CN111103291A - 基于产品焊缝特征的图像识别与质量智能评价*** - Google Patents
基于产品焊缝特征的图像识别与质量智能评价*** Download PDFInfo
- Publication number
- CN111103291A CN111103291A CN201911329222.7A CN201911329222A CN111103291A CN 111103291 A CN111103291 A CN 111103291A CN 201911329222 A CN201911329222 A CN 201911329222A CN 111103291 A CN111103291 A CN 111103291A
- Authority
- CN
- China
- Prior art keywords
- weld
- evaluation
- welding seam
- line
- welding
- 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
Images
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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
-
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0608—Height gauges
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明将提供基于产品焊缝特征的图像识别与质量智能评价***,该***结合焊缝特征和图像识别方法,从基础图像处理、中心线和特征提取、三维重建工作以及基于焊缝形貌的几何尺寸和缺陷位置评价标准的建立这四方面进行工作,同时完善了焊缝质量智能评价***,更为完整的考虑的可能出现的焊缝形貌缺陷和几何尺寸缺陷问题,提出了一套适用于产品特征的焊缝评价标准及评价体系。根据评价指标以及预设的相应指标数值允许变动范围,判断该目标焊缝质量是否合格并标记不合格焊缝,从而实现焊接质量智能检测自动识别功能。
Description
技术领域
本发明属于工艺生产技术领域,具体涉及基于产品焊缝特征的图像识别与质量智能评价***。
背景技术
焊接是制造业中使用最多的一种重要的工艺手段,其对整个产品的质量和效率,焊接过程的质量和效率起着决定性的作用。因此,对于焊缝的类型识别和相应的质量检测工作更加显得重要。
现有的自动焊接及焊缝跟踪机器人已在自动化和智能化程度上取得较大进展,但在焊接质量检测方面的智能化程度则仍待加强。传统的焊接质量检测,主要包括焊缝尺寸测量和表面缺陷检测,均是完全通过人工完成,这种方法耗时长、效率低、检测结果易受工人状态影响且极为不稳定,而且对工人的健康也有影响。在智能化、自动化高速发展的今天,随着应用焊接加工的产品数量急剧上涨,产品结构复杂程度增高,焊接质量的检测要求也越来越苛刻,因此单纯依靠工人进行焊缝质量的检测已经无法满足现代化焊接技术的要求了。
然而,在焊缝质量检测方面国内还没有一套比较完善且运用到工业实际中的焊缝质量在线检测***。为解决该问题,实现焊缝质量的智能化检测,本发明拟开发一种基于机器视觉技术、基于产品焊缝特征的图像识别与质量智能评价***。结合结构光视觉将视觉传感器运用到焊接场景并获取焊缝图像,并通过图像处理来获得焊缝尺寸或表面缺陷,基于焊缝的特征结合图像识别内容进行焊缝质量评价。该装备的开发可以大大减少了工人的劳动强度,提高焊接质量检测的生产效率以及整个焊接过程的自动化程度。
发明内容
针对以上技术问题,本发明提供基于产品焊缝特征的图像识别与质量智能评价***,包括如下步骤:
(1)图像采集及预处理,从CCD相机中将包含有焊缝的图像采集,并进行图像预处理,得到清晰的焊缝图像;
(2)对焊缝图像进行中心线提取,为后续特征点提取和线条拟合奠下基础,保证最终焊缝成形几何尺寸测量的精度;
(3)特征点提取,对焊缝图像上的中心线进行特征点提取,对焊缝成形几何尺寸的特征点进行提取识别,并根据焊缝质量评价中的几何尺寸评价要求通过曲线拟合与数据测量进行自动化评价;
(4)三维重建,将截面上的特征点过滤后重建或拟合直线,之后通过与正常的焊缝轮廓线的比对,提取出非法和异常的点并进行还原三维形貌处理,根据建立焊缝的形貌缺陷评价指标进行评判。
