CN204440490U - 一种基于压缩感知的轴套类零件表面缺陷在线检测装置 - Google Patents
一种基于压缩感知的轴套类零件表面缺陷在线检测装置 Download PDFInfo
- Publication number
- CN204440490U CN204440490U CN201520017896.4U CN201520017896U CN204440490U CN 204440490 U CN204440490 U CN 204440490U CN 201520017896 U CN201520017896 U CN 201520017896U CN 204440490 U CN204440490 U CN 204440490U
- Authority
- CN
- China
- Prior art keywords
- model
- bush
- type parts
- axle type
- compressed sensing
- 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.)
- Expired - Fee Related
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种基于压缩感知的轴套类零件表面缺陷在线检测装置,包括检测控制***、检测辅助装置(1)、工业摄像机(11、12、13)。检测控制***包括控制器(3)、驱动器(4)、工控机(2)、检测通道(18)和分选通道;检测辅助装置包括步进电机(17)、齿轮(16)、丝杆(15)和滑块(14)。本实用新型采用三台摄像机,对待测零件进行不同方位的图像拍摄,设置图像处理层和零件缺陷检测与判别层,对不同层次分别进行个性化处理,利用压缩感知技术对图像进行图像压缩。本实用新型采用缺陷训练样本字典进行缺陷检测。与传统机器视觉方法相比,缩短了图像处理时间,在保证足够精度的前提下,提高了缺陷识别的可靠性,满足了在线检测的实时性要求。
Description
技术领域
本实用新型涉及一种基于压缩感知的轴套类零件表面缺陷在线检测装置,属于工业零件缺陷检测研究领域。
背景技术
随着全球制造业中心逐步向我国转移,在生产与制造能力不断扩大的同时,人们对产品也提出了越来越高的要求,产品表面质量对产品的直接使用或深加工有着重要影响。轴套类零件在生产、装配过程中,零件的表面、端面等处可能会产生各种划痕、磨痕、凹坑等缺陷。缺陷检测的任务就是检测出有缺陷的零件,保证缺陷识别率、不合格产品的去除率达到较高水平,进而提高产品的总体质量。因此如何对零件进行有效的检测和处理,是我们目前缺陷检测过程中面对的主要问题。
目前国内许多制造企业仍采用传统的人工抽检方法来进行产品表面缺陷检测,不仅检测速度慢而且极易造成误判、漏检,无法满足企业提高产品质量的要求。近年来,先后出现了诸如红外线探伤、超声波检测法、涡流检测及磁粉探伤等方法,但在工业现场强脉冲噪声环境下很难达到十分满意的效果,无法满足现代测量技术对在线、精密、实时、综合性等方面的要求。随着制造业向着精益生产及追求零缺陷的目标发展,探索客观、有效、可靠的质量控制方案,提高零件表面缺陷视觉在线检测水平,已经成为许多企业迫切需要解决的问题。
发明内容
本实用新型的目的是:针对传统人工检测速度慢而且极易造成误判、漏检等现状,本实用新型公开一种基于压缩感知的轴套类零件表面缺陷在线检测装置,该装置可以对零件进行快速检测。
本实用新型的技术方案是:将三台摄像机拍摄到的图像分别通过检测控制***得出最后的反馈信息,判断该零件是否存在缺陷并对零件进行良莠分类。
一种基于压缩感知的轴套类零件表面缺陷在线检测装置,包括,检测控制***、检测辅助装置、工业摄像机和千兆网线。工业摄像机通过千兆网线连接检测控制***;检测控制***通过检测辅助装置进行在线检测。
本实用新型所述的检测控制***包括控制器、驱动器、工控机、检测通道和分选通道。轴套类零件进入检测通道,所述工控机通过千兆网线从工业摄像机得到轴套类零件的样本图像进行预处理,利用压缩感知技术对图像进行压缩,根据压缩感知的判别标准实现对待测零件缺陷的识别;工控机将识别结果传送至控制器,由控制器控制驱动器工作,驱动器执行控制器命令开启阀门,将轴套类零件按检测结果送入分选通道。
本实用新型所述的检测辅助装置包括步进电机、齿轮、丝杆和滑块。待测零件刚进入到检测通道,滑块上的顶杆顶住其左面定位,摄像机开始摄取图像,步进电机带动齿轮转动,齿轮驱动丝杠向左移动1/3个待测零件外圆柱圆面周长,待测零件由于自身重力在滑道上移动1/3个外圆柱圆面周长后停下,摄像机摄取第二个面的图像。这样经过滑块的3次移动,拍摄到待测零件的3个面的图片,通过千兆网线与工控机的连接把图片传入到工控机,由图像处理软件对图片进行处理分析。
本实用新型所述的工业摄像机有三台,分别安装在位于通道中的轴套类零件的三个方位,第二摄像机和第三摄像机分别位于通道的二旁,第一摄像机位于轴套类零件的正上方;三台摄像机的摄像头均指向轴套类零件;每台摄像机旁配置一台光源;三台摄像机的输出端通过千兆网线连接工控机。
