CN115049644A - 一种基于铝管表面瑕疵识别的温度控制方法及*** - Google Patents
一种基于铝管表面瑕疵识别的温度控制方法及*** Download PDFInfo
- Publication number
- CN115049644A CN115049644A CN202210964408.5A CN202210964408A CN115049644A CN 115049644 A CN115049644 A CN 115049644A CN 202210964408 A CN202210964408 A CN 202210964408A CN 115049644 A CN115049644 A CN 115049644A
- Authority
- CN
- China
- Prior art keywords
- aluminum pipe
- detected
- sliding window
- acquiring
- gray
- 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
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 343
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 343
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000007547 defect Effects 0.000 claims abstract description 60
- 238000001125 extrusion Methods 0.000 claims abstract description 28
- 238000004519 manufacturing process Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001816 cooling Methods 0.000 claims description 36
- 238000001514 detection method Methods 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 16
- 229910052751 metal Inorganic materials 0.000 description 7
- 239000002184 metal Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 239000004411 aluminium Substances 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 241000287196 Asthenes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000001192 hot extrusion Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/0004—Industrial image inspection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C31/00—Control devices, e.g. for regulating the pressing speed or temperature of metal; Measuring devices, e.g. for temperature of metal, combined with or specially adapted for use in connection with extrusion presses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Mechanical Engineering (AREA)
- Extrusion Of Metal (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于铝管表面瑕疵识别的温度控制方法及***,属于图像数据处理技术领域;包括以下步骤:获取待检测铝管的灰度图;并获取正常铝管的灰度图;根据待检测铝管的两条边缘直线获取待检测铝管的中线;获取待检测铝管的灰度图中每个滑窗内每行的第一平均灰度值;依此类比获取正常铝管的灰度图中每个滑窗内每行的第二平均灰度值;获取每个滑窗的方差;获取瑕疵占比系数;根据瑕疵占比系数标记待检测铝管表面瑕疵的严重程度;根据标记待检测铝管表面瑕疵的严重程度对铝管挤压生产过程中的温度进行调整。本发明通过铝管表面瑕疵的占比情况对挤压机铝管的出口温度进行有效调控。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种基于铝管表面瑕疵识别的温度控制方法及***。