进一步的,步骤(3)中焊缝的几何尺寸自动化评价包括从焊缝宽度、高度、长度、平整度、咬边、错边、填充度以及焊缝走向几个方面来建立评价指标,具体为:
(1)焊缝宽度b及其最大差值|bmax-bmin|
采集到的焊缝图像轮廓线上起点和终点的距离即为焊缝宽度,通过每一个评定段最大焊缝宽度bmax和最小焊缝宽度bmin求出焊缝宽度的最大差值,与***内设定的标准偏差值范围要求进行比较,从而评价焊缝宽度方面的质量,要求其在任意50mm焊缝长度范围内不得大于4mm,整个焊缝长度范围内不得大于5mm;
(2)余高H、余高最大差|Hmax-Hmin|
以各评定段内焊缝余高的最大值Hmax与焊缝余高的最小值Hmin的差值的绝对值,即余高最大差作为评价指标,利用在焊缝宽度方向上的截面上提取到的特征点,这些点的集合构成了焊缝高度上的边缘轨迹,利用特征点进行曲线拟合,尽可能还原出边缘轨迹,之后通过计算得出各个焊缝评定段内的余高最大差,便可以判断焊缝在高度方向是否存在异常,此处余高最大差要求在焊缝任意25mm长度范围内,余高最大差不得大于2mm;
(3)焊缝边缘偏离度|xmax-xmin|
在每一个评价段内的焊缝两边缘的坐标点进行特征提取,利用评定段内收集到的焊缝的特征点,还原其在长度方向上的轨迹并拟合曲线表示轨迹走向,确定待评价段的焊缝同一侧轮廓边缘坐标的极值xmax和xmin,以二者差值的绝对值作为评价指标来检测焊缝的边缘是否存在异常,检验过程中仍需要检测两侧的轮廓边缘偏离度,取单侧偏离度在整个长度范围内不得大于2mm;
(4)焊缝中心线直线度kC
对于每段评价段内的焊缝图像,利用宽度方向上光条中心线上提取到的特征点来拟合长度方向上的整段焊缝的中心线,将焊缝中心线的斜率在一定长度上的变化率定义为焊缝中心线直线度kC,以此来表征焊缝是否平直以及焊缝整体走势,拟合出的每个评价段中心线即可得到中心线的斜率ka,与***中标准的正常焊缝中心线的斜率kn的偏差范围比较,取标准为在任意300mm连续焊缝长度内焊缝边缘沿焊缝轴向的直线度小于等于3mm;
(5)填充度
利用三维重建后的焊缝宽度方向上的截面,将截面上大量的轮廓点过滤还原处理,之后通过与正常的焊缝轮廓线的比对,提取出非法和异常的点并进行还原三维形貌处理,从而判断出填充度是否符合要求;
(6)咬边
咬边指由于操作问题沿焊趾的母材部位产生的沟槽或凹陷,可以判断咬边是低于母材轮廓线的焊缝轮廓线到母材的垂直距离,利用处理后的焊缝轮廓线上诸个特征点中所有低于母材线上的点,求其与母材间的最大垂直距离;
(7)错边
错边指的是焊接时两母材不在一平面上,利用处理后的焊缝轮廓线上的特征点,还原轮廓线,由此得到两个不在同一平面的母材轮廓线的距离。
进一步的,步骤(4)中焊缝的形貌缺陷评价指标包括气孔、焊瘤、凹坑和裂纹,通过评价指标的要求测量出图像处理后的焊缝图片的指标数据,与标准库中偏差范围或标准值进行比对来判断焊缝等级。
有益效果:本发明提出在焊缝质量检测方面拟开发一套较完善且运用到工业实际中的焊缝质量在线检测***。该***结合焊缝特征和图像识别方法,从基础图像处理、中心线和特征提取、三维重建工作以及基于焊缝形貌的几何尺寸和缺陷位置评价标准的建立这四方面进行工作,同时完善了焊缝质量智能评价***,使得焊缝质量评价和类型识别有据可依,投入使用可以大大减少了工人的劳动强度,有助于提高焊接质量检测的生产效率以及整个焊接过程的自动化程度,同时能够填补该方向市场空缺。
附图说明
图1为本发明图像处理的算法流程技术路线图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地的详细说明,但本发明的实施方式不限于此。
本发明更为完整的考虑到可能出现的焊缝形貌缺陷和几何尺寸缺陷问题,提出了一套基于国家标准的适用于产品特征的焊缝图像识别应用的评价标准及评价体系,本发明的主要研究对象为较厚的I形焊缝。由于焊缝的质量评价主要通过焊缝形貌的几何尺寸缺陷和形貌缺陷进行比较判别。因此结合以上内容考虑,参考国家标准,包括共定义了如咬边、错边、飞溅等共18种缺陷的GB/T22085.1-2008和GB/T22085.2-2008的《电子束及激光焊接接头缺欠质量分级指南》两部分,以及GB10854-89《钢结构焊缝外形尺寸》。基于此,本发明从两个方面设立指标进行评价:一是从焊缝的成型的几何形状尺寸的测量,包括有焊缝宽度、高度、长度、平整度、咬边、错边、填充度以及焊缝走向几个方面来建立评价指标;二是从焊缝的表面缺陷和缺陷位置进行检测,由于形貌缺陷种类过多,考虑到***运行效率和难度,本发明只从最常见的外观缺陷问题去建立评价指标,主要有气孔,焊瘤,凹坑和裂纹四个问题。通过评价指标的要求测量出图像处理后的焊缝图片的指标数据,与标准库中偏差范围或标准值进行比对来判断焊缝等级。详细评价指标见下:
为便于阐述,各参数符号使用定义如下:
b——焊缝宽度;
H——焊缝余高;
h——各种缺陷的尺寸(宽度、高度);
l——欠缺长度(从任意方向测量);
f——气孔或缩孔的投影面积比率;
t——母材厚度。
1)焊缝宽度及其最大差值|bmax-bmin|
采集到的焊缝图像轮廓线上起点和终点的距离即为焊缝宽度,对于I形焊缝,焊缝宽度的最大值bmax和bmin也有相应的范围要求,由于根据焊接方法不同而有所不同,此处不予赘述,本发明中该数值参考GB10854-89中的要求。确定宽度的最大值和最小值满足要求后,通过算法来搜索每一个评定段最大焊缝宽度bmax和最小焊缝宽度bmin就可求出焊缝宽度的最大差值,与***内设定的标准偏差值范围要求进行比较,从而评价焊缝宽度方面的质量。要求其在任意50mm焊缝长度范围内不得大于4mm,整个焊缝长度范围内不得大于5mm。
2)余高H、余高最大差|Hmax-Hmin|
以各评定段内焊缝余高的最大值Hmax与焊缝余高的最小值Hmin的差值的绝对值,即余高最大差,以余高最大差和余高作为评价指标。利用在焊缝宽度方向上的截面上提取到的特征点,这些点的集合构成了焊缝高度上的边缘轨迹,利用特征点进行曲线拟合,尽可能还原出边缘轨迹。之后通过计算得出各个焊缝评定段内的余高最大差,便可以判断焊缝在高度方向是否存在异常。余高根据不同焊接方法要求有所浮动,此处按共同的范围要求取余高H满足0~3mm;余高最大差用于评价焊缝表面凹凸,要求在焊缝任意25mm长度范围内,余高最大差不得大于2mm。
3)焊缝边缘偏离度|xmax-xmin|
在每一个评价段内的焊缝两边缘的坐标点进行特征提取,利用评定段内收集到的焊缝的特征点,还原其在长度方向上的轨迹并拟合曲线表示轨迹走向。确定待评价段的焊缝同一侧轮廓边缘坐标的极值xmax和xmin,以二者差值的绝对值作为评价指标来检测焊缝的边缘是否存在异常。检验过程中仍需要检测两侧的轮廓边缘偏离度,本处取单侧偏离度在整个长度范围内不得大于2mm。
4)焊缝中心线直线度kC
对于每段评价段内的焊缝图像,利用宽度方向上光条中心线上提取到的特征点来拟合长度方向上的整段焊缝的中心线,理论上焊缝边缘的斜率与焊缝中心线的斜率基本上是相同的,因此其能反映出焊缝的整体走势。将焊缝中心线的斜率在一定长度上的变化率定义为焊缝中心线直线度kC,以此来表征焊缝是否平直以及焊缝整体走势。拟合出的每个评价段中心线即可得到中心线的斜率ka,与***中标准的正常焊缝中心线的斜率kn的偏差范围比较,可以体现出焊缝的边缘是否存在有异常,还可以反映出焊道整体走势是否合理。本处取标准为在任意300mm连续焊缝长度内焊缝边缘沿焊缝轴向的直线度小于等于3mm。
5)填充度
利用三维重建后的焊缝宽度方向上的截面,将截面上大量的轮廓点过滤还原处理,之后通过与正常的焊缝轮廓线的比对,提取出非法和异常的点并进行还原三维形貌处理,从而判断出填充度是否符合要求。此处本指标参照GB/T22085中规定的对未焊满的要求。
6)咬边
根据咬边的定义,指由于操作问题沿焊趾的母材部位产生的沟槽或凹陷,可以判断咬边是低于母材轮廓线的焊缝轮廓线到母材的垂直距离。利用处理后的焊缝轮廓线上诸个特征点中所有低于母材线上的点,求其与母材间的最大垂直距离,即为咬边,在判断表格中体现为h。
7)错边
根据错边的定义,指的是焊缝时两母材不在一平面上。同样地,利用处理后的焊缝轮廓线上的特征点,还原轮廓线,由此得到两个不在同一平面的母材轮廓线的距离,在判断表格中同样以h表示。
同时,本发明的具体评级系参考国家标准GB/T22085.1-2008和GB/T22085.2-2008,将焊缝等级分为严格B类,中等C类,一般D类和不合格类共四类。每个标准设立了具体的几何尺寸方面的数值要求与该种类的形貌缺陷要求来完成评级。根据几何尺寸评价指标是否在预设的相应指标数值允许变动范围内,以及形貌缺陷指标是否满足要求来判断该目标焊缝质量是否合格并标记不合格焊缝,从而实现焊接质量智能检测自动识别功能,详情见下表。
焊缝质量指标评价表
本发明提出了一种基于产品焊缝特征的图像识别与质量智能评价***与装备的开发方法,结合图像处理,开发出与之匹配的高效的智能化焊缝视觉图像识别算法,提出了一套针对所测场景下基于焊缝尺寸形貌特征的相应的评价及评级指标,提高了焊缝质量识别的效率,同时填补该领域的技术空白和市场应用,对焊缝质量在线智能检测方面有重大意义。
