共查询到20条相似文献,搜索用时 31 毫秒
1.
针对管屏多道焊缝表面缺陷存在焊缝定位困难、计算量过大的问题,文中提出一种管屏拼焊焊缝表面缺陷激光视觉检测方法,建立基于激光视觉的管屏焊缝检测系统,并基于激光视觉相机拍摄管屏图像。分析管屏特征并结合形态学操作定位焊缝,使用高维多项式拟合解决焊缝缺陷快速检测问题,实现了对管屏拼焊表面缺陷的快速检测。结果表明,该检测方案能识别的最小缺陷为1 mm2,检测速度为0.438 m/s,提升了管屏焊缝表面缺陷的检测效率,解决了曲面焊缝定位难、数据量大的难题,实现快速对大量焊缝轮廓进行检测,并符合应用要求。
创新点: (1)提出了一种管屏拼焊焊缝表面缺陷激光视觉检测方案,提升管屏焊缝表面缺陷检测效率。
(2)提出了基于高阶曲面的焊缝缺陷检测方法,实现快速对大量焊缝轮廓进行检测。
(3)管屏拼焊焊缝表面缺陷激光视觉检测方法经过数据集验证,效率和精度均满足应用要求。 相似文献
2.
3.
4.
5.
为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度. 相似文献
6.
视觉检测是实现焊缝表面质量检测的有效手段。然而,铝合金轨道列车车身电弧焊接产生的黑灰使视觉传感器采集到的数据存在大量缺失,影响了焊缝表面质量检测的精度。为此,该文提出一种铝合金车身焊缝表面激光清洗-质量检测一体化方法,设计了“清洗-焊接-检测”一体化装置。首先采用激光清洗技术去除电弧焊接产生的黑灰,降低了数据缺失率;随后基于线结构光传感器采集焊缝表面轮廓信息,采用三次样条插值和随机抽样一致性算法建立焊缝表面动态理想轮廓模型;通过特征点提取、比较动态理想轮廓与实际轮廓差异实现了焊缝特征尺寸的测量与表面缺陷检测。结果表明,激光清洗后采集数据的缺失率相比清洗前降低了93.43%;提出的激光清洗-质量检测一体化方法实现了焊缝特征尺寸测量与表面缺陷检测。焊缝特征尺寸检测精度达0.1 mm,气孔、焊瘤、未熔合缺陷的长度检测精度达0.2 mm。 相似文献
7.
8.
在对钛合金激光穿透焊焊缝成形特征分析的基础上研究了激光焊主要工艺参数对焊缝成形的影响,同时对比研究了CO2激光和YAG激光穿透焊时焊缝成形的差异。研究结果表明,在穿透焊条件下,CO2激光和YAG激光焊接钛合金焊缝都具有钉形和近X形两种典型的截面形貌。焊缝成形与焊接热输入及激光功率密度有密切联系。随焊接热输入和激光功率密度的增大,焊缝截面由钉形向近X形转变。在采用同样工艺规范获得近X形焊缝成形时,YAG激光焊缝的对称度显著高于CO2激光焊缝。通过调整激光功率、焊接速度和离焦量等激光焊工艺参数,可以对焊缝成形进行有效控制,提高焊接接头质量。 相似文献
9.
机器人焊接因零件形状不规则和焊接工艺复杂不可避免带来各种焊缝缺陷. 针对二维主成分分析应用于焊缝表面缺陷检测时面临计算复杂度高、分类准确率低及无法进行增量学习等问题,提出了一种基于均值更新的增量二维主成分分析(mean updated incremental two-dimensional principal component analysis,MUI2DPCA)算法,并将MUI2DPCA和前馈神经网络( feedforward neural network,FNN)相结合进行焊缝表面缺陷在线检测. 首先,对相机捕获的视频帧图像进行预处理得到焊缝局部块图像. 然后,利用MUI2DPCA在线提取局部块图像的模式特征. MUI2DPCA对图像的特征主成分进行增量迭代估计,降低计算复杂度,并且能够增量更新当前的样本均值,减少无关特征变化对主成分收敛性的影响. 最后,利用FNN建立提取的模式特征与焊缝类别之间的联系,实时返回焊缝表面缺陷的检测信息. 试验结果表明,该检测方法平均分类准确率为95.40%,平均处理速度可达29帧/s,能够满足焊缝在线检测的实时性要求. 相似文献
10.