背景技术
铝管通常用纯铝或铝合金经挤压加工成沿其纵向全长中空的金属管状材料。由铝棒挤压成铝管的工艺设备为铝管热挤压机,由传动挤压***和加热冷却***组成,其中传动挤压***的程序参数值不可随意更改,加热冷却***的温度控制由设计好的电脑程序或人为根据经验手动赋值。
挤压温度是挤压工艺中非常重要的条件,温度过低会造成被挤压金属塑性变形力增加,导致挤压力增大、模具损坏;温度过高会导致金属粘性变大,容易与模具尤其是工作带发生粘结,导致铝管表面出现部分流线麻点,从而成品率下降。所以在铝管挤压生产时,要时刻观察挤压铝管的表面质量,继而相应调节温度,以提高成品率。铝管检测仍采用人工方式较多,通常每隔十分钟测温,导致滞后性强,且环境要求高。
为了实现上述目的,本领域技术人员通常采用传统的涡流检测法、超声检测法等方法对铝管表面缺陷检测,但是传统的方法在检测过程中,难以对缺陷信息进行清晰的图像显示,无法对缺陷数据进行准确判断,且难以对铝管表面的流线麻点进行判断,从而也无法控制铝管在挤压过程中挤压机的温度;本领域技术人员还采用机器视觉技术在缺陷检测的精度和缺陷识别的准确率上都取得了一定的成果,均是采用图像增强并通过图像分割对铝管表面的缺陷进行检测,但是在图像增强的过程中通常会导致图像的信息失真,导致表面缺陷检测不准确,进而难以在铝管表面缺陷与铝管挤压生产时的温度之间建立控制关系。因此,为了铝管在挤压过程中能够识别出铝管表面的缺陷,来控制挤压机的温度,本发明提供了一种基于铝管表面瑕疵识别的温度控制方法及***。
发明内容
为了解决现有技术中的不足,本发明提供一种基于铝管表面瑕疵识别的温度控制方法及***,该方法通过铝管表面瑕疵的占比情况对挤压机铝管的出口温度进行有效调控。避免铝管在生产过程中表面出现流线麻点,有效提升铝管的生产效率和合格率。
本发明的目的是提供一种基于铝管表面瑕疵识别的温度控制方法,包括以下步骤:
获取待检测铝管的灰度图;并获取正常铝管的灰度图;
将待检测铝管的灰度图二值化处理获取待检测铝管的二值图;
对二值图进行边缘检测获取待检测铝管的两条边缘直线;根据待检测铝管的两条边缘直线获取待检测铝管的中线;
根据待检测铝管的灰度图中铝管的长度和宽度设定滑窗;
利用滑窗沿着中线方向对待检测铝管的灰度图依次进行滑动,获取待检测铝管的灰度图中每个滑窗内每行的第一平均灰度值;
依此类比获取正常铝管的灰度图中每个滑窗内每行的第二平均灰度值;
根据第一平均灰度值和第二平均灰度值获取每个滑窗内每行平均灰度值的差值;
根据每个滑窗内每行平均灰度值的差值获取每个滑窗的方差;
根据每个滑窗的方差判断每个滑窗对应于待检测铝管的灰度图是否存在表面瑕疵;
获取存在表面瑕疵的所有滑窗;根据存在表面瑕疵的所有滑窗的数量获取瑕疵占比系数;
根据瑕疵占比系数标记待检测铝管表面瑕疵的严重程度;
根据标记待检测铝管表面瑕疵的严重程度对铝管挤压生产过程中的温度进行调整。
在一实施例中,所述滑窗是按照以下步骤设定:
分别获取待检测铝管的两条边缘直线的直线方程,并获取待检测铝管的中线的直线方程;
根据待检测铝管的中线的直线方程获取待检测铝管的灰度图中铝管的长度;
分别根据待检测铝管的两条边缘直线的直线方程获取待检测铝管的灰度图中铝管的宽度;
在一实施例中,滑窗沿着中线方向对待检测铝管的灰度图滑动的过程中,所述滑窗在中线两侧的部分相对称,且所述滑窗的长边与所述中线垂直。
在一实施例中,所述每个滑窗的方差的计算公式如下:
在一实施例中,每个滑窗对应于待检测铝管的灰度图是否存在表面瑕疵是按照以下步骤进行判断:
设置方差阈值;当滑窗的方差大于方差阈值,则认为该滑窗对应于待检测铝管的灰度图中的区域存在表面瑕疵。
根据瑕疵占比系数标记待检测铝管表面瑕疵的严重程度过程中,当,标记待检测铝管表面瑕疵的严重程度为;当,标记待检测铝管表面瑕疵的严重程度为;当,标记待检测铝管表面瑕疵的严重程度为;当,标记待检测铝管表面瑕疵的严重程度为;当,标记待检测铝管表面瑕疵的严重程度为。
在一实施例中,根据标记待检测铝管表面瑕疵的严重程度对铝管挤压生产过程中的温度进行调整时,当待检测铝管表面出现标签,将以最大冷却速度进行降温;当待检测铝管表面出现标签,将以0.75冷却速度进行降温;当待检测铝管表面出现标签,将以0.50冷却速度进行降温;当待检测铝管表面出现标签,将以0.25冷却速度进行降温;当待检测铝管表面出现标签,将不采取降温措施;其中,表示最大冷却速度。