Claims (3)
1.基于产品焊缝特征的图像识别与质量智能评价***,包括如下步骤:
(1)图像采集及预处理,从CCD相机中将包含有焊缝的图像采集,并进行图像预处理,得到清晰的焊缝图像;
(2)对焊缝图像进行中心线提取,为后续特征点提取和线条拟合奠下基础,保证最终焊缝成形几何尺寸测量的精度;
(3)特征点提取,对焊缝图像上的中心线进行特征点提取,对焊缝成形几何尺寸的特征点进行提取识别,并根据焊缝质量评价中的几何尺寸评价要求通过曲线拟合与数据测量进行自动化评价;
(4)三维重建,将截面上的特征点过滤后重建或拟合直线,之后通过与正常的焊缝轮廓线的比对,提取出非法和异常的点并进行还原三维形貌处理,根据建立焊缝的形貌缺陷评价指标进行评判。
2.根据权利要求1所述的基于产品焊缝特征的图像识别与质量智能评价***,其特征在于,步骤(3)中焊缝的几何尺寸自动化评价包括从焊缝宽度、高度、长度、平整度、咬边、错边、填充度以及焊缝走向几个方面来建立评价指标,具体为:
(1)焊缝宽度b及其最大差值|bmax-bmin|
采集到的焊缝图像轮廓线上起点和终点的距离即为焊缝宽度,通过每一个评定段最大焊缝宽度bmax和最小焊缝宽度bmin求出焊缝宽度的最大差值,与***内设定的标准偏差值范围要求进行比较,从而评价焊缝宽度方面的质量,要求其在任意50mm焊缝长度范围内不得大于4mm,整个焊缝长度范围内不得大于5mm;
(2)余高H、余高最大差|Hmax-Hmin|
以各评定段内焊缝余高的最大值Hmax与焊缝余高的最小值Hmin的差值的绝对值,即余高最大差作为评价指标,利用在焊缝宽度方向上的截面上提取到的特征点,这些点的集合构成了焊缝高度上的边缘轨迹,利用特征点进行曲线拟合,尽可能还原出边缘轨迹,之后通过计算得出各个焊缝评定段内的余高最大差,便可以判断焊缝在高度方向是否存在异常,此处余高最大差要求在焊缝任意25mm长度范围内,余高最大差不得大于2mm;
(3)焊缝边缘偏离度|xmax-xmin|
在每一个评价段内的焊缝两边缘的坐标点进行特征提取,利用评定段内收集到的焊缝的特征点,还原其在长度方向上的轨迹并拟合曲线表示轨迹走向,确定待评价段的焊缝同一侧轮廓边缘坐标的极值xmax和xmin,以二者差值的绝对值作为评价指标来检测焊缝的边缘是否存在异常,检验过程中仍需要检测两侧的轮廓边缘偏离度,取单侧偏离度在整个长度范围内不得大于2mm;
(4)焊缝中心线直线度kC
对于每段评价段内的焊缝图像,利用宽度方向上光条中心线上提取到的特征点来拟合长度方向上的整段焊缝的中心线,将焊缝中心线的斜率在一定长度上的变化率定义为焊缝中心线直线度kC,以此来表征焊缝是否平直以及焊缝整体走势,拟合出的每个评价段中心线即可得到中心线的斜率ka,与***中标准的正常焊缝中心线的斜率kn的偏差范围比较,取标准为在任意300mm连续焊缝长度内焊缝边缘沿焊缝轴向的直线度小于等于3mm;
(5)填充度
利用三维重建后的焊缝宽度方向上的截面,将截面上大量的轮廓点过滤还原处理,之后通过与正常的焊缝轮廓线的比对,提取出非法和异常的点并进行还原三维形貌处理,从而判断出填充度是否符合要求;
(6)咬边
咬边指由于操作问题沿焊趾的母材部位产生的沟槽或凹陷,可以判断咬边是低于母材轮廓线的焊缝轮廓线到母材的垂直距离,利用处理后的焊缝轮廓线上诸个特征点中所有低于母材线上的点,求其与母材间的最大垂直距离;
(7)错边
错边指的是焊接时两母材不在一平面上,利用处理后的焊缝轮廓线上的特征点,还原轮廓线,由此得到两个不在同一平面的母材轮廓线的距离。
3.根据权利要求1所述的基于产品焊缝特征的图像识别与质量智能评价***,其特征在于,步骤(4)中焊缝的形貌缺陷评价指标包括气孔、焊瘤、凹坑和裂纹,通过评价指标的要求测量出图像处理后的焊缝图片的指标数据,与标准库中偏差范围或标准值进行比对来判断焊缝等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911329222.7A CN111103291A (zh) | 2019-12-20 | 2019-12-20 | 基于产品焊缝特征的图像识别与质量智能评价*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911329222.7A CN111103291A (zh) | 2019-12-20 | 2019-12-20 | 基于产品焊缝特征的图像识别与质量智能评价*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111103291A true CN111103291A (zh) | 2020-05-05 |