11.
为了研究激光清洗预处理对30Cr3超高强度钢焊接质量的影响,通过扫描电镜分别对清洗前后的表面形貌、元素组成及基体组织进行对比观察。结果表明,合适的激光清洗工艺可有效去除30Cr3超高强度钢待焊表面氧化层,使表面更加光滑平整,且不损伤基体材料。将激光清洗后的试验件进行电子束焊接,焊后观察其焊缝表面成形良好,无咬边、凹陷等缺陷,焊缝内部质量及力学性能均能达到要求。将焊接接头制成金相试片观察其显微组织形貌,激光清洗预处理后的焊接接头在低倍扫描电镜下焊缝成形饱满,没有出现裂纹、咬边等缺陷;通过高倍扫描电镜观察焊缝中心区域晶粒细小均匀。因此,30Cr3超高强度钢焊前采用激光清洗进行预处理可以有效清除待焊表面污染层,且焊接质量满足要求。 相似文献
12.
13.
针对常规超声检测小径管焊缝存在的检测效率低、灵活性差、人为因素影响大等问题,通过专用探头及扫查器,利用超声相控阵检测技术对小径管焊缝进行了检测研究。结果表明,小径管相控阵检测装置操作简便、灵活,小径管相控阵检测能够比较直观的显示缺陷的特性,为缺陷的定性提供了一定的依据。同时,对焊缝根部及近表面缺陷具有相同的检出率,消除了焊缝的不可探区。 相似文献
14.
15.
汽车部件焊缝质量的人工检测效率低,精度差,且数据不易统计、存储及查询。将机器视觉技术引入汽车部件焊缝质量检测能够很好地克服上述缺陷,实现焊缝质量自动检测、判定、统计及查询。检测系统利用机器人手臂夹持视觉传感器与光源,对汽车底盘横向摇臂的焊缝分段采集结构光图像和LED光图像,根据不同图像特征设计适应性强的图像处理算法进行计算、判别。通过LED光图像可以识别焊缝缺失、表面气孔等缺陷;通过结构光图像可以测量出焊缝宽度和角焊缝厚度,并判定是否焊偏。试验结果表明,检测系统能准确高效地计算、判别焊缝的主要特征,适合在焊缝质量检测领域推广应用。 相似文献
16.
为了有效解决储油罐底板焊缝缺陷检测过程中存在速度慢、检测结果不准确等问题,提出一种基于前馈神经网络的储油罐底板焊缝表面缺陷检测方法。分析相机捕获的储油罐底板焊缝图像各像素之间的相关性和椒盐噪声特点,通过支持向量机(SVM)分类器识别图像中的噪声,重构图像,完成去噪处理。通过基于泛化的增量式二维主成分分析的特征提取方法(GI2DPCA)提取储油罐底板焊缝图像的特征,引入前馈神经网络,构建基于前馈神经网络的储油罐底板焊缝表面缺陷检测模型,将提取到的特征输入到模型完成缺陷检测。试验测试结果表明,所提方法能以较短的时间和较高的检测精度完成缺陷检测。 相似文献
17.
涡流检测方法具有设备简单、检测速度快、灵敏度高、非接触式检测等优点,能及时检测焊缝质量情况,有效检测焊缝是否存在未焊透、焊接裂纹等缺陷,以分析确定焊缝内的潜在风险,现已成为铝合金结构件焊缝的有效检测手段。采用多频涡流检测技术,配合新型无方向性电扰动涡流传感器及X射线探伤仪,并制作铝合金结构件焊缝人工缺陷,通过对比试验两种不同的检测方法,分析两种方法的优劣。试验结果表明,多频涡流检测技术配合新型无方向性电扰动涡流传感器能够满足检测要求,减小焊缝表面焊道的凹凸不平产生的干扰影响,并且全面地发现缺陷;相比之下,虽然X射线检测结果更为直观,但检测速度较慢,不适合现场应用及缺陷快速定位。 相似文献
18.
19.