CN113504239A - 一种品质管控数据分析方法 - Google Patents
一种品质管控数据分析方法 Download PDFInfo
- Publication number
- CN113504239A CN113504239A CN202110647600.7A CN202110647600A CN113504239A CN 113504239 A CN113504239 A CN 113504239A CN 202110647600 A CN202110647600 A CN 202110647600A CN 113504239 A CN113504239 A CN 113504239A
- Authority
- CN
- China
- Prior art keywords
- detection
- welding seam
- image
- quality
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000003908 quality control method Methods 0.000 title claims abstract description 16
- 238000007405 data analysis Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 122
- 238000003466 welding Methods 0.000 claims abstract description 85
- 230000008859 change Effects 0.000 claims abstract description 11
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 8
- 238000009795 derivation Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 6
- 230000006378 damage Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000006748 scratching Methods 0.000 description 3
- 230000002393 scratching effect Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 229910000881 Cu alloy Inorganic materials 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Laser Beam Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了用于对汽车生产中的焊接部件产品质量进行品质管控的数据分析方法，检测相机采集焊缝宏观图像，检测焊缝轮廓并根据轮廓规划检测路径；沿检测路径采集焊缝微观图像，计算焊缝宽度、焊缝宽度变化率，检测焊缝上出现的孔洞；激光测距传感器沿检测路径测距，计算焊缝粗糙度，检测焊接毛刺，验证孔洞的检测结果是否准确；最后对检测得到的各项参数进行分析和品质管控。本发明克服了现有技术检测项目单一，检测不够准确的问题，保证了对汽车焊接部件的品质的良好管控，保证了整车生产的质量。
Description
技术领域
本发明品质管控数据分析技术领域，尤其涉及一种品质管控数据分析方法，用于对汽车生产中的焊接质量进行品质管控。
背景技术
焊接在车辆生产中起到至关重要的作用，广泛应用于汽车生产中的各个环节，焊点或焊缝的外观上要求表面压痕浅而平滑，呈均匀过渡，无明显凸肩或局部挤压的表面鼓包；外表面没有明显的环状或径向裂纹，也无熔化、烧伤或粘附的铜合金，从内部看，焊核形状规则、均匀，无超标的裂纹和缩孔等内部缺陷，以及热影响区金属组织和力学性能不发生明显变化等。
在现有技术中，出现了多种焊缝检测手段，例如基于机器视觉的焊缝检测方法、基于X射线的焊缝检测方法、基于超声波的焊缝检测方法、基于光学设备的焊缝检测方法。然而这些检测手段或多或少的都存在检测手段复杂、检测精度不够、对人体有伤害等缺陷，更为重要的是，这些检测手段检测的项目都比较单一，无法对焊缝进行全面的检测，无法实现汽车生产中焊接品质的良好管控，制约这汽车行业的发展。
发明内容
为了解决上述技术问题，本发明提供一种品质管控数据分析方法，用于对汽车生产中的焊接部件产品质量进行品质管控，包括以下步骤：
S1、检测相机采集焊缝宏观图像，检测得到焊缝轮廓并与标准焊缝形状对比，进行相似度计算，判断焊缝轮廓是否合格，并根据检测到的轮廓规划检测路径；
S2:沿检测路径采集焊缝微观图像，根据该微观图像计算焊缝宽度、焊缝宽度变化率，并检测焊缝上出现的孔洞；
S3:激光测距传感器沿检测路径测距，根据测距值计算焊缝粗糙度，检测焊接毛刺，并验证步骤S2中孔洞的检测结果是否准确；
S4:对检测得到的各项参数进行分析，根据分析结果对焊接部件的品质进行管控。