Family
ID=70422252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911329222.7A Pending CN111103291A (zh) | 2019-12-20 | 2019-12-20 | 基于产品焊缝特征的图像识别与质量智能评价*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111103291A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111551565A (zh) * | 2020-06-19 | 2020-08-18 | 湖南恒岳重钢钢结构工程有限公司 | 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法 |
CN112067623A (zh) * | 2020-09-16 | 2020-12-11 | 中国京冶工程技术有限公司 | 钢结构构件焊缝外观质量检测方法及*** |
CN112529884A (zh) * | 2020-12-17 | 2021-03-19 | 中国石油大学(华东) | 一种基于压痕特征图像识别的焊点质量评价方法 |
CN112676676A (zh) * | 2020-12-16 | 2021-04-20 | 武汉逸飞激光股份有限公司 | 极耳焊接方法 |
CN112986261A (zh) * | 2021-02-20 | 2021-06-18 | 南京柏王智能装备科技有限公司 | 基于机器视觉和图像处理技术的钢结构建筑质量监理验收检测分析方法 |
US20210237200A1 (en) * | 2020-01-31 | 2021-08-05 | GM Global Technology Operations LLC | System and method of enhanced automated welding of first and second workpieces |
CN113610814A (zh) * | 2021-08-10 | 2021-11-05 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、电子设备及存储介质 |
CN114324168A (zh) * | 2022-01-04 | 2022-04-12 | 广东奥普特科技股份有限公司 | 一种表面缺陷检测方法及*** |
CN114399461A (zh) * | 2021-12-02 | 2022-04-26 | 郑州煤矿机械集团股份有限公司 | 智能化焊趾机械打磨疲劳延寿方法 |
CN114523201A (zh) * | 2022-01-31 | 2022-05-24 | 扬州市恒泰人防设备有限公司 | 一种安全门的全自动激光焊接*** |
CN115338556A (zh) * | 2022-08-03 | 2022-11-15 | 湖南科技大学 | 用于厚壁焊接工件的焊缝质量检测方法及计算机设备 |
CN116309556A (zh) * | 2023-05-15 | 2023-06-23 | 安徽数智建造研究院有限公司 | 一种基于机器视觉技术的钢构件成品质量管理方法 |
CN117538334A (zh) * | 2024-01-09 | 2024-02-09 | 宁德时代新能源科技股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105345237A (zh) * | 2015-12-10 | 2016-02-24 | 河北沧海核装备科技股份有限公司 | 一种直缝埋弧焊自动控制焊缝形貌的装置及其工艺方法 |
CN105678776A (zh) * | 2016-01-11 | 2016-06-15 | 南京工业大学 | 一种基于激光视觉传感器焊缝图像特征点提取方法 |
CN109001224A (zh) * | 2017-06-07 | 2018-12-14 | 宁德时代新能源科技股份有限公司 | 焊缝的检测方法及检测装置 |
-
2019
