CN114894804B - 一种精密标准件表面裂纹检测方法 - Google Patents
一种精密标准件表面裂纹检测方法 Download PDFInfo
- Publication number
- CN114894804B CN114894804B CN202210432068.1A CN202210432068A CN114894804B CN 114894804 B CN114894804 B CN 114894804B CN 202210432068 A CN202210432068 A CN 202210432068A CN 114894804 B CN114894804 B CN 114894804B
- Authority
- CN
- China
- Prior art keywords
- crack
- mapping
- parallel light
- value
- line segment
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims description 131
- 238000005286 illumination Methods 0.000 claims description 44
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 13
- 238000012360 testing method Methods 0.000 abstract description 5
- 238000004154 testing of material Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G01N2021/8874—Taking dimensions of defect into account
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及材料测试和分析技术领域,具体涉及一种精密标准件表面裂纹检测方法,该方法利用可见光获取待检测精密标准件的发散光表面图像,对该发散光表面图像进行材料分析,从而确定各个裂纹区域;根据各个裂纹区域的位置,再利用可见光获取各个裂纹区域的不同入射夹角对应的平行光表面图像,对这些平行光表面图像进行材料分析,并结合发散光表面图像,确定待检测精密标准件的裂纹危害等级。本发明利用可见光获取待检测精密标准件的发散光表面图像和平行光表面图像,并基于这些图像进行材料分析和测试,实现了精密标准件表面的裂纹分析,有效提高了标准件裂纹检测的精确度。
Description
技术领域
本发明涉及材料测试和分析技术领域,具体涉及一种精密标准件表面裂纹检测方法。
背景技术
精密标准件在生产过程中,往往会由于生产过程中的误操作造成零件表面出现不同程度的裂纹,而裂纹会严重影响零件的功能与美观效用,故零件生产过后往往需要对其进行裂纹检测。
现今对零件表面裂纹检测,往往是通过人工进行测量,人工检测易受外界因素干扰,耗费时间长,成本高,效率低且精度无法保证。随着可见光图像和计算机技术的发展,可根据可见光图像进行材料分析和测试,从而可以实现对零件表面的裂纹检测。这种检测方式与人工检测相比,有效提高了裂纹检测的效率和准确性,但是由于这种检测方式只能够对裂纹区域大小进行检测,无法实现裂纹的综合特征检测,从而导致最终检测出的裂纹不够精确。
发明内容
本发明的目的在于提供一种精密标准件表面裂纹检测方法,用于解决现有的裂纹检测不够精确的问题。
为解决上述技术问题,本发明提供了一种精密标准件表面裂纹检测方法,包括以下步骤:
获取待检测精密标准件的发散光表面图像,进而得到发散光表面灰度图像;
根据发散光表面灰度图像中的像素点灰度值,判断待检测精密标准件表面是否存在裂纹,若存在裂纹,则确定各个裂纹区域;
根据各个裂纹区域的位置,获取各个裂纹区域的不同入射夹角对应的平行光表面图像,进而得到各个裂纹区域的不同入射夹角对应的平行光表面灰度图像;
根据各个裂纹区域的位置,确定所述各个裂纹区域在不同入射夹角对应的平行光表面灰度图像中所对应的各个映射裂纹区域,并确定各个映射裂纹区域的边缘长度值和宽度值;
根据不同入射夹角对应的平行光表面灰度图像中的各个映射裂纹区域中的像素点灰度值,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目以及每条平行光相关线段的长度;
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目、每条平行光相关线段的长度以及对应的不同入射夹角,确定各个映射裂纹区域的最大深度值和裂纹体积值;
根据各个映射裂纹区域的边缘长度值、宽度值、最大深度值、体积值以及待检测精密标准件的尺寸值,确定待检测精密标准件的整体裂纹危害程度值,进而确定待检测精密标准件的裂纹危害等级。
进一步的,确定各个映射裂纹区域的最大深度值的步骤包括:
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目、每条平行光相关线段的长度以及对应的不同入射夹角,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的深度值;
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的深度值,确定各个映射裂纹区域的最大深度值。
进一步的,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的深度值对应的计算公式为:
其中,h为各个映射裂纹区域中的每条平行光相关线段在入射夹角θ下对应的深度值,mb为各个映射裂纹区域中的每条平行光相关线段在入射夹角θ下对应的未受光照像素点数目,ma为各个映射裂纹区域中的每条平行光相关线段在入射夹角θ下对应的光照像素点数目,Z为各个映射裂纹区域中的每条平行光相关线段的长度。
