CN107990850A - 一种基于激光散射法的表面粗糙度在线测量***及方法 - Google Patents
一种基于激光散射法的表面粗糙度在线测量***及方法 Download PDFInfo
- Publication number
- CN107990850A CN107990850A CN201710975350.3A CN201710975350A CN107990850A CN 107990850 A CN107990850 A CN 107990850A CN 201710975350 A CN201710975350 A CN 201710975350A CN 107990850 A CN107990850 A CN 107990850A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- roughness
- surface roughness
- axis direction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于激光散射法的表面粗糙度在线测量***及方法,方法为:将激光束以设定的角度斜入射到被测物体表面;拍摄位于激光束反射方向上,且高度与激光器高度一致的采集屏上的散射图像,提取出散射图像的散射特征参数、亮点比和亮点灰度比三个特征参数中的至少一个;利用特征参数和表面粗糙度之间的关系曲线,计算粗糙度数值;其中关系曲线是通过标准粗糙度样块的散射图像的特征参数和已知的粗糙度数值进行曲线拟合得到的。本发明方法能够实现加工工件表面粗糙度的在线测量,从而保证产品质量和提高生产率,利用本发明结合透明窗测量方式,可以实现在冷却液加工条件下磨削金属表面粗糙度(Ra:0.025~0.8μm)的在线测量。
Description
技术领域:
本发明涉及一种基于激光散射法的工件表面粗糙度在线测量***及方法,尤其适用于磨削加工过程中金属表面质量检测。
背景技术:
工件表面的在线检测是指在工件加工过程中,能够同时检测工件的质量。它可以将工件加工的质量情况反馈给控制***,从而更主动地控制整个加工过程,保证产品质量和提高生产率。
表面粗糙度是衡量工件表面质量的一个关键指标。目前工业中常用的表面粗糙度测量方法大概可分为接触式和非接触式两种。接触式的测量方法在测量过程中测量装置会与被测表面接触,容易对测量表面造成损伤。非接触式的测量方法大致可分为超声波、声发射和光学方法等,不会对被测表面产生二次损伤,而且测量精度比接触式高。在众多非接触式方法中,光学技术表现出了良好的测量能力。针对表面粗糙度测量的光学技术大概有激光三角法、干涉法、散射法、散斑法、机器视觉法等。其中,散射法具有精度高、结构简单、对环境要求不高等特点,适用于工业环境下的在线测量。而加工现场的环境是非常复杂的,例如加工过程中使用的冷却液因其不透明性,限制了光学方法的应用。那么,实现冷却液加工条件下工件表面质量的光学在线检测就成为了亟待解决的难题。
为解决这一问题,我们提出了透明窗的测量方法,利用透明液体在被测表面上方冲出一个透明测量区域,使得测量光束能够穿过冷却液层到达被测物体表面实现测量。在此基础上,结合基于散射法的表面粗糙度测量方法,最终实现冷却液环境下工件表面粗糙度的光学在线测量。
发明内容:
发明目的:本发明的目的是针对上述现有技术存在的问题,提供一种基于激光散射法的表面粗糙度在线测量***及方法,以能够实现加工工件表面粗糙度的在线测量,从而保证产品质量和提高生产率。
技术方案:本发明为实现上述目的,采用如下技术方案:
一种基于激光散射法的表面粗糙度在线测量***,包括:
激光器,用于发出准直激光束,所述激光束以设定的角度斜射到被测物体表面;
采集屏,用于采集携带有金属表面粗糙度信息的反射和散射光空间分布,位于激光束反射方向上,且高度与激光器高度一致;
以及,数据采集***,用于拍摄采集屏上的散射图像,对图像进行处理提取散射特征参数、亮点比和亮点灰度比三个特征参数中的至少一个,并基于预先拟合得到的每个特征参数分别与粗糙度数值关系曲线,计算出所拍摄的散射图像对应的粗糙度数值;所述关系曲线是通过标准粗糙度样块的散射图像的特征参数和已知的粗糙度数值进行曲线拟合得到的。
作为优选,所述数据采集***包括:
拍摄成像单元,用于拍摄采集屏上的散射图像;
图像处理单元,用于对图像进行处理提取散射特征参数、亮点比和/或亮点灰度比;
以及,粗糙度计算单元,用于将散射特征参数、亮点比和/或亮点灰度比代入预先拟合得到的关系曲线中计算得到被测物体表面粗糙度数值。
作为优选,曲线拟合使用的某一标准粗糙度样块的特征参数为该样块采集的多幅散射图像的特征参数的均值。
作为优选,所述散射特征参数根据如下公式计算得到:
其中,n是长轴方向散射线上的像素数目,Ii是长轴方向散射线上第i个像素的灰度值,Pi是长轴方向散射线上第i个像素归一化的灰度值,是长轴方向散射线上灰度数值的平均值,k是常数;其中长轴方向为散射图像中狭长光带的主方向,长轴方向散射线是通过计算垂直于长轴方向上不同位置处的灰度平均值得到的。
一种基于激光散射法的表面粗糙度在线测量方法,包括如下步骤:
(1)将激光束以设定的角度斜入射到被测物体表面;
(2)拍摄位于激光束反射方向上,且高度与激光器高度一致的采集屏上的散射图像,提取出散射图像的散射特征参数、亮点比和亮点灰度比三个特征参数中的至少一个;
(3)利用特征参数和表面粗糙度之间的关系曲线,计算粗糙度数值;所述关系曲线是通过标准粗糙度样块的散射图像的特征参数和已知的粗糙度数值进行曲线拟合得到的。
作为优选,曲线拟合使用的某一标准粗糙度样块的特征参数为该样块采集的多幅散射图像的特征参数的均值。
作为优选,所述散射特征参数根据如下公式计算得到:
其中,n是长轴方向散射线上的像素数目,Ii是长轴方向散射线上第i个像素的灰度值,Pi是长轴方向散射线上第i个像素归一化的灰度值,是长轴方向散射线上灰度数值的平均值,k是常数;其中长轴方向为散射图像中狭长光带的主方向,长轴方向散射线是通过计算垂直于长轴方向上不同位置处的灰度平均值得到的。
有益效果:本发明与现有技术相比,有益效果体现在:
1、本发明所述的特征参数,可在线测量的粗糙度范围为Ra:0.025-0.8μm,涵盖了磨削加工工件的表面粗糙度范围。本发明选取的三个特征参数,都与表面粗糙度呈单调关系,都可用来测量粗糙度数值,且可相互对比以确定测量数值的准确性。
2、本发明采用激光散射法作为基本测量方法,与传统的接触式测量方法相比,本发明为非接触式光学测量方法,避免了接触式方法中的测量装置对被测表面可能引起的二次损伤的问题。与透明窗测量方式相结合,使得加工过程中对表面参数的在线测量成为可能。
3、本发明采用激光束斜入射方式,与一般的垂直入射相比,测量结构更加简单,得到的散射图像分辨率更高,有利于测量精度的提高。
4、本发明结构简单,调试容易,操作方便,测量速度快,成本低,应用于在线测量的前景好。
附图说明:
图1为测量***示意图。
图2为散射特征参数与表面粗糙度之间的关系图。
图3为亮点比与表面粗糙度之间的关系图。
图4为亮点灰度比与表面粗糙度之间的关系图。
具体实施方式:
下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本实施例中,一种基于激光散射法的表面粗糙度在线测量***主要由激光器1、采集屏2和数据采集***3组成。
所述的激光器1发出准直激光束,以设定的角度(如30°)入射到被测金属表面。激光器的输出为:波长λ=632.8nm,功率5mW。
所述的采集屏2为透射式硬质毛玻璃,放在反射方向上,采集携带有金属表面粗糙度信息的反射和散射光空间分布,且采集屏高度与激光器高度一致,由此保证散射光带的对称性。
所述的数据采集***3包括:拍摄成像单元、图像处理单元和粗糙度计算单元,其中:拍摄成像单元对采集屏上的图像进行拍摄后输出至图像处理单元,图像处理单元对数字化的图像进行处理提取散射特征参数、亮点比和亮点灰度比,粗糙度计算单元根据散射特征参数、亮点比和/或亮点灰度比代入预先拟合得到的关系曲线中计算得到被测物体表面粗糙度数值。
本实施例中,一种基于激光散射法的表面粗糙度在线测量***的测量方法是按如下步骤进行:
步骤1、激光束以一定的角度(30°)斜入射到被测物体表面;
步骤2、使用拍摄成像单元采集被测物体表面反射和散射光空间分布图像,经过预处理、寻找长轴、短轴等一系列处理过程,提取出不同的特征参数;
所述的反射和散射光空间分布图像,是步骤1中的激光束入射到工件表面发生反射和散射,在空间所形成的呈带状分布的散射图像。
所述的长轴和短轴是引用数学中对椭圆长短轴的定义,狭长的散射光带主方向为长轴,相应的与其垂直的方向为短轴。首先,对采集的散射图像进行去噪预处理,然后寻找散射光带主方向。主方向即为长轴。
所述的特征参数有三个,分别是散射特征参数、亮点比和亮点灰度比。这三个参数都是在对散射图像进行预处理后根据一定的算法计算得到的。
所述的散射特征参数S按照如下步骤得到:首先,分别计算垂直于长轴方向上不同位置处的灰度平均值,得到沿长轴方向的一条散射线,该散射线上不同位置对应的灰度值是该位置处短轴方向上灰度的平均值;其次,沿着上步得到的长轴方向的散射线计算散射特征参数:
其中,n是散射线上的像素数目,Ii是散射线上第i个像素的灰度值,Pi是第i个像素归一化的灰度值,是散射线上灰度数值的平均值,k是和测量装置有关的常数,本例中k可取为1。
所述的亮点比和亮点灰度比按照如下步骤得到:根据散射图像的直方图确定阈值,阈值以下的像素点为暗点,灰度值设为零;阈值以上的像素点为亮点,灰度值保持不变。对应亮点的数目和整幅图像采样点的数目之比为亮点比。对应亮点的灰度值之和与整幅图像灰度值之和的比值为亮点灰度比。
步骤3、利用特征参数和表面粗糙度之间的关系曲线,计算粗糙度数值。
所述的关系曲线,使用标准粗糙度样块测量得到。选择已知粗糙度数值的磨削加工标准样块进行测量,每个样块采集多幅图像。针对每幅图像,按照步骤2所述的方法,分别提取特征参数,然后求取每个特征参数的平均值。根据每个特征参数平均值随粗糙度数值的变化情况,分别进行曲线拟合,得到各个特征参数和表面粗糙度之间的关系曲线。实际测量时,分析采集的空间光散射分布图像,提取特征参数,分别代入关系曲线即可计算出表面粗糙度数值。
