EP2162734A1 - Verfahren zur automatischen inspektion einer schweissnaht mittels wärmefluss-thermographie - Google Patents

Verfahren zur automatischen inspektion einer schweissnaht mittels wärmefluss-thermographie

Info

Publication number
EP2162734A1
EP2162734A1 EP08784603A EP08784603A EP2162734A1 EP 2162734 A1 EP2162734 A1 EP 2162734A1 EP 08784603 A EP08784603 A EP 08784603A EP 08784603 A EP08784603 A EP 08784603A EP 2162734 A1 EP2162734 A1 EP 2162734A1
Authority
EP
European Patent Office
Prior art keywords
image
heat flow
characteristic
thermal image
errors
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.)
Withdrawn
Application number
EP08784603A
Other languages
English (en)
French (fr)
Inventor
Roman Louban
Christoph DÖTTINGER
Peter Stolz
Manfred Böhm
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.)
Thermosensorik GmbH
Original Assignee
Thermosensorik GmbH
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
Priority claimed from DE200710031184 external-priority patent/DE102007031184B4/de
Priority claimed from DE200710031206 external-priority patent/DE102007031206B8/de
Priority claimed from DE200710031215 external-priority patent/DE102007031215A1/de
Application filed by Thermosensorik GmbH filed Critical Thermosensorik GmbH
Publication of EP2162734A1 publication Critical patent/EP2162734A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws

Definitions

  • the invention relates to a method for automatic inspection of a weld by means of heat flow thermography according to the preamble of claim 1.
  • Radiation-assisted bonding processes such as electron beam, laser beam and laser hybrid welding processes, are widely used in the automotive industry for body-in-white construction.
  • the number of welds, especially the welds, has increased significantly in recent decades. Accordingly, there is a great need in the automotive industry for systems that allow automatic inspection and control of welds.
  • errors of various types of errors can occur. Such errors are, for example, too short a length, insufficient penetration, a crack, a cut, a hole, a pore or a blowhole.
  • Welding requires that errors of various types of errors can be reliably detected and detected.
  • DE 100 04 049 A1 discloses a method for testing a welding seam, in which the heat radiation in the region of the weld seam is recorded as a picture with the aid of a digital infrared camera and compared with a previously recorded reference image by means of a computer. Based on the comparison, the quality of the weld is assessed.
  • this method does not ensure reliable inspection of the Weld, especially if errors of different types of defects occur.
  • Weld seam is heated and a thermographic sensor is moved on a test track, which detects the temperature values at each point of the test track.
  • the temperature values can be evaluated as quality features of the weld seam and displayed in relation to the weld seam. Also, this method does not ensure reliable inspection of the weld, especially when errors of different types of errors occur.
  • the invention is therefore based on the object to provide a method for automatic inspection of a weld by means of heat flow thermography, which ensures reliable detection and evaluation of the weld with respect to errors of different types of errors.
  • the feature vector represents a time profile of the detected heat flow. This means that the feature vector contains a value for the heat flow for each individual thermal image of the acquired series of thermal images.
  • the heat flow is determined for each individual thermal image, for example within a test area, by averaging over all the pixels of the infrared sensor in this test area.
  • the heat flow has in the feature vector as a function of the recording time of the thermal images, ie the image number of the thermal images, minima and maxima. This is due to the fact that the heat flow represented in the feature vector is composed of a heat flow through the welded material, that is to say through the object with the weld seam, and from a heat flow directly from the excitation source, if this appears in the series of thermal images.
  • the first minimum is determined in the feature vector, from which the heat flow through the welded material begins to grow and the disturbing heat flow from the excitation source has already subsided, if present.
  • the first characteristic thermal image which has a minimum heat flow through the object, results from the associated time, that is to say the associated image number.
  • the absolute maximum of the feature vector is determined with reference to thermal images which were recorded later than the first characteristic thermal image. From this maximum, the heat flow through the welded material begins to increase fall, the disturbing heat flow from the excitation source has already subsided. From the time associated with the maximum, ie the associated image number, the second characteristic thermal image results. This has a maximum heat flow through the object.
  • the characteristic thermal images thus ensure a reliable reference for the automatic definition of a suitable thermal image that is most suitable for errors of a specific type of defect.
  • Weld seam can thus be reliably performed for errors of various types of errors, since it is ensured that the most suitable thermal image is used for each type of error, on which errors of this type of defect are best recognized.
  • the method according to the invention can be applied, for example, to an object comprising at least two joining partners which are connected to one another by one or more welds.
  • the joining partners may be formed, for example, as sheets.
  • a method according to claim 2 ensures reliable detection and evaluation of the weld seam with respect to geometry errors, such as, in particular, compliance with a required length and / or width. Since the second characteristic thermal image has a maximum heat flow through the object, the weld on this thermal image can best be detected and evaluated with respect to its geometric dimensions, such as length and / or width.
  • a method according to claim 3 ensures a reliable detection and evaluation of the weld with respect to geometry errors, in particular compliance with a required length and / or width. For objects that are still hot after welding, the detection and evaluation of the weld in terms of geometry errors can be done with greater reliability, based on a matching result image. Determining the start image ensures that the resulting image is generated without interference.
  • the startup image is determined dynamically using the feature vector, which means that the startup image is redetermined for each newly acquired series of thermal images.
  • the result image can be of various types, such as an amplitude or a phase image.
  • amplitude and phase images are known in principle and is described in "Theory and Practice of Infrared Technology for Nondestructive Testing” (Xavier PV Maldague, John Wiley & Sons, Inc. 2001), which is referred to for the detection and evaluation of the weld in terms of geometry, an amplitude image is preferably used as the result image.
  • a separation factor according to claim 4 ensures a secure separation between a noise signal and a significant signal of the heat flow. Accordingly, a secure selection of a subset of thermal images is guaranteed, which does not direct heat flow from the Contains excitation source.
  • a separation factor of 1 / e 2 ⁇ 0.135 has been granted, where e is the Euler number.
  • the definition of a series length according to claim 5 ensures a reliable detection and evaluation of the weld on the basis of the result image. Since the characteristic thermal images and the start image from the series of thermal images are determined dynamically, the serial length of the partial series can also be set dynamically and automatically. Dynamic means that the series length will be redefined for every new series from Thermobil.
  • the series length can be selected, for example, as double the length between the start image and the second characteristic Thermobüd.
  • the series length can be selected, for example, as the next largest length, which is a power of two and exceeds the length between the characteristic thermal images. In any case, the serial length must be set so that the part series does not exceed the recorded series of thermal images.
  • thermobud before the first characteristic Thermobüd which has a maximum heat flow directly from the excitation source, if this heat flow becomes apparent in the series of thermal images, is used to detect and evaluate defects passing through the welded material.
  • Continuous errors can be due to the maximum Heat flow directly from the excitation source on this thermal image are best recognized.
  • a method according to claim 7 ensures a reliable detection and evaluation of errors that are located in the interior of the weld, such as pores.
  • a thermal image can be reliably and reliably selected which is located between the characteristic thermal images and is best suited for the detection and evaluation of defects located inside the weld seam.
  • a first heat flow factor according to claim 8 has proven itself in practice, since the errors located in the interior of the weld affect the heat flow in this area.
  • a method according to claim 9 ensures a reliable detection and evaluation of the weld with respect to surface defects, such as cracks, cuts or voids.
  • a thermal image from the series of thermal images can be reliably and reliably selected that is located between the characteristic thermal images and is best suited for the detection and evaluation of surface area.
  • a second heat flow factor according to claim 10 has proven itself in practice, since surface defects due to the smaller material thickness in this area favor the heat flow.
  • a method according to claim 1 1 enables automatic and to the image content adequate conversion of a thermal image or result image in an 8-bit image that is usual for image processing. Such an image may be used for visual inspection or further automatic processing.
  • the image objects including their characteristic features, such as, for example, their edge, structure, shape and size, can be represented undistorted on their background in the converted image.
  • Picture objects are, for example, the weld and / or the errors of the various types of errors. From the calculated histogram of the respective image, the absolute limit values which delimit the information-relevant portion of the object intensity range in the histogram and the absolute limit values which delimit the information-relevant portion of the background intensity range in the histogram are determined dynamically.
  • Dynamic means that the absolute limits for each image to be converted are redetermined.
  • the absolute lower limit values cut off a respective characteristic surface portion of the histogram area of the object intensity range or of the background intensity range from below, and the absolute upper limit values subtract a respective characteristic area portion from above.
  • the histogram may be considered as a combination of Gaussian normal distribution densities from the image object to be examined, the image background and the disturbances that have occurred. Accordingly, the first characteristic area components can be compared with a value of the probability integral of the Gaussian normal distribution. For example, each of the first characteristic area components may represent a 2.5% area proportion of the area corresponding to the object intensity area such that the information-relevant remaining area ratio of the object intensity area represents 95%.
  • the first characteristic surface portions are determined according to experience and together are in the range between 0 and 0.5, in particular between 0.05 and 0.4.
  • the histogram can be considered as a combination of Gaussian normal distribution densities from the image object to be examined, the image background, and the interferences that have occurred. Accordingly, the second characteristic surface portions can be compared with a value of the probability integral of the Gaussian normal distribution.
  • the second characteristic surface portions may each represent a 2.5% area proportion of the area corresponding to the background intensity area, so that the information-relevant remaining area ratio of the background intensity area represents 95%.
  • the second characteristic surface portions are determined according to experience and together are in the range between 0 and 0.5, in particular between 0.05 and 0.4.
  • a method according to claim 14 enables a flexible and secure determination of the information-relevant basis of the recorded thermal image or the result image.
  • a development according to claim 15 ensures a reliable processing and evaluation of the feature vector and / or the histogram.
  • Both the feature vector, which represents a time course of the recorded heat flow, and the histogram of the highly dynamic thermal image or result image form curves to be examined.
  • By processing these curves by means of at least one morphological filter it is possible to ensure a perfect detection and correct evaluation of the characteristic points or point areas on these disturbing curves.
  • the characteristic points are, for example, the local and / or the absolute minima or maxima.
  • As a morphological filter for example, the watershed transformation described in the book "Morphological Image Processing" by Pierre Soille, Springer Verlag, Berlin 1998, may be used, to which reference is made.
  • FIG. 2 is a schematic representation of a feature vector representing a time course of a recorded heat flow
  • Fig. 3 is a histogram of a captured image.
  • An object 1 to be tested has a first joining partner 2 and a second joining partner 3, which are connected to one another by a welded connection in the form of a welded seam 4.
  • the joining partners 2, 3 are formed as sheets.
  • the weld 4 was produced, for example, by means of an electron beam, laser beam or laser hybrid welding process.
  • the material of the joining partners 2, 3 is fused together in the region of the weld seam 4 due to the welding process.
  • the object 1 with the weld 4 is hereinafter also referred to as welded material.
  • the weld 4 has several errors of different types of errors.
  • a fault of a first type of fault the weld 4 has a geometry error 5.
  • the geometry error 5 is a deviation of a nominal length Ls from an actual length L 1 .
