CN116776103B - 一种基于机器视觉的焊缝检测智能调控***及方法 - Google Patents
一种基于机器视觉的焊缝检测智能调控***及方法 Download PDFInfo
- Publication number
- CN116776103B CN116776103B CN202311043731.XA CN202311043731A CN116776103B CN 116776103 B CN116776103 B CN 116776103B CN 202311043731 A CN202311043731 A CN 202311043731A CN 116776103 B CN116776103 B CN 116776103B
- Authority
- CN
- China
- Prior art keywords
- detection
- waveform
- weld
- equipment configuration
- defect
- 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
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及焊缝检测技术领域,具体为一种基于机器视觉的焊缝检测智能调控***及方法,包括管道焊缝检测事件标记模块、中心数据库建立模块、特征对比模块、使用优先级分析模块和预警调控模块;管道焊缝检测事件标记模块用于获取同一材质类型管道焊缝对应的管道焊缝检测事件;中心数据库建立模块用于构建存储管道焊缝检测事件的中心数据库;特征对比模块用于将目标焊缝信息与中心数据库记录的焊缝特征信息进行对比;使用优先级分析模块用于分析检测装备配置的使用优先级;预警调控模块用于在目标事件中记录的有效缺陷特征唯一时,进行实时缺陷特征的验证,并基于验证结果进行预警调控。
Description
技术领域
本发明涉及焊缝检测技术领域,具体为一种基于机器视觉的焊缝检测智能调控***及方法。
背景技术
焊缝的缺陷一般是由冶金和焊接技术两种原因产生,焊接过程实际上一个冶炼和浇筑的过程,在此过程中容易产生各种缺陷,包括裂纹、气孔和夹渣等;所以现有技术常常利用超声波探伤仪对焊缝进行检测;
但是由于被检工件的规格多样性、内部结构复杂、表面粗糙度等因素的影响,导致仪器屏幕中出现各种表面波、变形波、结构反射波等回波信号,严重影响焊缝内部缺陷的识别与判定;这种情况下需要依靠检测工人的专业程度来有效识别在检测过程中的伪缺陷波,从而准确识别出真正的缺陷特征,但是依靠人工往往误差较大;而且在对未知缺陷的焊缝进行检测时,没有可靠的依据来辅助解决快速查找焊缝缺陷的问题,使得在焊缝检测过程中需要不断调试超声波检测装备的配置,让焊缝检测工作实施难度较大。
发明内容
本发明的目的在于提供一种基于机器视觉的焊缝检测智能调控***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于机器视觉的焊缝检测智能调控方法,包括以下分析步骤:
将利用机器视觉捕捉到的管道焊缝图像以同一材质类型的焊缝进行归类,获取同一材质类型管道焊缝对应的管道焊缝检测事件,管道焊缝检测事件包括焊缝特征信息、最优检测装备配置和有效缺陷特征;
并将管道焊缝检测事件存储至中心数据库;
进一步的,管道焊缝检测事件的确定,包括以下分析步骤;
焊缝特征信息包括管道焊缝类型和管道结构信息;最优检测装备配置是指在输出有效缺陷特征前的检测周期内伪缺陷特征量最少时对应的检测装备配置;有效缺陷特征包括管道焊缝超声波检测数据和缺陷特征结果。
进一步的,最优检测装备配置包括以下分析步骤:
获取利用检测装备配置取得的管道焊缝超声波检测数据,将管道焊缝超声波检测数据包含波形最少的检测装备配置输出为第一装备配置;获取除去第一装备配置的管道焊缝超声波检测数据;
标记第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第一波形集合A1,A1={a1,a2,......,an},a1,a2,......,an表示管道焊缝超声波检测数据中的第1、2、......、n种波形;标记除去第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第二波形集合B1,B1={b1,b2,......,bm},n<m;
比较集合A1和集合B1中波形的相似度,当相似度大于等于相似度阈值时,将对应两集合位置中的元素输出为特征值r,
输出A1∩B1的集合为第一结果集合,计算集合B1与第一结果集合的差值集合,提取差值集合中不存在于集合A1中的波形为第一特征伪缺陷波形;
获取除去第一装备配置下的第i个装备配置对应管道焊缝超声波检测数据中的波形数据构成第三波形集合Ci,Ci={ci1,ci2,......,cik},比较C1、C2、...、CN个第三波形集合,输出C1∩C2∩...、∩CN的结果对应的波形为第二特征伪缺陷波形;N表示装备配置的总类型数;
并输出包含第二特征伪缺陷波形最少且不包含第一特征伪缺陷波形对应的超声波检测数据为最优检测数据,最优检测数据对应的检测装备配置为最优检测装备配置;最优检测数据对应的缺陷特征结果为有效缺陷特征。
因为在超声波检测是利用超声波在物质中传播,反射和衰减等物理性来发现缺陷的方法;现有技术在伪缺陷的分析时存在两种情况,一种伪缺陷是可以通过改变超声波检测装置的装备配置如探头和晶片来使得伪缺陷消失呈现对应缺陷特征的波形,另一种伪缺陷无法消除只能通过人为经验进行辨别,本申请在将对应的伪缺陷以数据形式输入***中,通过伪缺陷的两种特征来对其波形进行标记。
如表面波/油波:超声波声束具有一定扩散角,当上扩散角一定大时,钢中存在上扩散角为90°的横波,且沿着工件表面传播,即为表面波。可以简单的理解为,表面波是沿着工件表面传播的横波;当选用的探头K值较大、晶片尺寸较小、频率较小等条件时,会导致超声波声束扩散角增大,沿着工件表面传播的横波分量越多,表面波愈加明显;而表面波不能反映缺陷真实的情况,通常被认为伪缺陷波,且容易被误认为缺陷波,造成误判。因此,应尽量避免表面波的存在,而选择合适规格的探头,是避免表面波的最佳方式;所以在本申请中表面波是作为第一特征伪缺陷波形;
变形波(纵波):在两种不同阻抗的介质中,当横波入射角小于第三临界角时,在反射波中,既有横波又有纵波,而横波变为纵波的过程称之为波形转换;当超声波声束入射至焊缝根部焊瘤时,此时存在钢/空气两种介质。变形波的多出现在焊瘤反射波后面,工件厚度越薄,越接近根部焊瘤反射波,位于山形波的中间位置;当整条焊缝的根部焊瘤形状近似相同、板厚不变、探头K值不变时,变形波在超声波仪器屏幕显示的水平值和深度值近似固定值,所以变形波在本申请中是作为第二特征伪缺陷波形,不能完全消除但是可以通过使用合适的装配使得波形便于区分。
获取实时检测的焊缝特征信息为目标焊缝信息,将目标焊缝信息与中心数据库记录的焊缝特征信息进行对比,提取相同焊缝特征信息对应的管道焊缝检测事件为目标事件;
当目标事件中记录的有效缺陷特征不唯一时,分析检测装备配置的使用优先级;分析优先级是考量存在多种缺陷对应检测装备配置情况下,如何有效快速的帮助检测人员分析判断并确定焊缝存在的缺陷特征,省去人工进行判断分析的过程以及人工分析带来的误差,提高了对焊缝检测的效率,使得在原本检测结果误差较大情况下智能化提高精度;
进一步的,分析检测装备配置的使用优先级,包括以下步骤:
获取第j个有效缺陷特征对应最优检测装备配置确定前的调整次数Qj以及有效缺陷特征对应管道焊缝超声波检测数据波形种类值Wj,利用公式:
Gj=s1*Qj+s2*[max(Wj)-min(Wj)]
计算第j个有效缺陷特征对应最优检测装备配置的检测阻碍指数Gj,其中max(Wj)表示有效缺陷特征对应管道焊缝超声波检测数据波形种类值的最大值,min(Wj)表示有效缺陷特征对应管道焊缝超声波检测数据波形种类值的最小值;s1表示调整次数对应的参考系数,s2表示波形种类值对应的参考系数;
检测阻碍指数越小表明在利用对应检测装备配置检测出缺陷特征的过程更容易,进一步表明在对焊缝的缺陷未知时,采取步骤较少较容易辨别缺陷的流程可以提高检测效率;
将M个有效缺陷特征对应最优检测装备配置的检测阻碍指数按照从小到大的顺序进行排序,M表示有效缺陷特征的总个数;并输出排序的顺序为检测装备配置的使用优先级。
当目标事件中记录的有效缺陷特征唯一时,输出对应检测装备配置信号给检测***,进行实时缺陷特征的验证,并基于验证结果进行预警调控;
有效缺陷特征对应唯一最优检测装备配置。
进一步的,进行实时缺陷特征的验证并基于验证结果进行预警调控包括以下步骤:
获取目标事件记录的最优检测装备配置,待操控人员将超声波检测装备更换为最优检测装备配置后实施检测;获取实施检测后的管道焊缝超声波检测数据为实时检测数据;
判断实时检测数据与目标事件对应的超声波检测数据是否相同,若相同输出目标事件记录的有效缺陷特征为实时检测结果;
若不相同,则传输预警信号,预警信号是指基于新增目标事件的缺陷特征更新中心数据库。
焊缝检测智能调控***,包括管道焊缝检测事件标记模块、中心数据库建立模块、特征对比模块、使用优先级分析模块和预警调控模块;
管道焊缝检测事件标记模块用于将利用机器视觉捕捉到的管道焊缝图像以同一材质类型的焊缝进行归类,获取同一材质类型管道焊缝对应的管道焊缝检测事件;
中心数据库建立模块用于构建存储管道焊缝检测事件的中心数据库;
特征对比模块用于将目标焊缝信息与中心数据库记录的焊缝特征信息进行对比;
使用优先级分析模块用于在目标事件中记录的有效缺陷特征不唯一时,分析检测装备配置的使用优先级;
预警调控模块用于在目标事件中记录的有效缺陷特征唯一时,输出对应检测装备配置信号给检测***,进行实时缺陷特征的验证,并基于验证结果进行预警调控。
进一步的,管道焊缝检测事件标记模块包括检测数据获取单元、波形集合分析单元、伪缺陷波形特征确定单元和最优检测装备配置输出单元;
检测数据获取单元用于获取利用检测装备配置取得的管道焊缝超声波检测数据;
波形集合分析单元用于标记第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第一波形集合,标记除去第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第二波形集合;以及获取除去第一装备配置下的装备配置对应管道焊缝超声波检测数据中的波形数据构成第三波形集合;
伪缺陷波形特征确定单元用于基于波形集合比较结果输出伪缺陷波形特征;
最优检测装备配置输出单元用于输出包含第二特征伪缺陷波形最少且不包含第一特征伪缺陷波形对应的超声波检测数据为最优检测数据,最优检测数据对应的检测装备配置为最优检测装备配置。
进一步的,使用优先级分析模块包括检测阻碍指数计算单元和排序优先级输出单元;
检测阻碍指数计算单元用于获取有效缺陷特征对应最优检测装备配置确定前的调整次数和管道焊缝超声波检测数据波形种类值,计算检测阻碍指数;
排序优先级输出单元用于将有效缺陷特征对应最优检测装备配置的检测阻碍指数按照从小到大的顺序进行排序;并输出排序的顺序为检测装备配置的使用优先级。
进一步的,预警调控模块包括实时检测分析单元和预警更新单元;
实时检测分析单元用于判断实时检测数据与目标事件对应的超声波检测数据是否相同,若相同输出目标事件记录的有效缺陷特征为实时检测结果;
预警更新单元用于在实时检测数据与目标事件对应的超声波检测数据不相同时,传输预警信号,预警信号是指基于新增目标事件的缺陷特征更新中心数据库。
与现有技术相比,本发明所达到的有益效果是:本发明通过记录关于使用超声波探伤仪检测管道焊缝的历史数据,将数据进行存储分析并以同材质类型的管道焊缝为分析单元进行分析,有效的构建每一类型管道焊缝的数据库,使得检测工人在使用本申请的***时,输入管道的特征信息可以快速匹配出对应的检测装备配置,且对于检测装备配置不唯一时,可以给出优先配置选择,使得工人在判断缺陷时不再盲目检测,导致浪费过多尝试时间;且给出的配置选择是合理有效的帮助工人减少识别伪缺陷波的复杂过程,提高焊缝检测的效率,降低焊缝检测对伪缺陷识别的困难程度,对焊缝缺陷的识别精确度做出改进。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于机器视觉的焊缝检测智能调控***的结构示意图。
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。
请参阅图1,本发明提供技术方案:一种基于机器视觉的焊缝检测智能调控方法,包括以下分析步骤:
将利用机器视觉捕捉到的管道焊缝图像以同一材质类型的焊缝进行归类,获取同一材质类型管道焊缝对应的管道焊缝检测事件,管道焊缝检测事件包括焊缝特征信息、最优检测装备配置和有效缺陷特征;
并将管道焊缝检测事件存储至中心数据库;
获取实时检测的焊缝特征信息为目标焊缝信息,将目标焊缝信息与中心数据库记录的焊缝特征信息进行对比,提取相同焊缝特征信息对应的管道焊缝检测事件为目标事件;
当目标事件中记录的有效缺陷特征不唯一时,分析检测装备配置的使用优先级;分析优先级是考量存在多种缺陷对应检测装备配置情况下,如何有效快速的帮助检测人员分析判断并确定焊缝存在的缺陷特征,省去人工进行判断分析的过程以及人工分析带来的误差,提高了对焊缝检测的效率,使得在原本检测结果误差较大情况下智能化提高精度;
当目标事件中记录的有效缺陷特征唯一时,输出对应检测装备配置信号给检测***,进行实时缺陷特征的验证,并基于验证结果进行预警调控;
有效缺陷特征对应唯一最优检测装备配置。
管道焊缝检测事件的确定,包括以下分析步骤;
焊缝特征信息包括管道焊缝类型和管道结构信息;最优检测装备配置是指在输出有效缺陷特征前的检测周期内伪缺陷特征量最少时对应的检测装备配置;有效缺陷特征包括管道焊缝超声波检测数据和缺陷特征结果。
最优检测装备配置包括以下分析步骤:
获取利用检测装备配置取得的管道焊缝超声波检测数据,将管道焊缝超声波检测数据包含波形最少的检测装备配置输出为第一装备配置;获取除去第一装备配置的管道焊缝超声波检测数据;
标记第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第一波形集合A1,A1={a1,a2,......,an},a1,a2,......,an表示管道焊缝超声波检测数据中的第1、2、......、n种波形;标记除去第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第二波形集合B1,B1={b1,b2,......,bm},n<m;
比较集合A1和集合B1中波形的相似度,当相似度大于等于相似度阈值时,将对应两集合位置中的元素输出为特征值r,
输出A1∩B1的集合为第一结果集合,计算集合B1与第一结果集合的差值集合,提取差值集合中不存在于集合A1中的波形为第一特征伪缺陷波形;
获取除去第一装备配置下的第i个装备配置对应管道焊缝超声波检测数据中的波形数据构成第三波形集合Ci,Ci={ci1,ci2,......,cik},比较C1、C2、...、CN个第三波形集合,输出C1∩C2∩...、∩CN的结果对应的波形为第二特征伪缺陷波形;N表示装备配置的总类型数;
并输出包含第二特征伪缺陷波形最少且不包含第一特征伪缺陷波形对应的超声波检测数据为最优检测数据,最优检测数据对应的检测装备配置为最优检测装备配置;最优检测数据对应的缺陷特征结果为有效缺陷特征。
因为在超声波检测是利用超声波在物质中传播,反射和衰减等物理性来发现缺陷的方法;现有技术在伪缺陷的分析时存在两种情况,一种伪缺陷是可以通过改变超声波检测装置的装备配置如探头和晶片来使得伪缺陷消失呈现对应缺陷特征的波形,另一种伪缺陷无法消除只能通过人为经验进行辨别,本申请在将对应的伪缺陷以数据形式输入***中,通过伪缺陷的两种特征来对其波形进行标记。
如表面波/油波:超声波声束具有一定扩散角,当上扩散角一定大时,钢中存在上扩散角为90°的横波,且沿着工件表面传播,即为表面波。可以简单的理解为,表面波是沿着工件表面传播的横波;当选用的探头K值较大、晶片尺寸较小、频率较小等条件时,会导致超声波声束扩散角增大,沿着工件表面传播的横波分量越多,表面波愈加明显;而表面波不能反映缺陷真实的情况,通常被认为伪缺陷波,且容易被误认为缺陷波,造成误判。因此,应尽量避免表面波的存在,而选择合适规格的探头,是避免表面波的最佳方式;所以在本申请中表面波是作为第一特征伪缺陷波形;
变形波(纵波):在两种不同阻抗的介质中,当横波入射角小于第三临界角时,在反射波中,既有横波又有纵波,而横波变为纵波的过程称之为波形转换;当超声波声束入射至焊缝根部焊瘤时,此时存在钢/空气两种介质。变形波的多出现在焊瘤反射波后面,工件厚度越薄,越接近根部焊瘤反射波,位于山形波的中间位置;当整条焊缝的根部焊瘤形状近似相同、板厚不变、探头K值不变时,变形波在超声波仪器屏幕显示的水平值和深度值近似固定值,所以变形波在本申请中是作为第二特征伪缺陷波形,不能完全消除但是可以通过使用合适的装配使得波形便于区分。
如实施例所示;
集合A1中的波形为{夹渣对应的波形,根部焊瘤反射波,变形波};
集合B1中的波形为{气孔对应的波形,根部焊瘤反射波,变形波,表面波};
则输出表面波为第一特征波。
分析检测装备配置的使用优先级,包括以下步骤:
获取第j个有效缺陷特征对应最优检测装备配置确定前的调整次数Qj以及有效缺陷特征对应管道焊缝超声波检测数据波形种类值Wj,利用公式:
Gj=s1*Qj+s2*[max(Wj)-min(Wj)]
计算第j个有效缺陷特征对应最优检测装备配置的检测阻碍指数Gj,其中max(Wj)表示有效缺陷特征对应管道焊缝超声波检测数据波形种类值的最大值,min(Wj)表示有效缺陷特征对应管道焊缝超声波检测数据波形种类值的最小值;s1表示调整次数对应的参考系数,s2表示波形种类值对应的参考系数;
检测阻碍指数越小表明在利用对应检测装备配置检测出缺陷特征的过程更容易,进一步表明在对焊缝的缺陷未知时,采取步骤较少较容易辨别缺陷的流程可以提高检测效率;
将M个有效缺陷特征对应最优检测装备配置的检测阻碍指数按照从小到大的顺序进行排序,M表示有效缺陷特征的总个数;并输出排序的顺序为检测装备配置的使用优先级。
进行实时缺陷特征的验证并基于验证结果进行预警调控包括以下步骤:
获取目标事件记录的最优检测装备配置,待操控人员将超声波检测装备更换为最优检测装备配置后实施检测;获取实施检测后的管道焊缝超声波检测数据为实时检测数据;
判断实时检测数据与目标事件对应的超声波检测数据是否相同,若相同输出目标事件记录的有效缺陷特征为实时检测结果;
若不相同,则传输预警信号,预警信号是指基于新增目标事件的缺陷特征更新中心数据库。
焊缝检测智能调控***,包括管道焊缝检测事件标记模块、中心数据库建立模块、特征对比模块、使用优先级分析模块和预警调控模块;
管道焊缝检测事件标记模块用于将利用机器视觉捕捉到的管道焊缝图像以同一材质类型的焊缝进行归类,获取同一材质类型管道焊缝对应的管道焊缝检测事件;
中心数据库建立模块用于构建存储管道焊缝检测事件的中心数据库;
特征对比模块用于将目标焊缝信息与中心数据库记录的焊缝特征信息进行对比;
使用优先级分析模块用于在目标事件中记录的有效缺陷特征不唯一时,分析检测装备配置的使用优先级;
预警调控模块用于在目标事件中记录的有效缺陷特征唯一时,输出对应检测装备配置信号给检测***,进行实时缺陷特征的验证,并基于验证结果进行预警调控。
管道焊缝检测事件标记模块包括检测数据获取单元、波形集合分析单元、伪缺陷波形特征确定单元和最优检测装备配置输出单元;
检测数据获取单元用于获取利用检测装备配置取得的管道焊缝超声波检测数据;
波形集合分析单元用于标记第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第一波形集合,标记除去第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第二波形集合;以及获取除去第一装备配置下的装备配置对应管道焊缝超声波检测数据中的波形数据构成第三波形集合;
伪缺陷波形特征确定单元用于基于波形集合比较结果输出伪缺陷波形特征;
最优检测装备配置输出单元用于输出包含第二特征伪缺陷波形最少且不包含第一特征伪缺陷波形对应的超声波检测数据为最优检测数据,最优检测数据对应的检测装备配置为最优检测装备配置。
使用优先级分析模块包括检测阻碍指数计算单元和排序优先级输出单元;
检测阻碍指数计算单元用于获取有效缺陷特征对应最优检测装备配置确定前的调整次数和管道焊缝超声波检测数据波形种类值,计算检测阻碍指数;
排序优先级输出单元用于将有效缺陷特征对应最优检测装备配置的检测阻碍指数按照从小到大的顺序进行排序;并输出排序的顺序为检测装备配置的使用优先级。
预警调控模块包括实时检测分析单元和预警更新单元;
实时检测分析单元用于判断实时检测数据与目标事件对应的超声波检测数据是否相同,若相同输出目标事件记录的有效缺陷特征为实时检测结果;
预警更新单元用于在实时检测数据与目标事件对应的超声波检测数据不相同时,传输预警信号,预警信号是指基于新增目标事件的缺陷特征更新中心数据库。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。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 (9)
1.一种基于机器视觉的焊缝检测智能调控方法,其特征在于,包括以下分析步骤:
将利用机器视觉捕捉到的管道焊缝图像以同一材质类型的焊缝进行归类,获取同一材质类型管道焊缝对应的管道焊缝检测事件,所述管道焊缝检测事件包括焊缝特征信息、最优检测装备配置和有效缺陷特征;
并将管道焊缝检测事件存储至中心数据库;
获取实时检测的焊缝特征信息为目标焊缝信息,将目标焊缝信息与中心数据库记录的焊缝特征信息进行对比,提取相同焊缝特征信息对应的管道焊缝检测事件为目标事件;
当目标事件中记录的有效缺陷特征不唯一时,分析检测装备配置的使用优先级;
当目标事件中记录的有效缺陷特征唯一时,输出对应检测装备配置信号给检测***,进行实时缺陷特征的验证,并基于验证结果进行预警调控;
所述有效缺陷特征对应唯一最优检测装备配置。
2.根据权利要求1所述的一种基于机器视觉的焊缝检测智能调控方法,其特征在于:管道焊缝检测事件的确定,包括以下分析步骤;
所述焊缝特征信息包括管道焊缝类型和管道结构信息;所述最优检测装备配置是指在输出有效缺陷特征前的检测周期内伪缺陷特征量最少时对应的检测装备配置;所述有效缺陷特征包括管道焊缝超声波检测数据和缺陷特征结果。
3.根据权利要求2所述的一种基于机器视觉的焊缝检测智能调控方法,其特征在于:所述最优检测装备配置包括以下分析步骤:
获取利用检测装备配置取得的管道焊缝超声波检测数据,将管道焊缝超声波检测数据包含波形最少的检测装备配置输出为第一装备配置;获取除去第一装备配置的管道焊缝超声波检测数据;
标记第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第一波形集合A1,A1={a1,a2,......,an},a1,a2,......,an表示管道焊缝超声波检测数据中的第1、2、......、n种波形;标记除去第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第二波形集合B1,B1={b1,b2,......,bm},n<m;
比较集合A1和集合B1中波形的相似度,当相似度大于等于相似度阈值时,将对应两集合位置中的元素输出为特征值r,
输出A1∩B1的集合为第一结果集合,计算集合B1与第一结果集合的差值集合,提取差值集合中不存在于集合A1中的波形为第一特征伪缺陷波形;
获取除去第一装备配置下的第i个装备配置对应管道焊缝超声波检测数据中的波形数据构成第三波形集合Ci,Ci={ci1,ci2,......,cik},比较C1、C2、...、CN个第三波形集合,输出C1∩C2∩...、∩CN的结果对应的波形为第二特征伪缺陷波形;N表示装备配置的总类型数;
并输出包含第二特征伪缺陷波形最少且不包含第一特征伪缺陷波形对应的超声波检测数据为最优检测数据,所述最优检测数据对应的检测装备配置为最优检测装备配置;最优检测数据对应的缺陷特征结果为有效缺陷特征。
4.根据权利要求3所述的一种基于机器视觉的焊缝检测智能调控方法,其特征在于:所述分析检测装备配置的使用优先级,包括以下步骤:
获取第j个有效缺陷特征对应最优检测装备配置确定前的调整次数Qj以及有效缺陷特征对应管道焊缝超声波检测数据波形种类值Wj,利用公式:
Gj=s1*Qj+s2*[max(Wj)-min(Wj)]
计算第j个有效缺陷特征对应最优检测装备配置的检测阻碍指数Gj,其中max(Wj)表示有效缺陷特征对应管道焊缝超声波检测数据波形种类值的最大值,min(Wj)表示有效缺陷特征对应管道焊缝超声波检测数据波形种类值的最小值;s1表示调整次数对应的参考系数,s2表示波形种类值对应的参考系数;
将M个有效缺陷特征对应最优检测装备配置的检测阻碍指数按照从小到大的顺序进行排序,M表示有效缺陷特征的总个数;并输出排序的顺序为检测装备配置的使用优先级。
5.根据权利要求4所述的一种基于机器视觉的焊缝检测智能调控方法,其特征在于:所述进行实时缺陷特征的验证并基于验证结果进行预警调控包括以下步骤:
获取目标事件记录的最优检测装备配置,待操控人员将超声波检测装备更换为最优检测装备配置后实施检测;获取实施检测后的管道焊缝超声波检测数据为实时检测数据;
判断所述实时检测数据与目标事件对应的超声波检测数据是否相同,若相同输出目标事件记录的有效缺陷特征为实时检测结果;
若不相同,则传输预警信号,所述预警信号是指基于新增目标事件的缺陷特征更新中心数据库。
6.应用权利要求1-5中任一项所述的一种基于机器视觉的焊缝检测智能调控方法的焊缝检测智能调控***,其特征在于,包括管道焊缝检测事件标记模块、中心数据库建立模块、特征对比模块、使用优先级分析模块和预警调控模块;
所述管道焊缝检测事件标记模块用于将利用机器视觉捕捉到的管道焊缝图像以同一材质类型的焊缝进行归类,获取同一材质类型管道焊缝对应的管道焊缝检测事件;
所述中心数据库建立模块用于构建存储管道焊缝检测事件的中心数据库;
所述特征对比模块用于将目标焊缝信息与中心数据库记录的焊缝特征信息进行对比;
所述使用优先级分析模块用于在目标事件中记录的有效缺陷特征不唯一时,分析检测装备配置的使用优先级;
所述预警调控模块用于在目标事件中记录的有效缺陷特征唯一时,输出对应检测装备配置信号给检测***,进行实时缺陷特征的验证,并基于验证结果进行预警调控。
7.根据权利要求6所述的焊缝检测智能调控***,其特征在于:所述管道焊缝检测事件标记模块包括检测数据获取单元、波形集合分析单元、伪缺陷波形特征确定单元和最优检测装备配置输出单元;
所述检测数据获取单元用于获取利用检测装备配置取得的管道焊缝超声波检测数据;
所述波形集合分析单元用于标记第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第一波形集合,标记除去第一装备配置对应管道焊缝超声波检测数据中的所有波形数据构成第二波形集合;以及获取除去第一装备配置下的装备配置对应管道焊缝超声波检测数据中的波形数据构成第三波形集合;
所述伪缺陷波形特征确定单元用于基于波形集合比较结果输出伪缺陷波形特征;
所述最优检测装备配置输出单元用于输出包含第二特征伪缺陷波形最少且不包含第一特征伪缺陷波形对应的超声波检测数据为最优检测数据,所述最优检测数据对应的检测装备配置为最优检测装备配置。
8.根据权利要求7所述的焊缝检测智能调控***,其特征在于;使用优先级分析模块包括检测阻碍指数计算单元和排序优先级输出单元;
所述检测阻碍指数计算单元用于获取有效缺陷特征对应最优检测装备配置确定前的调整次数和管道焊缝超声波检测数据波形种类值,计算检测阻碍指数;
所述排序优先级输出单元用于将有效缺陷特征对应最优检测装备配置的检测阻碍指数按照从小到大的顺序进行排序;并输出排序的顺序为检测装备配置的使用优先级。
9.根据权利要求8所述的焊缝检测智能调控***,其特征在于:所述预警调控模块包括实时检测分析单元和预警更新单元;
所述实时检测分析单元用于判断所述实时检测数据与目标事件对应的超声波检测数据是否相同,若相同输出目标事件记录的有效缺陷特征为实时检测结果;
所述预警更新单元用于在实时检测数据与目标事件对应的超声波检测数据不相同时,传输预警信号,所述预警信号是指基于新增目标事件的缺陷特征更新中心数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311043731.XA CN116776103B (zh) | 2023-08-18 | 2023-08-18 | 一种基于机器视觉的焊缝检测智能调控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311043731.XA CN116776103B (zh) | 2023-08-18 | 2023-08-18 | 一种基于机器视觉的焊缝检测智能调控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116776103A CN116776103A (zh) | 2023-09-19 |
CN116776103B true CN116776103B (zh) | 2023-10-13 |
Family
ID=87986198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311043731.XA Active CN116776103B (zh) | 2023-08-18 | 2023-08-18 | 一种基于机器视觉的焊缝检测智能调控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116776103B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117817211B (zh) * | 2024-02-26 | 2024-06-25 | 扬州市职业大学(扬州开放大学) | 基于机器视觉的焊接自动化控制方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009097972A (ja) * | 2007-10-16 | 2009-05-07 | Toshiba Corp | 超音波溶接欠陥探傷装置および方法 |
CN203732110U (zh) * | 2014-03-20 | 2014-07-23 | 珠海格力电器股份有限公司 | 一种管路检测装置 |
RU2607766C2 (ru) * | 2015-06-25 | 2017-01-10 | Публичное акционерное общество "Транснефть" (ПАО "Транснефть") | Способ оценки геометрических размеров дефектов стенки трубной секции и сварных швов по данным ультразвукового внутритрубного дефектоскопа с помощью поиска связанных индикаций |
CN111369384A (zh) * | 2019-12-23 | 2020-07-03 | 国网河南省电力公司郑州供电公司 | 变电运维隐患全过程管控*** |
CN112232400A (zh) * | 2020-10-12 | 2021-01-15 | 太原科技大学 | 一种基于深浅特征融合的不锈钢焊缝超声缺陷检测方法 |
CN115165934A (zh) * | 2022-06-30 | 2022-10-11 | 中联重科股份有限公司 | 用于焊缝检测的方法、装置、处理器及存储介质 |
CN116362548A (zh) * | 2023-04-19 | 2023-06-30 | 江苏久和机械有限公司 | 一种标准节可用性管理方法、***、装置和存储介质 |
-
2023
- 2023-08-18 CN CN202311043731.XA patent/CN116776103B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009097972A (ja) * | 2007-10-16 | 2009-05-07 | Toshiba Corp | 超音波溶接欠陥探傷装置および方法 |
CN203732110U (zh) * | 2014-03-20 | 2014-07-23 | 珠海格力电器股份有限公司 | 一种管路检测装置 |
RU2607766C2 (ru) * | 2015-06-25 | 2017-01-10 | Публичное акционерное общество "Транснефть" (ПАО "Транснефть") | Способ оценки геометрических размеров дефектов стенки трубной секции и сварных швов по данным ультразвукового внутритрубного дефектоскопа с помощью поиска связанных индикаций |
CN111369384A (zh) * | 2019-12-23 | 2020-07-03 | 国网河南省电力公司郑州供电公司 | 变电运维隐患全过程管控*** |
CN112232400A (zh) * | 2020-10-12 | 2021-01-15 | 太原科技大学 | 一种基于深浅特征融合的不锈钢焊缝超声缺陷检测方法 |
CN115165934A (zh) * | 2022-06-30 | 2022-10-11 | 中联重科股份有限公司 | 用于焊缝检测的方法、装置、处理器及存储介质 |
CN116362548A (zh) * | 2023-04-19 | 2023-06-30 | 江苏久和机械有限公司 | 一种标准节可用性管理方法、***、装置和存储介质 |
Non-Patent Citations (4)
Title |
---|
Miao Rui 等.Online defect recognition of narrow overlap weld based on two-stage recognition model combining continuous wavelet transform and convolutional neural network.《Computers in Industry》.2019,第112卷1-11. * |
刘姝.基于C66x-DSP的表面缺陷检测技术研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2019,(第12期),I138-389. * |
徐振 等.线程技术在超声波数据成像和实时采集中的应用.《电子测量技术》.2007,第30卷(第6期),66-68. * |
李恒.基于马尔可夫理论埋地燃气钢管腐蚀预测研究.《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2008,(第5期),C038-289. * |
Also Published As
Publication number | Publication date |
---|---|
CN116776103A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5113340B2 (ja) | 超音波走査データを用いて物体を検査する方法およびシステム | |
US8050874B2 (en) | Autonomous remaining useful life estimation | |
CN116776103B (zh) | 一种基于机器视觉的焊缝检测智能调控***及方法 | |
CA2616900C (en) | Method for error-free checking of tubes for surface faults | |
CN109239206A (zh) | 缺陷自动识别辅助电熔接头智能相控阵的超声检测方法 | |
US6925881B1 (en) | Time shift data analysis for long-range guided wave inspection | |
Yeh et al. | An alternative Ultrasonic TimeofFlight Diffraction (TOFD) method | |
CN104111286B (zh) | 一种用于超声波焊点检测的波速及厚度校准方法 | |
CA2258913C (en) | Ultrasonic technique for inspection of weld and heat-affected zone for localized high temperature hydrogen attack | |
JPH059744B2 (zh) | ||
CN112854316B (zh) | 一种基于声波透射法的首至波声时智能修正方法及装置 | |
CN101852771A (zh) | 钢结构贴角焊缝手工超声波探伤方法 | |
JP5033152B2 (ja) | 超音波検査装置および超音波検査方法 | |
CN114778689A (zh) | 高密度聚乙烯管道热熔对接接头的缺陷检测及识别***与方法 | |
JPH10221309A (ja) | 溶接部の判別方法及び不溶着部の測定方法並びに溶接部の検査装置 | |
ATE426157T1 (de) | Verfahren zur auswertung von ultraschallsignalen eines fehlers in einem werkstuck | |
CN111047547B (zh) | 一种基于多视图tfm的联合缺陷定量方法 | |
JP4672441B2 (ja) | 超音波探傷方法及び探傷装置 | |
GB2482973A (en) | Evaluating the condition of a collection of similar elongated hollow objects | |
CN115308310B (zh) | 一种管路内壁的超声探伤识别方法 | |
Hagiwara et al. | A method for supporting hammering test by visualization of defect diagnosis on the concrete surfaces | |
JP2007292554A (ja) | 超音波探傷システム | |
KR100485450B1 (ko) | 초음파 탐상 시험 장치 및 그 제어방법 | |
CN114152422B (zh) | 一种在油气管道开挖现场管道非外部缺陷类型的检测方法 | |
CN108828075A (zh) | 复合板焊缝对比试板对超声波检测传输速率的验证方法 |
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 |