如图2、图3和图4所示,为本实施例以上述步骤获得的关系曲线,选用的是符合GB6060.2-85标准的平面磨削加工粗糙度标准样块,对应的粗糙度数值分别为:Ra=0.025μm、0.05μm、0.1μm、0.2μm、0.4μm、0.8μm。针对每一幅散射图像,首先进行滤波预处理消除噪声,然后按照步骤2所述的分别计算三个特征参数。
确定各个特征参数和表面粗糙度之间的关系曲线时,每个样块采集25幅图像,求得各个特征参数的平均值。以粗糙度数值为横坐标,各个特征参数的平均值为纵坐标,列出各个特征参数随粗糙度数值的变化情况,并分别进行曲线拟合,得到散射特征参数S、亮点比BPR和亮点灰度比BGR和粗糙度Ra之间的表达式分别为:
S=117847.26+99198.31*(1-exp(-46.53Ra))+27087.09*(1-exp(-2.47Ra)) R2=0.99962
(4)
其中,R为相关系数。
如图2、图3和图4所示,特征参数和表面粗糙度的对应关系,散射特征参数与Ra呈现单调递增的趋势,亮点比和亮点灰度比与Ra均呈现单调递减的关系。
实际测量时,只要根据被测工件表面散射图像分别计算出特征参数(也可采集多幅图计算特征参数的均值),代入相应表达式,就可求得表面粗糙度数值。在三个特征参数均能准确确定粗糙度数值且粗糙度数值相差不大的情况下,使用其中一个特征参数即可;此外,也可以同时使用两个或三个特征参数计算粗糙度数值,供互相对比和验证。
Claims (7)
1.一种基于激光散射法的表面粗糙度在线测量***,其特征在于,包括:
激光器,用于发出准直激光束,所述激光束以设定的角度斜射到被测物体表面;
采集屏,用于采集携带有金属表面粗糙度信息的反射和散射光空间分布,位于激光束反射方向上,且高度与激光器高度一致;
以及,数据采集***,用于拍摄采集屏上的散射图像,对图像进行处理提取散射特征参数、亮点比和亮点灰度比三个特征参数中的至少一个,并基于预先拟合得到的每个特征参数分别与粗糙度数值关系曲线,计算出所拍摄的散射图像对应的粗糙度数值;所述关系曲线是通过标准粗糙度样块的散射图像的特征参数和已知的粗糙度数值进行曲线拟合得到的。
2.根据权利要求1所述的一种基于激光散射法的表面粗糙度在线测量***,其特征在于,所述数据采集***包括:
拍摄成像单元,用于拍摄采集屏上的散射图像;
图像处理单元,用于对图像进行处理提取散射特征参数、亮点比和/或亮点灰度比;
以及,粗糙度计算单元,用于将散射特征参数、亮点比和/或亮点灰度比代入预先拟合得到的关系曲线中计算得到被测物体表面粗糙度数值。
3.根据权利要求1所述的一种基于激光散射法的表面粗糙度在线测量***,其特征在于,曲线拟合使用的某一标准粗糙度样块的特征参数为该样块采集的多幅散射图像的特征参数的均值。
4.根据权利要求1所述的一种基于激光散射法的表面粗糙度在线测量***,其特征在于,所述散射特征参数根据如下公式计算得到:
<mrow>
<mi>S</mi>
<mo>=</mo>
<msup>
<mi>k</mi>
<mn>2</mn>
</msup>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mover>
<mi>i</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mover>
<mi>i</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>iP</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,n是长轴方向散射线上的像素数目,Ii是长轴方向散射线上第i个像素的灰度值,Pi是长轴方向散射线上第i个像素归一化的灰度值,是长轴方向散射线上灰度数值的平均值,k是常数;其中长轴方向为散射图像中狭长光带的主方向,长轴方向散射线是通过计算垂直于长轴方向上不同位置处的灰度平均值得到的。
5.一种基于激光散射法的表面粗糙度在线测量方法,其特征在于,包括如下步骤:
(1)将激光束以设定的角度斜入射到被测物体表面;
(2)拍摄位于激光束反射方向上,且高度与激光器高度一致的采集屏上的散射图像,提取出散射图像的散射特征参数、亮点比和亮点灰度比三个特征参数中的至少一个;
(3)利用特征参数和表面粗糙度之间的关系曲线,计算粗糙度数值;所述关系曲线是通过标准粗糙度样块的散射图像的特征参数和已知的粗糙度数值进行曲线拟合得到的。
6.根据权利要求5所述的一种基于激光散射法的表面粗糙度在线测量方法,其特征在于,曲线拟合使用的某一标准粗糙度样块的特征参数为该样块采集的多幅散射图像的特征参数的均值。
7.根据权利要求5所述的一种基于激光散射法的表面粗糙度在线测量方法,其特征在于,所述散射特征参数根据如下公式计算得到:
<mrow>
<mi>S</mi>
<mo>=</mo>
<msup>
<mi>k</mi>
<mn>2</mn>
</msup>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mover>
<mi>i</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mover>
