CN107576664A - 一种轧辊磨削表面缺陷机器视觉检测*** - Google Patents
一种轧辊磨削表面缺陷机器视觉检测*** Download PDFInfo
- Publication number
- CN107576664A CN107576664A CN201710893815.0A CN201710893815A CN107576664A CN 107576664 A CN107576664 A CN 107576664A CN 201710893815 A CN201710893815 A CN 201710893815A CN 107576664 A CN107576664 A CN 107576664A
- Authority
- CN
- China
- Prior art keywords
- defect
- image
- roll
- module
- tested
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开的一种轧辊磨削表面缺陷机器视觉检测***,属于磨削加工表面缺陷检测领域。该***包括清洗装置、图像采集装置、图像采集控制单元和图像处理与分析单元;清洗装置可在被测轧辊表面形成均匀层流液体层;图像采集装置设置在被测轧辊周围;图像采集控制单元分别与被测轧辊和图像采集装置连接;图像处理与分析单元与所述图像采集装置电连接,用于实现缺陷分类识别、缺陷评估与超限报警以及故障诊断。本发明可以实现对轧辊磨削表面短划痕、微振纹、斑点、螺旋纹、网纹等缺陷进行定性与定量检测,弥补现有人工肉眼检测方式主观性强、准确性较低、易漏检、无法定量等缺点,提高检测效率、准确率与可靠性。
Description
技术领域
本发明属于磨削加工表面缺陷检测领域,尤其涉及一种轧辊磨削表面缺陷机器视觉检 测***。
背景技术
轧辊磨削属于典型的大型构件磨削,其磨削质量对磨削过程稳定性要求高、磨削难度 大。短划痕、微振纹、斑点、螺旋纹、网纹等是轧辊磨削表面常见缺陷,这些缺陷可能会随着轧制过程传递到轧制产品上,导致轧制产品降级甚至报废,对轧制生产线的生产效率、产品质量及稳定性有着重要影响。
由于涡流探伤、超声波探伤等常用缺陷检测手段无法有效检测上述缺陷,在生产实际 中目前主要采用人工肉眼检测的方式,即由经验丰富的检测人员在特定角度、合适光照下 观测轧辊表面,做出判定。但此种人工检测方式对检测人员经验要求高,且易受工作环境、 检测人员疲劳状态等影响,检测效率、准确性与可靠性较低,易产生漏检、误检,且只能 对缺陷定性判别而无法定量评估。由于轧辊本身尺寸与重量大、磨削时间长,除对轧制产 品质量影响外,若发现轧制产品质量问题后再将缺陷轧辊从轧制生产线返回磨辊间重新修 磨也需要耗费大量的人力、物力与时间成本。所以,开发一套针对上述轧辊磨削表面缺陷 的自动化检测***,提高检测效率、准确性与可靠性,具有巨大的应用价值与迫切的现实 需求。
机器视觉测量方法在光学原理上与人眼检测方式具有很大相似性,是一种可以代替人 眼实现自动化检测的有效方法。在名为“Optical surface inspecting system forinspecting the surface of a rolling roll having mechanism for keeping clean awindow through which a camera detects a condition of the rolling roll”的美国专利(专利号:US5331178)中提出了一种通过 压缩空气或压力水喷头清洁轧辊表面,采用相机对轧辊表面拍照并进行显示的检测方法。 但是该方法存在一些缺点:采用面阵CCD相机对轧辊表面进行成像,由于轧辊表面为高 光泽度的圆柱面形,采用面阵CCD相机拍摄照片存在严重的反光问题,使得图像质量差, 有效测量区域小;光源、相机布置在同一直线上,即成像角度单一,而实际上对于不同的 缺陷需要在不同的照明方式、角度下才能取得较好的测量结果;相机所成图像在显示器上 显示出来,最终的缺陷识别仍然需要人根据照片做判断,做不到完全的自动化检测。
发明内容
本发明的目的在于提供一种轧辊磨削表面缺陷机器视觉检测***,以替代现有人工肉 眼检测,实现短划痕、微振纹、斑点、螺旋纹、网纹等轧辊磨削表面缺陷的定性与定量自 动化检测,提高检测效率、准确性与可靠性。
为实现上述目的,本发明采用如下技术方案:
一种轧辊磨削表面缺陷机器视觉检测***,其特征在于,包括:
清洗装置,与被测轧辊表面法线方向成0-90度设置,通过喷射清洗液清除磨削后被测 轧辊表面的磨削液和磨削残渣,并在被测轧辊表面形成均匀层流液体层;
图像采集装置,设置在被测轧辊周围,用于提供多种照明方式并形成被测轧辊表面的 测量图像;
图像采集控制单元,分别与被测轧辊和所述图像采集装置连接,用于协调被测轧辊转 速与所述图像采集装置采样行频,以使被测轧辊表面的测量图像不失真变形;
图像处理与分析单元,与所述图像采集装置电连接,该图像处理与分析单元对所述图 像采集装置传送的测量图像进行处理与分析,用以实现缺陷分类识别、缺陷评估与超限报 警以及故障诊断。
可选地,所述清洗装置包括液流泵、喷头及相应的管道、电路;所述液流泵将清洗液 输送到所述喷头处,形成均匀层流以相对轧辊表面法线方向夹角在0-90度喷出;根据被测 轧辊直径与检测缺陷类型,调节喷头流量及喷射角度使清洗液在轧辊表面测量区域形成相 应厚度的均匀层流层,该层流层厚度为0.1mm~10mm。
可选地,所述图像采集装置包括光源和线阵相机,该线阵相机前端安装有镜头;其中, 所述光源和线阵相机的位置、角度根据检测缺陷类型进行调整,形成不同的照明方式和/ 或照明角度;由所述光源发出的光线经被测轧辊表面反射和/或散射后通过所述镜头被所述 线阵相机接收,形成测量图像。
可选地,所述图像采集控制单元包括控制器以及与该控制器连接的转速测量装置;所 述控制器还与所述线阵相机和外部轧辊磨床数控***连接;其中,所述转速测量装置设置 在与被测轧辊周向或端面垂直方向,用于实时测量轧辊旋转角度或角速度从而得到被测轧 辊转速并反馈给所述控制器;该控制器根据转速测量装置得到的轧辊转速调节所述线阵相 机的扫描行频,或通过所述轧辊磨床数控***调节被测轧辊转速。