  • the weld 4 as a fault of a second type of error on a continuous error 6 in the form of a hole through the weld 4.
  • the weld 4 has an internal fault 7, which is formed as a pore and is located in the interior of the weld 4.
  • the weld seam 4 has a surface defect 8, which is formed as a cut on the surface of the weld seam 4.
  • an excitation source 9 and an infrared sensor 10 are arranged on opposite sides of the object 1, on opposite sides of the object 1, an excitation source 9 and an infrared sensor 10 are arranged.
  • the infrared sensor 10 is preferably arranged on the side of the object 1, from which the welding of the joining partners 2, 3 has taken place, that is, for example, from the side of the laser beam.
  • the object 1 and the weld 4 to be inspected are excited by means of the excitation source 9.
  • the result is a heat flow 11, which of the infrared sensor 10 in a series of successive recorded thermal images is detected.
  • the detected heat flow 11 is composed of a heat flow 12 through the object 1 and a heat flow 13 directly from the excitation source 9.
  • a computing unit 14 is provided, which is in communication with the excitation source 9 and the infrared sensor 10.
  • the object 1 with the weld 4 is excited by means of the excitation source 9, which generates, for example, a flash.
  • the heat flow 11 produced by the excitation is recorded by means of the infrared sensor 10, forwarded to the arithmetic unit 14 and examined there.
  • a feature vector W (N) is created, which represents a time course of the detected heat flow 11.
  • Each thermal image from the recorded series is assigned a frame number N.
  • a heat flow value W is calculated.
  • the heat flux value W results, for example, as the mean value of the image values which the pixels of the infrared sensor 10 have in a test area.
  • the feature value W (N) is obtained by plotting the ready heat flow values W over the image number N of the corresponding thermal image.
  • the feature vector W (N) is shown in FIG.
  • the feature vector W (N) represents a chronological progression of the recorded heat flow 11. Accordingly, in the feature vector W (N), the heat flow 12 through the object 1 and the heat flow 13 are represented directly by the excitation source 9. Depending on the recording time, ie the image number N, the time profile of the heat flow 11 in the feature vector W (N) has minima and maxima.
  • the weld 4 to be examined and the defects 5, 6, 7, 8 which have occurred can be recognized at different acquisition times, ie on different thermal images, depending on the type of defect. In order to ensure the best possible detection and evaluation of the weld 4, a suitable thermal image T F1 to T F4 is determined for each error type for the errors 5, 6, 7, 8.
  • first a first characteristic thermal image Ti and a second characteristic thermal image T 2 are determined.
  • the first characteristic thermal image Ti is determined such that a minimum is determined in the feature vector W (N), from which the heat flow 12 through the welded material begins to grow and the disturbing heat flow 13 from the excitation source 9 has already subsided.
  • the minimum corresponds to a minimum heat flow W m i n through the object 1, which has the first characteristic thermal image Ti.
  • the first characteristic thermal image Ti results from the feature vector W (N) from the image number N (Ti) associated with the minimum heat flow W min .
  • the absolute maximum in the feature vector W (N) with respect to thermal images of the series taken later to the characteristic thermal subject T ⁇ is detected. From this maximum, the heat flow 12 begins to sink through the welded material.
  • the maximum heat flow W max is determined by the object 1, which has the second characteristic thermal image T 2 .
  • the second characteristic thermal image T 2 results from the material vector W (N) from the image number N (T 2 ) associated with the maximum heat flux W max .
  • the weld 4 can best be detected and evaluated on the second characteristic thermal image T 2 , as then the heat flow 12 through the welded material has an absolute maximum, the heat flow 13 from the excitation source 9 has already subsided.
  • the geometry error 5, which represents an error of a first type of error can best be detected and evaluated on the second characteristic thermal image T 2 . For errors of the first type of error, the second characteristic thermal image T 2 thus represents the suitable thermal image T F] .
  • the continuous error 6 which represents an error of a second type of error
  • the continuous error 6 can best be detected and evaluated on the last thermal image taken before the first characteristic thermal image T 1 and corresponding to a maximum heat flux W Amax directly from the excitation source 9.
  • This thermal image is the appropriate thermal image T F2 , which is best suited for the detection and evaluation of faults of the second type of fault.
  • the thermal image T F2 results from the image number N (T F2 ) associated with the maximum heat flux W Amax from the excitation source 9.
  • a thermal image T F3 between the characteristic i hcrrnosentcm li, used 1 2, uas a w armeuuss corresponds W F3, the value of a threshold value W inside _ ü ⁇ d ( inside threshold) over the course of the recorded heat flow 11 exceeds for the first time.
  • W inS i d et h d the following applies:
  • the first heat flow factor ⁇ is determined according to experience and lies in the range between 0 and 1, in particular between 0.6 and 0.9.
  • the thermal image T F3 which is best suited for the detection and evaluation of errors of the third type of error, results from the image number N (T F3 ) associated with the heat flow W F3 .
  • a thermal image T F4 is used between the characteristic thermal images Ti, T 2 , which corresponds to a heat flow W F4 whose value has a threshold W surf thd (surface threshold) in FIG time course of the recorded heat flow 11 exceeds the first time.
  • W surf jhd surface threshold
  • ⁇ is referred to as a second heat flow factor, which ensures a reliable detection of the surface defect 8.
  • the first heat flow factor ⁇ is determined according to experience and lies in the range between 0 and 1, in particular between 0.1 and 0.4.
  • the thermal image T F4 which is suitable for detecting and evaluating errors of the fourth error type in the best, results from the image number associated with the heat flow W F4
  • a suitable thermal image T F1 to Tp 4 is thus determined dynamically and made available.
  • the characteristic thermal images T 1 , T 2 are used as references for specifying the respectively suitable thermal image Tpi to T F4 .
  • errors of the first error type can also be detected and evaluated on a suitable result image obtained from a subset of suitable thermal images, the subset being selected from the acquired series of thermal images.
  • the sub-series results from a start-up image T 5 and a series length N 8.
  • the starting image T 5 becomes between the characteristic Thermal images T 1 , T 2 selected.
  • the start image T 8 is determined as that thermal image which has a heat flow Ws, which after the minimum first exceeds the following threshold value W start thd (start threshold) in the course of the recorded heat flow 11.
  • start threshold For the threshold W st a r t jh d, the following applies:
  • ⁇ is called a separation factor.
  • the separation factor ⁇ is determined according to experience and lies in the range between 0 and 1, in particular between 0 and 0.15.
  • the series length N 8 For dynamic definition of the series length N 8, at least two images of an image set are used as references, which contains the characteristic thermal images Ti, T 2, and the start frame T. 8
  • the series length N 8 can be selected, for example, as double the length between the start image Ts and the second characteristic thermal image T 2 .
  • the series length N 8 can be designed, for example, as the next largest length. which is a power of two and thereby exceeds the length between the characteristic thermal images Ti, T 2 .
  • the serial length N s of the sub-series should be set so that the end of the series of thermal images is not exceeded.
  • an amplitude or a phase image can be used.
  • an amplitude image is preferably used.
  • the calculation of result images of various types is described, for example, in "Theory and Practice of Infrared Technology for Nondestructive Testing” (Xavier P.V. Maldague, John Wiley & Sons, Inc. 2001), to which reference is made.
  • the curve discussion of the feature vector W (N) will be carried out, for example, by means of morphological filters, which ensure a perfect separation of various characteristic points, such as minima and maxima. Thus, all minima and maxima of the feature vector W (N) can be determined independently of the overall course.
  • a morphological filter for example, the watershed transformation described in the book “Morphological Image Processing” by Pierre Soille, Springer Verlag, Berlin 1998, may be used, to which reference is made.
  • FIG. 3 shows a histogram n (I) of a highly dynamic image, for example one of the thermal images T F i to T F4 .
  • the frequency is n applied over the intensity I.
  • the histogram curve 15 of the image has a plurality of frequency maxima, which correspond to an image object 16, an image background 17, and perturbations present on the image.
  • an object intensity range ⁇ I obj which corresponds to the image object 16 to be examined, and a background intensity range ⁇ 1 bgrd , which corresponds to the image background 17, are determined.
  • This can be carried out, for example, with the aid of morphological filters which ensure a trouble-free evaluation of the histogram curve 15.
  • the use of morphological filters is advantageous since the histogram curve 15 does not represent a smooth curve but a discrete and thus discontinuous curve.
  • the histogram curve 15 has several minima and maxima, which can be reliably determined by means of morphological filters.
  • a morphological filter for example, the watershed transformation can be used.
  • the total area F obj is calculated, which lies between the histogram curve 15 and the intensity axis. Accordingly, of the background intensity range ⁇ I bgrd the total area F bgrd is calculated, which lies between the histogram curve 15 and the intensity axis.
  • a lower local object intensity range ⁇ I obj bot and an upper local object intensity range ⁇ I ob j top are detected which include noise or random noise values.
  • These local object intensity ranges ⁇ I obj bot; .DELTA.I obj top each have a characteristic area fraction F obj _ ⁇ offered or F obj tOp on jhd the total area F obj.
  • a lower local background intensity range .DELTA.I be bgrd in the background intensity range .DELTA.I corresponding manner bgrd _ offered as well as an upper local intensity range .DELTA.I bgrd top with corresponding second characteristic surface portions F bgrd offered thd or Fb grd _TOP_ thd the total area F bgrd of Background intensity range .DELTA.I bgrd determined.
  • a second lower limit value I bgrd _ offered _ thd and a second upper limit value I bgrdjo p jhd determined that an information relevant portion, so an information relevant intensity range .DELTA.I bgrd _ re i, the background intensity range .DELTA.I delimit bgrd , calculated dynamically.
  • the intensity range ⁇ I bgrd rel thus forms an information- relevant basis for the image background 17.
  • the characteristic surface portions F bgrd _ botjhd, F bgrd _ top _ mi F obj botJhd and F obj _ to p jh d can bgrd for example, respectively 2.5% of the total surface area F or represent F obj, so that the respective remaining area F bgrd _ rel and F obj rel each have an area ratio of 95%.
  • the intensity ranges ⁇ I bgrd rel and ⁇ I obj re i together form the information- relevant basis of the content of the recorded image.
  • an adaptive dynamic transformation of this image is independent of the
  • Image acquisition technique and the size of the image object to be examined 16 and its image background 17 and the interference occurring ensured by the contents of the recorded image is adequately represented in a different dynamics, in particular in the 8-bit dynamics.
  • the absolute limits I bg rd_bot_thd, Ibgrd_t oP _thd, Iobj_bot_thd and I O bj_to P _thd serve as image-specific threshold values for the dynamic conversion of the image.
  • the conversion of the image to be examined into an 8-bit image can be performed on the obtained information-relevant basis of the content of the recorded image by means of various standard methods of image processing.
  • the conversion can be linear, logarithmic or according to a user-specific method.
  • the method according to the invention enables an automatic, non-contact and non-destructive inspection of the weld seam 4 in which the weld seam 4 to be examined is explicitly detected with respect to various defects 5, 6, 7 and 8, irrespective of their sizes, positions and defect types as well as the defects that have occurred and can be evaluated.
  • the inventive method is flexible and quickly adjustable under industrial conditions.