可选的，步骤S1具体包括如下步骤：
S1-1：将待检测的焊接后的部件定位在与之匹配的定位装置上；
S1-2：对检测相机和激光测距传感器进行坐标***一，把二者的坐标***一到世界坐标系中；
S1-3：对检测***进行标定，得到检测相机的内部参数，并得到检测相机和激光测距传感器之间的平移矩阵参数和旋转矩阵参数；
S1-4：在检测相机视场内能够看到整个待检测部件时拍摄整个部件的宏观图像。
可选的，步骤S2中，当焊缝的宽度方向占据视场宽度的三分之二后，沿检测路径采集焊缝的微观图像。
可选的，步骤S2中，控制器控制检测相机在检测路径上按照固定的速度移动，在移动过程中，检测相机按照固定的频率拍摄焊缝图像，移动速度和拍摄频率成正比，使前后相邻的两张图像至少部分重叠。
可选的，步骤S2中，拍摄到焊缝的图像之后，采用图像处理算法，检测焊缝是否出现孔洞，计算焊缝的宽度，计算焊缝宽度的变化率，并使具体的图像与路径上的具***置进行关联，以实现故障定位；进行孔洞的检测时，先对图像进行中值滤波，然后对图像进行锐化，随后采用直方图阈值分割算法进行处理，确定焊缝是否出现孔洞。
可选的，步骤S3中，当检测到激光测距的结果突然增大，并且增大值超过一点的阈值，则判定此处存在孔洞，对图像采集到的孔洞进行验证，核实图像检测结果是否准确。
可选的，步骤S3中，在得到整个轮廓的激光测距数据后，对距离点云数据进行曲线拟合，并对曲线进行微分求导运算，当在某位置的微分求导结果高于一定的阈值，则判定该位置的焊缝存在比较尖锐的毛刺。
可选的，步骤S4中，在完成各项参数检测之后，对各项数据进行汇总、分组，并将每组数据绘成直方图，依统计数据的分布情况，得到品质分布状态，并对质量波动进行分析，判断和预测产品质量及不合格率。
本发明的有益效果是：
1、能够同时检测焊缝轮廓、焊缝宽度、焊缝宽度变化率、焊缝上出现的孔洞、焊缝粗糙度、焊接毛刺，并验证孔洞的检测结果是否准确，克服现有技术中检测项目单一的问题，对焊缝进行全面、准确的检测。
2、同时对焊缝进行宏观图像检测、微观图像检测和激光测距检测，并且三者相互配合，相互验证，提高检测的有效性和准确性。
3、宏观图像检测为微观图像检测和激光测距检测提供检测路径，能够做到故障定位，并且能够提高测量效率。
4、通过对激光测距结果拟合曲线进行微分求导运算，检测焊缝是否出现毛刺，避免割伤、划伤工人或消费者等，还可能对与其装配的部件造成损伤。
5、采用图像处理的方式实现孔洞检测效率较高，检测速度快，但是可能存在误检测，因此采用激光测距的数据对其进行验证，以在保证检测速度的基础上避免误判，保证检测效率的同时能够保证孔洞检测的准确性。
6、检测相机的移动速度和拍摄频率成正比，使得前后相邻的两张图像至少部分重叠，并且图像清晰，不出现抖动、模糊、重影等问题。
附图说明
图1表示品质管控数据分析方法流程图；
图2表示品质管控数据分析方法步骤S1的具体流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、 “上”、 “下”、 “左”、 “右”、 “竖直”、 “水平”、 “内”、 “外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了 便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、 以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、 “第二”、 “第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
实施例1
在汽车部件焊接完成后，根据焊接后的汽车部件的形状，设置对应与之匹配的定位装置，例如定位座、定位架、定位夹具等，使焊接后的汽车部件能够稳定的定位，以便于后续对焊缝进行检测。
在定位装置正上方设置有焊缝检测装置，焊缝检测装置具体包括检测相机、激光测距传感器、检测相机三维移动支撑结构、激光测距传感器二维移动支撑结构和控制器，检测相机优选的采用高精度的CCD相机实现，以便于后续的图像处理。其中检测相机设置在所述的检测相机三维移动支撑结构上，所述的检测相机三维移动支撑结构能够在待检测汽车部件的上方的XYZ三维空间内灵活移动，并能够把其移动的位置信息反馈到控制器。
所述激光测距传感器设置在所述激光测距传感器二维移动支撑结构上，能够在汽车部件的上方的XY二维平面内移动，并把其移动的位置信息反馈到控制器。
在检测相机、激光测距传感器的移动过程中，控制器能够对检测相机和激光测距传感器的运动过程和轨迹进行控制，控制器还对检测相机、激光测距传感器的检测数据进行处理和分析，以得到汽车焊缝检测结果。
具体检测前的步骤如图2，在开始检测时，首先将待检测的焊接后的汽车部件定位在与之匹配的定位装置上，优选的，采用定位销对其进行定位，或采用夹钳等夹持装置对其进行夹持，使其在检测期间保持稳定，以保证检测的稳定性。
例如，在焊接完成引擎盖总成之后，采用引擎盖总成定位座对其进行定位，引擎盖总成定位座包括底板，底板上设置有若干定位块，定位块的形状与引擎盖对应区域的形状相匹配，并且在上方还设置有与定位块位置相对应的夹持结构，把引擎盖总成牢固的定位在引擎盖总成定位座上。
在检测开始之前，还需要对检测相机和激光测距传感器进行坐标***一，把二者的坐标***一到世界坐标系中，以便于后续的控制、计算和分析。同时，在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立像机成像的几何模型,这些几何模型参数就是像机参数，以便于后续的计算和分析。
优选的，可以采用棋盘格标定板，采用张友正标定算法对检测***的检测相机进行标定，得到检测相机的畸变等内部参数，并得到检测相机和激光测距传感器的平移矩阵参数和旋转矩阵参数。
具体的检测步骤如图1，在完成上述前期准备工作之后，开始焊缝的具体检测，控制器控制检测相机在Z轴方向，即竖直方向移动，直到在视场内能够看到整个待检测的汽车部件则停止移动，然后拍摄整个部件的宏观图像，并采用图像处理算法，得到焊缝的轮廓，并与理想的焊缝轮廓进行相似度计算，判断焊缝的轮廓是否合格。
优选的，采用边缘检测算法提取焊缝的轮廓，具体可以采用Sobel算子、Roberts算子、Laplacian算子、Canny算子等算子进行检测。
得到焊缝轮廓之后，控制器根据前文得到的焊缝轮廓，根据焊缝的轮廓的形状和走向，规划得到后续的检测路径。在得到检测路径之后，控制器控制检测相机在Z轴方向，即竖直方向移动，使检测相机能够拍摄到焊缝的细节结构，优选的，当焊缝的宽度方向占据检测相机视场的三分之二，则停止在Z轴方向移动检测相机，沿检测路径采集焊缝的微观图像。
然后，根据上文得到的检测路径，在XY平面内移动检测相机，控制器控制检测相机三维移动支撑结构在检测路径上按照固定的速度移动检测相机，在移动过程中，检测相机按照固定的频率拍摄焊缝图像。其中移动速度和拍摄频率成正比，当移动速度较大时，拍摄频率同样较大，当移动速度较小时，拍摄频率同样较小，使得前后相邻的两张图像至少部分重叠，并且图像清晰，不出现抖动、模糊、重影等问题。
在拍摄到焊缝的系列图像之后，采用图像处理算法，检测焊缝是否出现孔洞，并计算焊缝的宽度，同时计算焊缝宽度的变化率，并使具体的图像与路径上的具***置进行关联，以便于后续的故障定位。
进行孔洞的检测时，先对图像进行中值滤波，然后对图像进行锐化，随后采用直方图阈值分割算法进行处理，得到孔洞的图像。焊缝过窄或者过宽或者焊缝的宽度变化过快，则说明焊接质量存在问题，因此采用像素的距离计算焊缝的宽度，并根据焊缝边缘的切线来判断焊缝宽度的变化率，通过这些参数综合来判断焊接质量。
在完成上述检测之后，控制器控制检测相机退出汽车部件上面的三维空间，然后控制器控制激光测距传感器二维移动支撑结构带动激光测距传感器在二维平面内移动，运动的路径具体为上文的检测路径，得到检测路径上具***置的焊缝的距离数据，并根据该距离数据计算焊缝的粗糙度，并检测焊缝是否存在毛刺，并对图像检测时检测到的孔洞进行核实和验证。
具体的，虽然采用图像处理的方式实现孔洞检测效率较高，检测速度快，但是由于在图像检测时，通过图像处理的方式实现孔洞检测，孔洞的形状可能与焊点的形状相类似，存在将焊点错误的判定为孔洞的情况，因此采用激光测距的数据对其进行验证，以在保证检测速度的基础上避免误判。具体的验证原理和方式为，由于在焊缝的孔洞处，激光测距传感器得到的测距结果与正常的焊缝的测距结果反差很大，因此当检测到激光测距的结果出现突变，更具体的是激光测距的结果突然增大，并且增大值超过移动的阈值，则判定此处存在孔洞，并采用该检测结果对图像检测到的孔洞结果进行核实和验证。
在得到整个轮廓的激光测距数据的基础上，对距离点云数据进行曲线拟合，并对曲线进行微分求导运算，当在某以位置的微分求导结果高于一定的阈值，则判定该位置的焊缝存在比较尖锐的毛刺，可能会对接触者造成伤害，例如割伤、划伤工人或消费者等，还可能对与其装配的部件造成损伤，因此通过激光测距结果对其进行检测，并在检测到之后就行后续的处理，消除隐患。
在完成上述各项检测后，得到了焊缝的轮廓、宽度、宽度变化率、孔洞、粗糙度、毛刺情况，并能够定位到焊缝的具***置，还对检测到的孔洞进行了验证，保证了焊缝的各项参数都得到准确的检测，克服了现有技术检测项目单一，并且不够准确的技术问题。通过对上述检测数据的分析，保证了对汽车焊接部件的品质的良好管控，保证了整车生产的质量。
具体的，对各项数据进行汇总、分组，并将每组数据绘成直方图，依统计数据的分布情况，进行产品生产过程、品质分布状态的研究，及工程能力的调查，管制能力的分析等。还能够预测并监控产品质量状况，对质量波动进行分析。使用直方图通过对收集到的貌似无序的数据进行处理，来反映产品质量的分布情况，判断和预测产品质量及不合格率。透过直方图可发现的数据特征有：数据的分配状态、数据的中心位置、数据离散程度的大小、数据和规格之间的关系。通过这些数据特征，能够较直观地传递有关过程质量状况的信息，可以发现质量波动的状态，通过研究质量波动状况之后，就能掌握过程的状况，从而确定在什么地方集中力量进行质量改进工作。
实施例2