可选地,所述图像处理与分析单元采用一台计算机,该计算机内设有:图像预处理模 块、图像分割模块、缺陷特征提取模块、缺陷分类识别模块、超限报警模块和故障诊断模块,以及缺陷特征数据库、缺陷评估数据库和故障数据库;其中,
所述图像预处理模块,用于对通过图像采集装置采集的图像进行预处理操作,得到灰 度分布合理、缺陷特征清晰且与背景对比度高的图像;
所述图像分割模块,用于对通过所述图像预处理模块调整之后的图像进行图像分割处 理,将缺陷特征区域从背景图像中分离出来,以便于后续操作的分析处理;
所述缺陷特征提取模块,用于对所述图像分割模块分割出来的缺陷特征区域进行处理, 提取得到缺陷定量化表征参数;
所述缺陷分类识别模块,用于根据所述缺陷特征提取模块获得的缺陷定量化表征参数 信息,同时根据所述缺陷特征数据库储存的缺陷特征数据和特征识别判据,识别缺陷类型, 同时得到该类型缺陷定量评估特征参数值;
所述超限报警模块,用于根据所述缺陷分类识别模块得到的缺陷类型及对应定量评估 特征参数值,通过所述缺陷评估数据库存储的缺陷评估特征、准则与阈值数据,判断所检 测区域图像对应特征是否超过限定值,若超出限定值,则显示超限具体信息并报警,以进 行后续处理,否则进入下一轮缺陷检测环节;
所述故障诊断模块,用于根据所述超限报警模块得到的超限特征及特征信息,结合磨 床状态、工艺参数的相应测量或预设数据,通过所述故障数据库中储存的缺陷信息和磨床 与工艺信息关联数据、诊断规则,得出磨床或工艺故障的诊断结果,以进行相应的修正调 整,以保证后续磨削质量;
所述缺陷特征数据库,用于存储缺陷特征数据与特征识别判据,并提供给所述缺陷分 类识别模块进行相应处理;
所述缺陷评估数据库,用于存储缺陷评估特征、准则与阈值数据,并提供给所述超限 报警模块进行相应处理;
所述故障数据库,用于存储缺陷信息和磨床与工艺信息的关联数据、诊断规则,并提 供给所述故障诊断模块进行相应处理。
可选地,所述喷头包括依次连接的软管、接头和喷头主体;其中,所述软管与所述液 流泵连接;所述接头上设有用于调节进入喷头主体液体流量的节流阀;所述喷头主体背面 设有喷头固定支架,该喷头固定支架侧面设有调节喷头主体角度的旋钮;
所述喷头主体包括一喷头本体,该喷头本体顶部、背面以及两侧面均设有工艺孔堵头; 该喷头本体底部周边设有密封胶条和紧固件,该喷头本体底部中央设有喷嘴,通过所述密 封胶条密封喷头本体与喷嘴间的安装面,通过所述紧固件将喷嘴和喷头本体固定连接;所 述喷头本体内部采用多级分流结构,进入喷头的清洗液经过多级的分流后喷出,以形成均 匀层流层。
本发明的特点及有益效果:
在本发明中采用的机器视觉检测方法在成像原理上与人眼相似,同时在分辨率、精度 等方面可以远超过人眼,同时避免了人工肉眼检测的主观性,且可以24小时连续工作, 可以有效替代目前人工肉眼检测方法,提高轧辊磨削表面缺陷检测效率、准确性与可靠性。 但是轧辊磨削过程中通常会使用磨削液,磨削过程中也可能在表面残余一些破碎磨粒、切 削等残留物,这些都会对机器视觉检测及缺陷特征提取、识别造成较大的干扰。然而轧辊 表面磨削液在实际生产中很难去除干净,残余水渍一方面会遮盖该区域真实表面特征,另 一方面水渍的存在也对后续的图像处理、分析等操作的难度、精度造成不利影响。
(1)使用线阵相机进行成像,线阵相机每次只对轧辊表面一条窄线形区域成像一行 像素,通过不断扫描最终获得一幅完整的图像,所以采用线阵相机成像几乎不受轧辊圆柱 面形及表面高反光特性的影响,可以获得成像清晰、亮度分布均匀的高质量图像;线阵相 机、光源可以在同一直线布置,也可以成不同角度形成不同的照明方式、角度,从而可以适应不同缺陷的检测需求。
(2)通过喷射清洗液对轧辊表面进行清洗去除水渍、磨削残渣等,采用更符合线阵相机成像特点的条形喷嘴,且在轧辊表面形成一定厚度的层流液体层,在清洁轧辊表面的同时使得其对轧辊表面成像的影响可控、可处理。
(3)通过图像处理与分析单元进行图像处理与分析,实现缺陷分类识别、缺陷评估与超限报警以及故障诊断等功能,实现缺陷智能化自动检测、故障诊断及磨床与工艺优化。
综上,本发明是一个可以有效实现短划痕、微振纹、斑点、螺旋纹、网纹等轧辊磨削表面缺陷自动化定性与定量检测的实用***,通过与人眼相似成像原理的机器视觉***保证了缺陷检测可行性,通过液体清洗并在表面形成层流层的方式消除了轧辊表面磨削后残余磨削液等对机器视觉检测的不利影响。本发明可有效替代现有的人工肉眼检测方法,提高轧辊表面缺陷检测的效率、准确率和稳定性。
附图说明
图1为本发明所述的轧辊磨削表面缺陷机器视觉检测***一个单喷头清洗检测具体实 施例整体结构示意图。
图2为本发明多个喷头联合清洗及形成表面液体层流层示意图。
图3为本发明一个多级分流结构的喷头具体实施例整体结构三维示意图。
图4(a)、(b)、(c)分别为图3所示多级分流结构喷头具体实施例喷头本体的正视图、 左视图和俯视图;(d)、(e)分别为图4(a)中A-A、B-B处横截面示意图。
图5为图4所示多级分流结构喷头具体实施例喷头内部液流回路示意图。
图6为图像处理与分析单元一个具体实施例的结构示意图。
具体实施方式
下面结合说明书附图及实施例详细说明本发明的实施方法。首先应当指出下述对于本 发明具体实施方式及实施例所作说明旨在更好地解释本发明,而非对本发明内容之限制。
为实现上述目的,参考图1所示具体实施例,本发明的轧辊磨削表面缺陷机器视觉检 测***包括:
清洗装置,与被测轧辊5表面法线方向成0-90度设置,通过喷射清洗液清除磨削后被 测轧辊表面的磨削液和磨削残渣(如破碎磨粒与切屑等磨削残留物),并在被测轧辊5表面形成均匀层流液体层;
图像采集装置,设置在被测轧辊周围,用于提供多种照明方式并形成被测轧辊表面的 测量图像;
图像采集控制单元,分别与被测轧辊5和所述图像采集装置连接,用于协调被测轧辊 5转速与图像采集装置采样行频,以使被测轧辊表面的测量图像不失真变形;
图像处理与分析单元,与图像采集装置电连接,该图像处理与分析单元根据所述图像 采集装置传送的测量图像,进行处理(包括预处理、图像分割和特征提取)与分析,用以 实现缺陷分类识别、缺陷评估与超限报警以及故障诊断。
