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006100789304A Pending CN1854724A (zh) | 2005-04-28 | 2006-04-27 | 在x射线分析领域内对铸造缺陷进行分类的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20060243410A1 (zh) |
EP (1) | EP1717754A3 (zh) |
JP (1) | JP2006305635A (zh) |
CN (1) | CN1854724A (zh) |
DE (1) | DE102005019800B4 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1995995B (zh) * | 2006-12-07 | 2010-05-12 | 华南理工大学 | 大型铸件缺陷检测的控制方法 |
CN102015161A (zh) * | 2008-03-17 | 2011-04-13 | 南线公司 | 孔隙检测 |
CN104502383A (zh) * | 2014-12-17 | 2015-04-08 | 重庆理工大学 | 一种铸件缺陷射线检测系统 |
CN115825118A (zh) * | 2022-11-18 | 2023-03-21 | 华中科技大学 | 一种铸件x射线探伤装备的自动评片集成系统及方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8238635B2 (en) * | 2008-03-21 | 2012-08-07 | General Electric Company | Method and system for identifying defects in radiographic image data corresponding to a scanned object |
US8131107B2 (en) * | 2008-05-12 | 2012-03-06 | General Electric Company | Method and system for identifying defects in NDT image data |
US8345949B2 (en) * | 2010-03-09 | 2013-01-01 | General Electric Company | Sequential approach for automatic defect recognition |
EP2578335B1 (de) * | 2011-10-07 | 2018-02-14 | Nemak, S.A.B. de C.V. | Verfahren zur Steuerung einer Giessprozessvorrichtung |
KR102370144B1 (ko) * | 2020-07-24 | 2022-03-03 | 한국해양대학교 산학협력단 | 기계학습기반 다이캐스팅 주조품 결함검출 및 원인분석을 이용한 자동 공정 변수 제어 방법 및 장치 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1341908A (zh) * | 2001-09-03 | 2002-03-27 | 华南理工大学 | 铸件内部缺陷自动分析识别装置及其分析识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1148333A1 (de) * | 2000-02-05 | 2001-10-24 | YXLON International X-Ray GmbH | Verfahren zur automatischen Gussfehlererkennung in einem Prüfling |
US6738450B1 (en) * | 2002-12-10 | 2004-05-18 | Agilent Technologies, Inc. | System and method for cost-effective classification of an object under inspection |
-
2005
- 2005-04-28 DE DE102005019800A patent/DE102005019800B4/de not_active Revoked
-
2006
- 2006-04-27 CN CNA2006100789304A patent/CN1854724A/zh active Pending
- 2006-04-28 EP EP06008959A patent/EP1717754A3/de not_active Ceased
- 2006-04-28 JP JP2006125591A patent/JP2006305635A/ja not_active Withdrawn
- 2006-04-28 US US11/414,589 patent/US20060243410A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1341908A (zh) * | 2001-09-03 | 2002-03-27 | 华南理工大学 | 铸件内部缺陷自动分析识别装置及其分析识别方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1995995B (zh) * | 2006-12-07 | 2010-05-12 | 华南理工大学 | 大型铸件缺陷检测的控制方法 |
CN102015161A (zh) * | 2008-03-17 | 2011-04-13 | 南线公司 | 孔隙检测 |
CN102015161B (zh) * | 2008-03-17 | 2014-01-29 | 南线公司 | 孔隙检测 |
CN104502383A (zh) * | 2014-12-17 | 2015-04-08 | 重庆理工大学 | 一种铸件缺陷射线检测系统 |
CN104502383B (zh) * | 2014-12-17 | 2017-04-19 | 重庆理工大学 | 一种铸件缺陷射线检测系统 |
CN115825118A (zh) * | 2022-11-18 | 2023-03-21 | 华中科技大学 | 一种铸件x射线探伤装备的自动评片集成系统及方法 |
CN115825118B (zh) * | 2022-11-18 | 2023-09-12 | 华中科技大学 | 一种铸件x射线探伤装备的自动评片集成系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102005019800A1 (de) | 2006-11-16 |
JP2006305635A (ja) | 2006-11-09 |
DE102005019800B4 (de) | 2007-10-04 |
EP1717754A3 (de) | 2008-01-16 |
EP1717754A2 (de) | 2006-11-02 |
US20060243410A1 (en) | 2006-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1854724A (zh) | 在x射线分析领域内对铸造缺陷进行分类的方法 | |
JP4552749B2 (ja) | 検査基準設定装置及び方法、並びに、工程検査装置 | |
US10438096B2 (en) | Identifying and excluding blurred areas of images of stained tissue to improve cancer scoring | |
KR102110755B1 (ko) | 자동 결함 분류를 위한 알려지지 않은 결함 리젝션의 최적화 | |
JP4155496B2 (ja) | 分類支援装置、分類装置およびプログラム | |
KR102092054B1 (ko) | 자동 결함 분류에서 분류기 준비 및 유지 | |
CN111754456B (zh) | 基于深度学习的二维pcb外观缺陷实时自动检测技术 | |
US6941009B2 (en) | Method for evaluating pattern defects on a water surface | |
JP7196009B2 (ja) | 短繊維強化プラスチック部品の射出成形プロセスを最適化するためにx線コンピュータ断層撮影データから情報を取得する方法 | |
CN112528975A (zh) | 工业质检方法、装置和计算机可读存储介质 | |
KR20130118276A (ko) | 자동 및 수동 결함 분류의 통합 | |
TW201915770A (zh) | 對半導體樣本中的缺陷進行分類之方法及其系統 | |
KR20040111529A (ko) | 표면 결함 판별 방법 | |
CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
KR20030067457A (ko) | 결함 분류 검사 장치 | |
KR102530950B1 (ko) | 반도체 시편에서의 결함들의 분류 | |
CN114140385A (zh) | 基于深度学习的印刷电路板缺陷检测方法及系统 | |
CN113628161A (zh) | 缺陷检测方法、装置及计算机可读存储介质 | |
CN115311247A (zh) | 缺陷分类修正的方法及其工件外观检测的应用 | |
JP2005309535A (ja) | 画像自動分類方法 | |
CN111191670A (zh) | 基于神经网络的分类装置及分类方法 | |
CN105913440A (zh) | 一种基于双峰模式判别的织物材料表面疵点分割方法 | |
JP2013205320A (ja) | 検査条件決定方法、検査方法および検査装置 | |
US20010004401A1 (en) | Process for inspecting the quality of an article in particular one made of glass | |
TWI722861B (zh) | 分類方法及分類系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20061101 |