在一实施例中,所述待检测铝管的两条边缘直线是对二值图进行边缘检测获取待检测二值图中的边缘线,根据待检测二值图中的边缘线上的边缘像素点进行霍夫直线检测而获取的。
本发明第二个目的是提供的一种基于铝管表面瑕疵识别的温度控制***,包括:
图像采集模块,用于获取待检测铝管的灰度图;并获取正常铝管的灰度图;将待检测铝管的灰度图二值化处理获取待检测铝管的二值图;
图像处理模块,用于对二值图进行边缘检测获取待检测铝管的两条边缘直线;根据待检测铝管的两条边缘直线获取待检测铝管的中线;根据待检测铝管的灰度图中铝管的长度和宽度设定滑窗;利用滑窗沿着中线方向对待检测铝管的灰度图依次进行滑动,获取待检测铝管的灰度图中每个滑窗内每行的第一平均灰度值;依此类比获取正常铝管的灰度图中每个滑窗内每行的第二平均灰度值;根据第一平均灰度值和第二平均灰度值获取每个滑窗内每行平均灰度值的差值;根据每个滑窗内每行平均灰度值的差值获取每个滑窗的方差;
温度调控模块,根据每个滑窗的方差判断每个滑窗对应于待检测铝管的灰度图是否存在表面瑕疵;获取存在表面瑕疵的所有滑窗;根据存在表面瑕疵的所有滑窗的数量获取瑕疵占比系数;根据瑕疵占比系数标记待检测铝管表面瑕疵的严重程度;根据标记待检测铝管表面瑕疵的严重程度对铝管挤压生产过程中的温度进行调整。
本发明的有益效果是:
本发明提供的一种基于铝管表面瑕疵识别的温度控制方法及***,该方法通过获取待检测铝管图像中铝管的中线,利用设定的滑窗沿着中线进行滑动遍历获取待检测铝管表面的特征,为了能够准确识别出待检测铝管图像中的瑕疵,则同时以同样的方式获取表面没有瑕疵的正常铝管表面特征,通过对待检测图像与正常图像进行差异化分析,能够有效识别出待检测铝管表面的瑕疵;同时也能有效获得待检测铝管表面瑕疵的占比,通过铝管表面瑕疵的占比情况将铝管表面划分为不同的严重程度,最后根据不同的严重程度对挤压机铝管的出口温度进行调控,从而实现了在动态挤压生产过程中的,根据铝管表面瑕疵的严重程度进行实时温度调节。
本发明通过提供的基于铝管表面瑕疵识别的温度控制***,能够实时对挤压机铝管的出口温度进行冷却控制,避免铝管在生产过程中表面出现流线麻点,有效提升铝管的生产效率和合格率。
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,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地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于铝管表面瑕疵识别的温度控制方法的实施例总体步骤的流程示意图。
图2为待检测铝管的灰度图。
图3为没有流线麻点的正常铝管的灰度图。
图4为二值图中检测出边缘线视图。
图5为待检测铝管的两条边缘直线及中线视图。
图6为滑窗沿中线滑动的模拟视图。
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。
本发明针对的情景为:在铝棒挤压加工成铝管的生产过程中,温度是影响挤压铝管成型质量最重要的因素之一,温度过低易造成模具损坏,温度过高会导致粘结现象,导致铝管表面出现部分流线麻点。挤压机装置温度的下限可以设定温度区间来保证,主要就是防止温度过高对铝管质量的影响进而需要合理降温,所以需要通过机器视觉检测铝管表面是否存在因挤压温度过高而产生的瑕疵,并根据铝管表面瑕疵的动态化识别实现对铝管挤压过程中挤压机温度的动态智能控制。
需要说明的是,所谓挤压,就是对放在挤压筒中的金属一端施加外力,使之通过模孔以实现塑性变形的一种压力加工方法,铝管热挤压机由传动挤压***和加热冷却***组成,其中传动挤压***的程序参数值,诸如挤压速度等不可随意更改,加热冷却***的温度控制由设计好的电脑程序或人为根据经验手动赋值。而影响铝管外观质量的重要因素之一是挤压机的装置温度,为了防止低温导致模具损坏,程序中都有温度下限,温度过高会导致金属粘结现象,导致铝管表面出现部分流线麻点,所以如何观测出流线麻点现象并进行智能化降温是本发明的主要解决问题。挤压温度控制的核心在出口温度,一般出口温度要在540~580℃之间。
本发明在对铝管挤压机所生产铝管的表面图像进行数字化的基础上,利用机器视觉技术来实现表面瑕疵为流线麻点的识别,以及对挤压温度的智能调节。
本发明提供的一种基于铝管表面瑕疵识别的温度控制方法,参见图1所示,包括以下步骤:
S1、获取待检测铝管的灰度图;并获取正常铝管的灰度图;
将待检测铝管的灰度图二值化处理获取待检测铝管的二值图;