本发明实施例检测***各组成部件的具体实现方式及功能说明如下:
所述清洗装置包括液流泵1.1、喷头1.2及相应的管道、电路;液流泵1.1将清洗液输 送到喷头1.2处,形成均匀层流以相对轧辊5表面一定角度喷出,该角度与轧辊表面法线方向夹角在0-90度;根据被测轧辊5直径与检测缺陷类型,调节喷头1.2流量及喷射角度 使清洗液在轧辊表面测量区域形成相应厚度的均匀层流层,层厚为0.1mm~10mm。清洗装 置喷射的清洗液为透明清洗液,该透明清洗液为清水、未经使用的磨削液、酒精、丙酮中 的任意一种。根据被测轧辊5尺寸、检测效率要求以及图像采集装置的视场等要求,可选 用单个喷头冲洗与形成液体层流层,如图1中所示;也可选用多个喷头联合冲洗与形成液 体层流层进行测量,如图2所示。
本实施例采用单个喷头,其整体结构如图3所示,包括依次连接的软管1.21、接头1.22 和喷头主体1.24,软管1.21与液流泵1.1连接,接头1.22上设有用于调节进入喷头主体 1.24液体流量的节流阀1.23,喷头主体1.24背面设有喷头固定支架1.25,该喷头固定支架 1.25侧面设有调节喷头主体1.24角度的旋钮1.25a。
本实施例喷头主体1.24结构的正视图、左视图与俯视图分别如图4(a)、4(b)、4(c)所示,该喷头主体1.24包括一喷头本体1.24a,该喷头本体顶部、背面以及两侧面均设有 工艺孔堵头1.24b;该喷头本体底部周边设有密封胶条1.24c和紧固件1.24d,该喷头本体 底部中央设有喷嘴1.24e,通过密封胶条1.24c密封喷头本体与喷嘴间的安装面,通过紧固 件1.24d将喷嘴1.24e和喷头本体1.24a固定连接;该喷头本体1.24a内部为多级分流结构 的液体通路。
图4(a)所示喷头主体1.24的A-A,B-B截面图分别如图4(d)、图4(e)所示,喷 头本体内部1.24a设有多级孔道,下级孔道对称设置在相应上级孔道两侧,形成多级分流 结构。本实施例采用四级孔道形式,其中,一级孔道a位于靠近喷头本体正面中心处;二 级孔道b和c对称设置在一级孔道a两侧,且一、二级孔道的中心至喷头本体正面距离相 等;三级孔道d和e、三级孔道f和g分别对称设置在二级孔道b、c两侧;四级孔道h和i、j和k、l和m、n和o分别对称设置在三级孔道d、e、f、g两侧。进入喷头主体的清洗 液从一级孔道a先后通过二级孔道b、c,三级孔道d、e、f、g,四级孔道h、i、j、k、l、 m、n、o,经过三级分流后由喷嘴1.24e喷出,以形成均匀层流。喷头主体1.24a内部的液 流回路如图5所示,其中的标号a-o分别对应于图4(c)、4(d)、4(e)的孔道a-o。喷头 本体1.24入口前使用节流阀1.23调节流量,图中箭头方向表示液体流动方向。
所述图像采集装置包括光源2.1和线阵相机2.2,该线阵相机2.2前端安装有镜头2.3; 其中,光源2.1和线阵相机2.2的位置、角度可根据检测缺陷类型进行调整,形成不同的 照明方式和/或照明角度(如以暗场照明方式检测轧辊磨削表面斑点缺陷);由光源2.1发 出的光线经被测轧辊5表面反射和/或散射后通过镜头2.3被线阵相机2.2接收,形成测量 图像。
所述光源2.1可选用激光光源、LED光源、光纤光源或荧光灯,光源形状可采用线形光源、条形光源或面形光源,光源可为白色和/或蓝色、绿色、红色、紫外、红外及其他频 率单色光源或白光光源。
所述线阵相机2.2采用电荷耦合元件(Charge-coupled Device,CCD)或互补金属氧化 物半导体(Complementary Metal Oxide Semiconductor,CMOS)构成的光敏单元。可根据 线阵相机2.2的视场要求确定清洗装置中喷头的个数。
所述镜头2.3根据具体测量环境与要求,可与透镜、透镜组、滤光片和/或偏振片等光 学元件组合使用以增强成像效果。
所述图像采集控制单元包括控制器3.2以及与该控制器3.2连接的转速测量装置3.1; 控制器3.2还与外部的轧辊磨床数控***3.3连接,所述控制器3.2为嵌入式处理器,该控 制器还与图像采集单元中的线阵相机2.2连接;其中,所述转速测量装置3.1设置在与被 测轧辊5周向或端面垂直方向,用于实时测量轧辊5旋转角度或角速度从而得到被测轧辊 5转速并反馈给所述控制器3.2;该控制器3.2根据转速测量装置3.1得到的轧辊转速调节 线阵相机2.2的扫描行频,或通过轧辊磨床数控***3.3调节被测轧辊5的转速。
所述图像处理与分析单元采用一台计算机4.1,该计算机内设有:图像预处理模块、 图像分割模块、缺陷特征提取模块、缺陷分类识别模块、超限报警模块和故障诊断模块, 以及缺陷特征数据库、缺陷评估数据库和故障数据库;其中,
图像预处理模块,用于对通过图像采集装置中线阵相机2.2采集的图像进行预处理操 作(如灰度均值化、滤波等操作),得到灰度分布比较合理、缺陷特征清晰且与背景对比 度较高的图像;
图像分割模块,用于对通过图像预处理模块调整之后的图像进行图像分割处理,将缺 陷特征区域从背景图像中分离出来,以便于后续操作的分析处理;
缺陷特征提取模块,用于对图像分割模块分割出来的缺陷特征区域进行处理,提取得 到缺陷定量化表征参数(如缺陷区域的面积、几何形状、长宽比、频谱、灰度均值等用于 表征缺陷类型、强度等的特征信息);
缺陷分类识别模块,用于根据缺陷特征提取模块获得的缺陷定量化表征参数信息,同 时根据所述缺陷特征数据库储存的缺陷特征数据和特征识别判据,识别缺陷类型,同时得 到该类型缺陷定量评估特征参数值(如缺陷数量、强度、图像空间状态、面积、分布密度 等信息);
超限报警模块,用于根据缺陷分类识别模块得到的缺陷类型及对应定量评估特征参数 值(如缺陷数量、强度、图像空间分布、面积、分布密度等信息),通过缺陷评估数据库存储的缺陷评估特征、准则与阈值等数据,判断所检测区域图像对应特征是否超过限定值,若超出限定值,则显示超限具体信息并报警,以进行后续处理,否则进入下一轮缺陷检测环节;
故障诊断模块,用于根据超限报警模块得到的超限特征及特征信息,结合磨床状态、 工艺参数的相应测量或预设数据,通过故障数据库中储存的缺陷信息和磨床与工艺信息关 联数据、诊断规则等,得出磨床或工艺故障的诊断结果,以进行相应的修正调整,以保证 后续磨削质量;