本实施例是在实施例1的基础上进行进一步改进，技术方案共同的部分在此不再赘述。为了提高图像采集的质量，在检测相机三维移动支撑结构上设置有与检测相机配合使用的环形光源，该环形光源为LED光源，具有亮度可调，低温，均衡，无闪烁，无阴影，同时在特用的内嵌式的结构，同时也可以添加偏光片。
实施例3
本实施例是在实施例1或实施例2的基础上进行进一步改进，技术方案共同的部分在此不再赘述。由于半导体激光器发射功率、收发距离远近等因素的影响，接收电路接收到的光信号强弱会发生较大变化，如不进行适当的校准，将会影响到正常的测量结果。因此设置激光测距传感器配置有温度补偿电路，用于降低环境温度对激光测距的影响。
以上所述为本发明较佳实施例，需要说明的是，对于本领域普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明保护范围。
Claims (8)
1.一种品质管控数据分析方法，用于对汽车生产中的焊接部件产品质量进行品质管控，其特征在于，包括以下步骤：
S1、检测相机采集焊缝宏观图像，检测得到焊缝轮廓并与标准焊缝形状对比，进行相似度计算，判断焊缝轮廓是否合格，并根据检测到的轮廓规划检测路径；
S2:沿检测路径采集焊缝微观图像，根据该微观图像计算焊缝宽度、焊缝宽度变化率，并检测焊缝上出现的孔洞；
S3:激光测距传感器沿检测路径测距，根据测距值计算焊缝粗糙度，检测焊接毛刺，并验证步骤S2中孔洞的检测结果是否准确；
S4:对检测得到的各项参数进行分析，根据分析结果对焊接部件的品质进行管控。
2.根据权利要求1所述的一种品质管控数据分析方法，其特征在于，步骤S1具体包括如下步骤：
S1-1：将待检测的焊接后的部件定位在与之匹配的定位装置上；
S1-2：对检测相机和激光测距传感器进行坐标***一，把二者的坐标***一到世界坐标系中；
S1-3：对检测***进行标定，得到检测相机的内部参数，并得到检测相机和激光测距传感器之间的平移矩阵参数和旋转矩阵参数；
S1-4：在检测相机视场内能够看到整个待检测部件时拍摄整个部件的宏观图像。
3.根据权利要求1或2所述的一种品质管控数据分析方法，其特征在于，步骤S2中，当焊缝的宽度方向占据视场宽度的三分之二后，沿检测路径采集焊缝的微观图像。
4.根据权利要求3所述的一种品质管控数据分析方法，其特征在于，步骤S2中，设置控制器控制检测相机在检测路径上按照固定的速度移动，在移动过程中，检测相机按照固定的频率拍摄焊缝图像，移动速度和拍摄频率成正比，使前后相邻的两张图像至少部分重叠。
5.根据权利要求4所述的一种品质管控数据分析方法，其特征在于，步骤S2中，拍摄到焊缝的图像之后，采用图像处理算法，检测焊缝是否出现孔洞，计算焊缝的宽度，计算焊缝宽度的变化率，并把具体的图像与路径上的具***置进行关联，以实现故障定位；进行孔洞的检测时，先对图像进行中值滤波，然后对图像进行锐化，随后采用直方图阈值分割算法进行处理，确定焊缝是否出现孔洞。
6.根据权利要求5所述的一种品质管控数据分析方法，其特征在于，步骤S3中，当检测到激光测距的结果突然增大，并且增大值超过一定的阈值，则判定此处存在孔洞，对图像采集到的孔洞进行验证，核实图像检测结果是否准确。
7.根据权利要求6所述的一种品质管控数据分析方法，其特征在于，步骤S3中，在得到整个轮廓的激光测距数据后，对距离点云数据进行曲线拟合，并对曲线进行微分求导运算，当在某位置的微分求导结果高于一定的阈值，则判定该位置的焊缝存在比较尖锐的毛刺。
8.根据权利要求1所述的一种品质管控数据分析方法，其特征在于，步骤S4中，在完成各项参数检测之后，对各项数据进行汇总、分组，并将每组数据绘成直方图，依统计数据的分布情况，得到品质分布状态，并对质量波动进行分析，判断和预测产品质量及不合格率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110647600.7A CN113504239B (zh) | 2021-06-10 | 2021-06-10 | 一种品质管控数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110647600.7A CN113504239B (zh) | 2021-06-10 | 2021-06-10 | 一种品质管控数据分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113504239A true CN113504239A (zh) | 2021-10-15 |
| CN113504239B CN113504239B (zh) | 2022-12-02 |
Family
ID=78009828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110647600.7A Active CN113504239B (zh) | 2021-06-10 | 2021-06-10 | 一种品质管控数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113504239B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115760568A (zh) * | 2022-11-02 | 2023-03-07 | 中国兵器科学研究院 | 一种目标图像的生成方法、装置及电子设备 |
| CN116684724A (zh) * | 2023-05-19 | 2023-09-01 | 中科慧远视觉技术（洛阳）有限公司 | 工件图像采集控制方法、装置、工件检测设备和存储介质 |
| CN118023756A (zh) * | 2024-04-12 | 2024-05-14 | 山东亚泰机械有限公司 | 一种车辆驾驶室的焊接方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2237640A1 (en) * | 1996-08-12 | 1998-02-19 | Centre De Recherche Industrielle Du Quebec | Apparatus and method for detecting surface defects |
| JP2003065985A (ja) * | 2001-08-28 | 2003-03-05 | Matsushita Electric Works Ltd | レーザー溶接部の検査方法及びその装置 |
| CN107931802A (zh) * | 2017-11-27 | 2018-04-20 | 中北大学 | 基于中红外温度传感的电弧焊焊缝质量在线检测方法 |
| CN108896577A (zh) * | 2018-05-30 | 2018-11-27 | 昆山睿力得软件技术有限公司 | 一种刹车片轮廓缺陷的自动检测方法 |
| CN110245599A (zh) * | 2019-06-10 | 2019-09-17 | 深圳市超准视觉科技有限公司 | 一种智能三维焊缝自主寻迹方法 |
| US20190308277A1 (en) * | 2018-04-05 | 2019-10-10 | Georg Fischer Rohrleitungssysteme Ag | Sensing Of A Weld Seam Geometry |
| CN110403232A (zh) * | 2019-07-24 | 2019-11-05 | 浙江中烟工业有限责任公司 | 一种基于二级算法的烟支质量检测方法 |
| CN112296822A (zh) * | 2020-10-23 | 2021-02-02 | 宝鸡宇喆工业科技有限公司 | 钢管管端螺旋焊缝打磨机器人的打磨方法 |
-
2021
- 2021-06-10 CN CN202110647600.7A patent/CN113504239B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2237640A1 (en) * | 1996-08-12 | 1998-02-19 | Centre De Recherche Industrielle Du Quebec | Apparatus and method for detecting surface defects |
| JP2003065985A (ja) * | 2001-08-28 | 2003-03-05 | Matsushita Electric Works Ltd | レーザー溶接部の検査方法及びその装置 |
| CN107931802A (zh) * | 2017-11-27 | 2018-04-20 | 中北大学 | 基于中红外温度传感的电弧焊焊缝质量在线检测方法 |
| US20190308277A1 (en) * | 2018-04-05 | 2019-10-10 | Georg Fischer Rohrleitungssysteme Ag | Sensing Of A Weld Seam Geometry |
| CN108896577A (zh) * | 2018-05-30 | 2018-11-27 | 昆山睿力得软件技术有限公司 | 一种刹车片轮廓缺陷的自动检测方法 |
| CN110245599A (zh) * | 2019-06-10 | 2019-09-17 | 深圳市超准视觉科技有限公司 | 一种智能三维焊缝自主寻迹方法 |
| CN110403232A (zh) * | 2019-07-24 | 2019-11-05 | 浙江中烟工业有限责任公司 | 一种基于二级算法的烟支质量检测方法 |
| CN112296822A (zh) * | 2020-10-23 | 2021-02-02 | 宝鸡宇喆工业科技有限公司 | 钢管管端螺旋焊缝打磨机器人的打磨方法 |
Non-Patent Citations (3)
| Title |
|---|
| 安康: ""焊缝外观的自动检测及质量评估方法研究"", 《中国优秀硕士学位论文全文数据库（电子期刊）》 * |
| 赵森: ""钢筋焊缝三维扫描检测技术与评价方法研究"", 《中国优秀硕士学位论文全文数据库（电子期刊）》 * |