进一步的,确定各个映射裂纹区域的体积值的步骤包括:
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目、未受光照像素点数目和每条平行光相关线段的长度,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照线段长度;
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照线段长度和深度值,确定各个映射裂纹区域中的每条平行光相关线段所对应的裂纹函数表达式;
根据各个映射裂纹区域中的每条平行光相关线段所对应的裂纹函数表达式,确定各个映射裂纹区域中的每条平行光相关线段对应的裂纹体积值;
对各个映射裂纹区域中的每条平行光相关线段对应的裂纹体积值进行累加,从而得到各个映射裂纹区域的裂纹体积值。
进一步的,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目的步骤包括:
根据不同入射夹角对应的平行光表面灰度图像中的各个映射裂纹区域中的像素点灰度值,对各个映射裂纹区域中的每条平行光相关线段对应的各个像素点进行聚类,从而得到各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的两个像素点组;
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的两个像素点组中的像素点灰度,确定两个像素点组中的光照像素点组和未受光照像素点组,从而得到各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目。
进一步的,确定待检测精密标准件的整体裂纹危害程度值的步骤包括:
根据各个映射裂纹区域的边缘长度值、宽度值、最大深度值以及待检测精密标准件的尺寸值,确定各个映射裂纹区域的裂纹危害程度;
根据各个映射裂纹区域的体积值以及待检测精密标准件的尺寸值,确定各个映射裂纹区域的裂纹危害权重值;
根据各个映射裂纹区域的裂纹危害程度和裂纹危害权重值,确定待检测精密标准件的整体裂纹危害程度值。
进一步的,确定各个映射裂纹区域的裂纹危害程度的步骤包括:
所述待检测精密标准件的形状为长方体,所述待检测精密标准件的尺寸包括长度、宽度和高度,分别计算各个映射裂纹区域的边缘长度值与待检测精密标准件的长度的比值、各个映射裂纹区域的宽度值与待检测精密标准件的宽度的比值以及各个映射裂纹区域的最大深度值与待检测精密标准件的高度的比值;
将各个映射裂纹区域对应的三个比值进行累加,从而得到各个映射裂纹区域的裂纹危害程度。
进一步的,判断待检测精密标准件表面是否存在裂纹的步骤包括:
根据发散光表面灰度图像中的像素点灰度值,对发散光表面灰度图像进行超像素分割,得到各个超像素块;
对各个超像素块中的像素点灰度值进行统计,从而得到各个超像素块对应的灰度直方图;
根据各个超像素块对应的灰度直方图,确定任意两个超像素块之间的第一特征指标;
确定任意一个超像素块与其他超像素块之间的第一特征指标对应的取值区间的数目,进而确定取值区间的目标数目,若目标数目为1,则判定待检测精密标准件表面不存在裂纹,否则判定待检测精密标准件表面存在裂纹。
进一步的,若存在裂纹,则确定各个裂纹区域的步骤包括:
根据各个超像素块对应的种子点位置坐标,确定任意两个超像素块之间的第二特征指标;
根据任意两个超像素块之间的第一特征指标和第二特征指标,将各个超像素块划分为K个超像素块组,所述K为取值区间的目标数目;
根据K个超像素块组中的像素点灰度,确定K个超像素块组中的K-1个裂纹超像素块组;
根据K-1个裂纹超像素块组中的像素点灰度值,确定K-1个裂纹超像素块组对应的K-1个裂纹区域。
进一步的,确定任意两个超像素块之间的第一特征指标对应的计算公式为:
其中,Q为任意两个超像素块之间的第一特征指标,p1i为任意两个超像素块中的第一个超像素块对应的灰度直方图中第i个灰度级对应的频率值,p2i为任意两个超像素块中的第二个超像素块对应的灰度直方图中第i个灰度级对应的频率值。
本发明具有如下有益效果:利用可见光手段获取待检测精密标准件的发散光表面图像,从而确定各个裂纹区域;然后根据各个裂纹区域的位置,再利用可见光获取各个裂纹区域的不同入射夹角对应的平行光表面图像,对这些平行光表面图像和发散光表面图像平进行行材料分析和测试,可以确定各个裂纹区域的边缘长度值、宽度值、最大深度值和体积值,从而确定待检测精密标准件的整体裂纹危害程度值,进而确定待检测精密标准件的裂纹危害等级。由于本发明利用可见光获取待检测精密标准件的发散光表面图像和平行光表面图像,并基于这些图像进行材料分析和测试,可对裂纹进行长度、宽度、深度和体积等综合特征检测,实现了精密标准件表面的裂纹精准分析,有效提高了标准件裂纹检测的精确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明的一种精密标准件表面裂纹检测方法的流程图;
图2为本发明的根据第一特征指标判断标准件表面是否存在裂纹以及存在裂纹的个数的原理示意图;
图3为本发明的映射裂纹区域中的平行光相关线段的示意图;
图4为本发明的映射裂纹区域中的平行光相关线段的灰度变化示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
为了实现对精密标准件表面裂纹的识别与评估,提高检测效率与精度,降低成本,本实施例提供了一种精密标准件表面裂纹检测方法,其对应的流程图如图1所示,包括以下步骤:
(1)获取待检测精密标准件的发散光表面图像,进而得到发散光表面灰度图像。
在精密标准件的生产线上,在精密标准件的上方设置有固定发散光源,这里的固定发散光源是指该光源沿各个方向都发射光线的光源。在这种固定发散光源照射下,采用高精度工业相机采集精密标准件的表面图像,从而可以得到精密标准件的发散光表面图像。该发散光表面图像为可见光RGB图像,对RGB图像进行灰度化处理,本实施例采用的灰度化处理方法为加权灰度化方法,从而可以得到发散光表面灰度图像。