缺陷特征数据库,用于存储缺陷特征数据与特征识别判据,并提供给缺陷分类识别模 块进行相应处理;该缺陷特征数据库可依据相关标准、理论与实验分析、基于经验的归纳 总结等获得并结合生产实际进行修正与扩充;
缺陷评估数据库,用于存储缺陷评估特征、准则与阈值等数据,并提供给超限报警模 块进行相应处理;该缺陷评估数据库可依据相关标准、理论与实验分析、经验数据、使用方产品质量要求等获得并结合生产实际进行修正与扩充;
故障数据库,用于存储缺陷信息和磨床与工艺信息的关联数据、诊断规则等,并提供 给故障诊断模块进行相应处理;该故障数据库可依据相关标准、理论与实验分析、基于经 验的归纳总结等获得并结合生产实际进行修正与扩充。
本发明软件***的各模块或数据库可采用本领域常规编程技术予以实现。
本实施例图像处理与分析单元的工作流程具体为:由线阵相机2.2采集的图像传输到 计算机4.1后,经图像预处理、图像分割、缺陷特征提取后,根据缺陷特征数据库中的缺 陷特征信息进行缺陷分类识别,得到缺陷种类、数量、强度,并依据缺陷评估数据库中的缺陷评判准则、阈值等由超限报警模块进行评估,若不超限则进入下一循环处理下一幅图像,若超限则进行超限报警,同时根据故障数据库对磨床、工艺故障进行诊断,根据故障 诊断模块诊断结果进行修正后重新开始磨削与检测循环。
所述图像采集控制单元内的控制器3.2可采用嵌入式处理器,可与图像处理与分析单 元的计算机4.1共用,也可与图像处理与分析单元共同集成于轧辊磨床数控***3.3工控 机。
使用上述***检测轧辊磨削表面缺陷的具体过程为:
1)图像采集装置调节与标定:轧辊装夹完成后,根据被测轧辊5尺寸及需检测表面缺陷类型等调节光源2.1位置、角度并固定,之后相应调节线阵相机2.2位置、角度,相 机微调焦距、光圈,使得线阵相机成像清晰、亮度适中。调整完毕后,对线阵相机2.2实 际空间分辨率进行标定。对相同尺寸与装夹方式轧辊、相同缺陷类型,此操作仅需进行一 次。
2)对清洗装置中液流泵1.1、喷头1.2位置等进行微调整,使其喷水速度、喷水位置合适并在表面测量区域形成层流层。对相同尺寸、装夹方式的轧辊此操作仅需进行一次。
3)启动轧辊磨床数控***进行轧辊磨削,轧辊磨削结束后,开启清洗装置、图像采集装置、图像采集控制单元、图像处理与分析单元,开始缺陷检测。缺陷检测过程中,转 速测量装置3.1实时测量被测轧辊5转角或转速从而间接或直接得到轧辊转速,控制器3.2 根据转速测量装置3.1反馈的实时转速调节线阵相机2.2行频,或通过轧辊磨床数控*** 3.3调节被测轧辊5转速ω,以使采集图像不发生变形失真。上述调节应使线阵相机2.2行 频k(单位行/s)与被测轧辊5转速ω(单位rad/s)尽可能满足其中S为线阵相 机视场(单位mm),N为相机像素数,D为被测轧辊5直径(单位mm)。线阵相机2.2采集 图像传输到计算机4.1后,通过计算机4.1内的各模块进行图像处理与分析,得出检测结 果,并对结果进行显示。若检测缺陷强度、数量等指标未超出限定值,则进入下一个检测 循环。若超出限定值做出相应警报,并进行故障诊断,根据诊断结果对轧辊磨床、磨削工 艺等进行修正优化后重新磨削。
综上所述,本发明提供了一种可以有效实现短划痕、微振纹、斑点、螺旋纹、网纹等轧辊磨削表面缺陷定性与定量自动化检测的机器视觉***方案及实施方法。其通过与人眼相似成像原理的机器视觉***保证了缺陷检测可行性,通过液体清洗并在表面形成层流层的方式消除了轧辊表面磨削后残余磨削液等对机器视觉检测的不利影响,可以有效替代现有的人工肉眼检测方法,提高轧辊表面缺陷检测的效率、准确率和稳定性。
同时需要说明,以上具体实施例与实施方法的描述旨在阐释本发明所述轧辊磨削表面 缺陷机器视觉检测***的基本原理、***组成与检测方法,但是本发明内容并不受上述具 体实施例与实施方法所述内容的限制,在不脱离本发明精神和权利要求范围内,本行业的 技术人员可以进行不同的变化、改进与具体实施方案,这些变化与改进同样属于本发明要 求保护之权利范围内。本发明要求保护范围应由所附权利要求书及其等效物界。
Claims (10)
1.一种轧辊磨削表面缺陷机器视觉检测***,其特征在于,包括:
清洗装置,与被测轧辊表面法线方向成0-90度设置,通过喷射清洗液清除磨削后被测轧辊表面的磨削液和磨削残渣,并在被测轧辊表面形成均匀层流液体层;
图像采集装置,设置在被测轧辊周围,用于提供多种照明方式并形成被测轧辊表面的测量图像;
图像采集控制单元,分别与被测轧辊和所述图像采集装置连接,用于协调被测轧辊转速与所述图像采集装置采样行频,以使被测轧辊表面的测量图像不失真变形;
图像处理与分析单元,与所述图像采集装置电连接,该图像处理与分析单元对所述图像采集装置传送的测量图像进行处理与分析,用以实现缺陷分类识别、缺陷评估与超限报警以及故障诊断。
2.根据权利要求1所述的检测***,其特征在于,所述清洗装置包括液流泵、喷头及相应的管道、电路;所述液流泵将清洗液输送到所述喷头处,形成均匀层流以相对轧辊表面法线方向夹角在0-90度喷出;根据被测轧辊直径与检测缺陷类型,调节喷头流量及喷射角度使清洗液在轧辊表面测量区域形成相应厚度的均匀层流层,该层流层厚度为0.1mm~10mm。
3.根据权利要求1所述的检测***,其特征在于,所述图像采集装置包括光源和线阵相机,该线阵相机前端安装有镜头;其中,所述光源和线阵相机的位置、角度根据检测缺陷类型进行调整,形成不同的照明方式和/或照明角度;由所述光源发出的光线经被测轧辊表面反射和/或散射后通过所述镜头被所述线阵相机接收,形成测量图像。
4.根据权利要求3所述的检测***,其特征在于,所述图像采集控制单元包括控制器以及与该控制器连接的转速测量装置;所述控制器还与所述线阵相机和外部轧辊磨床数控***连接;其中,所述转速测量装置设置在与被测轧辊周向或端面垂直方向,用于实时测量轧辊旋转角度或角速度从而得到被测轧辊转速并反馈给所述控制器;该控制器根据转速测量装置得到的轧辊转速调节所述线阵相机的扫描行频,或通过所述轧辊磨床数控***调节被测轧辊转速。
5.根据权利要求1所述的检测***,其特征在于,所述图像处理与分析单元采用一台计算机,该计算机内设有:图像预处理模块、图像分割模块、缺陷特征提取模块、缺陷分类识别模块、超限报警模块和故障诊断模块,以及缺陷特征数据库、缺陷评估数据库和故障数据库;其中,
所述图像预处理模块,用于对通过图像采集装置采集的图像进行预处理操作,得到灰度分布合理、缺陷特征清晰且与背景对比度高的图像;
所述图像分割模块,用于对通过所述图像预处理模块调整之后的图像进行图像分割处理,将缺陷特征区域从背景图像中分离出来,以便于后续操作的分析处理;
所述缺陷特征提取模块,用于对所述图像分割模块分割出来的缺陷特征区域进行处理,提取得到缺陷定量化表征参数;
所述缺陷分类识别模块,用于根据所述缺陷特征提取模块获得的缺陷定量化表征参数信息,同时根据所述缺陷特征数据库储存的缺陷特征数据和特征识别判据,识别缺陷类型,同时得到该类型缺陷定量评估特征参数值;
所述超限报警模块,用于根据所述缺陷分类识别模块得到的缺陷类型及对应定量评估特征参数值,通过所述缺陷评估数据库存储的缺陷评估特征、准则与阈值数据,判断所检测区域图像对应特征是否超过限定值,若超出限定值,则显示超限具体信息并报警,以进行后续处理,否则进入下一轮缺陷检测环节;
所述故障诊断模块,用于根据所述超限报警模块得到的超限特征及特征信息,结合磨床状态、工艺参数的相应测量或预设数据,通过所述故障数据库中储存的缺陷信息和磨床与工艺信息关联数据、诊断规则,得出磨床或工艺故障的诊断结果,以进行相应的修正调整,以保证后续磨削质量;
所述缺陷特征数据库,用于存储缺陷特征数据与特征识别判据,并提供给所述缺陷分类识别模块进行相应处理;
所述缺陷评估数据库,用于存储缺陷评估特征、准则与阈值数据,并提供给所述超限报警模块进行相应处理;
所述故障数据库,用于存储缺陷信息和磨床与工艺信息的关联数据、诊断规则,并提供给所述故障诊断模块进行相应处理。
6.根据权利要求2所述的检测***,其特征在于,所述清洗装置喷射的清洗液采用如下任意一种透明清洗液:清水、未经使用的磨削液、酒精或丙酮。
7.根据权利要求2所述的检测***,其特征在于,所述喷头包括依次连接的软管、接头和喷头主体;其中,所述软管与所述液流泵连接;所述接头上设有用于调节进入喷头主体液体流量的节流阀;所述喷头主体背面设有喷头固定支架,该喷头固定支架侧面设有调节喷头主体角度的旋钮;
所述喷头主体包括一喷头本体,该喷头本体顶部、背面以及两侧面均设有工艺孔堵头;该喷头本体底部周边设有密封胶条和紧固件,该喷头本体底部中央设有喷嘴,通过所述密封胶条密封喷头本体与喷嘴间的安装面,通过所述紧固件将喷嘴和喷头本体固定连接;所述喷头本体内部采用多级分流结构,进入喷头的清洗液经过多级的分流后喷出,以形成均匀层流层。
8.根据权利要求3所述的检测***,其特征在于,所述光源选用激光光源、LED光源、光纤光源或荧光灯,光源形状采用线形光源、条形光源或面形光源,光源采用单色光源或白光光源。
9.根据权利要求3所述的检测***,其特征在于,所述线阵相机采用由电荷耦合元件(CCD)或互补金属氧化物半导体(CMOS)构成的光敏单元。
10.根据权利要求3所述的检测***,其特征在于,根据具体测量环境与要求,所述镜头可与透镜、透镜组、滤光片和/或偏振片组合使用以增强成像效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710893815.0A CN107576664A (zh) | 2017-09-28 | 2017-09-28 | 一种轧辊磨削表面缺陷机器视觉检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710893815.0A CN107576664A (zh) | 2017-09-28 | 2017-09-28 | 一种轧辊磨削表面缺陷机器视觉检测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107576664A true CN107576664A (zh) | 2018-01-12 |
Family
ID=61038850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710893815.0A Pending CN107576664A (zh) | 2017-09-28 | 2017-09-28 | 一种轧辊磨削表面缺陷机器视觉检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107576664A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108627524A (zh) * | 2018-06-13 | 2018-10-09 | 华辰精密装备(昆山)股份有限公司 | 轧辊磨削表面清洁及机器视觉检测*** |
CN108685158A (zh) * | 2018-05-28 | 2018-10-23 | 杭州安脉盛智能技术有限公司 | 基于自动光学检测技术的切丝机智能维护方法和*** |
CN109685793A (zh) * | 2018-12-25 | 2019-04-26 | 安徽科大智能物流***有限公司 | 一种基于三维点云数据的管身缺陷检测方法及*** |
CN110288584A (zh) * | 2019-06-27 | 2019-09-27 | 常州固高智能装备技术研究院有限公司 | 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置 |
CN110579481A (zh) * | 2019-08-29 | 2019-12-17 | 常伍 | 一种圆坯表面质量检测方法及*** |
CN110687119A (zh) * | 2018-07-04 | 2020-01-14 | 东腾投资集团有限公司 | 一种缺陷检测方法、***与装置、计算机可读存储介质 |
CN110836857A (zh) * | 2019-11-19 | 2020-02-25 | 杭州深度视觉科技有限公司 | 一种超精研特征的检测***及检测方法 |