<mi>i</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>iP</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,n是长轴方向散射线上的像素数目,Ii是长轴方向散射线上第i个像素的灰度值,Pi是长轴方向散射线上第i个像素归一化的灰度值,是长轴方向散射线上灰度数值的平均值,k是常数;其中长轴方向为散射图像中狭长光带的主方向,长轴方向散射线是通过计算垂直于长轴方向上不同位置处的灰度平均值得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710975350.3A CN107990850A (zh) | 2017-10-16 | 2017-10-16 | 一种基于激光散射法的表面粗糙度在线测量***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710975350.3A CN107990850A (zh) | 2017-10-16 | 2017-10-16 | 一种基于激光散射法的表面粗糙度在线测量***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107990850A true CN107990850A (zh) | 2018-05-04 |
Family
ID=62028873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710975350.3A Pending CN107990850A (zh) | 2017-10-16 | 2017-10-16 | 一种基于激光散射法的表面粗糙度在线测量***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107990850A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885918A (zh) * | 2019-01-18 | 2019-06-14 | 广东镭奔激光科技有限公司 | 激光冲击表面粗糙度的预测方法 |
CN110174356A (zh) * | 2019-04-23 | 2019-08-27 | 南京航空航天大学 | 一种透明窗模拟装置 |
CN110332910A (zh) * | 2019-06-14 | 2019-10-15 | 广东镭奔激光科技有限公司 | 基于激光波动和表面激光散射的激光冲击预测方法与装置 |
CN111336956A (zh) * | 2020-02-17 | 2020-06-26 | 南京航空航天大学 | 一种在线测量工件表面粗糙度的光学测量***及方法 |
CN113483702A (zh) * | 2021-07-26 | 2021-10-08 | 宁波江丰电子材料股份有限公司 | 一种靶材表面粗糙度的无痕检测方法 |
CN114396895A (zh) * | 2021-12-20 | 2022-04-26 | 河海大学 | 一种隧洞衬砌混凝土管片表面粗糙度的测量方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268565A (zh) * | 2014-09-05 | 2015-01-07 | 中国人民解放军63620部队 | 基于回归学习的景象匹配区选取方法 |
CN104318249A (zh) * | 2014-10-23 | 2015-01-28 | 刘奇元 | 基于多分类支持向量机的磨削表面粗糙度等级识别方法 |
-
2017
- 2017-10-16 CN CN201710975350.3A patent/CN107990850A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268565A (zh) * | 2014-09-05 | 2015-01-07 | 中国人民解放军63620部队 | 基于回归学习的景象匹配区选取方法 |
CN104318249A (zh) * | 2014-10-23 | 2015-01-28 | 刘奇元 | 基于多分类支持向量机的磨削表面粗糙度等级识别方法 |
Non-Patent Citations (3)
Title |
---|
唐天同: "《高等电子光学》", 31 March 1996, 北京理工大学出版社 * |
张楠 等: "一种基于光散射原理在线测量晶圆表面质量的方法", 《传感器与微***》 * |
郭瑞鹏: "基于激光散射的在线检测表面特性参数的理论分析和实验研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885918A (zh) * | 2019-01-18 | 2019-06-14 | 广东镭奔激光科技有限公司 | 激光冲击表面粗糙度的预测方法 |
CN110174356A (zh) * | 2019-04-23 | 2019-08-27 | 南京航空航天大学 | 一种透明窗模拟装置 |
CN110174356B (zh) * | 2019-04-23 | 2021-10-26 | 南京航空航天大学 | 一种透明窗模拟装置 |
CN110332910A (zh) * | 2019-06-14 | 2019-10-15 | 广东镭奔激光科技有限公司 | 基于激光波动和表面激光散射的激光冲击预测方法与装置 |
CN111336956A (zh) * | 2020-02-17 | 2020-06-26 | 南京航空航天大学 | 一种在线测量工件表面粗糙度的光学测量***及方法 |
CN113483702A (zh) * | 2021-07-26 | 2021-10-08 | 宁波江丰电子材料股份有限公司 | 一种靶材表面粗糙度的无痕检测方法 |
CN114396895A (zh) * | 2021-12-20 | 2022-04-26 | 河海大学 | 一种隧洞衬砌混凝土管片表面粗糙度的测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107990850A (zh) | 一种基于激光散射法的表面粗糙度在线测量***及方法 | |
CN103759676A (zh) | 一种工件表面粗糙度非接触式的检测方法 | |
CN108332689B (zh) | 一种检测表面粗糙度和表面损伤的光学测量***及方法 | |
Gadelmawla | Computer vision algorithms for measurement and inspection of spur gears | |
Peng et al. | Study of tool wear monitoring using machine vision | |
Yi et al. | Visual method for measuring the roughness of a grinding piece based on color indices | |
CN103411533B (zh) | 结构光自适应多次曝光法 | |
de Oliveira et al. | Improved impact damage characterisation in CFRP samples using the fusion of optical lock-in thermography and optical square-pulse shearography images | |
CN105066915A (zh) | 模具曲面加工误差和表面粗糙度在机检测装置及检测方法 | |
CN105424726A (zh) | 基于机器视觉的发光面板检测方法 | |
CN104568990A (zh) | 一种基于Mie散射检测玻璃内部气泡缺陷的方法 | |
WO2014201045A9 (en) | Laser ultrsound material testing | |
CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
CN102135413A (zh) | 一种基于相位涡旋的数字散斑相关测量方法 | |
CN101762250A (zh) | 磨削工件表面质量光学实时检测装置 | |
CN108986088A (zh) | 一种基于matlab的图像自动提取优化方法及设备 | |
CN107300562B (zh) | 一种测量继电器成品触点间距的x射线无损检测方法 | |
Müller | Roughness (measured by profilometry: Mechanical, optical, and laser) | |
Li et al. | Visual inspection of weld surface quality | |
CN107478174B (zh) | 一种针对暗弱信号的夏克哈特曼探测器质心探测方法 | |
CN204881558U (zh) | 模具曲面加工误差和表面粗糙度在机检测装置 | |
CN107727013A (zh) | 基于支持向量回归机的表面粗糙度测量方法 | |
CN111316086B (zh) | 表面缺陷光学检测方法及相关装置 | |
Lu et al. | Investigations on electromagnetic wave scattering simulation from rough surface: Some instructions for surface roughness measurement based on machine vison | |
Ma et al. | Surface roughness detection based on image analysis |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |
|
RJ01 | Rejection of invention patent application after publication |