在本实施例中,通过布置在挤压机铝管出口位置的电子相机对挤压铝管进行俯视拍摄,得到俯视图像并进行灰度化预处理而获得待检测铝管的灰度图,参见图2所示,带有流线麻点的铝管灰度图像;图2中可以看出是温度较高情况下,金属产生粘结,导致铝管表面有一定的流线麻点,此时就需要进行相关的降温调节。在电子相机拍摄的底面放置低灰度背景,对采集到的图像首先进行灰度化,降为一层灰度值通道,减少了计算量便于处理,随后进行中值滤波进行降噪处理,从而实现铝管表面的图像预处理工作。同时,采用同样的方式获取没有流线麻点的正常铝管的灰度图,参见图3所示,图3可以看出在温度正常下,产品成形性较好,表面质量优良。需要说明的是,为了能够检测铝管整个侧面的缺陷,可以通过相机的布置进行采集。在本实施例中,对灰度图像进行二值化处理后,二值化处理过程中,主要通过OSTU自动化阈值分割方法,选择差异程度最大的阈值。
S2、对二值图进行边缘检测获取待检测铝管的两条边缘直线;根据待检测铝管的两条边缘直线获取待检测铝管的中线;
所述待检测铝管的两条边缘直线是对二值图进行边缘检测获取待检测二值图中的边缘线,根据待检测二值图中的边缘线上的边缘像素点进行霍夫直线检测而获取的。
在本实施例中,对二值图像进行Canny边缘检测,参见图4所示;随后定义坐标,将灰度图像的左下点为坐标原点,水平向右为横轴的正方向,竖直向上为纵轴的正方向,将边缘坐标点记为,对边缘像素点进行霍夫直线检测,主要的思想是将直角坐标系中的线性表示转为参数空间内的点表示,这样参数空间内的多个高亮点即表示了原图像中的多个明显直线。本实施例中霍夫直线检测的步骤为:(1)初始化参数空间,,其中,表示在该参数对应的直线上的像素点的个数;(2)对于每一个像素点,在参数空间内找出令的坐标;(3)统计所有的大小,取出的参数,是预设的阈值;其中,是根据在该挤压机下对有无表面瑕疵的铝管而设置的。
需要说明的是,控制相机所拍摄图像不存在画面延迟情况,即不存在表面杂质的暂留导致出现的线性表征从而被误测。但是,在对边缘像素点进行上述霍夫直线检测时,如果存在较明显的流线特征,那么相应的边缘信息易被霍夫检测成边缘直线,从而导致误判。所以我们需要对流线或较整齐麻点所在的直线进行排除,只要铝管外边缘的两条直线。则获取待检测铝管的两条边缘直线,具体如下:
(2)为了能够得到铝管上、下边缘的两条直线部分,需要对霍夫检测出的所有直线进行挑选。如果直接采用截距的大小,而较长流线的高斜率直线对应的截距最大,从而导致直线的挑选不准确。不过,既然是根据边缘坐标信息所拟合的直线,那么上、下边缘直线上所在点的纵坐标一定有大小之差,可根据此现象进行边缘直线的挑拣。记待检测铝管的灰度图沿着铝管轴线方向的宽度为,那么每个横坐标在检测直线上都会有对应的纵坐标值,统计直线上的所对应纵坐标的平均值为:
S3、根据待检测铝管的灰度图中铝管的长度和宽度设定滑窗;
利用滑窗沿着中线方向对待检测铝管的灰度图依次进行滑动,获取待检测铝管的灰度图中每个滑窗内每行的第一平均灰度值;依此类比获取正常铝管的灰度图中每个滑窗内每行的第二平均灰度值;
根据第一平均灰度值和第二平均灰度值获取每个滑窗内每行平均灰度值的差值;根据每个滑窗内每行平均灰度值的差值获取每个滑窗的方差;
所述滑窗是按照以下步骤设定:分别获取待检测铝管的两条边缘直线的直线方程,并获取待检测铝管的中线的直线方程;
需要说明的是,S2中已经获取了两条边缘直线的直线方程及中线的直线方程;
根据待检测铝管的中线的直线方程获取待检测铝管的灰度图中铝管的长度;分别根据待检测铝管的两条边缘直线的直线方程获取待检测铝管的灰度图中铝管的宽度;根据待检测铝管的灰度图中铝管的长度和宽度设定滑窗,滑窗尺寸即为;其中,;;表示待检测铝管的灰度图中铝管的长度;表示待检测铝管的灰度图中铝管的宽度。
在实施例中,设定滑窗过程中,首先需要计算铝管在图像中的长度为:
式中,表示待检测铝管的灰度图中铝管的长度;为直线倾斜角的正割值;表示待检测铝管的灰度图沿着铝管轴线方向的宽度,参见图6所示,也就表示待检测铝管的灰度图的横向轴的宽度。那么将滑窗尺寸中平行于中线的大小设为;随后计算铝管上边缘直线与下边缘直线的宽度,也就是计算待检测铝管的灰度图中铝管的宽度,计算公式如下:
式中,表示待检测铝管的灰度图中铝管的宽度,也就是上边缘直线与下边缘直线的宽度;指上边缘与下边缘的截距差的绝对值;为直线倾斜角的正割值;也可以用上边缘与下边缘直线倾斜角的正割值;那么将滑窗尺寸中垂直于中线的大小设为,所以滑窗的尺寸为,即0.01。规定步长为,在中线上共滑动100次,参见图6所示。其中,表示滑窗朝向轴的尺寸,表示滑窗朝向轴的尺寸。需要说明的是,在设定滑窗过程中,选取0.01倍的是想让图像中铝管的长度进行100等分,0.6倍的是为了不去考虑靠近两端畸变大的部分,而影响缺陷的准确度,主要选择中线上、下各30%的部分对其待检测铝管的灰度图进行滑动。
在本实施例中,滑窗沿着中线方向对待检测铝管的灰度图滑动的过程中,所述滑窗在中线两侧的部分相对称,且所述滑窗的长边与所述中线垂直。
需要说明的是,无论是麻点瑕疵还是流线瑕疵,受光照反射后在图像中的表现是比无瑕疵的区域暗很多,反馈的信息就是瑕疵灰度值比周围的要低很多;因此,每个滑窗的方差获取时过程中,具体如下:
式中,表示滑窗内第行第一平均灰度值;表示滑窗轴方向尺寸;是滑窗内的尺寸的行序数;是滑窗内的尺寸的列序数,是滑窗第行第列的像素灰度值。计算每一行的平均灰度值的主要目的是,由于所挤压生产的完好铝管无流线麻点,上、下两边缘直线之间沿着每一行的灰度值总是较稳定的,若有流线麻点出现,那么总会出现某一行的灰度分布有突变情况,为了分析出突变部分位置,通过计算滑窗内每一行灰度值,作为缺陷分析的基础。
随后根据第一平均灰度值和第二平均灰度值获取每个滑窗内每行平均灰度值的差值;计算公式如下:
表示滑窗内第行平均灰度值的差值;表示滑窗内第行的第二平均灰度值;表示滑窗内第行的第一平均灰度值;每个滑窗内每行平均灰度值的差值主要体现的是突变情况,如果有流线麻点存在,导致与完好铝管相比有明显灰度突变,且流线麻点引起的一定是灰度值降低,则瑕疵为暗区域,即差值一定很大,反之很小。
再根据每个滑窗内每行平均灰度值的差值获取每个滑窗的方差;具体每个滑窗的方差的计算公式如下:
式中,表示滑窗的方差;表示滑窗内第行平均灰度值的差值;表示滑窗内第行平均灰度值的差值的加和平均值;表示滑窗中垂直于中线的边长,也就是滑窗轴方向尺寸。通过方差的计算进一步分析待检测铝管表面是否有缺陷的准确性,如果无缺陷都完好,那么每行作差后都很小,反之则存在较大以及较小的情况,描述这种波动情况最好的指标就是方差。
S4、根据每个滑窗的方差判断每个滑窗对应于待检测铝管的灰度图是否存在表面瑕疵;
获取存在表面瑕疵的所有滑窗;根据存在表面瑕疵的所有滑窗的数量获取瑕疵占比系数;
每个滑窗对应于待检测铝管的灰度图是否存在表面瑕疵是按照以下步骤进行判断:
设置方差阈值;当滑窗的方差大于方差阈值,则认为该滑窗对应于待检测铝管的灰度图中的区域存在表面瑕疵。
在本实施例中,将没有缺陷的正常铝管进行10次此操作后得到最大的滑窗方差值,将其定为方差阈值。需要说明的是,通过进行10次运算为了找出最大的方差定为方差阈值,为了缩小分析误差。若滑窗的方差值,那么就认为该滑窗区域内存在表面瑕疵;否则认为其内不存在表面瑕疵。为此,通过统计滑窗中,特征值的定义为缺陷滑窗,将的数量定义为,瑕疵占比系数计算公式如下:
式中,表示瑕疵占比系数;表示存在表面瑕疵的所有滑窗的数量。其中,规定的最小容忍度为0.05,当则基本认为待检测的铝管图像中的铝管表面存在较明显的流线麻点瑕疵。需要说明的是,用来表示瑕疵占比系数,主要是为了进一步描述瑕疵程度表征,使其在0到1之内,越靠近0越无瑕疵,越靠近1瑕疵越多越大。
S5、根据瑕疵占比系数标记待检测铝管表面瑕疵的严重程度;
根据标记待检测铝管表面瑕疵的严重程度对铝管挤压生产过程中的温度进行调整。
在本实施例中,根据瑕疵占比系数标记待检测铝管表面瑕疵的严重程度过程中,当,标记待检测铝管表面瑕疵的严重程度为;当,标记待检测铝管表面瑕疵的严重程度为;当,标记待检测铝管表面瑕疵的严重程度为;当,标记待检测铝管表面瑕疵的严重程度为;当,标记待检测铝管表面瑕疵的严重程度为。
其中,标签严重程度是指流线麻点最多,占当前图像中铝管一半以上;标签严重程度是指流线麻点较多,占图像中铝管近一半;标签严重程度是指流线麻点一般,占图像中铝管20%左右;标签严重程度是指流线麻点数量较少;标签严重程度是指流线麻点等噪点出现的极少。
根据标记待检测铝管表面瑕疵的严重程度对铝管挤压生产过程中的温度进行调整时,
当待检测铝管表面出现标签,将以最大冷却速度进行降温;当待检测铝管表面出现标签,将以0.75冷却速度进行降温;当待检测铝管表面出现标签,将以0.50冷却速度进行降温;当待检测铝管表面出现标签,将以0.25冷却速度进行降温;当待检测铝管表面出现标签,将不采取降温措施,只有预设温度控制***进行调控;其中,表示最大冷却速度,其主要是根据挤压机设备以及周围环境来确定。基于此,实现了在动态挤压生产过程中的,根据铝管表面瑕疵的严重程度进行了实时温度调节。
本发明提供了一种基于铝管表面瑕疵识别的温度控制***,包括:
图像采集模块,用于获取待检测铝管的灰度图;并获取正常铝管的灰度图;将待检测铝管的灰度图二值化处理获取待检测铝管的二值图;
图像处理模块,用于对二值图进行边缘检测获取待检测铝管的两条边缘直线;根据待检测铝管的两条边缘直线获取待检测铝管的中线;根据待检测铝管的灰度图中铝管的长度和宽度设定滑窗;利用滑窗沿着中线方向对待检测铝管的灰度图依次进行滑动,获取待检测铝管的灰度图中每个滑窗内每行的第一平均灰度值;依此类比获取正常铝管的灰度图中每个滑窗内每行的第二平均灰度值;根据第一平均灰度值和第二平均灰度值获取每个滑窗内每行平均灰度值的差值;根据每个滑窗内每行平均灰度值的差值获取每个滑窗的方差;
温度调控模块,根据每个滑窗的方差判断每个滑窗对应于待检测铝管的灰度图是否存在表面瑕疵;获取存在表面瑕疵的所有滑窗;根据存在表面瑕疵的所有滑窗的数量获取瑕疵占比系数;根据瑕疵占比系数标记待检测铝管表面瑕疵的严重程度;根据标记待检测铝管表面瑕疵的严重程度对铝管挤压生产过程中的温度进行调整。
综上,本发明提供的一种基于铝管表面瑕疵识别的温度控制方法及***,该方法通过获取待检测铝管图像中铝管的中线,利用设定的滑窗沿着中线进行滑动遍历获取待检测铝管表面的特征,为了能够准确识别出待检测铝管图像中的瑕疵,则同时以同样的方式获取表面没有瑕疵的正常铝管表面特征,通过对待检测图像与正常图像进行差异化分析,能够有效识别出待检测铝管表面的瑕疵;同时也能有效获得待检测铝管表面瑕疵的占比,通过铝管表面瑕疵的占比情况将铝管表面划分为不同的严重程度,最后根据不同的严重程度对挤压机铝管的出口温度进行调控,从而实现了在动态挤压生产过程中的,根据铝管表面瑕疵的严重程度进行实时温度调节。
本发明通过提供的基于铝管表面瑕疵识别的温度控制***,能够实时对挤压机铝管的出口温度进行冷却控制,避免铝管在生产过程中表面出现流线麻点,有效提升铝管的生产效率和合格率。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于铝管表面瑕疵识别的温度控制方法,其特征在于,包括以下步骤:
获取待检测铝管的灰度图;并获取正常铝管的灰度图;
将待检测铝管的灰度图二值化处理获取待检测铝管的二值图;
对二值图进行边缘检测获取待检测铝管的两条边缘直线;根据待检测铝管的两条边缘直线获取待检测铝管的中线;
根据待检测铝管的灰度图中铝管的长度和宽度设定滑窗;
利用滑窗沿着中线方向对待检测铝管的灰度图依次进行滑动,获取待检测铝管的灰度图中每个滑窗内每行的第一平均灰度值;
依此类比获取正常铝管的灰度图中每个滑窗内每行的第二平均灰度值;
根据第一平均灰度值和第二平均灰度值获取每个滑窗内每行平均灰度值的差值;
根据每个滑窗内每行平均灰度值的差值获取每个滑窗的方差;
根据每个滑窗的方差判断每个滑窗对应于待检测铝管的灰度图是否存在表面瑕疵;
获取存在表面瑕疵的所有滑窗;根据存在表面瑕疵的所有滑窗的数量获取瑕疵占比系数;
根据瑕疵占比系数标记待检测铝管表面瑕疵的严重程度;
根据标记待检测铝管表面瑕疵的严重程度对铝管挤压生产过程中的温度进行调整。
4.根据权利要求1所述的基于铝管表面瑕疵识别的温度控制方法,其特征在于,滑窗沿着中线方向对待检测铝管的灰度图滑动的过程中,所述滑窗在中线两侧的部分相对称,且所述滑窗的长边与所述中线垂直。
6.根据权利要求1所述的基于铝管表面瑕疵识别的温度控制方法,其特征在于,每个滑窗对应于待检测铝管的灰度图是否存在表面瑕疵是按照以下步骤进行判断:
设置方差阈值;当滑窗的方差大于方差阈值,则认为该滑窗对应于待检测铝管的灰度图中的区域存在表面瑕疵。
9.根据权利要求1所述的基于铝管表面瑕疵识别的温度控制方法,其特征在于,所述待检测铝管的两条边缘直线是对二值图进行边缘检测获取待检测二值图中的边缘线,根据待检测二值图中的边缘线上的边缘像素点进行霍夫直线检测而获取的。
10.一种基于铝管表面瑕疵识别的温度控制***,其特征在于,包括:
图像采集模块,用于获取待检测铝管的灰度图;并获取正常铝管的灰度图;将待检测铝管的灰度图二值化处理获取待检测铝管的二值图;
图像处理模块,用于对二值图进行边缘检测获取待检测铝管的两条边缘直线;根据待检测铝管的两条边缘直线获取待检测铝管的中线;根据待检测铝管的灰度图中铝管的长度和宽度设定滑窗;利用滑窗沿着中线方向对待检测铝管的灰度图依次进行滑动,获取待检测铝管的灰度图中每个滑窗内每行的第一平均灰度值;依此类比获取正常铝管的灰度图中每个滑窗内每行的第二平均灰度值;根据第一平均灰度值和第二平均灰度值获取每个滑窗内每行平均灰度值的差值;根据每个滑窗内每行平均灰度值的差值获取每个滑窗的方差;
温度调控模块,根据每个滑窗的方差判断每个滑窗对应于待检测铝管的灰度图是否存在表面瑕疵;获取存在表面瑕疵的所有滑窗;根据存在表面瑕疵的所有滑窗的数量获取瑕疵占比系数;根据瑕疵占比系数标记待检测铝管表面瑕疵的严重程度;根据标记待检测铝管表面瑕疵的严重程度对铝管挤压生产过程中的温度进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210964408.5A CN115049644B (zh) | 2022-08-12 | 2022-08-12 | 一种基于铝管表面瑕疵识别的温度控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210964408.5A CN115049644B (zh) | 2022-08-12 | 2022-08-12 | 一种基于铝管表面瑕疵识别的温度控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115049644A true CN115049644A (zh) | 2022-09-13 |
CN115049644B CN115049644B (zh) | 2022-11-01 |
Family
ID=83166418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210964408.5A Active CN115049644B (zh) | 2022-08-12 | 2022-08-12 | 一种基于铝管表面瑕疵识别的温度控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115049644B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311294A (zh) * | 2022-10-12 | 2022-11-08 | 启东金耀億华玻纤材料有限公司 | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014032058A (ja) * | 2012-08-02 | 2014-02-20 | Jfe Steel Corp | 表面欠陥検査方法 |
US20170294013A1 (en) * | 2016-04-11 | 2017-10-12 | North Carolina Agricultural And Technical State University | Normalized Defect Characterization of Pulse Thermographic Nondestructive Evaluation |
CN110428408A (zh) * | 2019-07-31 | 2019-11-08 | 工极智能科技(苏州)有限公司 | 基于ELM-in-ELM的瑕疵检测方法 |
US20200158659A1 (en) * | 2017-05-24 | 2020-05-21 | The Hong Kong Research Institute Of Textiles And Apparel Limited | Method and system for automatic detection of fabric defect, and computer readable storage medium |
CN112927189A (zh) * | 2021-01-28 | 2021-06-08 | 江苏大学 | 一种电镀工件表面瑕疵视觉检测中边缘反射光斑剔除方法 |
CN113012153A (zh) * | 2021-04-30 | 2021-06-22 | 武汉纺织大学 | 一种铝型材瑕疵检测方法 |
CN113325001A (zh) * | 2021-04-12 | 2021-08-31 | 浙江花园新能源有限公司 | 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法 |
CN113838043A (zh) * | 2021-09-30 | 2021-12-24 | 杭州百子尖科技股份有限公司 | 金属箔材制造中基于机器视觉的质量分析方法 |
-
2022
- 2022-08-12 CN CN202210964408.5A patent/CN115049644B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014032058A (ja) * | 2012-08-02 | 2014-02-20 | Jfe Steel Corp | 表面欠陥検査方法 |
US20170294013A1 (en) * | 2016-04-11 | 2017-10-12 | North Carolina Agricultural And Technical State University | Normalized Defect Characterization of Pulse Thermographic Nondestructive Evaluation |
US20200158659A1 (en) * | 2017-05-24 | 2020-05-21 | The Hong Kong Research Institute Of Textiles And Apparel Limited | Method and system for automatic detection of fabric defect, and computer readable storage medium |
CN110428408A (zh) * | 2019-07-31 | 2019-11-08 | 工极智能科技(苏州)有限公司 | 基于ELM-in-ELM的瑕疵检测方法 |
CN112927189A (zh) * | 2021-01-28 | 2021-06-08 | 江苏大学 | 一种电镀工件表面瑕疵视觉检测中边缘反射光斑剔除方法 |
CN113325001A (zh) * | 2021-04-12 | 2021-08-31 | 浙江花园新能源有限公司 | 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法 |
CN113012153A (zh) * | 2021-04-30 | 2021-06-22 | 武汉纺织大学 | 一种铝型材瑕疵检测方法 |
CN113838043A (zh) * | 2021-09-30 | 2021-12-24 | 杭州百子尖科技股份有限公司 | 金属箔材制造中基于机器视觉的质量分析方法 |
Non-Patent Citations (3)
Title |
---|
NING LANG 等: "Virtual-sample-based defect detection algorithm for aluminum tube surface", 《IOP》 * |
代小红等: "基于模式识别的零件表面瑕疵图像提取的设计与实现", 《表面技术》 * |
文生平等: "基于Gaussian-yolov3的铝型材表面缺陷检测", 《计算机测量与控制》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311294A (zh) * | 2022-10-12 | 2022-11-08 | 启东金耀億华玻纤材料有限公司 | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115049644B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108074231B (zh) | 一种基于卷积神经网络的磁片表面缺陷检测方法 | |
CN115082418B (zh) | 一种汽车零部件精密识别方法 | |
CN114943739B (zh) | 一种铝管质量检测方法 | |
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 | |
WO2023168972A1 (zh) | 一种基于线阵相机的铜表面缺陷检测方法及装置 | |
CN111784633A (zh) | 一种面向电力巡检视频的绝缘子缺损自动检测算法 | |
CN116645367B (zh) | 一种高端制造用的钢板切割质量检测方法 | |
CN115018827B (zh) | 一种建材焊缝质量自动检测方法 | |
CN112614105B (zh) | 一种基于深度网络的3d点云焊点缺陷检测方法 | |
CN114549441B (zh) | 基于图像处理的吸管缺陷检测方法 | |
CN115049644B (zh) | 一种基于铝管表面瑕疵识别的温度控制方法及*** | |
CN111753794B (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
CN111445471A (zh) | 基于深度学习和机器视觉的产品表面缺陷检测方法及装置 | |
CN110689524A (zh) | 一种无参考在线图像清晰度评价方法与*** | |
CN110781913A (zh) | 一种拉链布带缺陷检测方法 | |
CN114972230A (zh) | 一种生产线上电路板缺陷检测方法及*** | |
CN114663393A (zh) | 一种基于卷积神经网络的光伏组件间距不良缺陷检测方法 | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
CN115311250A (zh) | 基于深度学习和时空特征融合的烟支外观检测方法 | |
CN112683166B (zh) | 一种模切产品尺寸检测方法 | |
CN117350967B (zh) | 一种基于光学检测晶圆外观缺陷检测***及其方法 | |
CN116091506B (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
CN111192261A (zh) | 一种镜片疵病类型识别的方法 | |
CN111062939B (zh) | 一种带钢表面快速质量甄别与缺陷特征自动提取方法 | |
CN115330769B (zh) | 一种用于铝管表面擦伤压坑的缺陷检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |