WO2015055060A1 - 一种连铸坯表面质量在线检测方法 - Google Patents

一种连铸坯表面质量在线检测方法 Download PDF

Info

Publication number
WO2015055060A1
WO2015055060A1 PCT/CN2014/086382 CN2014086382W WO2015055060A1 WO 2015055060 A1 WO2015055060 A1 WO 2015055060A1 CN 2014086382 W CN2014086382 W CN 2014086382W WO 2015055060 A1 WO2015055060 A1 WO 2015055060A1
Authority
WO
WIPO (PCT)
Prior art keywords
continuous casting
image
surface quality
detecting
blank according
Prior art date
Application number
PCT/CN2014/086382
Other languages
English (en)
French (fr)
Inventor
田陆
王丽江
Original Assignee
湖南镭目科技有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 湖南镭目科技有限公司 filed Critical 湖南镭目科技有限公司
Publication of WO2015055060A1 publication Critical patent/WO2015055060A1/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G01N2021/8918—Metal

Definitions

  • the invention belongs to the field of quality inspection of slab, and specifically discloses an on-line detection method for surface quality of continuous casting slab.
  • the test result is affected by the subjective factors of the tester, lacking accuracy, reliability and integrity; 2. It can only be detected when the slab is stationary or the movement speed is very slow, and can not detect tiny Defects; 3.
  • the lower surface inspection is very difficult, and it is necessary to implement or set up a special lower surface inspection mirror through the flap process and arrange special personnel. 4.
  • the detected defect data cannot be saved, and the historical data about the surface quality of the product cannot be grasped. The data cannot be statistically analyzed and used to guide the production. 5.
  • the site temperature is high, especially in the summer, the working conditions of the inspectors are very hard. Can't work continuously for a long time.
  • a two-dimensional imaging method uses high-power area array lamps or groups of lamps (such as halogen lamps) as the light source.
  • a camera or area camera is used as a sensor for image acquisition. After the camera captures the image, the image is processed by the industrial computer to locate the defects in the image; the other three-dimensional imaging method uses a structured light laser generator as the illumination source to project multiple laser beams to the high temperature casting.
  • the surface of the blank is an area image CCD camera as an image acquisition device, and the laser light reflected on the surface of the high temperature slab is collected online, and the computer algorithm extracts the depth information of the defect represented by the laser beam, thereby obtaining the depth of the lateral position defect of the slab.
  • One-dimensional distance matrix, one-dimensional distance lattice maps to grayscale images of different gray levels, splicing grayscale images of different gray levels to obtain overall grayscale images, and finally identifying surface defects of slab and reconstructing three-dimensional surface of slab Topography.
  • the temperature of the slab exceeds 800 °C, which is a red light source.
  • the picture taken with the halogen lamp as the surface array is often obscured by the slab luminescence, which greatly reduces the subsequent defect detection.
  • the possibility of the output; the light output of the surface array light source is relatively large, and the daily cleaning and maintenance work is very large in the environment of high temperature and high dust in the continuous casting production site; the service life of the halogen light source is only about one month, and the long-term use cost Higher; if the camera is equipped with an area array camera, its resolution is limited. When the detected object is fast, the camera's acquisition speed will not meet the requirements.
  • the individual defects of the three-dimensional imaging method cannot be detected; in addition, there are high requirements for the installation angle of the device and the environment for use in the field, and the detection result is very susceptible to interference by external factors, so it is difficult to use it in a wide range.
  • the object of the present invention is to provide an on-line detection method for the surface quality of continuous casting blanks which is suitable for use in a factory production site, has clear imaging, convenient use and maintenance, and is not easily interfered by external environment.
  • the technical solution of the present invention is:
  • An online detection method for surface quality of continuous casting billet characterized in that the method comprises the following steps:
  • the laser source of step 1) is a spot formed by a point passing through a beam expanding device.
  • the spot width is 2-5 cm and the length is 0.5-2.5 m.
  • the linear CCD camera of step 2) is provided with a specific color filter vertically mounted above the slab, and the center of the camera sensor and the center of the laser expanding device are on the same straight line.
  • the filter is green or blue.
  • the transmission, processing, and storage of the image adopt a distributed structure.
  • the image processing process of step 3) includes four steps of image preprocessing, image object segmentation, target defect feature extraction, and defect classification determination.
  • the image is preprocessed by Gaussian filtering; the image target detection is implemented by image segmentation; the target defect features include texture features, grayscale features, spectral features, shape features, and projected features.