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Radiation Pyrometers (AREA)

Abstract

Bei einem Verfahren zur automatischen Inspektion einer Schweißnaht mittels Wärmefluss-Thermografie wird ein Merkmalsvektor (W(N)) erstellt, der einen zeitlichen Verlauf eines erfassten Wärmeflusses (11) darstellt. Anhand des Merkmalsvektors (W(N)) werden aus einer Serie von Thermobildern ein erstes charakteristisches Thermobild, das einem minimalen Wärmefluss (Wmin) durch ein zu untersuchendes Objekt entspricht, und ein zweites charakteristisches Thermobild, das einem maximalen Wärmefluss (Wmax) durch das Objekt entspricht, ermittelt, wobei ein Wärmefluss (13) direkt von einer Anregungsquelle schon abgeklungen ist. Zur Detektierung und Auswertung der Schweißnaht in Bezug auf Fehler verschiedener Fehlertypen werden je Fehlertyp ein geeignetes Thermobild aus der Serie von Thermobildern verwendet, wobei die charakteristischen Thermobilder als Referenzen zum Festlegen des jeweils geeigneten Thermobildes dienen.

Description

Verfahren zur automatischen Inspektion einer Schweißnaht mittels Wärmefluss-Thermographie
Die Erfindung betrifft ein Verfahren zur automatischen Inspektion einer Schweißnaht mittels Wärmefluss-Thermographie gemäß dem Oberbegriff des Anspruchs 1.
In der Automobilindustrie werden strahlungsgestützte Verbindungsverfahren, wie beispielsweise Elektronenstrahl-, Laserstrahl- und Laser-Hybrid- Schweißverfahren, für den Karosseriebau in großem Umfang eingesetzt. Die Anzahl der Schweißverbindungen, insbesondere auch der Schweißnähte, nahm in den vergangenen Jahrzehnten deutlich zu. Dementsprechend gibt es in der Automobilindustrie einen großen Bedarf an Systemen, die eine automatische Inspektion und Kontrolle von Schweißnähten ermögli- chen.
Bei der Herstellung von Schweißnähten können Fehler verschiedenster Fehlertypen auftreten. Derartige Fehler sind beispielsweise eine zu kurze Länge, eine ungenügende Durchschweißung, ein Riss, ein Schnitt, ein Loch, eine Pore oder ein Lunker. Eine zuverlässige Inspektion von
Schweißnähten setzt voraus, dass Fehler verschiedenster Fehlertypen sicher detektiert und erkannt werden können.
Aus der DE 100 04 049 Al ist ein Verfahren zum Prüfen einer Schweiß- naht bekannt, bei dem die Wärmestrahlung im Bereich der Schweißnaht mit Hilfe einer digitalen Infrarotkamera als Bild erfasst und mittels eines Computers mit einem zuvor aufgezeichneten Referenzbild verglichen wird. Anhand des Vergleichs wird die Qualität der Schweißnaht beurteilt. Dieses Verfahren gewährleistet jedoch keine zuverlässige Inspektion der Schweißnaht, insbesondere wenn Fehler verschiedener Fehlertypen auftreten.
Weiterhin ist aus der DE 103 26 337 B3 ein Verfahren zur automatischen zerstörungsfreien Prüfung einer Schweißnaht bekannt, bei dem die
Schweißnaht erwärmt und ein Thermographie-Sensor auf einer Prüfbahn bewegt wird, der die Temperaturwerte an jeder Stelle der Prüfbahn erfasst. Die Temperaturwerte können als Qualitätsmerkmale der Schweißnaht bewertet und lagebezogen zur Schweißnaht dargestellt werden. Auch dieses Verfahren gewährleistet keine zuverlässige Inspektion der Schweißnaht, insbesondere wenn Fehler verschiedener Fehlertypen auftreten.
Der Erfindung liegt daher die Aufgabe zu Grunde, ein Verfahren zur automatischen Inspektion einer Schweißnaht mittels Wärmefluss- Thermographie zu schaffen, das eine zuverlässige Detektierung und Auswertung der Schweißnaht in Bezug auf Fehler verschiedener Fehlertypen gewährleistet.
Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des An- spruchs 1 gelöst. Erfindungsgemäß wurde erkannt, dass Fehler verschiedener Fehlertypen, je nach dem Fehlertyp, zu unterschiedlichen Zeitpunkten am Besten zu erkennen sind. Dementsprechend wird bei der Untersuchung der Schweißnaht für jeden Fehlertyp mindestens ein geeignetes Thermobild aus der Serie von Thermobüdern verwendet, auf dem Fehler dieses Fehler- typs am Besten zu erkennen sind. Die Schweißnaht wird somit -je nach Fehlertyp -jeweils zu einem passenden Zeitpunkt detektiert und ausgewertet. Zur Festlegung des jeweils geeigneten Thermobildes werden die charakteristischen Thermobilder aus der aufgenommenen Serie von Thermo- bildern als Referenzen benutzt. Die charakteristischen Thermobilder wer- den mit Hilfe des Merkmalsvektors dynamisch ermittelt. Dynamisch bedeutet, dass für jede neu aufgenommene Serie von Thermobildern von derselben Schweißnaht oder einer weiteren Schweißnaht die charakteristischen Thermobilder jeweils neu ermittelt werden. Der Merkmalsvektor stellt ei- nen zeitlichen Verlauf des erfassten Wärmeflusses dar. Das bedeutet, dass der Merkmalsvektor für jedes einzelne Therm obild der erfassten Serie von Thermobildern einen Wert für den Wärmefluss beinhaltet. Der Wärmefluss wird für jedes einzelne Thermobild beispielsweise innerhalb eines Testbereiches durch Mittelung über alle Pixel des Infrarotsensors in diesem Test- bereich ermittelt. Der Wärmefluss weist in dem Merkmalsvektor in Abhängigkeit des Aufnahmezeitpunktes der Thermobilder, also der Bildnummer der Thermobilder, Minima und Maxima auf. Dies ist dadurch bedingt, dass der in dem Merkmalsvektor dargestellte Wärmefluss sich aus einem Wärmefluss durch das geschweißte Material, also durch das Objekt mit der Schweißnaht, und aus einem Wärmefluss direkt von der Anregungsquelle - sofern dieser sich in der Serie von Thermobildern abzeichnet - zusammensetzt.
Zum Ermitteln des ersten charakteristischen Thermobildes wird in dem Merkmalsvektor das erste Minimum ermittelt, ab dem der Wärmefluss durch das geschweißte Material anfängt zu wachsen und der störende Wärmetluss von der Anregungsquelie schon abgeklungen ist, falls dieser vorhanden ist. Über den zugehörigen Zeitpunkt, also die zugehörige Bildnummer, ergibt sich das erste charakteristische Thermobild, das einen mi- nimalen Wärmefluss durch das Objekt aufweist. Zum Ermitteln des zweiten charakteristischen Thermobildes wird das absolute Maximum des Merkmalsvektors in Bezug auf Thermobilder ermittelt, die zeitlich später als das erste charakteristische Thermobild aufgenommen wurden. Ab diesem Maximum fängt der Wärmefluss durch das geschweißte Material an zu sinken, wobei der störende Wärmefluss von der Anregungsquelle bereits abgeklungen ist. Aus dem dem Maximum zugehörigen Zeitpunkt, also der zugehörigen Bildnummer, ergibt sich das zweite charakteristische Thermo- bild. Dieses weist einen maximalen Wärmefluss durch das Objekt auf. So- mit ist auf beiden charakteristischen Thermobildern sichergestellt, dass der Wärmefluss direkt von der Anregungsquelle schon abgeklungen ist, sofern sich dieser in der Serie von Thermobildern abzeichnet. Die charakteristischen Thermobilder gewährleisten somit eine sichere Referenz für die automatische Festlegung eines jeweils passenden Thermobildes, das für Feh- ler eines bestimmten Fehlertyps geeignetsten ist. Die Inspektion der
Schweißnaht kann somit für Fehler verschiedenster Fehlertypen zuverlässig erfolgen, da gewährleistet ist, dass für jeden Fehlertyp das geeignetste Thermobild verwendet wird, auf dem Fehler dieses Fehlertyps am Besten zu erkennen sind.
Das erfindungsgemäße Verfahren kann beispielsweise bei einem Objekt aus mindestens zwei Fügepartnern, die durch eine oder mehrere Schweißnähte miteinander verbunden sind, angewendet werden. Die Fügepartner können beispielsweise als Bleche ausgebildet sein.
Ein Verfahren nach Anspruch 2 gewährleistet eine zuverlässige Detektie- rung und Auswertung der Schweißnaht in Bezug auf Geometrie fehler, wie insbesondere die Einhaltung einer geforderten Länge und/oder Breite. Da das zweite charakteristische Thermobild einen maximalen Wärmefluss durch das Objekt aufweist, kann die Schweißnaht auf diesem Thermobild hinsichtlich ihrer geometrischen Abmessungen, wie beispielsweise Länge und/oder Breite, am besten detektiert und ausgewertet werden. Ein Verfahren nach Anspruch 3 gewährleistet eine zuverlässige Detektie- rung und Auswertung der Schweißnaht in Bezug auf Geometriefehler, wie insbesondere die Einhaltung einer geforderten Länge und/oder Breite. Bei Objekten, die nach dem Schweißen noch heiß sind, kann das Detektieren und Auswerten der Schweißnaht in Bezug auf Geometriefehler anhand eines passenden Ergebnisbildes mit einer größeren Zuverlässigkeit erfolgen. Durch das Bestimmen des Startbildes wird sichergestellt, dass das Ergebnisbild störungsfrei erzeugt wird. Das bedeutet, dass durch das Bestimmen des Startbildes zwischen dem ersten und zweiten charakteristischen Ther- mobild sichergestellt wird, dass die Teilserie von geeigneten Thermobil- dern, die auch als Teilbildserie bezeichnet wird, keinen direkten Wärme- fluss von der Anregungsquelle enthält. Der Trennungsfaktor wird hierzu derart festgelegt, dass dieser eine sichere Abgrenzung einer störungsfreien Teilserie gewährleistet. Das Startbild wird anhand des Merkmalsvektors dynamisch ermittelt, das bedeutet, dass das Startbild für jede neu aufgenommene Serie von Thermobildern neu ermittelt wird. Das Ergebnisbild kann von verschiedensten Typen sein, wie beispielsweise ein Amplitudenoder ein Phasenbild. Die Gewinnung von Amplituden- und Phasenbildern ist prinzipiell bekannt und in „Theory and Practice of Infrared Technology for Nondestructive Testing" (Xavier P.V. Maldague, John Wiley & Sons, Inc. 2001) beschrieben, worauf verwiesen wird. Für die Detektierung und Auswertung der Schweißnaht in Bezug auf GeomeirieichleL wiid als Ergebnisbild vorzugsweise ein Amplitudenbild verwendet.
Ein Trennungsfaktor nach Anspruch 4 gewährleistet eine sichere Trennung zwischen einem Rauschsignal und einem signifikanten Signal des Wärmeflusses. Dementsprechend wird eine sichere Auswahl einer Teilserie von Thermobildern gewährleistet, welche keinen direkten Wärmefluss von der Anregungsquelle enthält. In der Praxis hat sich insbesondere ein Trennungsfaktor von 1/e2 ~ 0,135 gewährt, wobei e die eulersche Zahl ist.
Das Festlegen einer Serienlänge nach Anspruch 5 gewährleistet eine zuver- lässige Detektierung und Auswertung der Schweißnaht anhand des Ergebnisbildes. Da die charakteristischen Thermobilder und das Startbild aus der Serie von Thermobildern dynamisch ermittelt werden, kann auch die Serienlänge der Teilserie dynamisch und automatisch festgelegt werden. Dynamisch bedeutet, dass fiir jede neu aufgenommene Serie von Thermobil- dem die Serienlänge neu festgelegt wird. Die Serienlänge kann beispielsweise als doppelte Länge zwischen dem Startbild und dem zweiten charakteristischen Thermobüd ausgewählt werden. Weiterhin kann die Serienlänge beispielsweise als nächstgroße Länge ausgewählt werden, die eine Potenz von zwei ist und die Länge zwischen den charakteristischen Thermo- bildern überschreitet. In jedem Fall ist die Serienlänge so fest zu legen, dass die Teilserie die erfasste Serie von Thermobildern nicht überschreitet. Die Festlegung von Serienlängen zur Erzeugung eines Ergebnisbildes ist beispielsweise in „Theory and Practice of Infrared Technology for Non- destructive Testing" (Xavier P.V. Maldague, John Wiley & Sons, Inc. 2001 ) beschrieben, worauf verwiesen wird.
rung und Auswertung der Schweißnaht in Bezug auf durchgehende Fehler, wie beispielsweise von Löchern. Zur Detektierung und Auswertung von durch das geschweißte Material durchgehenden Fehlern wird beispielsweise das letzte Thermobüd vor dem ersten charakteristischen Thermobüd verwendet, das einen maximalen Wärmefluss direkt von der Anregungsquelle aufweist, sofern sich dieser Wärmefluss in der Serie von Thermobildern abzeichnet. Durchgehende Fehler können auf Grund des maximalen Wärmeflusses direkt von der Anregungsquelle auf diesem Thermobild am Besten erkannt werden.