| 霍平等: "一种基于结构光的V型焊缝实时图像处理方法", 《电焊机》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115760568A (zh) * | 2022-11-02 | 2023-03-07 | 中国兵器科学研究院 | 一种目标图像的生成方法、装置及电子设备 |
| CN116684724A (zh) * | 2023-05-19 | 2023-09-01 | 中科慧远视觉技术（洛阳）有限公司 | 工件图像采集控制方法、装置、工件检测设备和存储介质 |
| CN116684724B (zh) * | 2023-05-19 | 2024-04-09 | 中科慧远视觉技术（洛阳）有限公司 | 工件图像采集控制方法、装置、工件检测设备和存储介质 |
| CN118023756A (zh) * | 2024-04-12 | 2024-05-14 | 山东亚泰机械有限公司 | 一种车辆驾驶室的焊接方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113504239B (zh) | 2022-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103857490B (zh) | 用于识别激光加工过程期间缺陷的方法以及激光加工装置 | |
| CN113504239B (zh) | 一种品质管控数据分析方法 | |
| JP5676387B2 (ja) | 外観検査方法及びその装置 | |
| KR102056076B1 (ko) | 용접비드 비전 검사 장치 및 용접 불량 검사방법 | |
| CN106392304B (zh) | 一种激光辅助焊缝智能寻迹***及方法 | |
| CN102455171B (zh) | 一种激光拼焊焊缝背面几何形貌检测方法 | |
| CN101750416A (zh) | 一种基于线结构光的视觉焊缝表面质量检测传感器 | |
| CN103231162A (zh) | 机器人焊接质量视觉检测装置及其检测方法 | |
| CN106735749B (zh) | 一种激光辅助焊缝智能寻迹*** | |
| CN103492834B (zh) | 用于检测回转部件质量的自动器具及检验方法 | |
| WO2010090605A1 (en) | Methods for examining a bonding structure of a substrate and bonding structure inspection devices | |
| JP2012529027A (ja) | 画像測定プローブと操作方法 | |
| CN111965198A (zh) | 焊点检测装置以及检测方法 | |
| CN103630544B (zh) | 一种视觉在线检测*** | |
| JP5913903B2 (ja) | 形状検査方法およびその装置 | |
| JP2019197018A (ja) | 平坦度検出方法、平坦度検出装置及び平坦度検出プログラム | |
| CN111307812A (zh) | 基于机器视觉的焊点外观检测方法 | |
| CN109990711A (zh) | 一种冲孔镀镍钢带的外观质量检测方法 | |
| CN111397529A (zh) | 一种基于双目视觉结构光的复杂表面形状检测方法 | |
| CN114894808A (zh) | 基于机器视觉的热管管口缺陷检测装置及其方法 | |
| CN107797517B (zh) | 采用机器视觉实现钢带冲孔加工检测的方法及*** | |
| JP2015129751A (ja) | 検査方法及びその装置 | |
| CN116393982A (zh) | 一种基于机器视觉的螺丝锁付方法及装置 | |
| CN111077162A (zh) | 一种玻璃瓶缺陷检测*** | |
| JP2005283267A (ja) | 貫通穴計測装置及び方法並びに貫通穴計測用プログラム |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240423 Address after: Floor 2, 3, 21 and 22, No. 89, Yunling East Road, Putuo District, Shanghai, 200333 Patentee after: Shanghai Xixin Software Engineering Co.,Ltd. Country or region after: China Address before: 200333 14th floor, 235 Yunling East Road, Putuo District, Shanghai Patentee before: Shanghai Xixin Information Technology Co.,Ltd. Country or region before: China |