- 2019-12-20 CN CN201911329222.7A patent/CN111103291A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105345237A (zh) * | 2015-12-10 | 2016-02-24 | 河北沧海核装备科技股份有限公司 | 一种直缝埋弧焊自动控制焊缝形貌的装置及其工艺方法 |
CN105678776A (zh) * | 2016-01-11 | 2016-06-15 | 南京工业大学 | 一种基于激光视觉传感器焊缝图像特征点提取方法 |
CN109001224A (zh) * | 2017-06-07 | 2018-12-14 | 宁德时代新能源科技股份有限公司 | 焊缝的检测方法及检测装置 |
Non-Patent Citations (1)
Title |
---|
严俊民: "基于视觉传感的焊缝图像处理与识别", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11498157B2 (en) * | 2020-01-31 | 2022-11-15 | GM Global Technology Operations LLC | System and method of enhanced automated welding of first and second workpieces |
US20210237200A1 (en) * | 2020-01-31 | 2021-08-05 | GM Global Technology Operations LLC | System and method of enhanced automated welding of first and second workpieces |
CN111551565A (zh) * | 2020-06-19 | 2020-08-18 | 湖南恒岳重钢钢结构工程有限公司 | 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法 |
CN112067623A (zh) * | 2020-09-16 | 2020-12-11 | 中国京冶工程技术有限公司 | 钢结构构件焊缝外观质量检测方法及*** |
CN112067623B (zh) * | 2020-09-16 | 2024-05-24 | 中国京冶工程技术有限公司 | 钢结构构件焊缝外观质量检测方法及*** |
CN112676676A (zh) * | 2020-12-16 | 2021-04-20 | 武汉逸飞激光股份有限公司 | 极耳焊接方法 |
CN112529884A (zh) * | 2020-12-17 | 2021-03-19 | 中国石油大学(华东) | 一种基于压痕特征图像识别的焊点质量评价方法 |
CN112529884B (zh) * | 2020-12-17 | 2022-03-25 | 中国石油大学(华东) | 一种基于压痕特征图像识别的焊点质量评价方法 |
CN112986261A (zh) * | 2021-02-20 | 2021-06-18 | 南京柏王智能装备科技有限公司 | 基于机器视觉和图像处理技术的钢结构建筑质量监理验收检测分析方法 |
CN113610814A (zh) * | 2021-08-10 | 2021-11-05 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、电子设备及存储介质 |
CN114399461A (zh) * | 2021-12-02 | 2022-04-26 | 郑州煤矿机械集团股份有限公司 | 智能化焊趾机械打磨疲劳延寿方法 |
CN114324168A (zh) * | 2022-01-04 | 2022-04-12 | 广东奥普特科技股份有限公司 | 一种表面缺陷检测方法及*** |
CN114324168B (zh) * | 2022-01-04 | 2024-05-17 | 广东奥普特科技股份有限公司 | 一种表面缺陷检测方法及*** |
CN114523201A (zh) * | 2022-01-31 | 2022-05-24 | 扬州市恒泰人防设备有限公司 | 一种安全门的全自动激光焊接*** |
CN115338556A (zh) * | 2022-08-03 | 2022-11-15 | 湖南科技大学 | 用于厚壁焊接工件的焊缝质量检测方法及计算机设备 |