CN111982919A (zh) * | 2020-08-25 | 2020-11-24 | 上海上创超导科技有限公司 | 涂层导体金属基带表面缺陷的动态监测装置及检测方法 |
CN112051272A (zh) * | 2020-10-10 | 2020-12-08 | 沈阳工业大学 | 一种基于机器视觉的高压气瓶内表面缺陷检测*** |
CN112122366A (zh) * | 2019-06-25 | 2020-12-25 | 宝山钢铁股份有限公司 | 一种热轧辊面在线检测***及其检测方法 |
CN112139997A (zh) * | 2019-06-27 | 2020-12-29 | 宝山钢铁股份有限公司 | 一种圆钢修磨质量检测***中抑制环境光的方法 |
CN112517647A (zh) * | 2020-11-17 | 2021-03-19 | 燕山大学 | 一种视觉传感的电磁调控轧辊辊型监测装置及其方法 |
CN112730441A (zh) * | 2021-01-22 | 2021-04-30 | 太原理工大学 | 一种特钢棒材表面缺陷检测修磨***及其检测、修磨方法 |
CN112808485A (zh) * | 2021-02-04 | 2021-05-18 | 广东龙丰精密铜管有限公司 | 一种铜管探伤喷墨双喷枪装置及其控制*** |
CN112986277A (zh) * | 2021-04-01 | 2021-06-18 | 北京科技大学设计研究院有限公司 | 一种热轧带钢精轧辊印的检测方法 |
CN113165041A (zh) * | 2018-11-29 | 2021-07-23 | 杰富意钢铁株式会社 | 圆钢的缺陷磨削方法和钢材的制造方法 |
CN113252684A (zh) * | 2021-04-29 | 2021-08-13 | 国网冀北电力有限公司唐山供电公司 | 一种电力光缆表面缺陷识别装置及方法 |
CN113495075A (zh) * | 2020-03-18 | 2021-10-12 | 尾高橡胶工业株式会社 | 辊的表面状态的计测装置 |
CN113941902A (zh) * | 2021-09-26 | 2022-01-18 | 江苏集萃华科智能装备科技有限公司 | 金属镜面磨抛产线的磨抛质量检测方法、装置及控制*** |
CN114034704A (zh) * | 2021-10-18 | 2022-02-11 | 武汉科技大学 | 一种基于多源数据融合的废旧轧辊三维检测装置及方法 |
CN114700290A (zh) * | 2022-03-29 | 2022-07-05 | 中建材苏州防水研究院有限公司 | 一种用于高分子防水卷材面层清洁和标记的装置 |
CN114820612A (zh) * | 2022-06-29 | 2022-07-29 | 南通恒强轧辊有限公司 | 基于机器视觉的轧辊表面缺陷检测方法及*** |
CN117890385A (zh) * | 2023-12-14 | 2024-04-16 | 盐城东创精密制造有限公司 | 基于焊接缺陷检测的新能源汽车水冷板加工装置 |
CN117911404A (zh) * | 2024-03-19 | 2024-04-19 | 常州制邦信息科技有限公司 | 一种轧辊工件表面缺陷检测***及检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5331178A (en) * | 1991-07-05 | 1994-07-19 | Kabushiki Kaisha Kobe Seiko Sho | Optical surface inspecting system for inspecting the surface of a rolling roll having mechanism for keeping clean a window through which a camera detects a condition of the rolling roll |
CN203417857U (zh) * | 2013-08-01 | 2014-02-05 | 洛阳久德轴承模具技术有限公司 | 用于轴承滚动体表面缺陷的自动化检测*** |
CN203900105U (zh) * | 2014-07-01 | 2014-10-29 | 温州海蓝工业设计有限公司 | 一种便携式轧辊清洗装置 |
CN104985534A (zh) * | 2015-05-28 | 2015-10-21 | 重庆钢铁(集团)有限责任公司 | 一种小口径钢管内壁表面缺陷批量处理方法 |
CN105397301A (zh) * | 2014-09-04 | 2016-03-16 | Posco公司 | 轧辊表面处理方法及装置 |
CN206009439U (zh) * | 2016-08-30 | 2017-03-15 | 唐山盛财钢铁有限公司 | 一种轧辊清洗用装置 |
CN106645181A (zh) * | 2017-02-24 | 2017-05-10 | 清华大学 | 基于显微视觉的轧辊磨削表面缺陷检测*** |
CN106814072A (zh) * | 2017-03-10 | 2017-06-09 | 昆山华辰重机有限公司 | 轧辊磨削表面缺陷检测***及其检测方法 |
-
2017
- 2017-09-28 CN CN201710893815.0A patent/CN107576664A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5331178A (en) * | 1991-07-05 | 1994-07-19 | Kabushiki Kaisha Kobe Seiko Sho | Optical surface inspecting system for inspecting the surface of a rolling roll having mechanism for keeping clean a window through which a camera detects a condition of the rolling roll |