Ein Verfahren nach Anspruch 7 gewährleistet eine zuverlässige Detektie- rung und Auswertung von Fehlern, die sich im Inneren der Schweißnaht befinden, wie beispielsweise von Poren. Mittels des ersten Wärmeflussfaktors kann sicher und zuverlässig ein Thermobild ausgewählt werden, das sich zwischen den charakteristischen Thermobildern befindet und sich für die Detektierung und Auswertung von sich im Inneren der Schweißnaht be- findlichen Fehlern am Besten eignet.
Ein erster Wärmeflussfaktor nach Anspruch 8 hat sich in der Praxis bewährt, da die sich im Inneren der Schweißnaht befindlichen Fehler den Wärmefluss in diesem Bereich beeinträchtigen.
Ein Verfahren nach Anspruch 9 gewährleistet eine zuverlässige Detektierung und Auswertung der Schweißnaht in Bezug auf Oberflächenfehler, wie beispielsweise Risse, Schnitte oder Lunker. Mittels des zweiten Wärmeflussfaktors kann sicher und zuverlässig ein Thermobild aus der Serie von Thermobildern ausgewählt werden, dass sich zwischen den charakteristischen Thermobildern befindet und sich zur Detektierung und Auswertung von Obcrflächcnfchlcm am Besten eignet.
Ein zweiter Wärmeflussfaktor nach Anspruch 10 hat sich in der Praxis be- währt, da Oberflächenfehler auf Grund der geringeren Materialdicke in diesem Bereich den Wärmefluss begünstigen.
Ein Verfahren nach Anspruch 1 1 ermöglicht eine automatische und zu dem Bildinhalt adäquate Umwandlung eines Thermobildes bzw. Ergebnisbildes in ein für die Bildverarbeitung übliches 8-Bit-Bild. Ein derartiges Bild kann zur visuellen Kontrolle oder weiteren automatischen Verarbeitung verwendet werden. Durch die entsprechend dem Bildinhalt adäquate Umwandlung können die Bildobjekte inklusive ihrer charakteristischen Merk- male, wie beispielsweise ihrer Kante, Struktur, Form und Größe, auf ihrem Hintergrund in dem umgewandelten Bild unverzerrt dargestellt werden. Bildobjekte sind beispielsweise die Schweißnaht und/oder die Fehler der verschiedenen Fehlertypen. Aus dem berechneten Histogramm des jeweiligen Bildes werden die absoluten Grenzwerte, die den informationsrelevan- ten Anteil des Objekt-Intensitätsbereichs in dem Histogramm abgrenzen sowie die absoluten Grenzwerte, die den informationsrelevanten Anteil des Hintergrund-Intensitätsbereichs in dem Histogramm abgrenzen, dynamisch ermittelt. Dynamisch bedeutet, dass die absoluten Grenzwerte für jedes umzuwandelnde Bild neu ermittelt werden. Dabei schneiden die absoluten unteren Grenzwerte einen jeweiligen charakteristischen Flächenanteil der Histogrammfläche des Objekt-Intensitätsbereich bzw. des Hintergrund- Intensitätsbereich von unten und die absoluten oberen Grenzwerte einen jeweiligen charakteristischen Flächenanteil von oben ab. Somit wird eine informationsrelevante Basis des Inhalts des hochdynamischen Thermobil- des bzw. Ergebnisbildes erfasst, die für die Dynamikumwandlung dieses Bildes verwendet wird. Die außerhalb dieser Basis liegenden einzelnen Ausreißerpixei, die extreme Intensilälswerte bzw. zufällige Rauschwerte aufweisen, haben dann keinen negativen Einfluss auf die Dynamikumwandlung dieses Bildes.
Eine Weiterbildung nach Anspruch 12 gewährleistet eine sichere Erfassung des informationsrelevanten Anteils des Objekt-Intensitätsbereichs. Das Histogramm kann als eine Kombination von Normalverteilungsdichten nach Gauß von dem zu untersuchenden Bildobjekt, dem Bildhintergrund sowie den aufgetretenen Störungen betrachtet werden. Dementsprechend können die ersten charakteristischen Flächenanteile mit einem Wert des Wahrscheinlichkeitsintegrals der Normalverteilung nach Gauß verglichen werden. Die ersten charakteristischen Flächenanteile können beispielsweise jeweils einen 2,5%-Flächenanteil der dem Objekt-Intensitätsbereich entsprechenden Fläche darstellen, sodass der informationsrelevante restliche Flächenanteil des Objekt-Intensitätsbereichs 95% darstellt. Im Allgemeinen werden die ersten charakteristischen Flächenanteile erfahrungsgemäß festgelegt und liegen zusammen im Bereich zwischen 0 und 0,5, insbesondere zwischen 0,05 und 0,4.
Eine Weiterbildung nach Anspruch 13 gewährleistet eine sichere Erfassung des informationsrelevanten Anteils des Hintergrund-Intensitätsbereichs. Das Histogramm kann als eine Kombination von Normalverteilungsdichten nach Gauß von dem zu untersuchenden Bildobjekt, dem Bildhintergrund sowie den aufgetretenen Störungen betrachtet werden. Dementsprechend können die zweiten charakteristischen Flächenanteile mit einem Wert des Wahrscheinlichkeitsintegrals der Normalverteilung nach Gauß verglichen werden. Die zweiten charakteristischen Flächenanteile können beispiels- weise jeweils einen 2,5%-Flächenanteil der dem Hintergrund- Intensitätsbereich entsprechenden Fläche darstellen, sodass der informati- onsrelevante restliche Fiächenanteii des Hintergrund-Intensitätsbereichs 95% darstellt. Im Allgemeinen werden die zweiten charakteristischen Flächenanteile erfahrungsgemäß festgelegt und liegen zusammen im Bereich zwischen 0 und 0,5, insbesondere zwischen 0,05 und 0,4.
Ein Verfahren nach Anspruch 14 ermöglicht eine flexible und sichere Ermittlung der informationsrelevanten Basis des aufgenommenen Thermo- bildes bzw. des Ergebnisbildes. Eine Weiterbildung nach Anspruch 15 gewährleistet eine zuverlässige Bearbeitung und Auswertung des Merkmalsvektors und/oder des Histogramms. Sowohl der Merkmalsvektor, der einen zeitlichen Verlauf des aufgenommenen Wärmeflusses darstellt, als auch das Histogramm des hochdynamischen Thermobildes bzw. Ergebnisbildes bilden zu untersuchende Kurven. Durch die Bearbeitung dieser Kurven mittels mindestens eines morphologischen Filters kann eine einwandfreie Detektierung und korrekte Auswertung der charakteristischen Punkte bzw. Punktbereiche auf diesen störungsreichen Kurven gewährleistet werden. Die charakteristischen Punkte sind beispielsweise die lokalen und/oder das absolute Minima bzw. Maxima. Als morphologisches Filter kann beispielsweise die Wasserscheidentransformation verwendet werden, die in dem Buch „Morphologische Bildverarbeitung" von Pierre Soille, Springer Verlag, Berlin 1998, be- schrieben ist, worauf verwiesen wird.
Weitere Merkmale, Vorteile und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung eines Ausführungsbeispiels anhand der Zeichnung. Es zeigen:
Fig. 1 eine Schnittdarstellung durch eine zwei Fügepartner verbindende Schweißnaht mit Fehlern verschiedener Fehlertypen,
Fig. 2 eine schematische Darstellung eines Merkmalsvektors, der einen zeitlichen Verlauf eines aufgenommenen Wärmeflusses darstellt, und
Fig. 3 ein Histogramm eines aufgenommenen Bildes. Ein zu prüfendes Objekt 1 weist einen ersten Fügepartner 2 und einen zweiten Fügepartner 3 auf, die durch eine Schweißverbindung in Form einer Schweißnaht 4 miteinander verbunden sind. Die Fügepartner 2, 3 sind als Bleche ausgebildet. Die Schweißnaht 4 wurde beispielsweise mittels ei- nes Elektronenstrahl-, Laserstrahl- oder Laser-Hybrid-Schweißverfahrens erzeugt. Das Material der Fügepartner 2, 3 ist im Bereich der Schweißnaht 4 auf Grund des Schweißvorgangs miteinander verschmolzen. Das Objekt 1 mit der Schweißnaht 4 wird nachfolgend auch als geschweißtes Material bezeichnet.
Die Schweißnaht 4 weist mehrere Fehler verschiedener Fehlertypen auf. Als Fehler eines ersten Fehlertyps weist die Schweißnaht 4 einen Geometriefehler 5 auf. Der Geometriefehler 5 ist eine Abweichung einer Soll- Länge Ls von einer Ist-Länge L1. Weiterhin weist die Schweißnaht 4 als Fehler eines zweiten Fehlertyps einen durchgehenden Fehler 6 in Form eines Lochs durch die Schweißnaht 4 auf. Als Fehler eines dritten Fehlertyps weist die Schweißnaht 4 einen inneren Fehler 7 auf, der als Pore ausgebildet ist und sich im Inneren der Schweißnaht 4 befindet. Als Fehler eines vierten Fehlertyps weist die Schweißnaht 4 darüber hinaus einen Oberfiä- chenfehler 8 auf, der als Schnitt an der Oberfläche der Schweißnaht 4 ausgebildet ist.
An gegenüberliegenden Seiten des Objekts 1 sind eine Anregungsquelle 9 und ein Infrarotsensor 10 angeordnet. Der Infrarotsensor 10 ist vorzugs- weise auf der Seite des Objekts 1 angeordnet, von der aus das Verschweißen der Fügepartner 2, 3 erfolgt ist, also beispielsweise von der Seite des Laserstrahls aus. Das Objekt 1 und die zu inspizierende Schweißnaht 4 werden mittels der Anregungsquelle 9 angeregt. Es entsteht ein Wärme- fluss 11, der von dem Infrarotsensor 10 in einer Serie von hintereinander aufgenommenen Thermobildern erfasst wird. Der erfasste Wärmefϊuss 11 setzt sich aus einem Wärmefluss 12 durch das Objekt 1 und einem Wärme- fluss 13 direkt von der Anregungsquelle 9 zusammen.
Zur Auswertung der erfassten Serie von Thermobildern ist eine Recheneinheit 14 vorgesehen, die mit der Anregungsquelle 9 und dem Infrarotsensor 10 in Verbindung steht.
Nachfolgend wird das Verfahren zur automatischen Inspektion der Schweißnaht 4 mittels Wärmefluss-Thermographie beschrieben. Das Objekt 1 mit der Schweißnaht 4 wird mittels der Anregungsquelle 9, die beispielsweise einen Blitz erzeugt, angeregt. Der durch das Anregen entstehende Wärmefluss 11 wird mittels des Infrarotsensors 10 aufgenommen, zu der Recheneinheit 14 weitergeleitet und dort untersucht.
In der Recheneinheit 14 wird ein Merkmalsvektor W(N) erstellt, der einen zeitlichen Verlauf des erfassten Wärmeflusses 11 darstellt. Jedem Thermo- bild aus der aufgenommenen Serie wird eine Bildnummer N zugeordnet. Für jedes Thermobild wird ein Wärmeflusswert W berechnet. Der Wärme- flusswert W ergibt sich beispielsweise als Mittelwert der Bildwerte, die die Pixel des Infrarotsensors 10 in einem Testbereich aufweisen. Der Merk- malsvcktor W(N) ergibt sich durch Auftragen der bereclineien Wärmeflusswerte W über der Bildnummer N des entsprechenden Thermobildes. Der Merkmalsvektors W(N) ist in Fig. 2 gezeigt.
Der Merkmalsvektor W(N) stellt einen zeitlichen Verlauf des aufgenommenen Wärmeflusses 11 dar. Dementsprechend ist in dem Merkmalsvektor W(N) der Wärmefluss 12 durch das Objekt 1 und der Wärmefluss 13 direkt von der Anregungsquelle 9 dargestellt. Je nach dem Aufnahmezeitpunkt, also der Bildnummer N, weist der zeitliche Verlauf des Wärmeflusses 11 in dem Merkmalsvektor W(N) Minima und Maxima auf. Die zu untersuchende Schweißnaht 4 und die aufgetrete- nen Fehler 5, 6, 7, 8 sind, je nach dem Fehlertyp, zu unterschiedlichen Aufnahmezeitpunkten, d. h. auf unterschiedlichen Thermobildern, erkennbar. Um eine bestmögliche Detektion und Auswertung der Schweißnaht 4 zu gewährleisten wird für die Fehler 5, 6, 7, 8 jeweils ein passendes Ther- mobild TF1 bis TF4 für jeden Fehlertyp ermittelt. Hierzu wird zunächst ein erstes charakteristisches Thermobild Ti und ein zweites charakteristisches Thermobild T2 ermittelt. Das erste charakteristische Thermobild Ti wird derart ermittelt, dass in dem Merkmalsvektor W(N) ein Minimum ermittelt wird, ab dem der Wärmefluss 12 durch das geschweißte Material anfängt zu wachsen und der störende Wärmefluss 13 von der Anregungsquelle 9 bereits abgeklungen ist. Das Minimum entspricht einem minimalen Wärmefluss Wmin durch das Objekt 1, den das erste charakteristische Thermobild Ti aufweist. Das erste charakteristische Thermobild Ti ergibt sich anhand des Merkmalsvektors W(N) aus der zu dem minimalen Wärmefluss Wmin zugehörigen Bildnummer N (Ti).