(2)根据发散光表面灰度图像中的像素点灰度值,判断待检测精密标准件表面是否存在裂纹,若存在裂纹,则确定各个裂纹区域。
由先验知识可得,裂纹区域为连续的无规则区域,其与正常区域存在明显差异,且裂纹区域往往呈现局部聚集的形式。基于这种特点,本实施例根据发散光表面灰度图像中的像素点灰度值,首先对发散光表面灰度图像进行超像素分割,将发散光表面灰度图像分割成N个超像素块,然后对N个超像素块进行显著分析,从而精密标准件表面是否存在裂纹以及在存在裂纹的情况下,确定各个裂纹区域。
其中,根据发散光表面灰度图像中的像素点灰度值,判断待检测精密标准件表面是否存在裂纹的具体实现步骤包括:
(2-1)根据发散光表面灰度图像中的像素点灰度值,对发散光表面灰度图像进行超像素分割,得到各个超像素块。
为了减小后续计算的工作量,基于发散光表面灰度图像中的像素点灰度值,对发散光表面灰度图像进行超像素分割,从而可以将发散光表面灰度图像分割成N个超像素块。由于进行超像素块分割的具体实现过程属于现有技术,此处不再赘述。
(2-2)对各个超像素块中的像素点灰度值进行统计,从而得到各个超像素块对应的灰度直方图。
在上述步骤(2-1)的基础上得到各个超像素块之后,对于每个超像素块,提取超像素块内的像素点个数n以及每个像素点所对应的灰度级L。在确定每个像素点所对应的灰度级L时,本实施例为减少后续的计算量,将原像素灰度级0-255共256个灰度级对应压缩为像素灰度级0-15共16个灰度级。然后根据每个超像素块中的各个像素点对应的灰度级,计算每个超像素块中每个灰度级出现的频率,设第i个灰度级对应的频率为pi,此时有对于每个超像素块,以灰度级为横坐标,频率为纵坐标,生成直方图,则每个超像素块可对应一个灰度直方图。
(2-3)根据各个超像素块对应的灰度直方图,确定任意两个超像素块之间的第一特征指标,对应的计算公式为:
其中,Q为任意两个超像素块之间的第一特征指标,p1i为任意两个超像素块中的第一个超像素块对应的灰度直方图中第i个灰度级对应的频率值,p2i为任意两个超像素块中的第二个超像素块对应的灰度直方图中第i个灰度级对应的频率值。
上述第一特征指标表征了两个不同超像素块之间的差异,当两个超像素块之间差异越大,则显著性越强,第一特征指标Q值越大。
(2-4)确定任意一个超像素块与其他超像素块之间的第一特征指标对应的取值区间的数目,进而确定取值区间的目标数目,若目标数目为1,则判定待检测精密标准件表面不存在裂纹,否则判定待检测精密标准件表面存在裂纹。
在上述步骤(2-3)的基础上,根据任意一个超像素块与其他超像素块之间的第一特征指标Q值,可初步判断标准件表面是否存在裂纹以及存在裂纹的个数。当第一特征指标Q值处于1个较小取值区间内,则可知零件表面不存在裂纹,若处于2个较小取值区间内,则存在1处裂纹,若处于3个较小取值区间内,则存在2处裂纹……。
如图2所示,待检测精密标准件表面存在两个裂纹,分别为裂纹1和2,超像素块21和22为裂纹1上的两个超像素块,超像素块31和32为裂纹2上的两个超像素块,超像素块11和12为标准件表面上非裂纹区域的两个超像素块。以超像素块11为例,由于标准件表面上非裂纹区域的超像素块具备相似性,即其之间的差异较小,因此该超像素块11与标准件表面上非裂纹区域的其他超像素块(如超像素块12)之间的第一特征指标Q值会位于一个小取值区间内,该小取值区间内的第一特征指标Q取值相对较小。由于超像素块11与裂纹上的超像素块之间的相似度较小,即其之间的差异较大,且又考虑到位于同一个裂纹区域的各个超像素块之间相似性程度较高,而位于不同裂纹区域的超像素块之间相似性程度较低,因此,该超像素块11与裂纹1上的各个超像素块(超像素块21和22)之间的第一特征指标Q位于一个小取值区间内,而该超像素块11与裂纹2上的各个超像素块(超像素块31和32)之间的第一特征指标Q位于另外一个小取值区间内,且这两个小取值区间内的第一特征指标Q取值相对较大。
为了准确确定任意一个超像素块与其他超像素块之间的第一特征指标所对应的取值区间的个数,可以采用现有技术中适用的聚类算法,对每一个超像素块与其他超像素块之间的第一特征指标进行聚类,并对聚类得到的类别数目进行统计,将出现次数最多的数目类别作为最终的取值区间数目,也就是取值区间的目标数目。若取值区间的目标数目为1,则判定待检测精密标准件表面不存在裂纹,否则判定待检测精密标准件表面存在裂纹。
当判定待检测精密标准件表面存在裂纹时,则根据发散光表面灰度图像中的像素点灰度值,确定各个裂纹区域,具体实现步骤包括:
(2-5)根据各个超像素块对应的种子点位置坐标,确定任意两个超像素块之间的第二特征指标。
由于裂纹是连续无规则的,且裂纹区域远远小于正常区域,故可根据超像素块之间的距离表征显著性第二特征指标。为了确定超像素块之间的距离,在超像素最终分割时,每个超像素块均有一个种子点,其坐标记为(x,y)。计算任意两个超像素块对应的种子点位置坐标之间的距离,并将其作为这两个超像素块之间的第二特征指标,对应的计算公式为:
其中,W为任意两个超像素块之间的第二特征指标,(xa,ya)为任意两个超像素块中的其中一个超像素块的坐标,(ya,yb)为任意两个超像素块中的另外一个超像素块的坐标。
(2-6)根据任意两个超像素块之间的第一特征指标和第二特征指标,将各个超像素块划分为K个超像素块组,所述K为取值区间的目标数目。
若根据上述步骤(2-4)所确定的取值区间的目标数目为K,且K为大于1的正整数,此时为了提高后续超像素块聚类的准确性,则根据任意两个超像素块之间的第一特征指标和第二特征指标,使用K-means聚类算法对各个超像素块进行准确聚类,即将第一特征指标和第二特征指标相对较小的超像素块划分为一个超像素块组,从而将各个超像素块划分为K个超像素块组,也就是对发散光表面灰度图像进行准确聚类,将图像分为正常区域与K-1个裂纹区域。
(2-7)根据K个超像素块组中的像素点灰度,确定K个超像素块组中的K-1个裂纹超像素块组。