CN203417857U (zh) * | 2013-08-01 | 2014-02-05 | 洛阳久德轴承模具技术有限公司 | 用于轴承滚动体表面缺陷的自动化检测*** |
CN203900105U (zh) * | 2014-07-01 | 2014-10-29 | 温州海蓝工业设计有限公司 | 一种便携式轧辊清洗装置 |
CN105397301A (zh) * | 2014-09-04 | 2016-03-16 | Posco公司 | 轧辊表面处理方法及装置 |
CN104985534A (zh) * | 2015-05-28 | 2015-10-21 | 重庆钢铁(集团)有限责任公司 | 一种小口径钢管内壁表面缺陷批量处理方法 |
CN206009439U (zh) * | 2016-08-30 | 2017-03-15 | 唐山盛财钢铁有限公司 | 一种轧辊清洗用装置 |
CN106645181A (zh) * | 2017-02-24 | 2017-05-10 | 清华大学 | 基于显微视觉的轧辊磨削表面缺陷检测*** |
CN106814072A (zh) * | 2017-03-10 | 2017-06-09 | 昆山华辰重机有限公司 | 轧辊磨削表面缺陷检测***及其检测方法 |
Non-Patent Citations (2)
Title |
---|
孟立凡等: "《传感器原理及技术》", 31 December 2005 * |
数据库百科全书编委: "《数据库百科全书》", 31 December 2009 * |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108685158A (zh) * | 2018-05-28 | 2018-10-23 | 杭州安脉盛智能技术有限公司 | 基于自动光学检测技术的切丝机智能维护方法和*** |
CN108685158B (zh) * | 2018-05-28 | 2021-11-09 | 杭州安脉盛智能技术有限公司 | 基于自动光学检测技术的切丝机智能维护方法和*** |
CN108627524B (zh) * | 2018-06-13 | 2024-07-12 | 华辰精密装备(昆山)股份有限公司 | 轧辊磨削表面清洁及机器视觉检测*** |
CN108627524A (zh) * | 2018-06-13 | 2018-10-09 | 华辰精密装备(昆山)股份有限公司 | 轧辊磨削表面清洁及机器视觉检测*** |
CN110687119A (zh) * | 2018-07-04 | 2020-01-14 | 东腾投资集团有限公司 | 一种缺陷检测方法、***与装置、计算机可读存储介质 |
CN113165041B (zh) * | 2018-11-29 | 2022-11-01 | 杰富意钢铁株式会社 | 圆钢的缺陷磨削方法和钢材的制造方法 |
CN113165041A (zh) * | 2018-11-29 | 2021-07-23 | 杰富意钢铁株式会社 | 圆钢的缺陷磨削方法和钢材的制造方法 |
CN109685793A (zh) * | 2018-12-25 | 2019-04-26 | 安徽科大智能物流***有限公司 | 一种基于三维点云数据的管身缺陷检测方法及*** |
CN112122366A (zh) * | 2019-06-25 | 2020-12-25 | 宝山钢铁股份有限公司 | 一种热轧辊面在线检测***及其检测方法 |
CN110288584B (zh) * | 2019-06-27 | 2023-06-23 | 常州固高智能装备技术研究院有限公司 | 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置 |
CN112139997A (zh) * | 2019-06-27 | 2020-12-29 | 宝山钢铁股份有限公司 | 一种圆钢修磨质量检测***中抑制环境光的方法 |
CN112139997B (zh) * | 2019-06-27 | 2021-10-19 | 宝山钢铁股份有限公司 | 一种圆钢修磨质量检测***中抑制环境光的方法 |
CN110288584A (zh) * | 2019-06-27 | 2019-09-27 | 常州固高智能装备技术研究院有限公司 | 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置 |
CN110579481A (zh) * | 2019-08-29 | 2019-12-17 | 常伍 | 一种圆坯表面质量检测方法及*** |
CN110836857A (zh) * | 2019-11-19 | 2020-02-25 | 杭州深度视觉科技有限公司 | 一种超精研特征的检测***及检测方法 |
CN113495075A (zh) * | 2020-03-18 | 2021-10-12 | 尾高橡胶工业株式会社 | 辊的表面状态的计测装置 |
CN111982919A (zh) * | 2020-08-25 | 2020-11-24 | 上海上创超导科技有限公司 | 涂层导体金属基带表面缺陷的动态监测装置及检测方法 |
CN112051272A (zh) * | 2020-10-10 | 2020-12-08 | 沈阳工业大学 | 一种基于机器视觉的高压气瓶内表面缺陷检测*** |
CN112517647B (zh) * | 2020-11-17 | 2021-10-26 | 燕山大学 | 一种视觉传感的电磁调控轧辊辊型监测装置及其方法 |
CN112517647A (zh) * | 2020-11-17 | 2021-03-19 | 燕山大学 | 一种视觉传感的电磁调控轧辊辊型监测装置及其方法 |
CN112730441A (zh) * | 2021-01-22 | 2021-04-30 | 太原理工大学 | 一种特钢棒材表面缺陷检测修磨***及其检测、修磨方法 |
CN112730441B (zh) * | 2021-01-22 | 2023-07-07 | 太原理工大学 | 一种特钢棒材表面缺陷检测修磨***及其检测、修磨方法 |
CN112808485A (zh) * | 2021-02-04 | 2021-05-18 | 广东龙丰精密铜管有限公司 | 一种铜管探伤喷墨双喷枪装置及其控制*** |
CN112986277A (zh) * | 2021-04-01 | 2021-06-18 | 北京科技大学设计研究院有限公司 | 一种热轧带钢精轧辊印的检测方法 |
CN113252684A (zh) * | 2021-04-29 | 2021-08-13 | 国网冀北电力有限公司唐山供电公司 | 一种电力光缆表面缺陷识别装置及方法 |
CN113252684B (zh) * | 2021-04-29 | 2022-09-02 | 国网冀北电力有限公司唐山供电公司 | 一种电力光缆表面缺陷识别装置及方法 |
CN113941902A (zh) * | 2021-09-26 | 2022-01-18 | 江苏集萃华科智能装备科技有限公司 | 金属镜面磨抛产线的磨抛质量检测方法、装置及控制*** |
CN114034704A (zh) * | 2021-10-18 | 2022-02-11 | 武汉科技大学 | 一种基于多源数据融合的废旧轧辊三维检测装置及方法 |
CN114700290A (zh) * | 2022-03-29 | 2022-07-05 | 中建材苏州防水研究院有限公司 | 一种用于高分子防水卷材面层清洁和标记的装置 |
CN114700290B (zh) * | 2022-03-29 | 2024-03-12 | 中建材苏州防水研究院有限公司 | 一种用于高分子防水卷材面层清洁和标记的装置 |
CN114820612B (zh) * | 2022-06-29 | 2022-09-02 | 南通恒强轧辊有限公司 | 基于机器视觉的轧辊表面缺陷检测方法及*** |
CN114820612A (zh) * | 2022-06-29 | 2022-07-29 | 南通恒强轧辊有限公司 | 基于机器视觉的轧辊表面缺陷检测方法及*** |
CN117890385A (zh) * | 2023-12-14 | 2024-04-16 | 盐城东创精密制造有限公司 | 基于焊接缺陷检测的新能源汽车水冷板加工装置 |
CN117911404A (zh) * | 2024-03-19 | 2024-04-19 | 常州制邦信息科技有限公司 | 一种轧辊工件表面缺陷检测***及检测方法 |
CN117911404B (zh) * | 2024-03-19 | 2024-05-28 | 常州制邦信息科技有限公司 | 一种轧辊工件表面缺陷检测***及检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107576664A (zh) | 一种轧辊磨削表面缺陷机器视觉检测*** | |
EP1995553B1 (en) | System and method for identifying a feature of a workpiece | |
EP0842415B1 (en) | Bottle thread inspection system and method of operating same | |
CN108627524B (zh) | 轧辊磨削表面清洁及机器视觉检测*** | |
CN106000912B (zh) | 一种基于机器视觉导引实现柑橘囊胞异物剔除*** | |
WO2015055060A1 (zh) | 一种连铸坯表面质量在线检测方法 | |
CN102305793A (zh) | 一种产品外观质量检测方法和设备 | |
CN108760747A (zh) | 一种3d打印模型表面缺陷视觉检测方法 | |
CN104432498A (zh) | 基于机器视觉的卷烟机烟支外观视觉检测装置 | |
US8023720B2 (en) | Method and apparatus for identifying repeated patterns | |
CN110044910A (zh) | 一种汽车置杯盒零部件检测***及检测方法 | |
CN107656986A (zh) | 微观缺陷整合预警方法及装置 | |
CN105891228A (zh) | 基于机器视觉的光纤外观缺陷检测及外径测量装置 | |
CN103434268B (zh) | 用于印刷设备的检测*** | |
CN106706656A (zh) | 一种基于机器视觉的拉链检测装置及方法 | |
CN113702391A (zh) | 一种钢坯表面及近表面缺陷复合检测方法及装置 | |
CN106645185A (zh) | 一种智能检测工业零件表面质量的方法及装置 | |
CN208255087U (zh) | 轧辊磨削表面清洁及机器视觉检测*** | |
CN109557098A (zh) | 基于机器视觉的金属表面检测*** | |
JPH08271433A (ja) | 錠剤検査装置 | |
JP2002139446A (ja) | 表面欠陥検出方法及び装置 | |
KR100564259B1 (ko) | 영상처리방법을 이용한 온라인 봉강재 표면시험검사장치 | |
CN205665178U (zh) | 基于机器视觉的光纤外观缺陷检测及外径测量装置 | |
WO2023114206A1 (en) | Machine vision system for inspecting quality of various non-woven materials | |
WO2011005110A1 (en) | Method and apparatus for inspection of surfaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180112 |
|
WD01 | Invention patent application deemed withdrawn after publication |