CN115047162B - 一种钢管热处理的缺陷检测方法及*** - Google Patents
一种钢管热处理的缺陷检测方法及*** Download PDFInfo
- Publication number
- CN115047162B CN115047162B CN202210720702.1A CN202210720702A CN115047162B CN 115047162 B CN115047162 B CN 115047162B CN 202210720702 A CN202210720702 A CN 202210720702A CN 115047162 B CN115047162 B CN 115047162B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- defect
- steel pipe
- result
- detection
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 247
- 238000001514 detection method Methods 0.000 title claims abstract description 216
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 174
- 239000010959 steel Substances 0.000 title claims abstract description 174
- 238000010438 heat treatment Methods 0.000 title claims abstract description 80
- 238000011156 evaluation Methods 0.000 claims abstract description 216
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000010276 construction Methods 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims description 42
- 238000010191 image analysis Methods 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 4
- 238000004513 sizing Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 abstract description 13
- 230000000694 effects Effects 0.000 abstract description 8
- 230000006872 improvement Effects 0.000 abstract description 6
- 239000002184 metal Substances 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 239000000956 alloy Substances 0.000 description 3
- 229910045601 alloy Inorganic materials 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005261 decarburization Methods 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/20—Metals
- G01N33/204—Structure thereof, e.g. crystal structure
- G01N33/2045—Defects
-
- 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
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Heat Treatment Of Articles (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明提供了一种钢管热处理的缺陷检测方法及***,涉及电数字数据处理相关技术领域,通过获得钢管的基础信息和应力集中评价结果;根据基础信息和所应力集中评价结果进行钢管的集中检测值评价,生成集中检测值评价结果;根据集中检测值评价结果进行图像采集分析,生成显性缺陷评价参数;根据应力集中评价结果与显性缺陷评价参数进行关联关系构建,生成所述显性缺陷参数的隐性影响参数;根据显性缺陷参数和隐性影响参数生成缺陷检测结果,解决了在降低数据处理运算量的情况下,提高缺陷检测精度的技术问题,达到为热处理工艺改进提高方向以及避免不达标工件被继续使用而造成安全事故发生的技术效果。
Description
技术领域
本发明涉及电数字数据处理相关技术领域,具体涉及一种钢管热处理的缺陷检测方法及***。
背景技术
金属热处理是机械制造中的关键工序,金属热处理通过将金属或者合金工件放到一定的介质中,然后对其进行加热,加热到合适温度之后对其进行一定时间的保温,又以不同冷却速度在不同介质中进行冷却的过程,金属热处理可以改变金属工件表面或者内部的显微组织结构,进而达到对工件力学性能控制的一种工艺。
金属热处理通过对材料显微组织的控制,能够很好的改善材料的力学性能,但也会伴随一些缺陷产生,例如,由于热处理工艺设计不合理造成工件力学性能不达标、工件尺寸变形量过大、工件表面及内部裂纹、过热、表面脱碳氧化严重等缺陷。