  • the feature parameter is obtained by the gray feature of the pixel pair of the image region
  • the gray level co-occurrence matrix is obtained by using the feature parameter
  • the texture feature is represented by the gray level co-occurrence matrix.
  • the present invention has the following advantages:
  • the image processing algorithm closely follows the characteristics of the detected object, and the detection accuracy is high.
  • Figure 1 is a schematic view of surface quality detection
  • 2 is a structural diagram of system data transmission, processing, and storage
  • Figure 3 is a data processing flow chart
  • Figure 4 is a block diagram of the defect feature extraction.
  • the continuous casting blank surface quality testing equipment adopts the bridge type installation, and the bridge itself adopts a semi-closed structure for shielding the radiant heat of the high temperature continuous casting billet; the detection equipment is protected by the waterproof and dustproof detecting box.
  • the protection level of the test box reaches IP54.
  • the cooling method of the detection box can adopt air cooling, water cooling and air conditioning constant temperature control, etc., and the working environment temperature of the several protection detection devices does not exceed 35 °C.
  • the on-line slab temperature detected at the site is above 800 °C, which is itself a illuminant.
  • the present invention uses a high-power single-line laser for illumination, generally using a green or blue laser. , set the corresponding green or blue filter on the camera.
  • the present invention selects a high performance linear array CCD. Both the laser and the camera are mounted on the vertical slab surface, and the center of the laser beam expander is on the same line as the sensor center of the line camera, and the distance between the laser beam expander and the camera is adjusted as needed.
  • the laser light source has strong directionality and high luminous efficiency per unit area, the intensity under the same area is several times that of the halogen lamp, which can completely overcome the image blur caused by insufficient illumination; the laser has a long service life (more than 1 year) The problem that the halogen lamp needs frequent replacement maintenance is avoided.
  • the laser light source used in the method of the invention is expanded into a spot by a point through a beam expander, so that the light exit port is generally within 200 mm*40 mm, which can solve the problem that the front halogen lamp outlet has a large maintenance workload.
  • the laser in the present invention is only used as a light source, the laser beam is not directly involved in the calculation of the detection result, and the laser spot has a width of 2-5 cm, so the installation height and angle of the laser do not directly affect the detection result, even if the scene is caused by vibration.
  • a small amount of offset of the camera does not affect the imaging effect and the detection result; the linear array camera of the present invention can make a large resolution in one direction, and can solve the imaging requirement of small defects.
  • the transmission, processing and storage of the image data of the present invention adopts a distributed structure, is simple in use, high in stability, and fast in storage and processing.
  • the image processing process of the present invention is divided into several steps of image preprocessing, image segmentation, defect feature extraction, and defect classification.
  • the system will collect some invalid pictures, and some pictures will also be affected by the noise on site.
  • the image In order to ensure the detection speed and effect, the image must be preprocessed.
  • the median filtering method is adopted, which can suppress noise and obtain a clearer and cleaner picture.
  • the median filtering has a certain influence on the edge of the defect, so the present invention uses Gaussian filtering to better protect the edge of the defect.
  • the target detection of an image is to determine whether there is a defect in the image, and which regions in the image are likely to have defects. Target segmentation in the suspicious area of the picture.
  • the edge detection methods include sobel edge detection, canny edge detection, fuzzy C-means clustering algorithm and level set segmentation algorithm.
  • the feature extraction for the defect includes a grayscale feature, a shape feature, a texture feature, a projection feature, and a spectral feature, and the analysis of the feature determines whether the suspect region is a defect or a defect type.
  • a feature parameter is obtained by the gray feature of the pixel pair of the image region, and the gray level co-occurrence matrix is obtained by using the feature parameter, and the texture feature is represented by the gray level co-occurrence matrix.
  • a variety of matrix features are analyzed for gray-scale co-occurrence matrices to obtain corresponding feature vectors, which mainly have second-order moments, contrast, correlation, entropy, variance, and inverse gap.

Abstract

一种连铸坯表面质量在线检测方法，采用激光光源作为照明设备，以工业级高精度相机作为图像采集设备，于相机上设置对应的滤光片；当激光光束照射到铸坯表面时，氧化皮、裂纹、凹陷、划伤、渣坑等不同的铸坯表面区域对激光的吸收、反射、折射不一样，这些区别由相机采集并以图像的形式表现出来，然后经缺陷检测算法对图像中存在的缺陷进行定位、分类、保存、报警。通过所述的检测方法，采用高功率激光光源与工业线阵相机相结合，解决了连铸坯表面检测现场图像采集困难的技术问题；数据传输、存储、处理采用分布式结构，系统稳定性高，存储和处理速度快；图像处理算法紧扣被检测物的特征，检测准确率高。

Description

一种连铸坯表面质量在线检测方法 技术领域
本发明属于铸坯质量检测领域，具体公开了一种连铸坯表面质量在线检测方法。
背景技术
连铸坯在生产过程中，受铸机性能和连铸工艺的影响，不可避免的会产生横纵裂纹、皮下针孔、夹渣、凹陷等各种表面缺陷。这些缺陷严重影响铸坯的品质，甚至导致铸坯报废；带缺陷的铸坯流入连轧环节，轻则影响轧制产品的品质，重则导致轧制产品报废。如表面质量要求高的汽车板、家电用板等,如果铸坯表面有小的瑕疵,轧制成材后将扩大成几米的缺陷，因此钢铁行业越来越重视铸坯表面质量的检测，一般都有专门的工序和人员负责铸坯表面质量的检测。人工检测的缺点是：1.检测结果受检测人员主观因素的影响，缺乏准确性、可靠性和完整性；2.只能在铸坯静止或运动速度非常慢的情况下检测，并且不能检测微小的缺陷；3.下表面检测非常困难，需要通过翻板工序实现或设置专门的下表面检测反光镜并安排专门的人员进行。4.检测到的缺陷数据不能保存，无法掌握关于产品表面质量的历史数据，无法对数据进行统计分析，并以此来指导生产；5.现场温度高，尤其在夏天，检测人员工作条件非常辛苦，无法长时间连续工作。
 技术问题
随着生产效率的提高，对连铸坯表面质量检测提出了更高的要求，传统的人眼目测的方式已经不适应生产需求。目前对铸坯表面质量进行在线检测一般采用机器视觉的方式，按照原理主要分为两类：一种二维成像方法是采用大功率面阵灯或灯组（如卤素灯）作为光源，用线阵相机或面阵相机作为图像采集的传感器。相机采集图像以后，利用工控机对图片进行处理，将图片中的缺陷定位出来；另一种三维成像方法则是采用结构光激光发生器作为照明光源，将发出的多条激光束投射到高温铸坯表面，以面阵CCD摄像机为图像采集装置，在线采集高温铸坯表面反射的激光光线，计算机的算法提取激光线束上所代表的缺陷深度信息，从而得到铸坯该横向位置缺陷深度组合成的一维距离矩阵，一维距离点阵映射为不同灰度级的灰度图像，拼接不同灰度级的灰度图像从而得到整体灰度图像，最后识别铸坯表面缺陷并重构铸坯表面三维形貌图。
对于二维成像方法，铸坯温度超过800℃，本身就是一个发红发亮的光源，以卤素灯作为面阵光拍摄到的图片往往受到铸坯发光的干扰而模糊，大大降低了后续缺陷检出的可能性；面阵光源的出光口比较大，在连铸生产现场高温高粉尘的环境下日常清洁维护的工作量非常大；卤素灯光源的使用寿命仅为一个月左右，长期使用起来成本较高；如果采集相机用的是面阵相机的话，其分辨率有限制，当被检测物速度快时，相机的采集速度将达不到要求。而三维成像方法个别缺陷无法检测出来；此外，对于设备的安装角度、现场使用环境有很高的要求，检测结果非常容易受到外部因素干扰，因此难以大范围使用。
综合上述原因，提供一种供生产现场使用的图像清晰、维护方便、系统稳定检测结果不易受外部干扰的连铸坯表面质量在线检测方法成为本领域技术人员亟需解决的问题。
 技术解决方案
针对现有技术的不足，本发明的目的在于提供一种适用于工厂生产现场，成像清晰，使用、维护方便，检测结果不易受外部环境干扰的连铸坯表面质量在线检测方法，为实现上述目的，本发明的技术方案是：
一种连铸坯表面质量在线检测方法，其特征在于，包括以下步骤：
1）以高功率激光器作为光源，垂直安装于铸坯上方，对铸坯表面横向进行照射得到激光线束；
2）以线阵CCD相机扫描所述激光线束，进行数据采集并显示；
3）对采集的图像进行传输、处理、储存；
4）利用缺陷检测算法对所述图像中存在的缺陷进行定位、分类、保存、报警。
优选地，步骤1）所述激光光源是由一个点经过扩束装置形成的光斑。
优选地，所述光斑宽度为2-5cm，长度为0.5-2.5m。
优选地，步骤2）所述线阵CCD相机上加装有特定颜色滤光片，垂直安装于铸坯上方，且相机传感器中心和所述激光扩束装置中心在同一条直线上。
优选地，所述滤光片为绿色或蓝色。
优选地，所述图像的传输、处理、存储采用分布式的结构。
优选地，步骤3）所述图像处理过程包括图像预处理，图像目标分割，目标缺陷特征提取，缺陷分类判断四个步骤。
优选地，利用高斯滤波对图像进行预处理；图像目标检测通过图像分割来实现；所述目标缺陷特征包括纹理特征、灰度特征、频谱特征、形状特征、投影特征。
优选地，通过图像区域像素对的灰度特征得到特征参数，采用所述特征参数得到灰度共生矩阵，以所述灰度共生矩阵来表示所述纹理特征。
 有益效果
由于采用了上述技术方案，本发明具有以下优点：
①采用高功率激光器和工业线阵相机相结合，解决了连铸坯表面检测现场图像采集的技术难题；
②数据传输、处理、存储采用分布式的结构，使用简便，系统稳定性高，存储和处理速度快；
③图像处理算法紧扣被检测物的特征，检测准确率高。
 附图说明
附图1为表面质量检测示意图；
附图2为系统数据传输、处理、存储结构图；
附图3为数据处理流程图；
附图4为缺陷特征提取框图。
 本发明的最佳实施方式
下面结合附图对本发明做进一步说明。
考虑到现场环境的复杂性，连铸坯表面质量检测设备采用桥架式安装，桥架本身采用半密闭的结构用于屏蔽高温连铸坯的辐射热；通过具有防水防尘的检测箱来保护检测设备，检测箱的防护等级达到IP54。检测箱冷却方式可采用风冷、水冷和空调恒温控制等，通过这几重保护检测设备的工作环境温度不超过35℃。
现场被检测的在线连铸坯温度在800℃以上，本身就是一个发光体，为了避免其本身的发光对成像造成影响，本发明采用大功率单线型激光器进行照明，一般选用绿色或蓝色的激光器，在相机上设置相应的绿色或蓝色的滤光片。而为了适应较高的采集速度和高达0.02mm的检测精度，本发明选用了高性能的线阵CCD。激光器和相机都垂直铸坯表面安装，且激光扩束装置中心和线阵相机的传感器中心在同一条直线上，根据需要调整激光扩束装置和相机间的距离。由于激光光源具有方向性强，单位面积发光效率高的特点，同等面积下强度是卤素灯的几倍，完全可以克服因为光照不够而引起的图像模糊问题；激光的使用寿命长（超过1年）避免了卤素灯需要频繁更换维护的问题。本发明所述的方法使用的激光光源是由一个点经过扩束装置扩束成光斑的，所以它的出光口一般在200mm*40mm以内，可以解决前面卤素灯出光口较大维护工作量大的问题；本发明中的激光只做光源用，激光线束不直接参与检测结果计算，且激光光斑有2-5cm的宽度，所以激光的安装高度和角度不会直接影响检测结果，即使现场因为振动导致相机出现少量偏移也不会影响成像效果和检测结果；本发明中采用线阵相机，可以在单方向上做很大的分辨率，可以解决微小缺陷的成像需求。
如附图2所示，本发明图像数据的传输、处理、存储采用分布式结构，使用简便、稳定性高，存储和处理速度快。
如附图3所示，本发明的图像处理的过程分为图像预处理，图像分割，缺陷特征提取，缺陷分类这几个步骤。受现场环境的影响，系统会采集到一些无效的图片，部分图片也会受到现场噪声的影响。为了保证检测速度和效果，必须对图像进行预处理。一般是采用中值滤波方法，可以抑制噪声，得到更加清晰干净的图片。但是中值滤波对缺陷的边缘会有一定影响，所以本发明采用高斯滤波，对缺陷的边缘保护得更加好。图像的目标检测是判断图像中是否存在缺陷、图像中哪些区域有可能存在缺陷。在图片的可疑区域进行目标分割。将缺陷与周围多余的背景分割开来，能够更加清晰的看到可疑区域的纹理，而不受到背景的影响。鉴于缺陷区域与背景区域灰度的变化，采用的边缘检测方法包括sobel边缘检测、canny边缘检测还有模糊C均值聚类算法、水平集分割算法。
如附图4所示，对缺陷的特征提取包括灰度特征、形状特征、纹理特征、投影特征、频谱特征，通过对特征的分析确定可疑区域是否为缺陷、缺陷类型。通过图像区域像素对的灰度特征得到特征参数，采用所述特征参数得到灰度共生矩阵，以所述灰度共生矩阵来表示所述纹理特征。对灰度共生矩阵进行多种矩阵特征分析来得到相应的特征向量，主要有二阶矩、对比度、相关性、熵、方差、逆差距。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

  1. 一种连铸坯表面质量在线检测方法，其特征在于，包括以下步骤：
    1）以高功率激光器作为光源，垂直安装于铸坯上方，对铸坯表面横向进行照射得到激光线束；
    2）以线阵CCD相机扫描所述激光线束，进行数据采集并显示；
    3）对采集的图像进行传输、处理、储存；
    4）利用缺陷检测算法对所述图像中存在的缺陷进行定位、分类、保存、报警。
  2. 根据权利要求1所述一种连铸坯表面质量在线检测方法，其特征在于：步骤1）所述激光光源是由一个点经过扩束装置形成的光斑。
  3. 根据权利要求1或2所述一种连铸坯表面质量在线检测方法，其特征在于：所述光斑宽度为2-5cm，长度为0.5-2.5m。
  4. 根据权利要求1所述一种连铸坯表面质量在线检测方法，其特征在于：步骤2）所述线阵CCD相机上加装有特定颜色滤光片，垂直安装于铸坯上方，且相机传感器中心和所述激光扩束装置中心在同一条直线上。
  5. 根据权利要求1或4所述一种连铸坯表面质量在线检测方法，其特征在于：所述滤光片为绿色或蓝色。
  6. 根据权利要求1所述一种连铸坯表面质量在线检测方法，其特征在于：所述图像的传输、处理、存储采用分布式的结构。
  7. 根据权利要求1所述一种连铸坯表面质量在线检测方法，其特征在于：步骤3）所述图像处理过程包括图像预处理，图像目标分割，目标缺陷特征提取，缺陷分类判断四个步骤。
  8. 根据权利要求7所述一种连铸坯表面质量在线检测方法，其特征在于：利用高斯滤波对图像进行预处理；图像目标检测通过图像分割来实现；所述目标缺陷特征包括纹理特征、灰度特征、频谱特征、形状特征、投影特征。
  9. 根据权利要求1或7所述一种连铸坯表面质量在线检测方法，其特征在于：通过图像区域像素对的灰度特征得到特征参数，采用所述特征参数得到灰度共生矩阵，以所述灰度共生矩阵来表示所述纹理特征。
PCT/CN2014/086382 2013-10-16 2014-09-12 一种连铸坯表面质量在线检测方法 WO2015055060A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310483398.4 2013-10-16
CN201310483398.4A CN103543161A (zh) 2013-10-16 2013-10-16 一种连铸坯表面质量在线检测方法

Publications (1)

Publication Number Publication Date
WO2015055060A1 true WO2015055060A1 (zh) 2015-04-23

Family

ID=49966827

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2014/086382 WO2015055060A1 (zh) 2013-10-16 2014-09-12 一种连铸坯表面质量在线检测方法

Country Status (2)

Country Link
CN (1) CN103543161A (zh)
WO (1) WO2015055060A1 (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106290394A (zh) * 2016-09-30 2017-01-04 华南理工大学 一种cpu散热器铝挤成型缺陷检测系统及检测方法
CN106404790A (zh) * 2016-06-24 2017-02-15 邯郸市邯钢集团信达科技有限公司 一种板坯低倍质量等级自动评定系统及评定方法
CN107096728A (zh) * 2017-06-22 2017-08-29 山东明佳科技有限公司 一种纸盒封装及喷码视觉检测系统及方法
CN107486415A (zh) * 2017-08-09 2017-12-19 中国计量大学 基于机器视觉的篾片缺陷在线检测系统及检测方法
CN108320282A (zh) * 2018-01-25 2018-07-24 陕西科技大学 多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法
CN108548822A (zh) * 2018-06-21 2018-09-18 无锡旭锠智能科技有限公司 一种宽幅连续表面缺陷视觉检测系统
CN109215009A (zh) * 2017-06-29 2019-01-15 上海金艺检测技术有限公司 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法
CN109521022A (zh) * 2019-01-23 2019-03-26 苏州鼎纳自动化技术有限公司 基于线共焦相机的触摸屏缺陷检测装置
CN109772724A (zh) * 2019-03-14 2019-05-21 溧阳市新力机械铸造有限公司 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN111507177A (zh) * 2020-02-19 2020-08-07 广西云涌科技有限公司 一种用于计量周转柜的识别方法及装置
CN113008889A (zh) * 2021-03-01 2021-06-22 深圳市大族视觉技术有限公司 一种食品在线检测设备
CN113030095A (zh) * 2021-02-24 2021-06-25 杭州微纳智感光电科技有限公司 一种偏光片外观缺陷检测系统
CN113487570A (zh) * 2021-07-06 2021-10-08 东北大学 基于改进的yolov5x网络模型的高温连铸坯表面缺陷检测方法
CN113776440A (zh) * 2021-08-26 2021-12-10 河钢股份有限公司 一种基于机器视觉的钢坯宽度在线检测方法及系统
CN113793321A (zh) * 2021-09-14 2021-12-14 浙江大学滨江研究院 基于机器视觉的铸件表面缺陷动态检测方法及装置
CN114235847A (zh) * 2021-12-20 2022-03-25 深圳市尊绅投资有限公司 一种液晶面板玻璃基板表面缺陷检测装置及检测方法
CN115984272A (zh) * 2023-03-20 2023-04-18 山东杨嘉汽车制造有限公司 基于计算机视觉的半挂车车桥缺陷识别方法
CN116188459A (zh) * 2023-04-23 2023-05-30 合肥金星智控科技股份有限公司 一种用于皮带撕裂检测的线激光快速识别方法及系统
CN117152444A (zh) * 2023-10-30 2023-12-01 山东泰普锂业科技有限公司 一种面向锂电行业的设备数据采集方法及系统

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103543161A (zh) * 2013-10-16 2014-01-29 湖南镭目科技有限公司 一种连铸坯表面质量在线检测方法
CN104020177B (zh) * 2014-06-26 2016-06-15 重庆大学 连铸坯表面缺陷双ccd扫描成像检测方法
CN104267040B (zh) * 2014-08-29 2016-08-24 莱芜钢铁集团电子有限公司 一种连铸坯表面裂纹的检测方法和装置
CN106645168B (zh) * 2016-12-19 2019-05-03 湘潭大学 一种起重机臂筒表面凹凸缺陷的检测方法
CN106920233B (zh) * 2017-02-24 2019-10-08 中国人民解放军国防科学技术大学 基于图像处理的划痕检测方法、装置及电子设备
CN107525810A (zh) * 2017-08-31 2017-12-29 中远海运科技股份有限公司 一种基于3d成像的集装箱破损检测设备及方法
CN109187554A (zh) * 2018-09-18 2019-01-11 常州利腾机械有限公司 一种图像阶梯轴黑皮检测装置
CN109559339B (zh) * 2018-11-21 2020-07-28 上海交通大学 基于图像控制点配准的刚性表面接触过程分析方法与系统
CN109631760A (zh) * 2019-01-10 2019-04-16 上海东震冶金工程技术有限公司 一种用于高温连铸坯的线性激光测量系统及其方法
CN110186934B (zh) * 2019-06-12 2022-04-19 中国神华能源股份有限公司 轴箱橡胶垫裂纹检测方法和检测装置
CN110376207B (zh) * 2019-07-16 2020-07-17 北京科技大学 一种超宽厚板表面缺陷在线检测系统图像采集方法
CN111398288B (zh) * 2020-03-05 2022-11-15 包头联方高新技术有限责任公司 连铸坯在线热状态下表面全幅周向检测系统、方法及装置
CN113393415B (zh) * 2020-03-13 2023-04-07 中冶宝钢技术服务有限公司 连铸坯表面缺陷清理的视觉测量系统及路径规划方法
CN111521129B (zh) * 2020-04-20 2021-08-31 北京科技大学 基于机器视觉的板坯翘曲检测装置及方法
CN113567459A (zh) * 2020-04-28 2021-10-29 宝山钢铁股份有限公司 一种连铸坯表面二维三维组合成像检测系统及其方法
CN111751384B (zh) * 2020-07-10 2021-10-12 宝武集团马钢轨交材料科技有限公司 一种圆钢表面缺陷在线检测系统及检测方法
CN113092712B (zh) * 2021-02-26 2023-05-09 邯郸钢铁集团有限责任公司 一种高端汽车用外板暴露件铸坯质量评估方法
CN113211190B (zh) * 2021-06-03 2022-03-29 河南领聚网络科技有限公司 一种数控加工中心刀具破损磨损在线检测装置及检测方法
CN114280073A (zh) * 2021-12-27 2022-04-05 南京光衡科技有限公司 激光和相机复合检测方式的瓷砖缺陷检测装置及分级方法
CN114367880A (zh) * 2021-12-30 2022-04-19 浙江庆元万美文具有限公司 一种铅笔表面光洁度的生产设备及其制作方法
CN114740007A (zh) * 2022-03-23 2022-07-12 成都飞机工业（集团）有限责任公司 一种非接触式表面缺陷检测装置及使用方法
CN115308215B (zh) * 2022-10-11 2022-12-20 南通市怡天时纺织有限公司 基于激光束的织物织造疵点检测方法
CN116449041B (zh) * 2023-06-14 2023-09-05 江苏金恒信息科技股份有限公司 连铸坯取样系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58204348A (ja) * 1982-05-24 1983-11-29 Kawasaki Steel Corp 金属物体表面探傷方法
JPS58204356A (ja) * 1982-05-24 1983-11-29 Kawasaki Steel Corp 金属物体表面探傷方法
CN1900701A (zh) * 2006-07-19 2007-01-24 北京科技大学 基于激光线光源的热轧带钢表面缺陷在线检测方法和装置
CN101644684A (zh) * 2009-09-11 2010-02-10 北京科技大学 一种连铸板坯表面裂纹在线检测方法
CN102608126A (zh) * 2012-02-23 2012-07-25 中冶连铸技术工程股份有限公司 一种高温连铸坯表面缺陷在线检测方法和装置
CN103543161A (zh) * 2013-10-16 2014-01-29 湖南镭目科技有限公司 一种连铸坯表面质量在线检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5892937A (ja) * 1981-11-30 1983-06-02 Yoshio Ueshima 表面傷自動検査装置
CN100394166C (zh) * 2004-12-20 2008-06-11 华中科技大学 一种印刷品质量在线检测装置
CN101315337B (zh) * 2008-07-07 2011-07-20 湖北工业大学 一种坯布表面疵点在线检测装置
CN102721702A (zh) * 2012-06-27 2012-10-10 山东轻工业学院 基于嵌入式处理器的分布式纸病检测系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58204348A (ja) * 1982-05-24 1983-11-29 Kawasaki Steel Corp 金属物体表面探傷方法
JPS58204356A (ja) * 1982-05-24 1983-11-29 Kawasaki Steel Corp 金属物体表面探傷方法
CN1900701A (zh) * 2006-07-19 2007-01-24 北京科技大学 基于激光线光源的热轧带钢表面缺陷在线检测方法和装置
CN101644684A (zh) * 2009-09-11 2010-02-10 北京科技大学 一种连铸板坯表面裂纹在线检测方法
CN102608126A (zh) * 2012-02-23 2012-07-25 中冶连铸技术工程股份有限公司 一种高温连铸坯表面缺陷在线检测方法和装置
CN103543161A (zh) * 2013-10-16 2014-01-29 湖南镭目科技有限公司 一种连铸坯表面质量在线检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XU, KE ET AL.: "On-line detection technique of surface cracks for continuous casting slabs based on linear lasers", JOURNAL OF UNIVERSITY OF SCIENCE AND TECHNOLOGY, vol. 31, no. 12, 31 December 2009 (2009-12-31), BEIJING, pages 1621 - 1623 *

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106404790A (zh) * 2016-06-24 2017-02-15 邯郸市邯钢集团信达科技有限公司 一种板坯低倍质量等级自动评定系统及评定方法
CN106404790B (zh) * 2016-06-24 2023-06-23 邯郸市邯钢集团信达科技有限公司 一种板坯低倍质量等级自动评定系统及评定方法
CN106290394B (zh) * 2016-09-30 2023-04-07 华南理工大学 一种cpu散热器铝挤成型缺陷检测系统及检测方法
CN106290394A (zh) * 2016-09-30 2017-01-04 华南理工大学 一种cpu散热器铝挤成型缺陷检测系统及检测方法
CN107096728A (zh) * 2017-06-22 2017-08-29 山东明佳科技有限公司 一种纸盒封装及喷码视觉检测系统及方法
CN109215009A (zh) * 2017-06-29 2019-01-15 上海金艺检测技术有限公司 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法
CN109215009B (zh) * 2017-06-29 2023-05-12 上海金艺检测技术有限公司 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法
CN107486415A (zh) * 2017-08-09 2017-12-19 中国计量大学 基于机器视觉的篾片缺陷在线检测系统及检测方法
CN107486415B (zh) * 2017-08-09 2023-10-03 中国计量大学 基于机器视觉的篾片缺陷在线检测系统及检测方法
CN108320282A (zh) * 2018-01-25 2018-07-24 陕西科技大学 多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法
CN108548822A (zh) * 2018-06-21 2018-09-18 无锡旭锠智能科技有限公司 一种宽幅连续表面缺陷视觉检测系统
CN109521022A (zh) * 2019-01-23 2019-03-26 苏州鼎纳自动化技术有限公司 基于线共焦相机的触摸屏缺陷检测装置
CN109772724A (zh) * 2019-03-14 2019-05-21 溧阳市新力机械铸造有限公司 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN109772724B (zh) * 2019-03-14 2024-04-09 溧阳市新力机械铸造有限公司 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN111507177B (zh) * 2020-02-19 2023-04-07 广西云涌科技有限公司 一种用于计量周转柜的识别方法及装置
CN111507177A (zh) * 2020-02-19 2020-08-07 广西云涌科技有限公司 一种用于计量周转柜的识别方法及装置
CN113030095A (zh) * 2021-02-24 2021-06-25 杭州微纳智感光电科技有限公司 一种偏光片外观缺陷检测系统
CN113008889A (zh) * 2021-03-01 2021-06-22 深圳市大族视觉技术有限公司 一种食品在线检测设备
CN113487570B (zh) * 2021-07-06 2024-01-30 东北大学 基于改进的yolov5x网络模型的高温连铸坯表面缺陷检测方法
CN113487570A (zh) * 2021-07-06 2021-10-08 东北大学 基于改进的yolov5x网络模型的高温连铸坯表面缺陷检测方法
CN113776440A (zh) * 2021-08-26 2021-12-10 河钢股份有限公司 一种基于机器视觉的钢坯宽度在线检测方法及系统
CN113793321A (zh) * 2021-09-14 2021-12-14 浙江大学滨江研究院 基于机器视觉的铸件表面缺陷动态检测方法及装置
CN113793321B (zh) * 2021-09-14 2024-01-23 浙江大学滨江研究院 基于机器视觉的铸件表面缺陷动态检测方法及装置
CN114235847A (zh) * 2021-12-20 2022-03-25 深圳市尊绅投资有限公司 一种液晶面板玻璃基板表面缺陷检测装置及检测方法
CN115984272A (zh) * 2023-03-20 2023-04-18 山东杨嘉汽车制造有限公司 基于计算机视觉的半挂车车桥缺陷识别方法
CN116188459A (zh) * 2023-04-23 2023-05-30 合肥金星智控科技股份有限公司 一种用于皮带撕裂检测的线激光快速识别方法及系统
CN116188459B (zh) * 2023-04-23 2023-09-15 合肥金星智控科技股份有限公司 一种用于皮带撕裂检测的线激光快速识别方法及系统
CN117152444B (zh) * 2023-10-30 2024-01-26 山东泰普锂业科技有限公司 一种面向锂电行业的设备数据采集方法及系统
CN117152444A (zh) * 2023-10-30 2023-12-01 山东泰普锂业科技有限公司 一种面向锂电行业的设备数据采集方法及系统

Also Published As

Publication number Publication date
CN103543161A (zh) 2014-01-29

Similar Documents

Publication Publication Date Title
WO2015055060A1 (zh) 一种连铸坯表面质量在线检测方法
CN107187464B (zh) 轨道板检测车、系统以及方法
CN101639452B (zh) 一种钢轨表面缺陷的三维检测方法
CN105133471B (zh) 一种基于线结构光路面检测系统的路面深度图像生产方法
CN102608126A (zh) 一种高温连铸坯表面缺陷在线检测方法和装置
CN104608799A (zh) 基于信息融合技术列车轮对踏面损伤在线检测与识别方法
CN102601131B (zh) 一种钢坯表面质量在线检测装置
CN107576666A (zh) 一种双光谱成像铁轨及扣件异常检测方法
CN108469437B (zh) 浮法玻璃的缺陷检测方法及装置
CN107578397A (zh) 一种新型非接触式接触线磨损检测方法
US20230152242A1 (en) Continuous casting billet surface detection system and method based on two-dimensional and three-dimensional combined imaging
CN105158273A (zh) 一种基于面阵式cmos相机的光缆表面缺陷检测系统
US6501546B1 (en) Inspection system for edges of glass
CN204287062U (zh) Wis在线缺陷检测系统
CN108732148B (zh) 一种荧光磁粉探伤在线检测装置及方法
CN102183578A (zh) 一种轮对荧光磁粉探伤机
CN201732061U (zh) 一种轮对荧光磁粉探伤机
WO2023168985A1 (zh) 一种基于激光扫描的阴极铜质量检测系统及方法
CN116989881A (zh) 一种基于线激光目标识别的接触线振动测量系统及方法
CN103033520A (zh) 热连铸钢坯表面质量检测方法
TW201617605A (zh) 瑕疵檢測方法及其裝置
CN103091332A (zh) 一种基于机器视觉的u型粉管的检测方法及其检测系统
CN116519703A (zh) 基于线扫3d图像的集电靴碳滑板图像检测系统及方法
JPH09118153A (ja) 架線検査方法および架線検査装置
CN115791801A (zh) 基于机器视觉的3d玻璃在线监测平台

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14854072

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14854072

Country of ref document: EP

Kind code of ref document: A1