CN116309556A (zh) * | 2023-05-15 | 2023-06-23 | 安徽数智建造研究院有限公司 | 一种基于机器视觉技术的钢构件成品质量管理方法 |
CN116309556B (zh) * | 2023-05-15 | 2023-07-21 | 安徽数智建造研究院有限公司 | 一种基于机器视觉技术的钢构件成品质量管理方法 |
CN117538334A (zh) * | 2024-01-09 | 2024-02-09 | 宁德时代新能源科技股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN117538334B (zh) * | 2024-01-09 | 2024-05-24 | 宁德时代新能源科技股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111103291A (zh) | 基于产品焊缝特征的图像识别与质量智能评价*** | |
Zhang et al. | 3D reconstruction of complex spatial weld seam for autonomous welding by laser structured light scanning | |
CN105571502B (zh) | 搅拌摩擦焊接中焊缝间隙的测量方法 | |
CN109682839B (zh) | 一种金属弧形工件表面缺陷在线检测方法 | |
CN101526484B (zh) | 基于嵌入式机器视觉的轴承缺陷检测方法 | |
CN111738985B (zh) | 一种焊缝轮廓视觉检测方法及*** | |
CN105787486B (zh) | 一种基于图像处理的钢梁裂纹检测方法 | |
CN107876970A (zh) | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 | |
Dinham et al. | Detection of fillet weld joints using an adaptive line growing algorithm for robotic arc welding | |
CN105345237A (zh) | 一种直缝埋弧焊自动控制焊缝形貌的装置及其工艺方法 | |
CN111127402A (zh) | 一种机器人焊接质量的视觉检测方法 | |
CN115018827B (zh) | 一种建材焊缝质量自动检测方法 | |
CN114170176B (zh) | 一种基于点云的钢格板焊缝自动检测方法 | |
CN113465511A (zh) | 一种钢卷尺寸在线测量及全方位端面缺陷在线检测方法 | |
CN114354639A (zh) | 一种基于3d点云的焊缝缺陷实时检测方法及*** | |
CN105678776A (zh) | 一种基于激光视觉传感器焊缝图像特征点提取方法 | |
CN114240944B (zh) | 一种基于点云信息的焊接缺陷检测方法 | |
Chu et al. | A study on welding quality inspection system for shell-tube heat exchanger based on machine vision | |
Ma et al. | Efficient and accurate start point guiding and seam tracking method for curve weld based on structure light | |
CN116740060B (zh) | 基于点云几何特征提取的装配式预制构件尺寸检测方法 | |
CN112561854A (zh) | 一种基于线结构光点云的焊缝检测方法 | |
CN114473309A (zh) | 用于自动焊接***的焊接位置识别方法及自动焊接*** | |
CN116091404A (zh) | 一种基于图像-点云信息融合的焊线缺陷检测及模式识别方法 | |
CN112415017A (zh) | 一种焊缝质量检测*** | |
CN117444441A (zh) | 一种搭接焊缝智能焊接方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200505 |