工件热处理后的缺陷检测是影响其使用性能最关键的因素,也是用户最关心的指标,传统的检测方法具有一定的局限性,尤其是对人工的要求较高,精确度受人为因素影响较大,随着科技的发展,智能化缺陷检测得到发展,但目前利用人工智能进行缺陷检测时发现,数据处理运算量较大,本申请提供了一种钢管热处理的缺陷检测方法及***,旨在解决如何能在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度的技术问题。
发明内容
本申请提供了一种钢管热处理的缺陷检测方法及***,用于解决如何能在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度的技术问题,达到在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度,进而为热处理工艺改进提高方向以及避免不达标工件被继续使用而造成安全事故发生的技术效果。
鉴于上述问题,本申请提供了一种钢管热处理的缺陷检测方法及***。
第一方面,本申请实施例提供了一种钢管热处理的缺陷检测方法,所述方法应用于缺陷检测***,所述缺陷检测***与图像采集设备、应力测定设备通信连接,所述方法包括:采集钢管的基础信息,其中,所述钢管为热处理后钢管,且所述基础信息包括尺寸信息、材质信息和热处理信息;通过所述应力测定设备进行所述钢管的应力检测,并根据检测结果生成应力集中评价结果;根据所述基础信息和所述应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果;根据所述集中检测值评价结果基于所述图像采集设备进行图像采集分析,生成显性缺陷评价参数;根据所述应力集中评价结果与所述显性缺陷评价参数进行关联关系构建,并基于关联关系构建结果生成所述显性缺陷参数的隐性影响参数;根据所述显性缺陷参数和所述隐性影响参数生成缺陷检测结果。
第二方面,本申请实施例提供了一种钢管热处理的缺陷检测***,所述***包括:信息采集模块,所述信息采集模块用于采集钢管的基础信息,其中,所述钢管为热处理后钢管,且所述基础信息包括尺寸信息、材质信息和热处理信息;应力测定模块,所述应力测定模块用于通过所述应力测定设备进行所述钢管的应力检测,并根据检测结果生成应力集中评价结果;集中检测值评价模块,所述集中检测值评价模块用于根据所述基础信息和所述应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果;图像分析模块,所述图像分析模块用于根据所述集中检测值评价结果基于所述图像采集设备进行图像采集分析,生成显性缺陷评价参数;隐性影响参数生成模块,所述隐性影响参数生成模块用于根据所述应力集中评价结果与所述显性缺陷评价参数进行关联关系构建,并基于关联关系构建结果生成所述显性缺陷参数的隐性影响参数;缺陷检测结果生成模块,所述缺陷检测结果生成模块用于根据所述显性缺陷参数和所述隐性影响参数生成缺陷检测结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种钢管热处理的缺陷检测方法及***,通过采集钢管的基础信息,其中,所述钢管为热处理后钢管,且所述基础信息包括尺寸信息、材质信息和热处理信息;通过所述应力测定设备进行所述钢管的应力检测,并根据检测结果生成应力集中评价结果;根据所述基础信息和所述应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果;根据所述集中检测值评价结果基于所述图像采集设备进行图像采集分析,生成显性缺陷评价参数;根据所述应力集中评价结果与所述显性缺陷评价参数进行关联关系构建,并基于关联关系构建结果生成所述显性缺陷参数的隐性影响参数;根据所述显性缺陷参数和所述隐性影响参数生成缺陷检测结果。解决了如何能在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度的技术问题,达到在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度,进而为热处理工艺改进提高方向以及避免不达标工件被继续使用而造成安全事故发生的技术效果。
附图说明
图1为本申请提供的一种钢管热处理的缺陷检测方法的流程示意图;
图2为本申请提供的一种钢管热处理的缺陷检测方法中生成集中检测值评价结果的流程示意图;
图3为本申请提供的利用缺陷检测***与超声探伤设备通信连接获得缺陷检测结果的流程示意图;
图4为本申请提供的利用缺陷检测***与尺寸测定设备通信连接获得缺陷检测结果的流程示意图;
图5为本申请提供的一种钢管热处理的缺陷检测方法中生成显性缺陷评价参数的流程示意图;
图6为本申请提供的一种钢管热处理的缺陷检测***结构示意图;
附图标记说明:信息采集模块100,应力测定模块200,集中检测值评价模块300,图像分析模块400,隐性影响参数生成模块500,缺陷检测结果生成模块600。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请通过提供一种钢管热处理的缺陷检测方法及***,用于解决如何能在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度的技术问题,达到在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度,进而为热处理工艺改进提高方向以及避免不达标工件被继续使用而造成安全事故发生的技术效果。
实施例一
如图1所示,本申请提供了一种钢管热处理的缺陷检测方法,所述方法应用于缺陷检测***,所述缺陷检测***与图像采集设备、应力测定设备通信连接,所述方法包括:
S100:采集钢管的基础信息,其中,所述钢管为热处理后钢管,且所述基础信息包括尺寸信息、材质信息和热处理信息;
具体而言,人工智能技术可以有效的克服人工检测的缺点,其主要的实现方式为图像处理技术,采用机器视觉来针对金属热处理后钢管表面的质量进行判别,综合了计算机技术、智能识别和数字图像处理等技术,在缺陷检测中发挥着重要作用。
本申请实施例中,对热处理后钢管的基础信息进行采集,采集的基础信息中包括钢管的尺寸信息、材质信息和热处理信息,通过对热处理后钢管的基础信息进行采集,为后续钢管热处理的缺陷检测提供数据支持。
S200:通过所述应力测定设备进行所述钢管的应力检测,并根据检测结果生成应力集中评价结果;
具体而言,钢管在加热和冷却过程中,由于表面和内部的加热或者冷却速度不均匀而产生内应力,加之热处理后因材料显微组织转变的不等时性也会产生应力,残余到钢管表面和内部,当热处理产生的应力超过钢管的屈服强度时会产生变形,超过钢管的最大强度极限就会产生开裂,对钢管的性能产生极大影响。
本申请实施例中通过应力测定设备对热处理后的钢管进行应力检测,并根据应力检测结果生成应力集中评价结果,所述应力集中评价结果为钢管不同位置对应的应力集中情况。
金属热处理之后会在工件表面和内部产生残余应力,对钢管的形状、尺寸和性能都有极为重要的影响,热处理残余应力
S300:根据所述基础信息和所述应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果;
具体而言,根据获得的热处理后钢管的基础信息和应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果,所述集中检测值评价结果为对钢管的哪些区域需要进行重点检测的评价结果。示例性的,钢管的形状有多种,包含有拐角的区域和平滑的区域,在钢管的拐角位置应力集中现象比较明显,加大对拐角位置以及拐角位置附近区域的检测力度,集中对拐角及其附近区域进行缺陷检测,降低对平滑区域的检测力度。通过钢管的基础信息和应力集中信息设置集中检测值评价结果为后续图像采集策略提供方向,可以根据集中检测值评价结果来制定不同的图像采集方案,对于集中检测值大的区域重点检测,对于集中检测值低的区域降低检测力度,达到减少对不重要图像的采集,进而降低数据运算量的目的。
进一步的,如图2所示,本申请实施例提供的方法中的步骤S300的一种实施方式,包括:
S310:根据所述基础信息进行所述钢管的形状解析,基于形状解析结果进行异常占比评价,生成形状异常评价系数;
S320:根据所述应力集中评价结果进行应力分布关联评价,生成应力关联异常评价系数;
S330:根据所述形状异常评价系数和所述应力关联异常评价系数进行所述钢管的各位置异常值计算,根据计算结果获得所述集中检测值评价结果。
具体而言,热处理后钢管的基础信息中包含钢管的尺寸信息,根据热处理后钢管的基础信息进行形状解析,钢管的形状有很多种,除了圆形钢管外还有异形钢管,例如,不等边多边形管、带肋管、扭异管等,基于形状解析结果进行异常占比评价,生成形状异常评价系数,所述异常占比评价为对钢管中形状异形度的评价,示例性的,假设钢管中30度拐角对应的异常评价系数为0.6,则钢管中45度拐角对应的异常评价系数为0.8,和平滑相比,形状越复杂异常评价系数越大;根据所述钢管应力集中评价结果进行应力分布关联评价,生成应力关联异常评价系数,所述应力分布关联性评价为不同应力集中点之间的关联性评价;根据所述形状异常评价系数和所述应力关联异常评价系数进行所述钢管的各位置异常值计算,根据计算结果获得所述集中检测值评价结果,获得哪些区域需要重点检测,哪些区域可以适当放松检测,达到根据不同位置的形状异常和应力分布情况来实现对钢管检测策略的确定,在降低图像采集的数量的前提下,提高缺陷检测精度。
S400:根据所述集中检测值评价结果基于所述图像采集设备进行图像采集分析,生成显性缺陷评价参数;
具体而言,在获得钢管各位置的集中检测值评价结果之后,根据所述集中检测值评价结果利用图像采集设备对钢管的不同位置进行图像采集分析,生成显性缺陷评价参数,所述显性缺陷评价参数为对于不同严重程度的显性缺陷进行评价的参数,可以根据显性缺陷的大小以及种类来确定显性缺陷评价参数,例如,对于不同种类的缺陷,例如,脱碳、氧化、变形、裂纹以及不同种类缺陷对应的大小进行显性缺陷评价,获得显性缺陷评价参数。
S500:根据所述应力集中评价结果与所述显性缺陷评价参数进行关联关系构建,并基于关联关系构建结果生成所述显性缺陷评价参数的隐性影响参数;
S600:根据所述显性缺陷评价参数和所述隐性影响参数生成缺陷检测结果。
具体而言,根据所述应力集中评价结果与所述显性缺陷评价参数进行关联关系构建,例如,构建应力集中区域一定距离内显性缺陷的大小、种类和数量等之间的关联关系,并基于关联关系构建结果生成所述显性缺陷评价参数的隐性影响参数,所述隐性影响参数为应力分布对显性缺陷可能造成的隐性影响系数;最后根据所述显性缺陷评价参数和所述隐性影响参数生成缺陷检测结果,达到在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度,进而为热处理工艺改进提高方向以及避免不达标工件被继续使用而造成安全事故发生的技术效果。
进一步的,所述缺陷检测***与超声探伤设备通信连接,如图3所示,所述方法还包括:
S710:通过所述超声探伤设备进行所述钢管的超声探伤检测,得到波形数据;
S720:通过大数据构建钢管内部缺陷集合;
S730:根据所述钢管内部缺陷集合对波形信息进行缺陷波形特征提取,得到波形特征集合,其中,所述钢管内部缺陷集合与所述波形特征集合具有对应关系;
S740:根据所述波形特征集合和所述钢管内部缺陷集合进行所述波形数据的匹配识别,根据匹配识别结果获得内部缺陷评价结果;
S750:根据所述内部缺陷评价结果生成所述缺陷检测结果。
具体而言,所述缺陷检测***与超声探伤设备通信连接,通过所述超声探伤设备进行所述钢管的超声探伤检测,得到波形数据,所属波形数据为对热处理后钢管进行超声探伤获得的波形数据;通过大数据构建钢管内部缺陷集合,所述大数据中包含有各种金属缺陷以及对应的波形信息;根据所述钢管内部缺陷集合对波形信息进行缺陷波形特征提取,优选的,为了降低数据处理计算量,在对缺陷波形特征进行提取过程中,对波形中的关键特征进行提取,例如,只提取峰值系数、波形系数、偏度因子来实现对波形特征的提取,得到波形特征集合,所述钢管内部缺陷集合与所述波形特征集合具有对应关系,即每种缺陷可能对应一个或多个波形特征;将对热处理后钢管进行超声探伤检测获得的波形数据与波形特征集合进行匹配识别,匹配成功后根据波形特征集合与钢管内部缺陷集合之前的对应关系获得内部缺陷评价结果,最后根据内部缺陷评价结果生成所述缺陷检测结果,达到在尽量降低数据计算量的情况下,提高缺陷检测精度的目的。
更进一步的,所述方法还包括:
S731:设定特征相似评价约束系数,根据所述特征相似评价约束系数进行所述钢管内部缺陷集合中各缺陷的波形特征进行比对约束;
S732:当存在缺陷的波形特征的相似评价不满足所述特征相似评价约束系数时,则根据缺陷对应的波形进行新增区隔波形特征添加,根据添加结果完成所述波形特征集合的构建;
S733:根据构建完成的所述波形特征集合进行所述波形数据匹配,根据匹配结果和所述钢管内部缺陷集合生成所述内部缺陷评价结果。
具体而言,在对波形信息进行缺陷波形特征提取过程中由于只提取了部分关键参数,可能会造成差异不大的两个缺陷对应同一个波性特征,为了对差异不大的缺陷进行进一步的区分,设定特征相似评价约束系数,所述特征相似评价约束系数可以根据以往经验获得,根据所述特征相似评价约束系数进行所述钢管内部缺陷集合中各缺陷的波形特征进行比对约束;当存在缺陷的波形特征的相似评价不满足所述特征相似评价约束系数时,例如,假设特征相似评价约束系数为80%,当两个不同缺陷对应的波性特征相似度超过80%时,为不满足所述特征相似评价约束系数,在大数据中根据曲线对应的波形进行新增区隔波形特征添加,即,增加一个特征提取关键参数,该参数可以区分两个缺陷,根据添加结果完成所述波形特征结合的构建,根据构建完成的所述波形特征集合进行所述波形数据匹配,根据匹配结果和所述钢管内部缺陷集合生成所述内部缺陷评价结果,达到尽量利用最少的数据处理就可完成对缺陷评价结果的确定。
进一步的,所述缺陷检测***与尺寸测定设备通信连接,如图4所示,所述方法还包括:
S810:根据钢管的原始设计尺寸信息生成形变约束评价参数;
S820:对所述图像采集设备的采集图像进行形变分析,确定形变分析基准;
S830:基于所述形变分析基准通过所述尺寸测定设备进行尺寸采集,根据尺寸采集结果生成形变缺陷参数;
S840:根据所述形变缺陷参数和所述形变约束评价参数得到形变缺陷信息;
S850:将所述形变缺陷信息添加至所述缺陷检测结果。
具体而言,所述缺陷检测***与尺寸测定设备通信连接,根据钢管的原始设计尺寸信息生成形变约束评价参数,所述形变约束评价参数根据钢管能够进行修正的最大变形量来确定,例如,可以将形变约束评价参数对应的最大形变量设定为5%;优选的,当热处理后钢管形变量超出5%时,钢管直接报废,无法继续后续使用,当热处理后钢管形变量低于5%,还可以对钢管通过修正的方式继续使用;对所述图像采集设备的采集图像进行形变分析,确定形变分析基准,优选的,可以以钢管的中心轴线作为形变分析的基准线,通过所述尺寸测定设备对热处理后钢管进行尺寸采集,根据尺寸采集结果生成形变缺陷参数,根据所述形变缺陷参数和所述形变约束评价参数得到形变缺陷信息;优选的,所述形变缺陷信息包括该钢管能否通过修正方式继续使用,以及形变量大小等信息;将所述形变缺陷信息添加至所述缺陷检测结果,达到对热处理后钢管形变缺陷的获得。
如图5所述,本申请实施例提供的方法中的步骤S400还包括:
S410:对所述图像采集设备的图像采集结果进行位置标识,得到位置标识图像;
S420:通过所述集中检测值评价结果和所述位置标识图像生成图像特征匹配的幅度和频次约束参数;
S430:根据所述幅度和频次约束参数进行所述图像采集结果的特征匹配和图像分析,生成所述显性缺陷评价参数。
具体而言,对利用图像采集设备获得的热处理后钢管表面图像进行位置标识,得到具有位置标识的图像,能根据图像反映出采集的是钢管哪个位置的图像,通过所述集中检测值评价结果和所述位置标识图像生成图像特征匹配的幅度和频次约束参数,例如,对于集中检测值结果较高的钢管表面位置,即该位置是需要进行重点检测的位置,在对该位置采集的图像进行特征匹配和图像分析时可以降低特征匹配的幅度和增加特征匹配频次;对于集中检测值结果较低的钢管表面位置,该位置不需要进行重点检测的位置,在对该采集的图像进行特征匹配和图像分析时可以增加特征匹配的幅度和降低特征匹配频次;根据所述幅度和频次约束参数进行所述图像采集结果的特征匹配和图像分析,生成所述显性缺陷评价参数,达到在对钢管热处理的缺陷进行检测的同时降低数据运算量的目的。
进一步的,本申请实施例提供的方法中的步骤S600之后,所述方法还包括:
S910:获得所述钢管的实际缺陷检测结果;
S920:判断所述实际缺陷检测结果与所述缺陷检测结果的一致性是否满足预期阈值;
S930:当所述一致性不满足所述预期阈值时,生成异常补偿特征;
S940:根据所述异常补偿特征进行后续钢管缺陷检测的检测补偿。
具体而言,获得所述钢管的实际缺陷检测结果,所述实际缺陷检测结果为通过其他权威检测方法获得的该钢管热处理后的缺陷检测结果,将所述实际缺陷检测结果与所述缺陷检测结果之间进行差异性比较,判断所述实际缺陷检测结果与所述缺陷检测结果的一致性是否满足预期阈值,当所述一致性不满足所述预期阈值时,说明所述检测结果的准确性还有待提高,生成异常补偿特征;根据所述异常补偿特征进行后续钢管缺陷检测的检测补偿;本申请实施例中利用所述钢管的实际缺陷检测结果和所述缺陷检测结果之间的差异性比较结果,根据差异性比较结果来生成异常补偿特征,来达到对本申请缺陷检测方法的修正,达到提高缺陷检测结果准确性的目的。
综上所述,本申请实施例所提供的一种钢管热处理的缺陷检测方法具有如下技术效果:
1. 本申请实施例提供的一种钢管热处理的缺陷检测方法,通过采集钢管的基础信息,其中,所述钢管为热处理后钢管,且所述基础信息包括尺寸信息、材质信息和热处理信息;通过所述应力测定设备进行所述钢管的应力检测,并根据检测结果生成应力集中评价结果;根据所述基础信息和所述应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果;根据所述集中检测值评价结果基于所述图像采集设备进行图像采集分析,生成显性缺陷评价参数;根据所述应力集中评价结果与所述显性缺陷评价参数进行关联关系构建,并基于关联关系构建结果生成所述显性缺陷评价参数的隐性影响参数;根据所述显性缺陷评价参数和所述隐性影响参数生成缺陷检测结果。解决了如何能在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度的技术问题,达到在降低数据处理运算量的情况下,提高钢管热处理的缺陷检测精度,进而为热处理工艺改进提高方向以及避免不达标工件被继续使用而造成安全事故发生的技术效果。
2.本申请实施例通过钢管的基础信息和应力集中信息设置集中检测值评价结果,并给出了集中检测值评价结果的获取方法,为后续图像采集策略提供方向,可以根据集中检测值评价结果来制定不同的图像采集方案,对于集中检测值大的区域重点检测,对于集中检测值低的区域降低检测力度,达到减少对不重要图像的采集,进而降低数据运算量。
3.本申请实施例在对缺陷波形特征进行提取过程中,对波形中的关键特征进行提取,进一步的,通过新增区隔波形特征添加来达到对相近缺陷的区分,达到在尽量降低数据计算量的情况下,提高缺陷检测精度的目的。
4.本申请实施例中通过所述集中检测值评价结果,设置不同的幅度和频次约束参数进行图像的特征匹配和图像分析,生成所述显性缺陷评价参数,达到在对钢管热处理的缺陷进行检测的同时降低数据运算量的目的。
实施例二
基于与前述实施例中一种钢管热处理的缺陷检测方法相同的发明构思,如图6所示,本申请提供了一种钢管热处理的缺陷检测***,其中,所述***包括:
信息采集模块100,所述信息采集模块用于采集钢管的基础信息,其中,所述钢管为热处理后钢管,且所述基础信息包括尺寸信息、材质信息和热处理信息;
应力测定模块200,所述应力测定模块用于通过所述应力测定设备进行所述钢管的应力检测,并根据检测结果生成应力集中评价结果;
集中检测值评价模块300,所述集中检测值评价模块用于根据所述基础信息和所述应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果;
图像分析模块400,所述图像分析模块用于根据所述集中检测值评价结果基于所述图像采集设备进行图像采集分析,生成显性缺陷评价参数;
隐性影响参数生成模块500,所述隐性影响参数生成模块用于根据所述应力集中评价结果与所述显性缺陷评价参数进行关联关系构建,并基于关联关系构建结果生成所述显性缺陷评价参数的隐性影响参数;
缺陷检测结果生成模块600,所述缺陷检测结果生成模块用于根据所述显性缺陷评价参数和所述隐性影响参数生成缺陷检测结果。
进一步的,所述***中的集中检测值评价模块300还用于:
根据所述基础信息进行所述钢管的形状解析,基于形状解析结果进行异常占比评价,生成形状异常评价系数;
根据所述应力集中评价结果进行应力分布关联评价,生成应力关联异常评价系数;
根据所述形状异常评价系数和所述应力关联异常评价系数进行所述钢管的各位置异常值计算,根据计算结果获得所述集中检测值评价结果。
进一步的,所述***还包括:
超声探伤检测模块,所述超声探伤检测模块用于通过所述超声探伤设备进行所述钢管的超声探伤检测,得到波形数据;
内部缺陷集合构建模块,所述内部缺陷集合构建模块用于通过大数据构建钢管内部缺陷集合;
波形特征提取模块,所述波形特征提取模块用于根据所述钢管内部缺陷集合对波形信息进行缺陷波形特征提取,得到波形特征集合,其中,所述钢管内部缺陷集合与所述波形特征集合具有对应关系;
匹配识别模块,所述匹配识别模块用于根据所述波形特征集合和所述钢管内部缺陷集合进行所述波形数据的匹配识别,根据匹配识别结果获得内部缺陷评价结果;
缺陷检测结果生成第一子模块,所述缺陷检测结果生成第一子模块用于根据所述内部缺陷评价结果生成所述缺陷检测结果。
进一步的,所述***中的波形特征提取模块还用于:
设定特征相似评价约束系数,根据所述特征相似评价约束系数进行所述钢管内部缺陷集合中各缺陷的波形特征进行比对约束;
当存在缺陷的波形特征的相似评价不满足所述特征相似评价约束系数时,则根据缺陷对应的波形进行新增区隔波形特征添加,根据添加结果完成所述波形特征集合的构建;
根据构建完成的所述波形特征集合进行所述波形数据匹配,根据匹配结果和所述钢管内部缺陷集合生成所述内部缺陷评价结果。
进一步的,所述***还包括:
形变约束评价参数生成模块,所述形变约束评价参数生成模块用于根据钢管的原始设计尺寸信息生成形变约束评价参数;
形变分析基准确定模块,所述形变分析基准确定模块用于对所述图像采集设备的采集图像进行形变分析,确定形变分析基准;
形变缺陷参数生成模块,所述形变缺陷参数生成模块用于基于所述形变分析基准通过所述尺寸测定设备进行尺寸采集,根据尺寸采集结果生成形变缺陷参数;
形变缺陷信息确定模块,所述形变缺陷信息确定模块用于根据所述形变缺陷参数和所述形变约束评价参数得到形变缺陷信息;
添加模块,所述添加模块用于将所述形变缺陷信息添加至所述缺陷检测结果。
进一步的,所述***中的图像分析模块400还用于:
对所述图像采集设备的图像采集结果进行位置标识,得到位置标识图像;
通过所述集中检测值评价结果和所述位置标识图像生成图像特征匹配的幅度和频次约束参数;
根据所述幅度和频次约束参数进行所述图像采集结果的特征匹配和图像分析,生成所述显性缺陷评价参数。
进一步的,所述***还包括:
实际缺陷检测结果获得模块,所述实际缺陷检测结果获得模块用于获得所述钢管的实际缺陷检测结果;
检测结果判断模块,所述检测结果判断模块用于判断所述实际缺陷检测结果与所述缺陷检测结果的一致性是否满足预期阈值;
异常补偿特征生成模块,所述异常补偿特征生成模块用于当所述一致性不满足所述预期阈值时,生成异常补偿特征;
检测补偿模块,所述检测补偿模块用于根据所述异常补偿特征进行后续钢管缺陷检测的检测补偿。
本申请上述实施例公开的模块的具体工作过程,可参见对应的方法实施例内容,此处不再赘述。
专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种钢管热处理的缺陷检测方法,其特征在于,所述方法应用于缺陷检测***,所述缺陷检测***与图像采集设备、应力测定设备通信连接,所述方法包括:
采集钢管的基础信息,其中,所述钢管为热处理后钢管,且所述基础信息包括尺寸信息、材质信息和热处理信息;
通过所述应力测定设备进行所述钢管的应力检测,并根据检测结果生成应力集中评价结果;
根据所述基础信息和所述应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果;
根据所述集中检测值评价结果基于所述图像采集设备进行图像采集分析,生成显性缺陷评价参数;
根据所述应力集中评价结果与所述显性缺陷评价参数进行关联关系构建,并基于关联关系构建结果生成所述显性缺陷评价参数的隐性影响参数;
根据所述显性缺陷评价参数和所述隐性影响参数生成缺陷检测结果;
其中,根据所述基础信息和所述应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果,包括:
根据所述基础信息进行所述钢管的形状解析,基于形状解析结果进行异常占比评价,生成形状异常评价系数;
根据所述应力集中评价结果进行应力分布关联评价,生成应力关联异常评价系数;
根据所述形状异常评价系数和所述应力关联异常评价系数进行所述钢管的各位置异常值计算,根据计算结果获得所述集中检测值评价结果。
2.如权利要求1所述的方法,其特征在于,所述缺陷检测***与超声探伤设备通信连接,所述方法还包括:
通过所述超声探伤设备进行所述钢管的超声探伤检测,得到波形数据;
通过大数据构建钢管内部缺陷集合;
根据所述钢管内部缺陷集合对波形信息进行缺陷波形特征提取,得到波形特征集合,其中,所述钢管内部缺陷集合与所述波形特征集合具有对应关系;
根据所述波形特征集合和所述钢管内部缺陷集合进行所述波形数据的匹配识别,根据匹配识别结果获得内部缺陷评价结果;
根据所述内部缺陷评价结果生成所述缺陷检测结果。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
设定特征相似评价约束系数,根据所述特征相似评价约束系数进行所述钢管内部缺陷集合中各缺陷的波形特征进行比对约束;
当存在缺陷的波形特征的相似评价不满足所述特征相似评价约束系数时,则根据缺陷对应的波形进行新增区隔波形特征添加,根据添加结果完成所述波形特征集合的构建;
根据构建完成的所述波形特征集合进行所述波形数据匹配,根据匹配结果和所述钢管内部缺陷集合生成所述内部缺陷评价结果。
4.如权利要求1所述的方法,其特征在于,所述缺陷检测***与尺寸测定设备通信连接,所述方法还包括:
根据钢管的原始设计尺寸信息生成形变约束评价参数;
对所述图像采集设备的采集图像进行形变分析,确定形变分析基准;
基于所述形变分析基准通过所述尺寸测定设备进行尺寸采集,根据尺寸采集结果生成形变缺陷参数;
根据所述形变缺陷参数和所述形变约束评价参数得到形变缺陷信息;
将所述形变缺陷信息添加至所述缺陷检测结果。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述图像采集设备的图像采集结果进行位置标识,得到位置标识图像;
通过所述集中检测值评价结果和所述位置标识图像生成图像特征匹配的幅度和频次约束参数;
根据所述幅度和频次约束参数进行所述图像采集结果的特征匹配和图像分析,生成所述显性缺陷评价参数。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述钢管的实际缺陷检测结果;
判断所述实际缺陷检测结果与所述缺陷检测结果的一致性是否满足预期阈值;
当所述一致性不满足所述预期阈值时,生成异常补偿特征;
根据所述异常补偿特征进行后续钢管缺陷检测的检测补偿。
7.一种钢管热处理的缺陷检测***,其特征在于,所述***包括:
信息采集模块,所述信息采集模块用于采集钢管的基础信息,其中,所述钢管为热处理后钢管,且所述基础信息包括尺寸信息、材质信息和热处理信息;
应力测定模块,所述应力测定模块用于通过应力测定设备进行所述钢管的应力检测,并根据检测结果生成应力集中评价结果;
集中检测值评价模块,所述集中检测值评价模块用于根据所述基础信息和所述应力集中评价结果进行所述钢管的集中检测值评价,生成集中检测值评价结果;
图像分析模块,所述图像分析模块用于根据所述集中检测值评价结果基于图像采集设备进行图像采集分析,生成显性缺陷评价参数;
隐性影响参数生成模块,所述隐性影响参数生成模块用于根据所述应力集中评价结果与所述显性缺陷评价参数进行关联关系构建,并基于关联关系构建结果生成所述显性缺陷评价参数的隐性影响参数;
缺陷检测结果生成模块,所述缺陷检测结果生成模块用于根据所述显性缺陷评价参数和所述隐性影响参数生成缺陷检测结果;
所述集中检测值评价模块还用于:
根据所述基础信息进行所述钢管的形状解析,基于形状解析结果进行异常占比评价,生成形状异常评价系数;
根据所述应力集中评价结果进行应力分布关联评价,生成应力关联异常评价系数;
根据所述形状异常评价系数和所述应力关联异常评价系数进行所述钢管的各位置异常值计算,根据计算结果获得所述集中检测值评价结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720702.1A CN115047162B (zh) | 2022-06-24 | 2022-06-24 | 一种钢管热处理的缺陷检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720702.1A CN115047162B (zh) | 2022-06-24 | 2022-06-24 | 一种钢管热处理的缺陷检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115047162A CN115047162A (zh) | 2022-09-13 |
CN115047162B true CN115047162B (zh) | 2024-02-06 |
Family
ID=83162558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210720702.1A Active CN115047162B (zh) | 2022-06-24 | 2022-06-24 | 一种钢管热处理的缺陷检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115047162B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115639217B (zh) * | 2022-10-20 | 2023-05-16 | 浙江中泽精密科技有限公司 | 一种新能源动力电池盖板片的工控全检方法及*** |
CN115564337A (zh) * | 2022-10-24 | 2023-01-03 | 南珠建材(清远)有限公司 | 一种混凝土管桩的质量评价方法及*** |
CN115983684B (zh) * | 2022-12-19 | 2024-01-26 | 常熟中佳新材料有限公司 | 一种制冷用铜管生产缺陷管理方法及*** |
CN116167505B (zh) * | 2023-01-09 | 2023-10-31 | 中交公路长大桥建设国家工程研究中心有限公司 | 一种钢筋套料裁剪方法及*** |
CN116228761B (zh) * | 2023-05-08 | 2023-10-20 | 中交第四公路工程局有限公司 | 一种钢结构刚度损伤评价方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4290308A (en) * | 1979-09-17 | 1981-09-22 | Electric Power Research Institute, Inc. | Method of monitoring defects in tubular products |
JP2005274444A (ja) * | 2004-03-25 | 2005-10-06 | Toshiba Corp | 超音波探傷画像処理装置及びその処理方法 |
CN103512890A (zh) * | 2013-07-12 | 2014-01-15 | 中国特种设备检测研究院 | 检测金属材料近表面缺陷的方法和装置 |
CN103635787A (zh) * | 2012-02-29 | 2014-03-12 | 日本精工株式会社 | 压铸产品的强度评价方法以及压铸产品 |
CN106053597A (zh) * | 2016-05-20 | 2016-10-26 | 湖南科技大学 | 一种基于hht特征提取的钢管混凝土脱空缺陷的检测方法 |
CN110618134A (zh) * | 2019-09-16 | 2019-12-27 | 山西大数据产业发展有限公司 | 钢板表面质量缺陷检测评级***及方法 |
CN110806191A (zh) * | 2018-09-29 | 2020-02-18 | 北京科力华安地质灾害监测技术有限公司 | 基于应变监测的环焊缝缺陷管道安全评定方法 |
JP2020071068A (ja) * | 2018-10-29 | 2020-05-07 | 日本製鉄株式会社 | 鋼管内部の微小欠陥評価方法 |
CN113828798A (zh) * | 2021-09-23 | 2021-12-24 | 西安交通大学 | 一种电弧增材制造结构件的局部热处理方法及*** |
CN113960163A (zh) * | 2021-09-26 | 2022-01-21 | 江苏裕隆锻造有限公司 | 一种30CrMo阀体热处理裂纹的检验分析方法 |
WO2022092505A1 (ko) * | 2020-10-26 | 2022-05-05 | 이현철 | 비접촉 광음향 영상을 이용한 고주파 열처리 금속 내부의 비파괴 결함 검사 장치 및 방법 |
-
2022
- 2022-06-24 CN CN202210720702.1A patent/CN115047162B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4290308A (en) * | 1979-09-17 | 1981-09-22 | Electric Power Research Institute, Inc. | Method of monitoring defects in tubular products |
JP2005274444A (ja) * | 2004-03-25 | 2005-10-06 | Toshiba Corp | 超音波探傷画像処理装置及びその処理方法 |
CN103635787A (zh) * | 2012-02-29 | 2014-03-12 | 日本精工株式会社 | 压铸产品的强度评价方法以及压铸产品 |
CN103512890A (zh) * | 2013-07-12 | 2014-01-15 | 中国特种设备检测研究院 | 检测金属材料近表面缺陷的方法和装置 |
CN106053597A (zh) * | 2016-05-20 | 2016-10-26 | 湖南科技大学 | 一种基于hht特征提取的钢管混凝土脱空缺陷的检测方法 |
CN110806191A (zh) * | 2018-09-29 | 2020-02-18 | 北京科力华安地质灾害监测技术有限公司 | 基于应变监测的环焊缝缺陷管道安全评定方法 |
JP2020071068A (ja) * | 2018-10-29 | 2020-05-07 | 日本製鉄株式会社 | 鋼管内部の微小欠陥評価方法 |
CN110618134A (zh) * | 2019-09-16 | 2019-12-27 | 山西大数据产业发展有限公司 | 钢板表面质量缺陷检测评级***及方法 |
WO2022092505A1 (ko) * | 2020-10-26 | 2022-05-05 | 이현철 | 비접촉 광음향 영상을 이용한 고주파 열처리 금속 내부의 비파괴 결함 검사 장치 및 방법 |
CN113828798A (zh) * | 2021-09-23 | 2021-12-24 | 西安交通大学 | 一种电弧增材制造结构件的局部热处理方法及*** |
CN113960163A (zh) * | 2021-09-26 | 2022-01-21 | 江苏裕隆锻造有限公司 | 一种30CrMo阀体热处理裂纹的检验分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115047162A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115047162B (zh) | 一种钢管热处理的缺陷检测方法及*** | |
CN114240942B (zh) | 一种基于图像处理的金属零件表面质量控制方法及*** | |
US6701615B2 (en) | Inspection and sorting system and method for part repair | |
CN115063423B (zh) | 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法 | |
CN114354639B (zh) | 一种基于3d点云的焊缝缺陷实时检测方法及*** | |
CN112529884B (zh) | 一种基于压痕特征图像识别的焊点质量评价方法 | |
CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
CN116363126B (zh) | 一种数据线usb插头焊接质量检测方法 | |
JP4613751B2 (ja) | 製造条件計算方法、品質調整方法、鉄鋼製造方法、製造条件計算装置、品質調整システム、及びコンピュータプログラム | |
CN105184792B (zh) | 一种圆锯片磨损量在线测量方法 | |
CN112258444A (zh) | 一种电梯钢丝绳检测方法 | |
CN104614386A (zh) | 一种镜片疵病类型的识别方法 | |
CN114565314A (zh) | 一种基于数字孪生的热轧钢卷端面质量管控***及方法 | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
CN114332081A (zh) | 基于图像处理的纺织品表面异常判定方法 | |
CN117350967B (zh) | 一种基于光学检测晶圆外观缺陷检测***及其方法 | |
CN107677677A (zh) | 一种连铸坯偏析程度定量化表征方法 | |
CN116993804A (zh) | 一种基于lsm算法的箍筋尺寸检测方法及*** | |
CN115423816B (zh) | 一种金属表面磨削质量检测方法 | |
CN114972353B (zh) | 一种金属高压特种管件质量评估方法及*** | |
CN116460495A (zh) | 一种焊接加工方法 | |
CN115131250A (zh) | 用于机床装配的机床组件智能识别方法 | |
CN117689902B (zh) | 一种球笼的锻造加工工艺 | |
CN111292312A (zh) | 烧结热状态横向异质性在线定量测量方法 | |
CN115240193B (zh) | 一种电动汽车电机主轴的表面处理方法及*** |
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 |