Danach wird das absolute Maximum in dem Merkmalsvektor W(N) in Bezug auf zu dem charakteristischen Thermobiid T\ später aufgenommenen Thermobildern der Serie detektiert. Ab diesem Maximum fängt der Wärmefluss 12 durch das geschweißte Material an zu sinken. Damit wird der maximale Wärmefluss Wmax durch das Objekt 1 ermittelt, den das zweite charakteristische Thermobild T2 aufweist. Das zweite charakteristische Thermobild T2 ergibt sich anhand des Materialvektors W(N) aus der zu dem maximalen Wärmefluss Wmax zugehörigen Bildnummer N (T2). Die Schweißnaht 4 kann auf dem zweiten charakteristischen Thermobild T2 am Besten detektiert und ausgewertet werden, da darauf der Wärmefluss 12 durch das geschweißte Material ein absolutes Maximum aufweist, wobei der Wärmefluss 13 aus der Anregungsquelle 9 schon abgeklungen ist. Der Geometriefehler 5, der einen Fehler eines ersten Fehlertyps darstellt, kann auf dem zweiten charakteristischen Thermobild T2 am Besten detektiert und ausgewertet werden. Für Fehler des ersten Fehlertyps stellt das zweite charakteristische Thermobild T2 somit das geeignete Thermobild TF] dar.
Der durchgehende Fehler 6, der einen Fehler eines zweiten Fehlertyps darstellt, kann dagegen auf dem letzten Thermobild, das vor dem ersten charakteristischen Thermobild T1 aufgenommen wurde und einem maximalen Wärmefluss WAmax direkt von der Anregungsquelle 9 entspricht, am Besten detektiert und ausgewertet werden. Dieses Thermobild ist das geeignete Thermobild TF2, das sich für die Detektierung und Auswertung von Fehlern des zweiten Fehlertyps am Besten eignet. Das Thermobild TF2 ergibt sich aus der dem maximalen Wärmefluss WAmax von der Anregungsquelle 9 zugehörigen Bildnummer N (TF2).
Zur Detektierung und Auswertung des inneren Fehlers 7, der einen Fehler eines dritten Fehlertyps darstellt, wird ein Thermobild TF3 zwischen den charakteristischen i hcrrnobildcm l i, 12 verwendet, uas einen w armeuuss WF3 entspricht, dessen Wert einen Schwellwert Winside _üϊd (inside threshold) im zeitlichen Verlauf des aufgenommenen Wärmeflusses 11 erstmalig ü- berschreitet. Für den Schwellwert WinSide thd gilt:
" inside_thd ~ " min ■" (. W max — W mjn) C,, wobei ζ als erster Wärmeflussfaktor bezeichnet wird, der eine sichere Erkennung des inneren Fehlers 7 gewährleistet. Der erste Wärmeflussfaktor ζ wird erfahrungsgemäß festgelegt und liegt im Bereich zwischen 0 und 1, insbesondere zwischen 0,6 und 0,9. Das Thermobild TF3, das sich zur De- tektierung und Auswertung von Fehlern des dritten Fehlertyps am Besten eignet, ergibt sich aus der zu dem Wärmefluss WF3 zugehörigen Bildnummer N(TF3).
Zur Detektierung und Auswertung des Oberflächenfehlers 8, der einen Fehler eines vierten Fehlertyps darstellt, wird ein Thermobild TF4 zwischen den charakteristischen Thermobildern Ti, T2 verwendet, das einen Wärmefluss WF4 entspricht, dessen Wert einen Schwellwert Wsurf thd (surface threshold) im zeitlichen Verlauf des aufgenommenen Wärmeflusses 11 erstmalig überschreitet. Für den Schwellwert Wsurf jhd gilt:
wsurfJhd - wmin + (wmax - wmin) * δ,
wobei δ als zweiter Wärmeflussfaktor bezeichnet wird, der eine sichere Erkennung des Oberflächenfehlers 8 gewährleistet. Der erste Wärmeflussfak- tor δ wird erfahrungsgemäß festgelegt und liegt im Bereich zwischen 0 und 1, insbesondere zwischen 0,1 bis 0,4. Das Thermobild TF4, das sich zur De- tckticrung und Auswertung von Fehlern des vierten Fehlertyps arn Besten eignet, ergibt sich aus der zu dem Wärmefluss WF4 zugehörigen Bildnum¬
Für die Detektierung und Auswertung der Fehler verschiedener Fehlertypen wird somit jeweils ein geeignetes Thermobild TF1 bis Tp4 dynamisch ermittelt und zur Verfügung gestellt. Die charakteristischen Thermobilder T1, T2 werden als Referenzen zum Festlegen des jeweils geeigneten Ther- mobildes Tpi bis TF4 verwendet.
Alternativ können beispielsweise Fehler des ersten Fehlertyps auch auf ei- nem geeigneten Ergebnisbild detektiert und ausgewertet werden, das aus einer Teilserie von geeigneten Thermobildern gewonnen wird, wobei die Teilserie aus der erfassten Serie von Thermobildern ausgewählt wird. Die Teilserie ergibt sich aus einem Startbild T5 und einer Serienlänge N8. Um eine sichere Ausgrenzung der Teilserie bzw. Teilbildserie zu gewährleis- ten, so dass diese keinen direkten Wärmefluss 13 von der Anregungsquelle 9 enthält, wird das Startbild T5 zwischen den charakteristischen Thermobildern T1, T2 ausgewählt. Das Startbild T8 wird als jenes Thermobild ermittelt, das einen Wärmefluss Ws aufweist, der nach dem Minimum den folgenden Schwellwert Wstart thd (start threshold) im zeitlichen Verlauf des aufgenommenen Wärmeflusses 11 erstmalig überschreitet. Für den Schwellwert Wstartjhd gilt:
WrtrtjM = Wmin + (Wmax - Wmin) *θ,
wobei θ als Trennungsfaktor bezeichnet wird. Der Trennungsfaktor θ wird erfahrungsgemäß festgelegt und liegt im Bereich zwischen 0 und 1 , insbesondere zwischen 0 und 0, 15.
Zur dynamischen Festlegung der Serienlänge N8 werden als Referenzen zumindest zwei Bilder aus einer Bildmenge verwendet, die die charakteristischen Thermobilder Ti, T2 und das Startbild T8 enthält. Die Serienlänge N8 kann beispielsweise als doppelte Länge zwischen dem Startbild Ts und dem zweiten charakteristischen Thermobild T2 ausgewählt werden. Weiterhin kann die Serienlänge N8 beispielsweise als nächstgroße Länge aus- gewählt werden, die eine Potenz von zwei ist und dabei die Länge zwischen den charakteristischen Thermobildern Ti, T2 überschreitet. In jedem Fall soll die Serienlänge Ns der Teilserie so festgelegt werden, dass das Ende der Serie von Thermobildern nicht überschritten wird.
Als Ergebnisbild kann beispielsweise ein Amplituden- oder ein Phasenbild verwendet werden. Für Fehler des ersten Fehlertyps wird vorzugsweise ein Amplitudenbild verwendet. Die Berechnung von Ergebnisbildern verschiedener Typen ist beispielsweise in „Theory and Practice of Infrared Techno- logy for Nondestructive Testing" (Xavier P. V. Maldague, John Wiley & Sons, Inc. 2001) beschrieben, worauf verwiesen wird.
Die Kurvendiskussion des Merkmalsvektors W (N) wird zum Beispiel mit Hilfe morphologischer Filter durchgeführt werden, die eine einwandfreie Ausgliederung verschiedener charakteristischer Punkte, wie beispielsweise Minima und Maxima gewährleisten. Somit können alle Minima und Ma- xima des Merkmalsvektors W(N) unabhängig von dem Gesamtverlauf ermittelt werden. Als morphologisches Filter kann beispielsweise die Wasserscheidentransformation verwendet werden, die in dem Buch „Morpho- logische Bildverarbeitung" von Pierre Soille, Springer Verlag, Berlin 1998, beschrieben wird, worauf verwiesen wird.
Zur visuellen Kontrolle und zur weiteren automatischen Verarbeitung der Thermobilder TF1 bis TF4 sowie der Ergebnisbilder, die zur Detektierung und Auswertung der Schweißnaht 4 verwendet werden, werden diese in ein für die Bildverarbeitung übliches 8-Bit-Bild automatisch umgewandelt. Die verwendeten Bilder weisen eine hohe Dynamik auf. Fig. 3 zeigt ein Histogramm n(I) eines hochdynamischen Bildes, beispielsweise eines der Thermobilder TFi bis TF4. In dem Histogramm n(I) ist die Häufigkeit n über der Intensität I aufgetragen. Die Histogrammkurve 15 des Bildes weist mehrere Häufigkeitsmaxima auf, die einem Bildobjekt 16, einem Bildhintergrund 17 sowie auf dem Bild vorhandenen Störungen entsprechen.
Zur Dynamikumwandlung des Bildes wird zunächst ein Objekt- Intensitätsbereich ΔIobj, der dem zu untersuchenden Bildobjekt 16 entspricht, und ein Hintergrund-Intensitätsbereich Δlbgrd, der dem Bildhintergrund 17 entspricht, ermittelt. Dies kann beispielsweise mit Hilfe morphologischer Filter durchgeführt werden, die eine störungsfreie Auswertung der Histogrammkurve 15 gewährleisten. Die Verwendung morphologischer Filter ist vorteilhaft, da die Histogrammkurve 15 keine glatte Kurve, sondern eine diskrete und somit unstetige Kurve darstellt. Darüber hinaus weist die Histogrammkurve 15 mehrere Minima und Maxima auf, die mit Hilfe morphologischer Filter zuverlässig bestimmt werden können. Als morphologisches Filter kann beispielsweise die Wasserscheidentransformation verwendet werden. Von dem Objekt-Intensitätsbereich ΔIObj wird der gesamte Flächeninhalt Fobj berechnet, der zwischen der Histogrammkurve 15 und der Intensitäts-Achse liegt. Entsprechend wird von dem Hintergrund-Intensitätsbereich ΔIbgrd der gesamte Flächeninhalt Fbgrd berechnet, der zwischen der Histogrammkurve 15 und der Intensitäts-Achse liegt.
Dann werden in dem Objekt-Intensitätsbereich ΔIobj ein unterer lokaler Objekt-Intensitätsbereich ΔIobj bot sowie ein oberer lokaler Objekt- Intensitätsbereich ΔIobj top detektiert, die Störungen oder zufällige Rauschwerte enthalten. Diese lokalen Objekt-Intensitätsbereiche ΔIobj bot; ΔIobj top weisen jeweils einen charakteristischen Flächenanteil Fobj _bot ^ bzw. Fobj tOp jhd des gesamten Flächeninhalts Fobj auf. Zum Ermitteln der lokalen Objekt-Intensitätsbereiche ΔIobj J501, ΔIObj top werden in der Histogrammkurve 15 ein erster unterer Grenzwert Iobj_bot_thd und ein erster oberer Grenzwert Iobj_top_thd ermittelt, die einen informationsrelevanten An- teil, also einen informationsrelevanten Intensitätsbereich ΔIobj_rei, des Intensitätsbereichs ΔIobj abgrenzen. Der Objekt-Intensitätsbereich ΔIobj re| bildet die informationsrelevante Basis für das Bildobjekt 16.
In dem Hintergrund-Intensitätsbereich ΔIbgrd werden auf entsprechende Weise ein unterer lokaler Hintergrund-Intensitätsbereich ΔIbgrd_bot sowie ein oberer lokaler Intensitätsbereich ΔIbgrd top mit entsprechenden zweiten charakteristischen Flächenanteilen Fbgrd bot thd bzw. Fbgrd_top_thd des gesamten Flächeninhalts Fbgrd des Hintergrund-Intensitätsbereichs ΔIbgrd ermittelt. Hierzu werden in entsprechender Weise aus der Histogrammkurve 15 ein zweiter unterer Grenzwert Ibgrd _bot_thd und ein zweiter oberer Grenzwert Ibgrdjopjhd ermittelt, die einen informationsrelevanten Anteil, also einen informationsrelevanten Intensitätsbereich ΔIbgrd_rei, des Hintergrund- Intensitätsbereichs ΔIbgrd abgrenzen, dynamisch ermittelt. Der Intensitäts- bereich ΔIbgrd rel bildet somit eine informationsrelevante Basis für den Bildhintergrund 17.
Die charakteristischen Flächenanteile Fbgrd_botjhd, Fbgrd_top _mi Fobj botJhd und Fobj_tOp jhd können beispielsweise jeweils 2,5% des gesamten Flächeninhalts Fbgrd bzw. Fobj darstellen, so dass der jeweils restliche Flächeninhalt Fbgrd _rel bzw. Fobj rel jeweils einen Flächenanteil von 95% aufweisen.
Die Intensitätsbereiche ΔIbgrd rel und ΔIobj rei bilden zusammen die informationsrelevante Basis des Inhalts des aufgenommenen Bildes. Damit wird eine adaptive Dynamikumwandlung dieses Bildes unabhängig von der
Bildgewinnungstechnik sowie der Größe des zu untersuchenden Bildobjektes 16 bzw. seines Bildhintergrundes 17 und den aufgetretenen Störungen gewährleistet, indem der Inhalt des aufgenommenen Bildes adäquat in einer anderen Dynamik, insbesondere in der 8-Bit-Dynamik dargestellt wird. Die absoluten Grenzwerte Ibgrd_bot_thd, Ibgrd_toP_thd, Iobj_bot_thd und IObj_toP_thd dienen als bildspezifische Schwellwerte für die Dynamikumwandlung des Bildes. Die Umwandlung des zu untersuchenden Bildes in ein 8-Bit-Bild kann auf der gewonnenen informationsrelevanten Basis des Inhalts des aufgenommenen Bildes mit Hilfe verschiedener Standardmethoden der Bildverarbeitung durchgeführt werden. Die Umwandlung kann dabei linear, logarithmisch oder nach einer anwenderspezifischen Methode erfolgen.
Das erfindungsgemäße Verfahren ermöglicht eine automatische, berüh- rungslose und zerstörungsfreie Inspektion der Schweißnaht 4, in dem die zu untersuchende Schweißnaht 4 in Bezug auf verschiedene Fehler 5, 6, 7 und 8 unabhängig von ihren Größen, Positionen und Fehlertypen sowie der aufgetretenen Störungen explizit detektiert und ausgewertet werden kann. Darüber hinaus ist das erfindungsgemäße Verfahren unter industriellen Be- dingungen flexibel und schnell einstellbar.

Claims

Patentansprüche
1. Verfahren zur automatischen Inspektion einer Schweißnaht mittels
Wärmefluss-Thermographie, a. bei dem ein zu untersuchendes Objekt (1) mit einer Schweißnaht
(4) bereitgestellt wird, b. wobei das Objekt (1) mittels mindestens einer Anregungsquelle (9) angeregt wird, und c. der durch das Anregen entstehende Wärmefluss (11) in einer Serie von Thermobildern mittels mindestens eines Infrarotsensors (10) erfasst wird, dadurch gekennzeichnet, dass d. ein Merkmalsvektors (W(N)) erstellt wird, welcher einen zeitlichen Verlauf des erfassten Wärmeflusses (11) darstellt, e. wobei ein erstes charakteristisches Thermobild (T1) aus der Serie von Thermobildern anhand des Merkmalsvektors (W(N)) dynamisch ermittelt wird und das erste charakteristische Thermobild (Ti) einen minimalen Wärmefluss (W1nJn) durch das Objekt (1) aufweist, und f. ein zweites charakteristisches Thermobildes (T2) aus der Serie von
Thermobildern anhand des Merkmalsvektors (W(N)) dynamisch
Ciiniiicii WiIu Uüu uαS zweite CiiarärCiCriSiiSCiic xuciiixOυiiu ^ i 2) einen maximalen Wärmefluss (Wmax) durch das Objekt (1) aufweist, und g. wobei ein Wärmefluss (13) direkt von der mindestens einen Anregungsquelle (9) auf den charakteristischen Thermobildern (Ti, T2) schon abgeklungen ist, sofern sich dieser in der Serie von Thermobildern abzeichnet, und h. zur Detektierung und Auswertung der Schweißnaht (4) in Bezug auf Fehler (5, 6, 7, 8) verschiedener Fehlertypen je Fehlertyp ein geeignetes Thermobild (TF1, Tp2, TF3, TF4) aus der Serie von Ther- mobildern verwendet wird, wobei die charakteristischen Thermo- bilder (Tj , T2) als Referenzen zum Festlegen des jeweils geeigneten Thermobildes (TFi, TF2, TF3, TF4) verwendet werden.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zur Detektierung von Fehlern (5) eines ersten Fehlertyps als geeignetes Thermobild (TFi) das zweite charakteristische Thermobild (T2) verwendet wird, wobei die Fehler (5) des ersten Fehlertyps Geometriefehler der Schweißnaht (4) sind.
3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zur De- tektierung von Fehlern (5) eines ersten Fehlertyps ein Startbild (Ts) derart dynamisch ermittelt wird, a. dass das Startbild (T8) sich zwischen dem ersten und dem zweiten charakteristischen Thermobild (Ti, T2) befindet und einen Wärme- fluss (W5) aufweist, der einen ersten Schwellwert (Wstart thd) im zeitlichen Verlauf des erfassten Wärmeflusses (1 1) erstmalig überschreitet, wobei für den ersten Schwellwert (Wstart jhd) gilt:
Wstartjhd — Wmin + (Wmax — W mjn) " θ, wobei bedeuten:
Wstartjhd - erster Schwellwert, Wm;n - minimaler Wärmefluss, den das erste charakterische Thermobild (Ti) aufweist, Wmaχ - maximaler Wärmefluss, den das zweite charakterische Thermobild (T2) aufweist, und θ - Trennungsfaktor, b. wobei aus dem Startbild (Ts) und einer Serienlänge (Ns) eine Teilserie von geeigneten Thermobildern aus der Serie ausgewählt wird, c. wobei aus der Teilserie ein Ergebnisbild gewonnen wird, und d. wobei die Fehler (5) des ersten Fehlertyps Geometriefehler der Schweißnaht (4) sind und das Ergebnisbild zu deren Detektierung und Auswertung verwendet wird.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass der Trennungsfaktor (θ) im Bereich zwischen 0 und 1, insbesondere zwischen 0, 1 und 0, 15, festgelegt wird.
5. Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass zur dynamischen Festlegung der Serienlänge (Ns) als Referenzen zumindest zwei Bilder aus einer Bildmenge, die das erste charakteristische Thermobild (Ti), das zweite charakteristische Thermobild (T2) und das
Startbild (T5) enthält, verwendet werden.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass zur Detektierung von Fehlern (6) eines zweiten Fehlertyps als geeignetes Thermobild (TF2) ein Thermobild verwendet wird, das vor dem ersten charakteristischen Thermobild (Ti) erfasst wurde und einen maximalen Wärnieflüss (W^max) "ei Aüiegüiigsqueile (9) aufweist, wobei die Fehler (5) des zweiten Fehlertyps durchgehende Fehler der Schweißnaht (4) sind.
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass zur Detektierung von Fehlern (7) eines dritten Fehlertyps als geeignetes Thermobild (Tpß) ein Thermobild verwendet wird, das sich zwischen dem ersten und dem zweiten charakteristischen Thermobild (T), T2) befindet und einen Wärmefluss (WF3) aufweist, der einen zweiten Schwellwert (Winside thd) im zeitlichen Verlauf des erfassten Wärmeflusses (11) erstmalig überschreitet, wobei für den zweiten Schwellwert (Winsidejhd) gilt: Wjnside thd = Wmin + (Wmax - Wmin) • ζ , wobei bedeuten:
Winsidejhd - zweiter Schwellwert, Wmin - minimaler Wärmefluss, den das erste charakterische Thermobüd (T1) aufweist, Wmax - maximaler Wärmefluss, den das zweite charakterische Thermobüd (T2) aufweist, und ζ - erster Wärmeflussfaktor, wobei die Fehler (7) des dritten Fehlertyps sich im Inneren der Schweißnaht (4) befindliche Fehler sind.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der erste Wärmeflussfaktor (ζ) im Bereich zwischen 0 und 1, insbesondere zwischen 0,6 und 0,9, festgelegt wird.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass zur Detektierung von Fehlern (8) eines vierten Fehlertyps als geeignetes Thermobüd (TF4) ein Thermobüd verwendet wird, das sich zwischen dem ersten und dem zweiten charakteristischen Thermobüd (Ti, T2) befindet und einen Wärmefluss (WF4) aufweist, der einen drit- ten Schwellwert (Wsurf thd) im zeitlichen Verlauf des erfassten Wärmeflusses (11) erstmalig überschreitet, wobei für den dritten Schwellwert
(Wsurf_thd) gut:
WsurfJhd = Wmin + (Wmax - Wmin) • δ , wobei bedeuten: Wsurfjhd - dritter Schwellwert, Wmin - minimaler Wärmefluss, den das erste charakterische Thermobild (Ti) aufweist, Wmax - maximaler Wärmefluss, den das zweite cha- rakterische Thermobild (T2) aufweist, und δ - zweiter Wärmeflussfaktor, wobei die Fehler (8) des vierten Fehlertyps Oberflächenfehler der Schweißnaht (4) sind.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass der zweite Wärmeflussfaktor (δ) im Bereich zwischen 0 und 1 , insbesondere zwischen 0, 1 und 0,4, festgelegt wird.
11. Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeich- net, dass zumindest eines der Bilder (TF1, TF2, Tp3, TF4), die zur Detek- tierung und Auswertung der Schweißnaht (4) in Bezug auf Fehler verschiedener Fehlertypen verwendet werden, in ein 8-Bit-Bild umgewandelt wird, wobei a. ein Histogramm (n(I)) des Bildes (Tn, TF2, TF3, TF4) erstellt wird, b. ein erster informationsrelevanter Anteil (ΔIobj_rei) eines ersten Intensitätsbereichs (ΔIobj), der einem Bildobjekt (16) entspricht, aus dem Histogramm (n(I)) bestimmt wird, i. wobei ein erster unterer Grenzwert (IObj botjhd) und ein erster oberer Grenzwert (I0bj_top_thd) dynamisch ermittelt werden, und ii. wobei die ersten Grenzwerte (IObjj>ot_thd, lobjjopjhd) erste charakteristische Flächenanteile (Fobj j∞tjhd, Fobj top_thd) einer dem ersten Intensitätsbereich (ΔIObj) entsprechenden Fläche (Fobj) des Histogramms (n(I)) abgrenzen, c. ein zweiter informationsrelevanter Anteil (ΔIbgrd rei) eines zweiten Intensitätsbereichs (Δlbgrd), der einem Bildhintergrund (17) entspricht, aus dem Histogramm (n(I)) bestimmt wird, i. wobei ein zweiter unterer Grenzwert (Ibgrd_botjhd) und ein zwei- ter oberer Grenzwert (Ibgrd_top_thd) dynamisch ermittelt werden, und ii. wobei die zweiten Grenzwerte (Ibgrdj∞tjhd, Ibgrdjopjhd) zweite charakteristischen Flächenanteile (Fbgrd_botJhd, Fbgrd_topJhd) einer dem zweiten Intensitätsbereich (ΔIbgrd) entsprechenden Fläche (Fbgrd) des Histogramms (n(I)) abgrenzen, und d. die informationsrelevanten Anteile (ΔIobj rei, ΔIbgrd rei) als Basis zur Umwandlung des zu untersuchenden Bildes (TFi, TF2> TF3, Tp4) in das 8-Bit-Bild verwendet werden.
12. Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass die ersten charakteristischen Flächenanteile (Fobj_bot_thd> Fobj_t0p_th<i) bezogen auf die dem ersten Intensitätsbereich (ΔIobj) entsprechende Fläche (Fobj) im Bereich zwischen 0 und 0,5, insbesondere zwischen 0,05 und 0,4, festgelegt werden.
13. Verfahren nach Anspruch 11 oder 12, dadurch gekennzeichnet, dass die zweiten charakteristischen Flächenanteile (Fbgrt_bot_,iu,, Fb^ top ^) bezogen auf die dem zweiten Intensitätsbereich (ΔIbgrd) entsprechende Fläche (Fbgrd) im Bereich zwischen 0 und 0,5, insbesondere zwischen 0,05 und 0,4, festgelegt werden.
14. Verfahren nach einem der Ansprüche 11 bis 13, dadurch gekennzeichnet, dass die charakteristischen Flächenanteile (FObj_bot_thd> Fobj_top_thd, Fbglχi_bot_thd. Fbgrd_top_thd) unabhängig voneinander festgelegt werden.
15. Verfahren nach einem der Ansprüche 1 bis 14, dadurch gekennzeichnet, dass der Merkmalsvektor (W(N)) und/oder das Histogramm (n(I)) mit Hilfe mindestens eines morphologischen Filters bearbeitet werden.
EP08784603A 2007-07-04 2008-07-03 Verfahren zur automatischen inspektion einer schweissnaht mittels wärmefluss-thermographie Withdrawn EP2162734A1 (de)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE200710031184 DE102007031184B4 (de) 2007-07-04 2007-07-04 Verfahren zur automatischen Ermittlung des Startbildes einer Infrarotbildserie
DE200710031206 DE102007031206B8 (de) 2007-07-04 2007-07-04 Verfahren zur automatischen Inspektion einer Schweißnaht
DE200710031215 DE102007031215A1 (de) 2007-07-04 2007-07-04 Verfahren zur adaptiven Dynamikumwandlung eines Bildes
PCT/EP2008/005429 WO2009003702A1 (de) 2007-07-04 2008-07-03 Verfahren zur automatischen inspektion einer schweissnaht mittels wärmefluss-thermograhpie

Publications (1)

Publication Number Publication Date
EP2162734A1 true EP2162734A1 (de) 2010-03-17

Family

ID=39855053

Family Applications (1)

Application Number Title Priority Date Filing Date
EP08784603A Withdrawn EP2162734A1 (de) 2007-07-04 2008-07-03 Verfahren zur automatischen inspektion einer schweissnaht mittels wärmefluss-thermographie

Country Status (5)

Country Link
US (1) US8471207B2 (de)
EP (1) EP2162734A1 (de)
JP (1) JP5305272B2 (de)
KR (1) KR20100054783A (de)
WO (1) WO2009003702A1 (de)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006061794B3 (de) * 2006-12-21 2008-04-30 Thermosensorik Gmbh Verfahren zur automatischen Prüfung einer Schweißverbindung
EP2580583B1 (de) 2010-06-08 2018-11-07 DCG Systems, Inc. Dreidimensionale hot-spot-lokalisierung
TWI460422B (zh) 2010-10-22 2014-11-11 Dcg Systems Inc 從裝置一側作鎖相熱雷射激發並從另一側取得鎖相熱發散影像
US20130075371A1 (en) * 2011-09-22 2013-03-28 GM Global Technology Operations LLC Non-destructive evaluation of welded joints of bar wound stator utilizing infrared and thermal methods
WO2013085075A1 (ja) * 2011-12-09 2013-06-13 本田技研工業株式会社 非破壊検査方法、非破壊検査システム及び非破壊検査制御装置
WO2013147919A1 (en) 2012-03-29 2013-10-03 Dcg Systems, Inc. Method for evaluating the centerline of an arbitrarily shaped object
RU2509300C1 (ru) * 2012-11-06 2014-03-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Национальный исследовательский Томский политехнический университет" Способ активного одностороннего теплового контроля скрытых дефектов в твердых телах
EP2743688B1 (de) * 2012-12-17 2017-05-03 Thermosensorik Gmbh Verfahren und System zur Untersuchung einer Probe mittels Thermographie
DE102013000745A1 (de) 2013-01-17 2014-07-17 Fritz Michel Verfahren und Vorrichtung zur zerstörungsfreien Charakterisierung von Laser-Schweißnähten an ferromagnetischen Blechen mittels magnetischem Verfahren
DE102013003760A1 (de) 2013-03-06 2014-09-11 MTU Aero Engines AG Verfahren und Vorrichtung zur Qualitätsbeurteilung eines mittels eines generativen Lasersinter- und/oder Laserschmelzverfahrens hergestellten Bauteils
FI128403B (en) * 2013-07-05 2020-04-30 Procemex Oy Ltd Synchronizing image capture
CN104551347B (zh) * 2014-12-30 2016-05-25 江苏科技大学 窄间隙焊缝偏差的红外视觉传感检测方法及装置
US11027332B2 (en) 2016-04-15 2021-06-08 United States Of America As Represented By The Administrator Of Nasa System and method for in-situ characterization and inspection of additive manufacturing deposits using transient infrared thermography
US10692204B2 (en) 2016-08-01 2020-06-23 The Boeing Company System and method for high speed surface and subsurface FOD and defect detection
JP7190725B2 (ja) * 2018-07-09 2022-12-16 株式会社ベテル 接合強度評価装置
CN108932713A (zh) * 2018-07-20 2018-12-04 成都指码科技有限公司 一种基于深度学习的焊缝气孔缺陷自动检测方法
DE102018120241B4 (de) * 2018-08-20 2020-03-19 Credé Vermögensverwaltungs-GmbH + Co. KG Verfahren zum Bestimmen der Qualität einer Schweiß- oder Lötverbindung bei der Fertigung von Sägeblättern
CN112085700B (zh) * 2020-07-31 2024-05-10 上海航天精密机械研究所 X射线图像中焊缝区域的自动化提取方法、系统及介质
CN113763294B (zh) * 2021-09-26 2023-08-08 上海航天精密机械研究所 基于动态clahe的焊缝图像快速预处理方法及系统
KR102518045B1 (ko) * 2021-12-14 2023-04-06 (주)에이치씨엔씨 Ir 카메라의 영상신호를 이용한 용접부 결함 검출 방법

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE1788563U (de) 1957-10-14 1959-05-14 British Oxygen Co Ltd Vorrichtung zur herstellung durchgehender laengsschweissnaehte an roehren mit unzugaenglichem innerem bei gleichzeitiger materialzugabe und fernueberwachung der schweisszone.
DE3339182C1 (de) 1983-10-28 1985-04-18 Schäfter + Kirchhoff, 2000 Hamburg Vorrichtung zum UEberwachen eines Schweissvorganges
DD242099A1 (de) 1985-10-31 1987-01-14 Mansfeld Kombinat W Pieck Veb Verfahren zur beruehrungslosen positionsbestimmung einer schweissnaht
JPS6313668A (ja) * 1986-07-04 1988-01-20 Hitachi Ltd 溶接条件制御方法
US5654977A (en) * 1995-02-02 1997-08-05 Teledyne Industries Inc. Method and apparatus for real time defect inspection of metal at elevated temperature
US5631465A (en) 1996-02-29 1997-05-20 Shepard; Steven M. Method of interpreting thermographic data for non-destructive evaluation
US5963662A (en) * 1996-08-07 1999-10-05 Georgia Tech Research Corporation Inspection system and method for bond detection and validation of surface mount devices
DE19703484A1 (de) 1997-01-31 1998-08-06 Img Inst Fuer Maschinen Antrie Verfahren zur zerstörungsfreien Prüfung von Materialien und Materialverbunden auf innere Fehler mittels Thermografie
NO311174B1 (no) * 1999-02-02 2001-10-22 Tritec As Fremgangsmåte for kontroll av skjöt mellom plastdeler
AU2927701A (en) * 2000-01-06 2001-07-16 Steven M. Shepard Automated non-destructive weld evaluation method and apparatus
US6840667B2 (en) 2000-08-25 2005-01-11 Photon Dynamics, Inc. Method and apparatus for detection of defects using thermal stimulation
JP4140218B2 (ja) * 2001-08-28 2008-08-27 松下電工株式会社 レーザー溶接部の検査方法及びその装置
DE10150633C5 (de) 2001-10-12 2014-09-04 Thermosensorik Gmbh Verfahren und Vorrichtung zur berührungslosen, zerstörungsfreien automatischen Prüfung von Materialverbindungen, insbesondere der Qualitätskontrolle von Schweißverbindungen
DE10202163A1 (de) 2002-01-22 2003-07-31 Bosch Gmbh Robert Verfahren und Vorrichtung zur Bildverarbeitung sowie Nachtsichtsystem für Kraftfahrzeuge
US6712502B2 (en) * 2002-04-10 2004-03-30 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Synchronized electronic shutter system and method for thermal nondestructive evaluation
DE10222786A1 (de) 2002-05-23 2003-11-20 Bosch Gmbh Robert Verfahren zur Positionierung von Werkstücken bei Laserbearbeitungsprozessen
DE10326377B3 (de) 2003-06-12 2004-12-16 Thyssenkrupp Drauz Gmbh Verfahren zum Laserschweißen eines Blechteils an einen Querschnitt eines Profils mittels verdeckter Schweißnähte und zu deren automatischer zerstörungsfreien Prüfung
JP2005172683A (ja) * 2003-12-12 2005-06-30 Takenaka Doboku Co Ltd コンクリート点検システムの赤外線法による欠陥種類判定方法
DE202004003775U1 (de) 2004-03-09 2005-07-28 Kuka Schweissanlagen Gmbh Lasereinrichtung
DE102005018327A1 (de) 2005-04-20 2006-10-26 Siemens Ag Betriebsverfahren für einen Rechner, Betriebsverfahren für eine bildgebende medizintechnische Anlage und hiermit korrespondierende Gegenstände
DE102005026625A1 (de) 2005-06-09 2006-12-14 Volkswagen Ag Verfahren zur Qualitätsüberwachung einer Fügenaht
DE102007031206B8 (de) 2007-07-04 2009-05-28 Thermosensorik Gmbh Verfahren zur automatischen Inspektion einer Schweißnaht
DE102007031215A1 (de) 2007-07-04 2009-01-08 Thermosensorik Gmbh Verfahren zur adaptiven Dynamikumwandlung eines Bildes
DE102007031184B4 (de) 2007-07-04 2009-08-13 Thermosensorik Gmbh Verfahren zur automatischen Ermittlung des Startbildes einer Infrarotbildserie

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2009003702A1 *

Also Published As

Publication number Publication date
KR20100054783A (ko) 2010-05-25
JP5305272B2 (ja) 2013-10-02
WO2009003702A8 (de) 2010-01-21
WO2009003702A1 (de) 2009-01-08
JP2010531984A (ja) 2010-09-30
US20100163732A1 (en) 2010-07-01
US8471207B2 (en) 2013-06-25

Similar Documents

Publication Publication Date Title
EP2162734A1 (de) Verfahren zur automatischen inspektion einer schweissnaht mittels wärmefluss-thermographie
EP2102640B1 (de) Verfahren zur automatischen prüfung einer materialverbindung
EP3432266B1 (de) Verfahren und vorrichtung zum erkennen von fehlstellen
EP3161472B1 (de) Verfahren und vorrichtung zur streuflussprüfung
EP3070674B1 (de) Verfahren zur qualitätsbeurteilung eines mittels eines additiven herstellungsverfahrens hergestellten bauteils
DE102013003760A1 (de) Verfahren und Vorrichtung zur Qualitätsbeurteilung eines mittels eines generativen Lasersinter- und/oder Laserschmelzverfahrens hergestellten Bauteils
EP2993541B1 (de) Verfahren zur qualitätsbeurteilung eines mittels eines additiven herstellungsverfahrens hergestellten bauteils
DE102007031206B3 (de) Verfahren zur automatischen Inspektion einer Schweißnaht
WO2015197038A1 (de) Verfahren und vorrichtung zur qualitätssicherung mindestens eines bauteils während dessen herstellung durch generatives fertigungsverfahren
DE102019006282A1 (de) Verfahren zur Prozessbewertung beim Laserstrahlschweißen
EP3095591A1 (de) Verfahren und vorrichtung zum zumindest bereichsweisen ermitteln einer kontur wenigstens einer generativ hergestellten bauteilschicht
DE102020104462A1 (de) Verfahren zum Analysieren einer Schweißverbindung beim Laserschweißen von Werkstücken
DE1811079A1 (de) Anordnung zur zerstoerungsfreien Pruefung eines Werkstueckes
DE102008046692A1 (de) Verfahren und Einrichtung zur zerstörungsfreien Prüfung von Rührreibschweißnähten
DE102012207045B4 (de) Bildverarbeitungsvorrichtung und Bildverarbeitungsverfahren
DE102011018263B4 (de) Verfahren zur impulsthermografischen Qualitäts- und Fehlerklassifikation einer Fügeverbindung wie einer Strukturverklebung im Kfz-Karosseriebereich
DE102019110360A1 (de) Computer-implementiertes Verfahren zur Bestimmung von Defekten eines mittels eines additiven Fertigungsprozesses hergestellten Objekts
EP3961559B1 (de) Verfahren und vorrichtung zum ermitteln von defekten während eines oberflächenmodifizierungsverfahrens
DE102018108771A1 (de) Vorrichtung und Verfahren zur optimierten Blechprüfung
DE102007050005A1 (de) Verfahren und Prüfsystem zur zerstörungsfreien Prüfung von Materialverbindungen, insbesondere von Widerstandsschweißverbindungen
DE102007031184B4 (de) Verfahren zur automatischen Ermittlung des Startbildes einer Infrarotbildserie
EP3820805B1 (de) Zuverlässige erkennung von containerkran und geschirr
DE112021007455T5 (de) Laserbearbeitungsvorrichtung und laserbearbeitungsverfahren
DE102007031215A1 (de) Verfahren zur adaptiven Dynamikumwandlung eines Bildes
DE102012015976A1 (de) Verfahren und Vorrichtung zur Ermittlung der Qualität einer Schweißnaht

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20091205

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MT NL NO PL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL BA MK RS

DAX Request for extension of the european patent (deleted)
GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

INTG Intention to grant announced

Effective date: 20131002

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20140213