CN116930196B - 一种基于机器视觉的铝型材生产缺陷分析处理方法 - Google Patents
一种基于机器视觉的铝型材生产缺陷分析处理方法 Download PDFInfo
- Publication number
- CN116930196B CN116930196B CN202311196709.9A CN202311196709A CN116930196B CN 116930196 B CN116930196 B CN 116930196B CN 202311196709 A CN202311196709 A CN 202311196709A CN 116930196 B CN116930196 B CN 116930196B
- Authority
- CN
- China
- Prior art keywords
- tubular aluminum
- aluminum radiator
- defect
- radiator
- tubular
- 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
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 299
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 298
- 230000007547 defect Effects 0.000 title claims abstract description 156
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 86
- 238000004458 analytical method Methods 0.000 title claims abstract description 63
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 230000007847 structural defect Effects 0.000 claims abstract description 47
- 238000011156 evaluation Methods 0.000 claims abstract description 40
- 230000017525 heat dissipation Effects 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 239000011248 coating agent Substances 0.000 claims description 36
- 238000000576 coating method Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 32
- 230000005855 radiation Effects 0.000 claims description 30
- 238000001816 cooling Methods 0.000 claims description 22
- 238000007373 indentation Methods 0.000 claims description 22
- 239000012535 impurity Substances 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000011077 uniformity evaluation Methods 0.000 claims description 5
- 239000004411 aluminium Substances 0.000 claims 1
- 238000012797 qualification Methods 0.000 abstract description 5
- 238000004141 dimensional analysis Methods 0.000 abstract description 3
- 238000009434 installation Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000011056 performance test Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 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
- 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
-
- 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
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明涉及铝型材生产缺陷分析技术领域,具体公开一种基于机器视觉的铝型材生产缺陷分析处理方法,该方法包括铝型材结构信息采集分析、铝型材尺寸信息采集分析、铝型材性能监测分析和铝型材生产缺陷反馈;本发明通过分析管式铝型散热器的结构缺陷度、尺寸缺陷度和性能缺陷度,从而反馈目标生产批次的管式铝型散热器的质量合格情况,实现了管式铝型散热器的生产缺陷的多维度分析,降低了管式铝型散热器的生产缺陷分析中存在的误差性,提高了生产缺陷分析的综合性和说服力,降低了管式铝型散热器的生产成本,同时提高了管式铝型散热器的生产缺陷评估数据的参考性,保障了后续使用时散热性能的稳定性。
Description
技术领域
本发明涉及铝型材生产缺陷分析技术领域,具体而言,涉及一种基于机器视觉的铝型材生产缺陷分析处理方法。
背景技术
铝型材多作为生产散热结构物品的原材料,而管式铝型散热器在日常生活中最为常见,它在吸收、传导和散发热量方面发挥着关键作用,提高了设备的效率和稳定性,降低了设备损坏风险,因此,为了保障管式铝型散热器的散热效果,需要对管式铝型散热器的生产缺陷进行分析。
现有的管式铝型散热器的生产方式主要包括铸造和模具两种方式,其中模具生产主要通过表观层面和尺寸层面进行生产缺陷分析,很显然,这种分析方式还存在以下几个方面的问题:1、对于表观层面仅判断表面涂层是否完整,未对涂层的均匀度进行深度分析,从而导致因涂层厚度不均匀而带来的产品的外观质量、耐腐蚀性能和涂层耐久性等方面的负面影响,同时未对内部结构中的气孔情况和杂质情况进行分析,无法提高管式铝型散热器的结构缺陷度分析的覆盖面。
2、对于尺寸层面仅判断尺寸大小是否符合以及尺寸是否残缺,未对管式铝型散热器中散热片的间距情况和角度偏差情况进行深度分析,从而导致因尺寸不合格而带来的安装问题,增加了管式铝型散热器的生产成本和安装损失,同时降低了管式铝型散热器的尺寸缺陷度判断的准确性。
3、对于性能测试层面,当前仅进行管式铝型散热器的整体结构性能测试,未对每个散热片逐一排查,从而无法保障管式铝型散热器的隐患排查的精准性,降低了管式铝型散热器的性能缺陷度评估数据的参考性,同时无法保障后续使用时散热性能的稳定性。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于机器视觉的铝型材生产缺陷分析处理方法。
本发明的目的可以通过以下技术方案实现:本发明提供一种基于机器视觉的铝型材生产缺陷分析处理方法,包括以下步骤:S1、铝型材结构信息采集分析:对目标生产批次中各管式铝型散热器的外部结构和内部结构分别进行图像采集,得到图像信息,并采集各管式铝型散热器中各组成散热片的表面各采样点的涂层厚度,从而分析目标生产批次中管式铝型散热器的结构缺陷度。
S2、铝型材尺寸信息采集分析:采集各管式铝型散热器的整体图像和端面图像,从而分析目标生产批次中管式铝型散热器的尺寸缺陷度。
S3、铝型材性能监测分析:对各管式铝型散热器进行硬度性能和散热性能测试,并监测测试的表观图像和散热信息,从而分析目标生产批次中管式铝型散热器的性能缺陷度。
S4、铝型材生产缺陷反馈:若目标生产批次中管式铝型散热器的结构缺陷度或者尺寸缺陷度或者性能缺陷度达到其设定值时,则判定目标生产批次的管式铝型散热器的质量不合格,同时进行生产缺陷反馈。
具体地,所述图像信息包括外部结构图像信息和内部结构图像信息。其中,外部结构图像信息包括各管式铝型散热器中各组成散热片的表面凹陷处数目、各凹陷处对应的凹陷体积以及表面划痕处数目和各划痕处对应的划痕长度。
内部结构图像信息包括各管式铝型散热器中各组成散热片的内部气孔处数目、各气孔处对应的气孔面积以及内部杂质处数目和各杂质处对应的杂质面积。
具体地,所述分析目标生产批次中管式铝型散热器的结构缺陷度,具体分析过程为:A1、从外部结构图像信息中提取各管式铝型散热器中各组成散热片的表面凹陷处数目和各凹陷处对应的凹陷体积,并分别记为和/>,其中,/>表示管式铝型散热器编号,,/>表示散热片编号,/>,/>表示凹陷处编号,/>。
A2、计算各管式铝型散热器的凹陷度,,其中,和分别表示设定参照的凹
陷处总数目和凹陷总体积,和分别表示设定的凹陷处总数目和凹陷总体积对应凹陷
度评估占比权重,表示自然常数。
A3、从外部结构图像信息中提取各管式铝型散热器中各组成散热片的表面划痕处数目和各划痕处对应的划痕长度,并按照各管式铝型散热器的凹陷度的分析方式同理分析各管式铝型散热器的划痕度。
A4、根据各管式铝型散热器中各组成散热片的表面各采样点的涂层厚度,计算各管式铝型散热器的涂层均匀度。
A5、计算各管式铝型散热器对应外部结构缺陷度,,其中,和分别表示设定的凹陷评估、划痕
评估和涂层均匀评估对应外部结构缺陷度评估占比权重。
A6、从内部结构图像信息中提取各管式铝型散热器中各组成散热片的内部气孔处数目、各气孔处对应的气孔面积以及内部杂质处数目和各杂质处对应的杂质面积,按照各管式铝型散热器对应外部结构缺陷度的分析方式同理分析各管式铝型散热器对应内部结构缺陷度。
A7、计算各管式铝型散热器的结构缺陷度,,其中,
和分别表示设定的外部结构缺陷评估和内部结构缺陷评估对应结构缺陷度评估占比权
重。
A8、从各管式铝型散热器的结构缺陷度中提取最大结构缺陷度,并将最大结构缺陷度作为目标生产批次中管式铝型散热器的结构缺陷度。
具体地,所述分析目标生产批次中管式铝型散热器的尺寸缺陷度,具体分析过程为:B1、根据各管式铝型散热器的整体图像,分析管式铝型散热器对应散热片的间距均匀度。
B2、根据各管式铝型散热器的端面图像,分析管式铝型散热器对应散热片的角度缺陷度。
B3、计算目标生产批次中管式铝型散热器的尺寸缺陷度,,其中,/>和/>分别表示设定的间距均匀评估和角度缺陷评估对应尺寸缺陷度评估占比权重。
具体地,所述分析管式铝型散热器对应散热片的间距均匀度,具体分析过程为:C1、从各管式铝型散热器的整体图像中随机定位出一个散热片,将该散热片记为目标散热片,将其他各散热片按照顺时针方向依次进行排序,并记为各参照散热片。
C2、在各管式铝型散热器的目标散热片中从上往下依次布设各监测点,记为各目标散热点,将各目标散热点映射至各参照散热片,得到各参照散热片中各目标散热点对应的映射点,进而获取各管式铝型散热器的目标散热片中各目标散热点与各参照散热片中各目标散热点对应的映射点之间的距离,记为,其中,/>表示参照散热片的编号,,/>表示映射点的编号,/>。
C3、计算管式铝型散热器对应散热片的间距均匀度,,其中,/>表示管式铝型散热器数目,和/>分别表示设定参照的水平方向的间距偏差和竖直方向的间距偏差,/>表示第/>个参照散热片,/>表示第/>个映射点。
具体地,所述分析管式铝型散热器对应散热片的角度缺陷度,具体分析过程为:D1、从各管式铝型散热器的端面图像中定位出各管式铝型散热器中各散热片端面的中心点位置和各管式铝型散热器的端面圆心点位置。
D2、以中心点为基点作中心线,并将中心线连接圆心点,从而得到各管式铝型散热器中各散热片对应的圆心角,记为。
D3、计算各管式铝型散热器对应散热片的角度缺陷度,/>,其中,/>和/>分别表示设定参照的圆心角和圆心角总偏差。
D4、若某管式铝型散热器对应散热片的角度缺陷度大于或者等于设定值,则判定该管式铝型散热器为异常散热器,统计目标生产批次中异常散热器数目,记为。
D5、从各管式铝型散热器对应散热片的角度缺陷度提取最大值,记为。
D6、计算管式铝型散热器对应散热片的角度缺陷度,/>,其中,/>和/>分别表示设定参照的异常散热器数目占比和角度缺陷度,/>和/>分别表示设定的异常散热器数目占比和角度缺陷度偏差对应角度缺陷度评估占比权重。
具体地,所述散热信息是指各管式铝型散热器中各散热片从额定承载温度降至初始温度对应的时长。
具体地,所述分析目标生产批次中管式铝型散热器的性能缺陷度,具体分析过程为:E1、从表观图像中定位出各管式铝型散热器中各散热片在额定承受强度下的各压痕深度和各压痕轮廓面积,并从中分别提取最大值,得到各管式铝型散热器中各散热片的最大压痕深度和最大压痕轮廓面积,分别记为和/>。
E2、从云数据库中提取管式铝型散热器中散热片的基准轮廓面积,记为。
E3、计算各管式铝型散热器对应硬度性能缺陷度,,其中,/>表示设定参照的压痕深度,/>表示设定参照的总压痕轮廓面积占比。
E4、从散热信息中提取各管式铝型散热器中各散热片从额定承载温度降至初始温度对应的时长,并记为各管式铝型散热器中各散热片的降温时长,计算各管式铝型散热器对应散热性能缺陷度。
E5、计算目标生产批次中管式铝型散热器的性能缺陷度,,其中,和分别表示设定的硬度性能缺陷评估和
散热性能缺陷评估对应性能缺陷度评估占比权重。
具体地,所述计算各管式铝型散热器对应散热性能缺陷度,具体计算过程为:F1、
若某管式铝型散热器中某散热片的降温时长小于或者等于设定值,则判定该散热片为正常
散热片,统计各管式铝型散热器中正常散热片数目,记为。
F2、从各管式铝型散热器中各散热片的降温时长中提取最大值和最小值,并分别
记为和。
F3、计算各管式铝型散热器对应散热性能缺陷度,,其中,表示散热片的数目,表示设定参照
的正常散热片数目占比,和分别表示设定的正常散热片数目占比和降温时长极值差
对应散热性能缺陷度评估占比权重。
相较于现有技术,本发明的实施例至少具有如下优点或有益效果:(1)本发明通过分析管式铝型散热器的结构缺陷度、尺寸缺陷度和性能缺陷度,从而反馈目标生产批次的管式铝型散热器的质量合格情况,有效解决了当前通过表观层面和尺寸层面对管式铝型散热器的模具生产缺陷分析中存在的局限性问题,降低了管式铝型散热器的生产缺陷分析中存在的误差性,提高了生产缺陷分析的综合性和说服力,同时提高了管式铝型散热器的生产效率,并保证了产品质量的一致性。
(2)本发明通过管式铝型散热器的凹陷度、划痕度和涂层均匀度这三个维度进行外部缺陷度分析,同时通过从气孔、杂质等进行内部缺陷度分析,实现了管式铝型散热器结构从内至外的双重缺陷分析,提高了结构缺陷的排查力度,直观地展示了管式铝型散热器的结构缺陷情况,拓展了管式铝型散热器的结构缺陷度分析的覆盖面,同时提高了管式铝型散热器的结构缺陷度分析的可靠性。
(3)本发明通过计算管式铝型散热器对应散热片的间距均匀度和角度缺陷度,从而分析管式铝型散热器的尺寸缺陷度,从而保障了管式铝型散热器的尺寸合格性,降低了管式铝型散热器的生产成本和安装损失,同时提高了管式铝型散热器的尺寸缺陷度判断的准确性。
(4)本发明通过对各管式铝型散热器进行硬度性能和散热性能测试,并根据测试的表观图像和散热信息,分析硬度性能缺陷度和散热性能缺陷度,从而得到管式铝型散热器的性能缺陷度,实现了管式铝型散热器的性能缺陷度的多维度分析,提高了管式铝型散热器的隐患排查的精准性,同时提高了管式铝型散热器的性能缺陷度评估数据的参考性,保障了后续使用时散热性能的稳定性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明方法步骤流程示意图。
图2为本发明管式铝型散热器的端面示意图。
附图说明:1、散热片端面的中心点,2、管式铝型散热器的端面圆心点,3、圆心角,4、中心线。
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所示,本发明提供了一种基于机器视觉的铝型材生产缺陷分析处理方法,包括:S1、铝型材结构信息采集分析:对目标生产批次中各管式铝型散热器的外部结构和内部结构分别进行图像采集,得到图像信息,并采集各管式铝型散热器中各组成散热片的表面各采样点的涂层厚度,从而分析目标生产批次中管式铝型散热器的结构缺陷度。
需要说明的是,所述外部结构图像以及后续所提及的整体图像、端面图像和表观图像均通过安置在管式铝型散热器测试区域内的摄像头采集得到,内部结构图像通过x射机扫描得到,涂层厚度通过涂层厚度计采集得到。
在本发明具体实施例中,所述图像信息包括外部结构图像信息和内部结构图像信息。
其中,外部结构图像信息包括各管式铝型散热器中各组成散热片的表面凹陷处数目、各凹陷处对应的凹陷体积以及表面划痕处数目和各划痕处对应的划痕长度。
内部结构图像信息包括各管式铝型散热器中各组成散热片的内部气孔处数目、各气孔处对应的气孔面积以及内部杂质处数目和各杂质处对应的杂质面积。
在本发明具体实施例中,所述分析目标生产批次中管式铝型散热器的结构缺陷度,具体分析过程为:A1、从外部结构图像信息中提取各管式铝型散热器中各组成散热片的表面凹陷处数目和各凹陷处对应的凹陷体积,并分别记为和/>,其中,/>表示管式铝型散热器编号,/>,/>表示散热片编号,/>,/>表示凹陷处编号,。
A2、计算各管式铝型散热器的凹陷度,
,其中,和分别表示设定参照的凹陷处总数目和凹陷总体积,和分别表示设定
的凹陷处总数目和凹陷总体积对应凹陷度评估占比权重,表示自然常数。
A3、从外部结构图像信息中提取各管式铝型散热器中各组成散热片的表面划痕处数目和各划痕处对应的划痕长度,并按照各管式铝型散热器的凹陷度的分析方式同理分析各管式铝型散热器的划痕度。
A4、根据各管式铝型散热器中各组成散热片的表面各采样点的涂层厚度,计算各管式铝型散热器的涂层均匀度。
需要说明的是,所述计算各管式铝型散热器的涂层均匀度,具体计算过程为:G1、
将各管式铝型散热器中各组成散热片的表面各采样点的涂层厚度记为,其中,表
示采样点编号,。
G2、计算各管式铝型散热器中各组成散热片的涂层均匀度,,其中,表示设定参照的涂层厚度偏差。
G3、将各管式铝型散热器中各组成散热片的涂层均匀度进行均值计算,得到各管式铝型散热器的平均涂层均匀度,并将其作为各管式铝型散热器的涂层均匀度。
A5、计算各管式铝型散热器对应外部结构缺陷度,,其中,和分别表示设定的凹陷评估、划痕
评估和涂层均匀评估对应外部结构缺陷度评估占比权重。
A6、从内部结构图像信息中提取各管式铝型散热器中各组成散热片的内部气孔处数目、各气孔处对应的气孔面积以及内部杂质处数目和各杂质处对应的杂质面积,按照各管式铝型散热器对应外部结构缺陷度的分析方式同理分析各管式铝型散热器对应内部结构缺陷度。
A7、计算各管式铝型散热器的结构缺陷度,,其中,和分别表示设定的外部结构缺陷评估和内部结构缺陷评估对应结构缺陷度评估占
比权重。
A8、从各管式铝型散热器的结构缺陷度中提取最大结构缺陷度,并将最大结构缺陷度作为目标生产批次中管式铝型散热器的结构缺陷度。
本发明实施例通过管式铝型散热器的凹陷度、划痕度和涂层均匀度这三个维度进行外部缺陷度分析,同时通过从气孔、杂质等进行内部缺陷度分析,实现了管式铝型散热器结构从内至外的双重缺陷分析,提高了结构缺陷的排查力度,直观地展示了管式铝型散热器的结构缺陷情况,拓展了管式铝型散热器的结构缺陷度分析的覆盖面,同时提高了管式铝型散热器的结构缺陷度分析的可靠性。
S2、铝型材尺寸信息采集分析:采集各管式铝型散热器的整体图像和端面图像,从而分析目标生产批次中管式铝型散热器的尺寸缺陷度。
需要说明的是,所述整体图像是指散热片布设面图像,所述端面图像是指垂直于散热片布设面的面的图像。
在本发明具体实施例中,所述分析目标生产批次中管式铝型散热器的尺寸缺陷度,具体分析过程为:B1、根据各管式铝型散热器的整体图像,分析管式铝型散热器对应散热片的间距均匀度。
在本发明具体实施例中,所述分析管式铝型散热器对应散热片的间距均匀度,具体分析过程为:C1、从各管式铝型散热器的整体图像中随机定位出一个散热片,将该散热片记为目标散热片,将其他各散热片按照顺时针方向依次进行排序,并记为各参照散热片。
C2、在各管式铝型散热器的目标散热片中从上往下依次布设各监测点,记为各目标散热点,将各目标散热点映射至各参照散热片,得到各参照散热片中各目标散热点对应的映射点,进而获取各管式铝型散热器的目标散热片中各目标散热点与各参照散热片中各目标散热点对应的映射点之间的距离,记为,其中,/>表示参照散热片的编号,,/>表示映射点的编号,/>。
C3、计算管式铝型散热器对应散热片的间距均匀度,,其中,/>表示管式铝型散热器数目,/>和/>分别表示设定参照的水平方向的间距偏差和竖直方向的间距偏差,/>表示第个参照散热片,/>表示第/>个映射点。
B2、根据各管式铝型散热器的端面图像,分析管式铝型散热器对应散热片的角度缺陷度。
在本发明具体实施例中,所述分析管式铝型散热器对应散热片的角度缺陷度,具体分析过程为:D1、从各管式铝型散热器的端面图像中定位出各管式铝型散热器中各散热片端面的中心点位置和各管式铝型散热器的端面圆心点位置。
D2、以中心点为基点作中心线,并将中心线连接圆心点,从而得到各管式铝型散热器中各散热片对应的圆心角,记为。
D3、计算各管式铝型散热器对应散热片的角度缺陷度,/>,其中,/>和/>分别表示设定参照的圆心角和圆心角总偏差。
D4、若某管式铝型散热器对应散热片的角度缺陷度大于或者等于设定值,则判定该管式铝型散热器为异常散热器,统计目标生产批次中异常散热器数目,记为。
D5、从各管式铝型散热器对应散热片的角度缺陷度提取最大值,记为。
D6、计算管式铝型散热器对应散热片的角度缺陷度,/>,其中,/>和/>分别表示设定参照的异常散热器数目占比和角度缺陷度,/>和/>分别表示设定的异常散热器数目占比和角度缺陷度偏差对应角度缺陷度评估占比权重。
B3、计算目标生产批次中管式铝型散热器的尺寸缺陷度,,其中,/>和/>分别表示设定的间距均匀评估和角度缺陷评估对应尺寸缺陷度评估占比权重。
本发明实施例通过计算管式铝型散热器对应散热片的间距均匀度和角度缺陷度,从而分析管式铝型散热器的尺寸缺陷度,从而保障了管式铝型散热器的尺寸合格性,降低了管式铝型散热器的生产成本和安装损失,同时提高了管式铝型散热器的尺寸缺陷度判断的准确性。
S3、铝型材性能监测分析:对各管式铝型散热器进行硬度性能和散热性能测试,并监测测试的表观图像和散热信息,从而分析目标生产批次中管式铝型散热器的性能缺陷度。
在本发明具体实施例中,所述散热信息是指各管式铝型散热器中各散热片从额定承载温度降至初始温度对应的时长。
需要说明的是,所述时长通过设置的散热性能测试的后台提取得到。
在本发明具体实施例中,所述分析目标生产批次中管式铝型散热器的性能缺陷度,具体分析过程为:E1、从表观图像中定位出各管式铝型散热器中各散热片在额定承受强度下的各压痕深度和各压痕轮廓面积,并从中分别提取最大值,得到各管式铝型散热器中各散热片的最大压痕深度和最大压痕轮廓面积,分别记为和/>。
E2、从云数据库中提取管式铝型散热器中散热片的基准轮廓面积,记为。
E3、计算各管式铝型散热器对应硬度性能缺陷度,,其中,/>表示设定参照的压痕深度,/>表示设定参照的总压痕轮廓面积占比。
E4、从散热信息中提取各管式铝型散热器中各散热片从额定承载温度降至初始温度对应的时长,并记为各管式铝型散热器中各散热片的降温时长,计算各管式铝型散热器对应散热性能缺陷度。
在本发明具体实施例中,所述计算各管式铝型散热器对应散热性能缺陷度,具体
计算过程为:F1、若某管式铝型散热器中某散热片的降温时长小于或者等于设定值,则判定
该散热片为正常散热片,统计各管式铝型散热器中正常散热片数目,记为。
F2、从各管式铝型散热器中各散热片的降温时长中提取最大值和最小值,并分别
记为和。
F3、计算各管式铝型散热器对应散热性能缺陷度,,其中,表示散热片的数目,表示设定
参照的正常散热片数目占比,和分别表示设定的正常散热片数目占比和降温时长极
值差对应散热性能缺陷度评估占比权重。
E5、计算目标生产批次中管式铝型散热器的性能缺陷度,,其中,和分别表示设定的硬度性能缺陷评估和散热
性能缺陷评估对应性能缺陷度评估占比权重。
本发明实施例通过对各管式铝型散热器进行硬度性能和散热性能测试,并根据测试的表观图像和散热信息,分析硬度性能缺陷度和散热性能缺陷度,从而得到管式铝型散热器的性能缺陷度,实现了管式铝型散热器的性能缺陷度的多维度分析,提高了管式铝型散热器的隐患排查的精准性,同时提高了管式铝型散热器的性能缺陷度评估数据的参考性,保障了后续使用时散热性能的稳定性。
S4、铝型材生产缺陷反馈:若目标生产批次中管式铝型散热器的结构缺陷度或者尺寸缺陷度或者性能缺陷度达到其设定值时,则判定目标生产批次的管式铝型散热器的质量不合格,同时进行生产缺陷反馈。
本发明实施例通过分析管式铝型散热器的结构缺陷度、尺寸缺陷度和性能缺陷度,从而反馈目标生产批次的管式铝型散热器的质量合格情况,有效解决了当前通过表观层面和尺寸层面对管式铝型散热器的模具生产缺陷分析中存在的局限性问题,降低了管式铝型散热器的生产缺陷分析中存在的误差性,提高了生产缺陷分析的综合性和说服力,同时提高了管式铝型散热器的生产效率,并保证了产品质量的一致性。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种基于机器视觉的铝型材生产缺陷分析处理方法,其特征在于,包括如下步骤:
S1、铝型材结构信息采集分析:对目标生产批次中各管式铝型散热器的外部结构和内部结构分别进行图像采集,得到图像信息,并采集各管式铝型散热器中各组成散热片的表面各采样点的涂层厚度,从而分析目标生产批次中管式铝型散热器的结构缺陷度;
所述分析目标生产批次中管式铝型散热器的结构缺陷度,具体分析过程为:
A1、从外部结构图像信息中提取各管式铝型散热器中各组成散热片的表面凹陷处数目和各凹陷处对应的凹陷体积,并分别记为和/>,其中,/>表示管式铝型散热器编号,,/>表示散热片编号,/>,/>表示凹陷处编号,/>;
A2、计算各管式铝型散热器的凹陷度,/>,其中,/>和/>分别表示设定参照的凹陷处总数目和凹陷总体积,/>和/>分别表示设定的凹陷处总数目和凹陷总体积对应凹陷度评估占比权重,/>表示自然常数;
A3、从外部结构图像信息中提取各管式铝型散热器中各组成散热片的表面划痕处数目和各划痕处对应的划痕长度,并按照各管式铝型散热器的凹陷度的分析方式同理分析各管式铝型散热器的划痕度;
A4、根据各管式铝型散热器中各组成散热片的表面各采样点的涂层厚度,计算各管式铝型散热器的涂层均匀度;
所述计算各管式铝型散热器的涂层均匀度,具体计算过程为:G1、将各管式铝型散热器中各组成散热片的表面各采样点的涂层厚度记为,其中,/>表示采样点编号,;
G2、计算各管式铝型散热器中各组成散热片的涂层均匀度,,其中,/>表示设定参照的涂层厚度偏差;
G3、将各管式铝型散热器中各组成散热片的涂层均匀度进行均值计算,得到各管式铝型散热器的平均涂层均匀度,并将其作为各管式铝型散热器的涂层均匀度;
A5、计算各管式铝型散热器对应外部结构缺陷度,,其中,/>和/>分别表示设定的凹陷评估、划痕评估和涂层均匀评估对应外部结构缺陷度评估占比权重;
A6、从内部结构图像信息中提取各管式铝型散热器中各组成散热片的内部气孔处数目、各气孔处对应的气孔面积以及内部杂质处数目和各杂质处对应的杂质面积,按照各管式铝型散热器对应外部结构缺陷度的分析方式同理分析各管式铝型散热器对应内部结构缺陷度;
A7、计算各管式铝型散热器的结构缺陷度,/>,其中,/>和分别表示设定的外部结构缺陷评估和内部结构缺陷评估对应结构缺陷度评估占比权重;
A8、从各管式铝型散热器的结构缺陷度中提取最大结构缺陷度,并将最大结构缺陷度作为目标生产批次中管式铝型散热器的结构缺陷度;
S2、铝型材尺寸信息采集分析:采集各管式铝型散热器的整体图像和端面图像,从而分析目标生产批次中管式铝型散热器的尺寸缺陷度;
S3、铝型材性能监测分析:对各管式铝型散热器进行硬度性能和散热性能测试,并监测测试的表观图像和散热信息,从而分析目标生产批次中管式铝型散热器的性能缺陷度;
S4、铝型材生产缺陷反馈:若目标生产批次中管式铝型散热器的结构缺陷度或者尺寸缺陷度或者性能缺陷度达到其设定值时,则判定目标生产批次的管式铝型散热器的质量不合格,同时进行生产缺陷反馈。
2.根据权利要求1所述的一种基于机器视觉的铝型材生产缺陷分析处理方法,其特征在于:所述图像信息包括外部结构图像信息和内部结构图像信息;
其中,外部结构图像信息包括各管式铝型散热器中各组成散热片的表面凹陷处数目、各凹陷处对应的凹陷体积以及表面划痕处数目和各划痕处对应的划痕长度;
内部结构图像信息包括各管式铝型散热器中各组成散热片的内部气孔处数目、各气孔处对应的气孔面积以及内部杂质处数目和各杂质处对应的杂质面积。
3.根据权利要求1所述的一种基于机器视觉的铝型材生产缺陷分析处理方法,其特征在于:所述分析目标生产批次中管式铝型散热器的尺寸缺陷度,具体分析过程为:
B1、根据各管式铝型散热器的整体图像,分析管式铝型散热器对应散热片的间距均匀度;
B2、根据各管式铝型散热器的端面图像,分析管式铝型散热器对应散热片的角度缺陷度;
B3、计算目标生产批次中管式铝型散热器的尺寸缺陷度,/>,其中,/>和/>分别表示设定的间距均匀评估和角度缺陷评估对应尺寸缺陷度评估占比权重。
4.根据权利要求3所述的一种基于机器视觉的铝型材生产缺陷分析处理方法,其特征在于:所述分析管式铝型散热器对应散热片的间距均匀度,具体分析过程为:
C1、从各管式铝型散热器的整体图像中随机定位出一个散热片,将该散热片记为目标散热片,将其他各散热片按照顺时针方向依次进行排序,并记为各参照散热片;
C2、在各管式铝型散热器的目标散热片中从上往下依次布设各监测点,记为各目标散热点,将各目标散热点映射至各参照散热片,得到各参照散热片中各目标散热点对应的映射点,进而获取各管式铝型散热器的目标散热片中各目标散热点与各参照散热片中各目标散热点对应的映射点之间的距离,记为,其中,/>表示参照散热片的编号,/>,/>表示映射点的编号,/>;
C3、计算管式铝型散热器对应散热片的间距均匀度,,其中,/>表示管式铝型散热器数目,/>和/>分别表示设定参照的水平方向的间距偏差和竖直方向的间距偏差,/>表示第/>个参照散热片,/>表示第/>个映射点。
5.根据权利要求3所述的一种基于机器视觉的铝型材生产缺陷分析处理方法,其特征在于:所述分析管式铝型散热器对应散热片的角度缺陷度,具体分析过程为:
D1、从各管式铝型散热器的端面图像中定位出各管式铝型散热器中各散热片端面的中心点位置和各管式铝型散热器的端面圆心点位置;
D2、以中心点为基点作中心线,并将中心线连接圆心点,从而得到各管式铝型散热器中各散热片对应的圆心角,记为;
D3、计算各管式铝型散热器对应散热片的角度缺陷度,/>,其中,/>和/>分别表示设定参照的圆心角和圆心角总偏差;
D4、若某管式铝型散热器对应散热片的角度缺陷度大于或者等于设定值,则判定该管式铝型散热器为异常散热器,统计目标生产批次中异常散热器数目,记为;
D5、从各管式铝型散热器对应散热片的角度缺陷度提取最大值,记为;
D6、计算管式铝型散热器对应散热片的角度缺陷度,/>,其中,/>和/>分别表示设定参照的异常散热器数目占比和角度缺陷度,/>和/>分别表示设定的异常散热器数目占比和角度缺陷度偏差对应角度缺陷度评估占比权重。
6.根据权利要求4所述的一种基于机器视觉的铝型材生产缺陷分析处理方法,其特征在于:所述散热信息是指各管式铝型散热器中各散热片从额定承载温度降至初始温度对应的时长。
7.根据权利要求6所述的一种基于机器视觉的铝型材生产缺陷分析处理方法,其特征在于:所述分析目标生产批次中管式铝型散热器的性能缺陷度,具体分析过程为:
E1、从表观图像中定位出各管式铝型散热器中各散热片在额定承受强度下的各压痕深度和各压痕轮廓面积,并从中分别提取最大值,得到各管式铝型散热器中各散热片的最大压痕深度和最大压痕轮廓面积,分别记为和/>;
E2、从云数据库中提取管式铝型散热器中散热片的基准轮廓面积,记为;
E3、计算各管式铝型散热器对应硬度性能缺陷度,,其中,/>表示设定参照的压痕深度,/>表示设定参照的总压痕轮廓面积占比;
E4、从散热信息中提取各管式铝型散热器中各散热片从额定承载温度降至初始温度对应的时长,并记为各管式铝型散热器中各散热片的降温时长,计算各管式铝型散热器对应散热性能缺陷度;
E5、计算目标生产批次中管式铝型散热器的性能缺陷度,,其中,/>和/>分别表示设定的硬度性能缺陷评估和散热性能缺陷评估对应性能缺陷度评估占比权重。
8.根据权利要求7所述的一种基于机器视觉的铝型材生产缺陷分析处理方法,其特征在于:所述计算各管式铝型散热器对应散热性能缺陷度,具体计算过程为:
F1、若某管式铝型散热器中某散热片的降温时长小于或者等于设定值,则判定该散热片为正常散热片,统计各管式铝型散热器中正常散热片数目,记为;
F2、从各管式铝型散热器中各散热片的降温时长中提取最大值和最小值,并分别记为和/>;
F3、计算各管式铝型散热器对应散热性能缺陷度,,其中,/>表示散热片的数目,/>表示设定参照的正常散热片数目占比,/>和/>分别表示设定的正常散热片数目占比和降温时长极值差对应散热性能缺陷度评估占比权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311196709.9A CN116930196B (zh) | 2023-09-18 | 2023-09-18 | 一种基于机器视觉的铝型材生产缺陷分析处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311196709.9A CN116930196B (zh) | 2023-09-18 | 2023-09-18 | 一种基于机器视觉的铝型材生产缺陷分析处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116930196A CN116930196A (zh) | 2023-10-24 |
CN116930196B true CN116930196B (zh) | 2023-12-22 |
Family
ID=88381106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311196709.9A Active CN116930196B (zh) | 2023-09-18 | 2023-09-18 | 一种基于机器视觉的铝型材生产缺陷分析处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116930196B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117288099B (zh) * | 2023-11-27 | 2024-01-30 | 江苏海德曼新材料股份有限公司 | 基于机器视觉的铝塑复合板生产质量检测分析方法 |
CN117367516B (zh) * | 2023-12-04 | 2024-02-23 | 江苏海德曼新材料股份有限公司 | 基于多维测试的铝塑复合板性能检测*** |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980075602A (ko) * | 1997-03-31 | 1998-11-16 | 윤종용 | 히트 싱크 설계방법 |
US6330354B1 (en) * | 1997-05-01 | 2001-12-11 | International Business Machines Corporation | Method of analyzing visual inspection image data to find defects on a device |
JP2004038885A (ja) * | 2002-07-08 | 2004-02-05 | Adoin Kenkyusho:Kk | 画像特徴学習型欠陥検出方法、欠陥検出装置及び欠陥検出プログラム |
CN101504689A (zh) * | 2009-03-26 | 2009-08-12 | 北京航空航天大学 | 散热器优化参数确定方法和具有优化参数的散热器 |
WO2010061263A1 (en) * | 2008-11-28 | 2010-06-03 | Rag-All S.P.A. | Fin radiator made of mechanically connected aluminium section bars |
WO2012117468A1 (ja) * | 2011-02-28 | 2012-09-07 | 日本精工株式会社 | アルミダイカスト部品強度評価方法及びアルミダイカスト部品及びアルミダイカスト部品の欠陥検出方法 |
CN104458748A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院沈阳自动化研究所 | 基于机器视觉的铝型材表面缺陷检测方法 |
CN106290394A (zh) * | 2016-09-30 | 2017-01-04 | 华南理工大学 | 一种cpu散热器铝挤成型缺陷检测***及检测方法 |
CN108759678A (zh) * | 2018-07-19 | 2018-11-06 | 广州富唯电子科技有限公司 | 散热片尺寸及平整度线上自动测量设备及其测量方法 |
CN111174719A (zh) * | 2020-02-02 | 2020-05-19 | 肖正富 | 一种散热片尺寸检测***及方法 |
CN112345539A (zh) * | 2020-11-05 | 2021-02-09 | 菲特(天津)检测技术有限公司 | 一种基于深度学习的铝压铸件表面缺陷检测方法 |
CN112945777A (zh) * | 2021-03-10 | 2021-06-11 | 辽宁忠旺集团有限公司 | 一种铝合金型材硬度在线自动检测***及方法 |
CN114923525A (zh) * | 2022-05-27 | 2022-08-19 | 四川具斯德科技有限责任公司 | 一种基于人工智能的电线电缆缺陷在线检测分析管理*** |
CN115876288A (zh) * | 2023-02-27 | 2023-03-31 | 泰安奇正电子科技有限公司 | 一种基于大数据的电子仪表故障分析方法及*** |
CN116563280A (zh) * | 2023-07-07 | 2023-08-08 | 深圳市鑫典金光电科技有限公司 | 一种基于数据分析的复合铜散热底板加工检测方法及*** |
CN116703275A (zh) * | 2023-06-07 | 2023-09-05 | 荆州市到乐物流有限公司 | 一种基于运单数据分析的物流车辆调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109883857B (zh) * | 2019-03-19 | 2021-10-26 | 松下压缩机(大连)有限公司 | 压铸铝合金内部缺陷的快速检测方法 |
-
2023
- 2023-09-18 CN CN202311196709.9A patent/CN116930196B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980075602A (ko) * | 1997-03-31 | 1998-11-16 | 윤종용 | 히트 싱크 설계방법 |
US6330354B1 (en) * | 1997-05-01 | 2001-12-11 | International Business Machines Corporation | Method of analyzing visual inspection image data to find defects on a device |
JP2004038885A (ja) * | 2002-07-08 | 2004-02-05 | Adoin Kenkyusho:Kk | 画像特徴学習型欠陥検出方法、欠陥検出装置及び欠陥検出プログラム |
WO2010061263A1 (en) * | 2008-11-28 | 2010-06-03 | Rag-All S.P.A. | Fin radiator made of mechanically connected aluminium section bars |
CN101504689A (zh) * | 2009-03-26 | 2009-08-12 | 北京航空航天大学 | 散热器优化参数确定方法和具有优化参数的散热器 |
WO2012117468A1 (ja) * | 2011-02-28 | 2012-09-07 | 日本精工株式会社 | アルミダイカスト部品強度評価方法及びアルミダイカスト部品及びアルミダイカスト部品の欠陥検出方法 |
CN104458748A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院沈阳自动化研究所 | 基于机器视觉的铝型材表面缺陷检测方法 |
CN106290394A (zh) * | 2016-09-30 | 2017-01-04 | 华南理工大学 | 一种cpu散热器铝挤成型缺陷检测***及检测方法 |
CN108759678A (zh) * | 2018-07-19 | 2018-11-06 | 广州富唯电子科技有限公司 | 散热片尺寸及平整度线上自动测量设备及其测量方法 |
CN111174719A (zh) * | 2020-02-02 | 2020-05-19 | 肖正富 | 一种散热片尺寸检测***及方法 |
CN112345539A (zh) * | 2020-11-05 | 2021-02-09 | 菲特(天津)检测技术有限公司 | 一种基于深度学习的铝压铸件表面缺陷检测方法 |
CN112945777A (zh) * | 2021-03-10 | 2021-06-11 | 辽宁忠旺集团有限公司 | 一种铝合金型材硬度在线自动检测***及方法 |
CN114923525A (zh) * | 2022-05-27 | 2022-08-19 | 四川具斯德科技有限责任公司 | 一种基于人工智能的电线电缆缺陷在线检测分析管理*** |
CN115876288A (zh) * | 2023-02-27 | 2023-03-31 | 泰安奇正电子科技有限公司 | 一种基于大数据的电子仪表故障分析方法及*** |
CN116703275A (zh) * | 2023-06-07 | 2023-09-05 | 荆州市到乐物流有限公司 | 一种基于运单数据分析的物流车辆调度方法 |
CN116563280A (zh) * | 2023-07-07 | 2023-08-08 | 深圳市鑫典金光电科技有限公司 | 一种基于数据分析的复合铜散热底板加工检测方法及*** |
Non-Patent Citations (3)
Title |
---|
Application of Shearlet transform to classification of surface defects for metals;Ke Xu 等;Image and Vision Computing;第35卷;23-30 * |
基于计算机视觉的管壳表面划痕检测技术研究;李哲毓;高明;马卫红;;应用光学(第06期);802-805 * |
硬质相对6061铝合金异型散热型材表面质量的影响;罗淞;林高用;曾菊花;孙利平;邹艳明;周玉雄;;中国有色金属学报(第07期);1521-1526 * |
Also Published As
Publication number | Publication date |
---|---|
CN116930196A (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116930196B (zh) | 一种基于机器视觉的铝型材生产缺陷分析处理方法 | |
US11506650B2 (en) | Method for automatic quantitative statistical distribution characterization of dendrite structures in a full view field of metal materials | |
CN115184368B (zh) | 一种铸件缺陷检测控制*** | |
CN111220077A (zh) | 一种散热器螺纹孔安装尺寸视觉检测装置及方法 | |
CN109990711B (zh) | 一种冲孔镀镍钢带的外观质量检测方法 | |
CN116758067B (zh) | 基于特征匹配的金属结构件检测方法 | |
CN112001880B (zh) | 一种平面构件的特征参数检测方法及装置 | |
CN113240667A (zh) | 一种基于图像处理的汽车模具平面裂纹检测方法 | |
CN116188458A (zh) | 一种汽车配件压铸模具表面形变异常智能识别方法 | |
CN110544276A (zh) | 最小二乘法椭圆拟合活塞裙部最大点处尺寸测量方法 | |
CN116645364A (zh) | 一种基于图像数据的合金钢铸件气孔缺陷检测方法 | |
CN108827197B (zh) | 一种减少边缘退化影响的线阵工业ct均质材料尺寸测量方法 | |
CN117474873B (zh) | 一种高铬耐磨铸件钎焊前表面处理*** | |
CN117367516B (zh) | 基于多维测试的铝塑复合板性能检测*** | |
CN111815580B (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN116432052B (zh) | 一种新能源汽车模具用夹具质量检测方法 | |
CN116740053A (zh) | 一种锻造加工智能生产线的管理*** | |
CN117781882A (zh) | 一种工业五金件检测mes数据采集分析*** | |
CN117173177A (zh) | 一种基于图像的金属外壳光学尺寸检测方法及*** | |
CN114998329B (zh) | 一种电子通讯设备射频屏蔽罩的精密冲压质量分析*** | |
CN116205923A (zh) | 基于x-ray的汽车轮毂内部缺陷无损检测方法 | |
CN114862816A (zh) | 毛刺检测方法、***和计算机可读存储介质 | |
CN114881952A (zh) | 一种铸件缺陷区域检测及边缘准确分割方法 | |
CN110411380B (zh) | 基于小波包纹理分析的非接触式表面粗糙度测量方法 | |
WO2018070710A1 (ko) | 제품의 대칭성과 영상 유사도를 이용한 초경인서트 결함 검출방법 |
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 |