本实用新型所述的工控机对三台摄像机所采集到的图像进行及时处理,从而通过控制器来控制三台摄像机的拍摄时间,以及对机器电机装置中的阀门通过驱动器进行控制,从而实现对待测零件的在线检测与分类。
本实用新型所述的分选通道由合格通道和不合格通道组成,这两个通道通过阀门来进行控制,如果待测零件为合格零件,阀门将不做任何变动,如果待测零件为不合格零件,则控制器将驱动阀门,将插板连接到不合格通道。
本实用新型所述的传输通道通过设定好一定的传输速率将待测零件传输到检测区域。
本实用新型所述的检测控制***工作流程包括:
(1)工控机对所获得的轴套类零件样本图像进行预处理,包括图像滤波去噪、增强、边缘检测与缺陷分割,以得到缺陷区域;对处理后的样本图像实施调整采样频率、尺寸归一化等处理,根据压缩感知原理训练出样本图像并建立样本冗余字典;
(2)将三台摄像机采集到的图像数据同步传输到工控机图像处理***,对所获得的待测零件图像进行预处理;对待测零件外圆柱表面正上方拍摄到的具有重叠区域的三幅图像,利用基于压缩感知与小波变换原理进行图像拼接,形成一幅完整的待测零件外圆柱表面图像。两端面图像利用压缩感知技术进行图像压缩;
(3)对拼接融合后的完整外圆柱表面图像和两端面图像按照一定的采样频率分别进行采样,选择合适的正交基分解矩阵及观测矩阵,依据样本冗余字典,分别计算出这三幅图像的稀疏表示,从而根据压缩感知的判别标准实现对待测零件缺陷的识别,得到唯一输出数据判断值,根据该输出判定值自动控制待测零件是否存在缺陷并进行分类,实现零件的在线自动检测与分选。
本实用新型的有益效果是,本实用新型在采用三台摄像机的情况下,对待测零件进行不同方位的图像拍摄,设置图像处理层和零件缺陷检测与判别层,对不同层次分别进行个性化处理,在图像处理层为了缩短图像的处理时间,利用压缩感知技术对图像进行图像压缩。在零件缺陷检测与判别层为了保证缺陷检测的准确度,采用缺陷训练样本字典进行缺陷检测。与传统机器视觉方法相比,该方法对图像进行整体压缩采样,可省略一些不必要的处理,缩短了图像处理时间,在保证足够精度的前提下,提高了缺陷识别的可靠性,满足在线检测的实时性要求。
本实用新型在缺陷检测领域的应用有助于提高检测效率,缩短自动检测***的运行周期,可大大节约零件的生产成本,实现零件缺陷检测的实时监控和自动控制。本实用新型适用于工业生产过程中轴套类零件缺陷检测处理。
附图说明
图1是本实用新型的检测技术路线图;
图2是本实用新型的检测辅助装置侧面图;
图3是本实用新型的检测辅助装置正面图;
图4是本实用新型检测控制***的设备构架图;
图5是单层小波变换的压缩感知图像融合算法流程图;
图6是零件零件缺陷检测与判别流程图。
图中图号表示:1是控制辅助装置;2是工控机;3是控制器;4是驱动器;5是阀门;6是待测零件;11是第一摄像机;12是第二摄像机;13是第三摄像机;14是滑块;15是丝杆;16是齿轮;17是步进电机;18是检测通道;19是传输带。
具体实施方式
本实用新型方法的具体实施方法如图1、图2和图4所示。图1为检测技术路线图;图2为检测辅助装置示意图;图4为本实用新型检测控制***的设备构架图;图5为基于单层小波变换的压缩感知图像融合算法流程图;图6为零件缺陷检测与判别流程图。
本实施例的硬件设备主要包括控制器,三台带千兆网卡接口的工业摄像机(不需要采集卡),一台高性能工控机,千兆网线40米和检测辅助装置。
其设备构架方法如图2、图3和图4所示,其中在待测零件6外圆柱表面正上方放置第一摄像机11和光源,在待测零件两侧端面分别放置第二摄像机12和第三摄像机13与光源。零件6从传输通道进入待测区域。三台工业摄像机分别通过千兆网线与工控机2相连。
检测辅助装置包括步进电机17、齿轮16丝杆15和滑块14。
待测零件图像融合流程如图5所示,由三台摄像机摄取待测零件图像,传送到工控机进行图像预处理,包括图像滤波去噪、增强、锐化、边缘检测与缺陷分割等;采样单层小波变换的压缩感知图像融合方法,保留小波变换后的低频系数,只对高配系数进行观测;随后对低频系数和高配系数观测值分别采用不同的融合规则进行融合;对融合后的高频与低频信号实施小波逆变换,最后得到融合后的一幅完整的待测零件外圆柱表面图像。
零件缺陷检测与判别流程如图6所示,将融合后得到的外圆柱表面图像和两端面图像按照一定的采样频率进行采样,选择合适的正交基分解矩阵及观测矩阵,依据样本冗余字典,分别计算出三幅待测图像的稀疏表示,从而根据压缩感知的判别标准实现对待测零件缺陷的识别(只要有一个面被检测出有缺陷就判定该零件为有缺陷零件),得到唯一输出数据判断值。如果待测零件存在缺陷,则驱动分选机构实现零件的在线自动检测与分选,否则判定为合格零件。
本实用新型实施例整个零件缺陷检测过程操作的具体流程如下:
第1步:将三台工业摄像机分别固定于待测零件外圆柱表面正上方以及在待测零件两端面的最佳位置,在固定之前在控制室内将摄像机与工控机相连接。
第2步:首先对所获得的轴套类零件样本图像进行预处理,以得到缺陷区域。对处理后的样本图像实施调整采样频率、尺寸归一化等处理,根据压缩感知原理训练出样本图像并建立样本冗余字典。
第3步:将机械电机装置中三台摄像机采集到的图像数据同步传输到专门的工控机图像处理***,对所获得的待测零件图像进行预处理,以得到缺陷区域。对待测零件表面正上方摄像机拍摄到的具有重叠区域的三幅图像,利用基于压缩感知技术对图像进行压缩,得到图像的局部特征值,再结合小波变换原理进行图像融合,形成一幅完整的待测零件外圆柱表面图像。两端面图像通过压缩感知技术进行图像压缩。
第4步:利用压缩感知与机器视觉方法,对融合后的完整外圆柱表面图像和两端面图像按照一定的采样频率进行采样,选择合适的正交基分解矩阵及观测矩阵,依据样本冗余字典,分别计算出三幅图像的稀疏表示,从而根据压缩感知的判别标准实现对待测零件缺陷的识别(只要有一个面被检测出有缺陷就判定该零件为有缺陷零件),得到唯一输出数据判断值。根据该判定值自动控制待测零件是否存在缺陷并进行分类,然后返回第一步,直到检测完所有零件为止。
Claims (5)
1.一种基于压缩感知的轴套类零件表面缺陷在线检测装置,其特征在于,包括,检测控制***、检测辅助装置、工业摄像机和千兆网线;工业摄像机通过千兆网线连接检测控制***;检测控制***通过检测辅助装置进行在线检测。
2.根据权利要求1所述的一种基于压缩感知的轴套类零件表面缺陷在线检测装置,其特征在于,所述检测控制***包括控制器、驱动器、工控机、检测通道和分选通道;轴套类零件进入检测通道,所述工控机通过千兆网线从工业摄像机得到轴套类零件的样本图像进行预处理,利用压缩感知技术对图像进行压缩,根据压缩感知的判别标准实现对待测零件缺陷的识别;工控机将识别结果传送至控制器,由控制器控制驱动器工作,驱动器执行控制器命令开启阀门,将轴套类零件按检测结果送入分选通道。
3.根据权利要求1所述的一种基于压缩感知的轴套类零件表面缺陷在线检测装置,其特征在于,所述检测辅助装置包括步进电机、齿轮、丝杆和滑块;待测零件刚进入到检测通道,滑块上的顶杆顶住其左面定位,摄像机开始摄取图像,步进电机带动齿轮转动,齿轮驱动丝杠向左移动1/3个待测零件外圆柱圆面周长,待测零件由于自身重力在滑道上移动1/3个外圆柱圆面周长后停下,摄像机摄取第二个面的图像;这样经过滑块的3次移动,拍摄到待测零件的3个面的图片,通过千兆网线与计算机的连接把图片传入到计算机,由图像处理软件对图片进行处理分析。
4.根据权利要求1所述的一种基于压缩感知的轴套类零件表面缺陷在线检测装置,其特征在于,所述工业摄像机有三台,分别安装在位于通道中的轴套类零件的三个方位,第二摄像机和第三摄像机分别位于通道的二旁,第一摄像机位于轴套类零件的正上方;三台摄像机的摄像头均指向轴套类零件;每台摄像机旁配置一台光源;三台摄像机的输出端通过千兆网线连接工控机。
5.根据权利要求2所述的一种基于压缩感知的轴套类零件表面缺陷在线检测装置,其特征在于,所述分选通道由合格通道和不合格通道组成,这两个通道通过阀门来进行控制,如果待测零件为合格零件,阀门将不做任何变动,如果待测零件为不合格零件,则控制器将驱动阀门,将插板连接到不合格通道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520017896.4U CN204440490U (zh) | 2015-01-12 | 2015-01-12 | 一种基于压缩感知的轴套类零件表面缺陷在线检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520017896.4U CN204440490U (zh) | 2015-01-12 | 2015-01-12 | 一种基于压缩感知的轴套类零件表面缺陷在线检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN204440490U true CN204440490U (zh) | 2015-07-01 |
Family
ID=53608327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201520017896.4U Expired - Fee Related CN204440490U (zh) | 2015-01-12 | 2015-01-12 | 一种基于压缩感知的轴套类零件表面缺陷在线检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN204440490U (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106091934A (zh) * | 2016-08-31 | 2016-11-09 | 魏志丽 | 轴类零件机器视觉尺寸检测*** |
CN107643291A (zh) * | 2017-10-25 | 2018-01-30 | 佛山市南海鑫隆机工机械有限公司 | 一种瓷具把手缺陷检测装置及方法 |
CN110009617A (zh) * | 2019-04-02 | 2019-07-12 | 浙江大学 | 一种轴类件在线质量检测方法 |
CN111906055A (zh) * | 2020-09-05 | 2020-11-10 | 双威大昌锻造(安徽)有限公司 | 用于轴套表面缺陷检测的电磁感应探伤机及其操作方法 |
CN114486923A (zh) * | 2022-03-14 | 2022-05-13 | 南通理工学院 | 基于压缩感知的轴类零件表面缺陷在线连续检测装置及方法 |
-
2015
- 2015-01-12 CN CN201520017896.4U patent/CN204440490U/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106091934A (zh) * | 2016-08-31 | 2016-11-09 | 魏志丽 | 轴类零件机器视觉尺寸检测*** |
CN107643291A (zh) * | 2017-10-25 | 2018-01-30 | 佛山市南海鑫隆机工机械有限公司 | 一种瓷具把手缺陷检测装置及方法 |
CN110009617A (zh) * | 2019-04-02 | 2019-07-12 | 浙江大学 | 一种轴类件在线质量检测方法 |
CN111906055A (zh) * | 2020-09-05 | 2020-11-10 | 双威大昌锻造(安徽)有限公司 | 用于轴套表面缺陷检测的电磁感应探伤机及其操作方法 |
CN114486923A (zh) * | 2022-03-14 | 2022-05-13 | 南通理工学院 | 基于压缩感知的轴类零件表面缺陷在线连续检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN204440490U (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测装置 | |
CN108288288B (zh) | 基于视觉识别的精密轴尺寸测量方法、装置和*** | |
CN104063873A (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
CN202793389U (zh) | 一种高铁接触网在线巡检装置 | |
CN110490842B (zh) | 一种基于深度学习的带钢表面缺陷检测方法 | |
CN104608799A (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
CN102183528A (zh) | 一种双联齿轮的缺陷检测装置及检测方法 | |
CN105905132A (zh) | 一种轨道状态智能巡检装置和方法 | |
CN102680478A (zh) | 一种基于机器视觉的机械零部件表面缺陷检测方法及装置 | |
CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN107024478A (zh) | 一种零件加工自动缺陷识别*** | |
CN109583295B (zh) | 一种基于卷积神经网络的转辙机缺口自动检测方法 | |
WO2024001467A1 (zh) | 一种基于深度学习的疲劳裂纹扩展速率测试方法及装置 | |
Neethu et al. | Role of computer vision in automatic inspection systems | |
CN113947731A (zh) | 一种基于接触网安全巡检的异物识别方法及*** | |
CN202058221U (zh) | 一种基于双目视觉的客流统计装置 | |
CN103983426A (zh) | 一种基于机器视觉的光纤缺陷检测及分类***及其方法 | |
CN105809219B (zh) | 一种隧道预制管片生产线的预制管片质量检测统计***和方法 | |
CN103745238A (zh) | 基于AdaBoost和主动形状模型的受电弓识别方法 | |
CN105606628A (zh) | 一种光学镜片检测***及方法 | |
CN110427943A (zh) | 一种基于r-cnn的智能电表数值识别方法 | |
Fu et al. | Research on image-based detection and recognition technologies for cracks on rail surface | |
CN114549414A (zh) | 一种针对轨道数据的异常变化检测方法及*** | |
CN113824951A (zh) | 一种摄像头模组视觉检测*** | |
CN108490381B (zh) | 一种电表检测装置及其检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150701 Termination date: 20160112 |