由于发散光表面灰度图像中裂纹像素点的灰度值与正常像素点的灰度值之间存在明显差别,且正常像素点的灰度值相对较大,因此可以根据K个超像素块组中的像素点灰度,将K个超像素块组中的像素点灰度最大的超像素块组作为正常超像素块组,并将其他K-1个超像素块组作为K-1个裂纹超像素块组。
(2-8)根据K-1个裂纹超像素块组中的像素点灰度值,确定K-1个裂纹超像素块组对应的K-1个裂纹区域。
对于每一个裂纹超像素块组,根据该裂纹超像素块组中的像素点灰度值,将该裂纹超像素块组中的所有像素点聚类成两类,并将两类中像素灰度值较小的类别作为对应的裂纹区域。
(3)根据各个裂纹区域的位置,获取各个裂纹区域的不同入射夹角对应的平行光表面图像,进而得到各个裂纹区域的不同入射夹角对应的平行光表面灰度图像。
在通过上述步骤(2)确定各个裂纹区域之后,则根据各个裂纹区域的具***置,对每个裂纹区域在不同入射夹角下的平行光表面图像进行采集。在对每个裂纹区域在不同入射夹角下的平行光表面图像进行采集时,调整高精度工业相机位置,使其位于裂纹区域的正上方,且将光源调整为平行光入射,入射夹角为θ,即平行光光线与标准件水平表面之间的夹角为θ。
当平行光以入射夹角θ入射时,对于裂纹区域,由于光照角度的问题,裂纹内有些区域光线照射不到,在采集图像时,会出现阴影部分,后续可根据阴影部分大小以及入射夹角θ计算出裂纹的深度h,通过对入射夹角θ进行不断调整,使θ∈[0°,90°],可以计算出裂纹的最深深度hmax,进而可以确定裂纹的整体体积V。
在得到各个裂纹区域的不同入射夹角θ∈[0°,90°]对应的平行光表面图像之后,对这些平行光表面图像进行加权灰度化,从而得到各个裂纹区域的不同入射夹角θ∈[0°,90°]对应的平行光表面灰度图像。
(4)根据各个裂纹区域的位置,确定所述各个裂纹区域在不同入射夹角对应的平行光表面灰度图像中所对应的各个映射裂纹区域,并确定各个映射裂纹区域的边缘长度值和宽度值。
对于每一个裂纹区域,可根据该裂纹区域的位置,在其对应的不同入射夹角对应的平行光表面灰度图像中找到其对应的裂纹区域,为了便于区分,这里将该对应的裂纹区域称为映射裂纹区域。需要指出的是,每一个裂纹区域均对应多个平行光表面灰度图像,而平行光表面灰度图像中均存在一个映射裂纹区域,且这些映射裂纹区域的大小相同,但映射裂纹区域内的像素点灰度不同。因此,在得到每个裂纹区域所对应的各个映射裂纹区域之后,可确定其中一个映射裂纹区域的边缘长度值和宽度值,也就是映射裂纹区域实际的最大长度和最大宽度,并将其作为个映射裂纹区域的边缘长度值和宽度值。由于裂纹一般都比较细长,且其边缘是连续不规则的闭合曲线,因此在确定映射裂纹区域的边缘长度值时,可通过链码法获取映射裂纹区域的边缘周长,然后取该边缘周长的一半作为映射裂纹区域的边缘长度值。
(5)根据不同入射夹角对应的平行光表面灰度图像中的各个映射裂纹区域中的像素点灰度值,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目以及每条平行光相关线段的长度。
由于平行光以入射夹角θ入射,即平行光与裂纹区域边缘夹角为θ,θ∈[0°,90°],则会存在有一部分光线照射不到的裂纹区域,呈现在图像上,则为映射裂纹区域中光未照射到的区域灰度值与光照射到的区域灰度值明显不同。由于映射裂纹区域可看成是由多条水平线段依次排列形成,这些水平线段与平行光之间的夹角等于入射夹角θ,当平行光以入射夹角θ入射时,由于光照区域与光照射不到的区域灰度值差异很大,则这些水平线段上的像素灰度会有明显区别。
如图3所示,当平行光以入射夹角θ入射时,映射裂纹区域可看成是由多条水平线段l依次排列形成,由于这些水平线段l与平行光入射夹角θ有关,即这些水平线段与平行光之间的夹角等于入射夹角θ,因此这里将这些水平线段l称为平行光相关线段。如图4所示,当平行光以入射夹角θ入射时,映射裂纹区域上的某条平行光相关线段l1的右侧部分像素灰度会明显低于左侧部分像素灰度。
对于每个映射裂纹区域,对该映射裂纹区域内的每条平行光相关线段进行分析,可以获得平行光相关线段上的像素点个数m,又由于图像上的长度跟现实物体之间的长度是有一个相对应的转化关系,因此根据每个像素点所对应的实际长度,可以确定每条平行光相关线段的长度Z。由于每条平行光相关线段上光照区域与光照射不到的区域灰度值差异很大,故根据该平行光相关线段上每个像素点对应的灰度值,可以确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目,具体实现步骤包括:
(5-1)根据不同入射夹角对应的平行光表面灰度图像中的各个映射裂纹区域中的像素点灰度值,对各个映射裂纹区域中的每条平行光相关线段对应的各个像素点进行聚类,从而得到各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的两个像素点组。
具体的,根据每条平行光相关线段在不同入射夹角下的像素点灰度值,对每条平行光相关线段在不同入射夹角下对应的像素点进行K-means均值聚类,此处聚类中心个数K可设置为2,从而得到两个像素点组,一个是光照像素点组,一个是未受光照像素点组。
(5-2)根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的两个像素点组中的像素点灰度,确定两个像素点组中的光照像素点组和未受光照像素点组,从而得到各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目。
在上述步骤(5-1)的基础上,由于光照像素点组和未受光照像素点组中像素点的灰度值有明显区别,且光照像素点组中的像素点灰度值明显较大,因此可以将两个像素点组区分为光照像素点组和未受光照像素点组,记光照像素点组中的光照像素点数目为ma,未受光照像素点组中的未受光照像素点数目为mb,ma+mb=m。
(6)根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目、每条平行光相关线段的长度以及对应的不同入射夹角,确定各个映射裂纹区域的最大深度值和裂纹体积值。
在上述步骤(5)的基础上,可以得到每个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目和每条平行光相关线段的长度,再结合对应的入射夹角,可确定各个映射裂纹区域的最大深度值,具体实现步骤包括:
(6-1)根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目、每条平行光相关线段的长度以及对应的不同入射夹角,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的深度值,对应的计算公式为:
其中,h为各个映射裂纹区域中的每条平行光相关线段在入射夹角θ下对应的深度值,mb为各个映射裂纹区域中的每条平行光相关线段在入射夹角θ下对应的未受光照像素点数目,ma为各个映射裂纹区域中的每条平行光相关线段在入射夹角θ下对应的光照像素点数目,Z为各个映射裂纹区域中的每条平行光相关线段的长度。
(6-2)根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的深度值,确定各个映射裂纹区域的最大深度值。
对于每个映射裂纹区域,通过上述步骤(6-1),可以确定每条平行光相关线段在不同入射夹角θ∈[0°,90°]下对应的深度值h,找到每条平行光相关线段所对应的所有深度值h中的最大深度值,该对大深度值是指该平行光相关线段处所对应的裂纹的最深深度。然后确定所有平行光相关线段所对应的最大深度值中的最大值,并将其作为该映射裂纹区域的最大深度值。
在上述步骤(5)和(6-1)的基础上,还可以确定各个映射裂纹区域的裂纹体积值,具体实现步骤包括:
(6-3)根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目、未受光照像素点数目和每条平行光相关线段的长度,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照线段长度,对应的计算公式为:
其中,x为各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照线段长度,mb为各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的未受光照像素点数目,ma为各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目,Z为各个映射裂纹区域中的每条平行光相关线段的长度。
(6-4)根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照线段长度和深度值,确定各个映射裂纹区域中的每条平行光相关线段所对应的裂纹函数表达式。
对于每个映射裂纹区域中的每条平行光相关线段,其在入射夹角θ∈[0°,90°]下,每个θ对应了一个深度值h和光照线段长度x,即在每个θ下都能得到对应平行光相关线段下所对应的裂纹曲线上的一个点(x,h),对这些点进行拟合,从而可以得到平行光相关线段所对应的裂纹函数表达式,即h=F(x)。
(6-5)根据各个映射裂纹区域中的每条平行光相关线段所对应的裂纹函数表达式,确定各个映射裂纹区域中的每条平行光相关线段对应的裂纹体积值。
本实施例将三维立体的裂纹区域分割成A个小三维区域叠加构成,每个小三维区域是由对应的平行光相关线段下所对应的裂纹曲线所围成,那么在已知每条平行光相关线段所对应的裂纹函数表达式的基础上,即可得到每个小三维区域所对应的体积值,也就是每条平行光相关线段对应的裂纹体积值:
其中,S为各个映射裂纹区域中的每条平行光相关线段对应的裂纹体积值,a为各个映射裂纹区域中的每条平行光相关线段的宽度所表示的实际长度,F(x)为各个映射裂纹区域中的每条平行光相关线段所对应的裂纹函数表达式,Z为各个映射裂纹区域中的每条平行光相关线段的长度。
(6-6)对各个映射裂纹区域中的每条平行光相关线段对应的裂纹体积值进行累加,从而得到各个映射裂纹区域的裂纹体积值,对应的计算公式为:
其中,V为各个映射裂纹区域的裂纹体积值,Si为各个映射裂纹区域的第i条平行光相关线段对应的裂纹体积值,A为各个映射裂纹区域中的平行光相关线段的数目,当A越大时,对应的各个映射裂纹区域的裂纹体积值V就越精确。
(7)根据各个映射裂纹区域的边缘长度值、宽度值、最大深度值、体积值以及待检测精密标准件的尺寸值,确定待检测精密标准件的整体裂纹危害程度值,进而确定待检测精密标准件的裂纹危害等级。
通过上述步骤,可以确定各个映射裂纹区域的边缘长度值、宽度值、最大深度值和体积值,再结合待检测精密标准件的尺寸值,即标准件的长宽高a,b,c,可以确定待检测精密标准件的整体裂纹危害程度值,实现步骤包括:
(7-1)根据各个映射裂纹区域的边缘长度值、宽度值、最大深度值以及待检测精密标准件的尺寸值,确定各个映射裂纹区域的裂纹危害程度。
在本实施例中,待检测精密标准件的形状为标准长方体,待检测精密标准件的尺寸包括长度、宽度和高度,分别计算各个映射裂纹区域的边缘长度值与待检测精密标准件的长度的比值、各个映射裂纹区域的宽度值与待检测精密标准件的宽度的比值以及各个映射裂纹区域的最大深度值与待检测精密标准件的高度的比值;将各个映射裂纹区域对应的三个比值进行累加,从而得到各个映射裂纹区域的裂纹危害程度,对应的计算公式为:
其中,y为各个映射裂纹区域的裂纹危害程度,R为各个映射裂纹区域的边缘长度值,D为各个映射裂纹区域的宽度值,hmax为各个映射裂纹区域的最大深度值,a,b,c分别为待检测精密标准件的长宽高。
(7-2)根据各个映射裂纹区域的体积值以及待检测精密标准件的尺寸值,确定各个映射裂纹区域的裂纹危害权重值。
由于同一零件表面可能存在不同裂纹区域,故根据裂纹区域的体积大小为裂纹赋予不同的权重再对裂纹进行评估,体积越大,说明裂纹程度越大,故权重设置越大,以便于后续准确确定待检测精密标准件的整体裂纹危害程度值。具体的,各个映射裂纹区域的裂纹危害权重值对应的计算公式为:
其中,αi为第i个映射裂纹区域的裂纹危害权重值,Vi为第i个映射裂纹区域的体积值,a,b,c分别为待检测精密标准件的长宽高,也就是待检测精密标准件的尺寸值。
(7-3)根据各个映射裂纹区域的裂纹危害程度和裂纹危害权重值,确定待检测精密标准件的整体裂纹危害程度值,对应的计算公式为:
其中,Y为待检测精密标准件的整体裂纹危害程度值,Vi为第i个映射裂纹区域的体积值,yi为第i个映射裂纹区域的裂纹危害程度,U为映射裂纹区域的数目,U=K-1,a,b,c分别为待检测精密标准件的长宽高,也就是待检测精密标准件的尺寸值。
在得到待检测精密标准件的整体裂纹危害程度值Y之后,可基于该整体裂纹危害程度值Y对待检测精密标准件表面的裂纹进行评估。具体的,可以预先设置整体裂纹危害程度第一阈值Y1和整体裂纹危害程度第二阈值Y2,Y1小于Y2,当整体裂纹危害程度值Y小于整体裂纹危害程度第一阈值Y1时,说明待检测精密标准件的表面整体裂纹危害程度较轻,不影响正常使用,此时判定待检测精密标准件为一级整体裂纹危害等级;当整体裂纹危害程度值Y不小于整体裂纹危害程度第一阈值Y1时且不大于整体裂纹危害程度第二阈值Y2时,说明待检测精密标准件的表面整体裂纹危害程度中等,需要进一步确认检测精密标准件能否正常使用,此时判定待检测精密标准件为二级整体裂纹危害等级;当整体裂纹危害程度值Y大于整体裂纹危害程度第二阈值Y2时,说明待检测精密标准件的表面整体裂纹危害程度较重,一定影响正常使用,此时判定待检测精密标准件为三级整体裂纹危害等级。
另外,由于上述基于待检测精密标准件的整体裂纹危害程度值Y,实现的是对待检测精密标准件的整体裂纹危害等级进行判定。但是考虑到即使整体裂纹危害程度值Y较小,但当个别映射裂纹区域的裂纹危害程度较大时,依旧会影响到待检测精密标准件的使用情况,基于这种考虑,本实施例还对单一映射裂纹区域的裂纹危害程度进行判断。
具体的,根据上述裂纹危害程度y的计算公式可知,y的取值范围为[0,3],当y的取值处于[0,0.1]范围内时,可认为出现的裂纹为轻微裂纹,不影响性能,此时判定该映射裂纹区域的裂纹危害等级为一级;当y的取值处于[0.1,0.5]范围内时,可认为出现的裂纹较大,性能降低,此时判定该映射裂纹区域的裂纹危害等级为二级;当y的取值处于[0.5,3]范围内时,可认为出现的裂纹过大,标准件无法使用,此时判定该映射裂纹区域的裂纹危害等级为三级。
本发明利用可见光获取待检测精密标准件的发散光表面图像和平行光表面图像,并基于这些图像进行材料分析和测试,可对裂纹进行长度、宽度、深度和体积等综合特征检测,实现了精密标准件表面的裂纹精准分析,有效提高了标准件裂纹检测的精确度。
需要说明的是:以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种精密标准件表面裂纹检测方法,其特征在于,包括以下步骤:
获取待检测精密标准件的发散光表面图像,进而得到发散光表面灰度图像;
根据发散光表面灰度图像中的像素点灰度值,判断待检测精密标准件表面是否存在裂纹,若存在裂纹,则确定各个裂纹区域;
根据各个裂纹区域的位置,获取各个裂纹区域的不同入射夹角对应的平行光表面图像,进而得到各个裂纹区域的不同入射夹角对应的平行光表面灰度图像;
根据各个裂纹区域的位置,确定所述各个裂纹区域在不同入射夹角对应的平行光表面灰度图像中所对应的各个映射裂纹区域,并确定各个映射裂纹区域的边缘长度值和宽度值;
根据不同入射夹角对应的平行光表面灰度图像中的各个映射裂纹区域中的像素点灰度值,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目以及每条平行光相关线段的长度;
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目、每条平行光相关线段的长度以及对应的不同入射夹角,确定各个映射裂纹区域的最大深度值和裂纹体积值;
根据各个映射裂纹区域的边缘长度值、宽度值、最大深度值、体积值以及待检测精密标准件的尺寸值,确定待检测精密标准件的整体裂纹危害程度值,进而确定待检测精密标准件的裂纹危害等级;
确定各个映射裂纹区域的最大深度值的步骤包括:
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目、每条平行光相关线段的长度以及对应的不同入射夹角,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的深度值;
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的深度值,确定各个映射裂纹区域的最大深度值;
确定各个映射裂纹区域的体积值的步骤包括:
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目、未受光照像素点数目和每条平行光相关线段的长度,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照线段长度;
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照线段长度和深度值,确定各个映射裂纹区域中的每条平行光相关线段所对应的裂纹函数表达式;
根据各个映射裂纹区域中的每条平行光相关线段所对应的裂纹函数表达式,确定各个映射裂纹区域中的每条平行光相关线段对应的裂纹体积值;
对各个映射裂纹区域中的每条平行光相关线段对应的裂纹体积值进行累加,从而得到各个映射裂纹区域的裂纹体积值。
2.根据权利要求1所述的精密标准件表面裂纹检测方法,其特征在于,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的深度值对应的计算公式为:
其中,为各个映射裂纹区域中的每条平行光相关线段在入射夹角/>下对应的深度值,为各个映射裂纹区域中的每条平行光相关线段在入射夹角/>下对应的未受光照像素点数目,/>为各个映射裂纹区域中的每条平行光相关线段在入射夹角/>下对应的光照像素点数目,/>为各个映射裂纹区域中的每条平行光相关线段的长度。
3.根据权利要求1所述的精密标准件表面裂纹检测方法,其特征在于,确定各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目的步骤包括:
根据不同入射夹角对应的平行光表面灰度图像中的各个映射裂纹区域中的像素点灰度值,对各个映射裂纹区域中的每条平行光相关线段对应的各个像素点进行聚类,从而得到各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的两个像素点组;
根据各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的两个像素点组中的像素点灰度,确定两个像素点组中的光照像素点组和未受光照像素点组,从而得到各个映射裂纹区域中的每条平行光相关线段在不同入射夹角下对应的光照像素点数目和未受光照像素点数目。
4.根据权利要求1所述的精密标准件表面裂纹检测方法,其特征在于,确定待检测精密标准件的整体裂纹危害程度值的步骤包括:
根据各个映射裂纹区域的边缘长度值、宽度值、最大深度值以及待检测精密标准件的尺寸值,确定各个映射裂纹区域的裂纹危害程度;
根据各个映射裂纹区域的体积值以及待检测精密标准件的尺寸值,确定各个映射裂纹区域的裂纹危害权重值;
根据各个映射裂纹区域的裂纹危害程度和裂纹危害权重值,确定待检测精密标准件的整体裂纹危害程度值。
5.根据权利要求4所述的精密标准件表面裂纹检测方法,其特征在于,确定各个映射裂纹区域的裂纹危害程度的步骤包括:
所述待检测精密标准件的形状为长方体,所述待检测精密标准件的尺寸包括长度、宽度和高度,分别计算各个映射裂纹区域的边缘长度值与待检测精密标准件的长度的比值、各个映射裂纹区域的宽度值与待检测精密标准件的宽度的比值以及各个映射裂纹区域的最大深度值与待检测精密标准件的高度的比值;
将各个映射裂纹区域对应的三个比值进行累加,从而得到各个映射裂纹区域的裂纹危害程度。
6.根据权利要求1所述的精密标准件表面裂纹检测方法,其特征在于,判断待检测精密标准件表面是否存在裂纹的步骤包括:
根据发散光表面灰度图像中的像素点灰度值,对发散光表面灰度图像进行超像素分割,得到各个超像素块;
对各个超像素块中的像素点灰度值进行统计,从而得到各个超像素块对应的灰度直方图;
根据各个超像素块对应的灰度直方图,确定任意两个超像素块之间的第一特征指标;
确定任意一个超像素块与其他超像素块之间的第一特征指标对应的取值区间的数目,进而确定取值区间的目标数目,若目标数目为1,则判定待检测精密标准件表面不存在裂纹,否则判定待检测精密标准件表面存在裂纹。
7.根据权利要求6所述的精密标准件表面裂纹检测方法,其特征在于,若存在裂纹,则确定各个裂纹区域的步骤包括:
根据各个超像素块对应的种子点位置坐标,确定任意两个超像素块之间的第二特征指标;
根据任意两个超像素块之间的第一特征指标和第二特征指标,将各个超像素块划分为K个超像素块组,所述K为取值区间的目标数目;
根据K个超像素块组中的像素点灰度,确定K个超像素块组中的K-1个裂纹超像素块组;
根据K-1个裂纹超像素块组中的像素点灰度值,确定K-1个裂纹超像素块组对应的K-1个裂纹区域。
8.根据权利要求6所述的精密标准件表面裂纹检测方法,其特征在于,确定任意两个超像素块之间的第一特征指标对应的计算公式为:
其中,为任意两个超像素块之间的第一特征指标,/>为任意两个超像素块中的第一个超像素块对应的灰度直方图中第i个灰度级对应的频率值,/>为任意两个超像素块中的第二个超像素块对应的灰度直方图中第i个灰度级对应的频率值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432068.1A CN114894804B (zh) | 2022-04-22 | 2022-04-22 | 一种精密标准件表面裂纹检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432068.1A CN114894804B (zh) | 2022-04-22 | 2022-04-22 | 一种精密标准件表面裂纹检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114894804A CN114894804A (zh) | 2022-08-12 |
CN114894804B true CN114894804B (zh) | 2024-06-21 |
Family
ID=82716877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210432068.1A Active CN114894804B (zh) | 2022-04-22 | 2022-04-22 | 一种精密标准件表面裂纹检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114894804B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170572B (zh) * | 2022-09-08 | 2022-11-08 | 山东瑞峰新材料科技有限公司 | 一种bopp复合薄膜表面涂胶质量监测方法 |
CN115452845B (zh) * | 2022-11-14 | 2023-01-13 | 深圳市晶台股份有限公司 | 一种基于机器视觉的led屏幕表面损伤检测方法 |
CN115880304B (zh) * | 2023-03-08 | 2023-05-09 | 曲阜市巨力铁路轨道工程股份有限公司 | 基于复杂场景下的枕轨缺陷识别方法 |
CN117455870B (zh) * | 2023-10-30 | 2024-04-16 | 太康精密(中山)有限公司 | 一种连接线和连接器质量视觉检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109727244A (zh) * | 2019-01-18 | 2019-05-07 | 深圳至汉装备科技有限公司 | 一种磁瓦表面裂纹检测方法 |
CN113538433A (zh) * | 2021-09-17 | 2021-10-22 | 海门市创睿机械有限公司 | 基于人工智能的机械铸件缺陷检测方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5385593B2 (ja) * | 2008-11-18 | 2014-01-08 | 大成建設株式会社 | ひび割れ検出方法 |
JP2011058939A (ja) * | 2009-09-09 | 2011-03-24 | Panasonic Electric Works Co Ltd | 外観検査装置、外観検査方法 |
WO2017057363A1 (ja) * | 2015-10-01 | 2017-04-06 | 富士フイルム株式会社 | ひび割れ検出装置、ひび割れ検出方法、及びプログラム |
CN113935992B (zh) * | 2021-12-15 | 2022-03-22 | 武汉和众成设备工贸有限公司 | 基于图像处理的抗油污干扰的齿轮裂纹检测方法与*** |
-
2022
- 2022-04-22 CN CN202210432068.1A patent/CN114894804B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109727244A (zh) * | 2019-01-18 | 2019-05-07 | 深圳至汉装备科技有限公司 | 一种磁瓦表面裂纹检测方法 |
CN113538433A (zh) * | 2021-09-17 | 2021-10-22 | 海门市创睿机械有限公司 | 基于人工智能的机械铸件缺陷检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114894804A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114894804B (zh) | 一种精密标准件表面裂纹检测方法 | |
CN113689428B (zh) | 基于图像处理的机械零件应力腐蚀检测方法及*** | |
CN115311292B (zh) | 基于图像处理的带钢表面缺陷检测方法及*** | |
CN106778734B (zh) | 一种基于稀疏表示的绝缘子掉串缺陷检测方法 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
CN108960198A (zh) | 一种基于残差ssd模型的交通标志检测与识别方法 | |
CN104008399B (zh) | 一种仪表检测中基于支持向量机的仪表指针抖动的识别方法 | |
CN108121985A (zh) | 一种基于机器视觉的双指针仪表读数方法 | |
CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN115249246A (zh) | 一种光学玻璃表面缺陷检测方法 | |
CN103810722A (zh) | 结合改进的lbp纹理和色度信息的运动目标检测方法 | |
CN106373146A (zh) | 一种基于模糊学习的目标跟踪方法 | |
CN108664939A (zh) | 一种基于hog特征与深度学习的遥感图像飞机识别方法 | |
CN100351851C (zh) | 基于数学形态学和概率统计的虹膜定位方法 | |
CN117372436B (zh) | 基于图像数据的风电叶片故障检测方法 | |
CN106157323A (zh) | 一种动态分块阈值和块搜索结合的绝缘子分割提取方法 | |
CN109726649B (zh) | 遥感影像云检测方法、***及电子设备 | |
CN115994907B (zh) | 用于食品检测机构综合信息的智能处理***及方法 | |
CN104458747A (zh) | 一种水稻垩白测算方法 | |
CN116309599B (zh) | 基于污水前置处理的水质视觉监测方法 | |
CN110751172A (zh) | 一种弱监督学习的病理全片图像类别推断方法及其*** | |
CN105205816A (zh) | 多特征加权融合的高分辨率sar影像建筑区提取方法 | |
CN115841488A (zh) | 一种基于计算机视觉的pcb板的检孔方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240531 Address after: No.13 Wensu Street, Hunnan District, Shenyang City, Liaoning Province, 110000 Applicant after: Liaoning zhongkeliler Testing Technology Service Co.,Ltd. Country or region after: China Address before: 226000 No. 998, Renmin South Road, Yudong Town, Haimen City, Nantong City, Jiangsu Province Applicant before: Jiangsu mingou Precision Machinery Co.,Ltd. Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |