[发明专利]基于机器视觉的钢板表面缺陷检测系统及方法在审

专利信息
申请号: 201911121778.7 申请日: 2019-11-15
公开(公告)号: CN110873718A 公开(公告)日: 2020-03-10
发明(设计)人: 陈文建;陈瑞;李武森;王小卓;裘俊哲 申请(专利权)人: 南京理工大学
主分类号: G01N21/89 分类号: G01N21/89;G01N21/93
代理公司: 南京理工大学专利中心 32203 代理人: 马鲁晋
地址: 210094 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 机器 视觉 钢板 表面 缺陷 检测 系统 方法
【说明书】:

发明公开了一种基于机器视觉的钢板表面缺陷检测系统及方法,系统包括传动模块,用于带动被测钢板运动;激光测速模块,用于产生控制采集控制模块工作的信号;采集控制模块,用于控制图像采集模块工作;图像采集模块,用于采集被测钢板表面图像;图像处理模块,用于对被测钢板表面图像进行预处理和缺陷检测;图像分割存储模块,用于对被测钢板表面图像进行分割;图像显示模块,用于对被测钢板图像、被测钢板对应的缺陷信息进行显示。方法基于上述系统实现缺陷检测。本发明能实现非接触式钢板缺陷检测,并对高分辨率钢板表面图像和缺陷信息进行显示,具有采集速度快、分辨率高、显示速度快且流畅、检测精度高等特点,具有广阔的应用前景。

技术领域

本发明属于缺陷检测领域,特别涉及一种基于机器视觉的钢板表面缺陷检测系统及方法。

背景技术

机器视觉技术是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别,主要包括图像的获取、处理、分析、输出和显示等方面的研究。机器视觉技术作为计算机科学的一个重要分支,在近30年中得到迅猛的发展,其应用领域遍及工业、农业和军事等。通过计算机技术向无损检测技术的交叉和渗透,机器视觉已成为无损检测技术中的一个颇具生命力的分支,并开拓出无损检测技术的崭新的应用领域。当前,工业视觉检测系统主要用于提高生产效率、控制生产过程中的产品质量、采集产品数据以及产品的分类和选择。

在钢材生产中,传统的检测方法,如人工检测、涡流检测、红外检测等都有很大的弊端。人工检测是一种简单重复性的、速度较快的、精力高度集中的工作,不仅给检测人员带来很大的压力,而且在检测人员目视检测过程中,必须降低钢板移动速度,相应的钢板轧制速度跟着降低,生产效率必然下降,同时,检测人员不可避免地受到疲劳、心情、感觉和技术水平的客观影响,很难做到精确和定量,另外,瑕疵的记忆存储分析比较也很困难;涡流检测是利用电磁感应的原理,虽然可以实现非接触式测量,速度也较快,但是其穿透深度有限,需要接近被检测表面,当被检表面粗糙程度较大的时候会影响检测结果,检测精度降低;红外检测的使用限制条件较多,一般只在离线小范围内进行检测;由此可知,上述方法的检测精度均不高。

发明内容

本发明的目的在于提供一种具有非接触性、检测效率高、检测精度高等优点的在线钢板缺陷检测系统及方法。

实现本发明目的的技术解决方案为:一种基于机器视觉的钢板表面缺陷检测系统,包括:传动模块、激光测速模块、采集控制模块、图像采集模块、图像处理模块、显示模块以及分割存储模块;

所述传动模块,用于带动被测钢板沿水平面运动;

所述激光测速模块,用于测量被测钢板的运动速度,并将该运动速度转换为控制采集控制模块工作的信号;

所述采集控制模块,用于控制图像采集模块工作;

所述图像采集模块,用于采集被测钢板表面图像,并将采集到的图像传输至图像处理模块;

所述图像处理模块,用于对所述图像采集模块采集到的被测钢板表面图像进行预处理和缺陷检测,并获取缺陷的位置和面积信息;

所述图像分割存储模块,用于按照金字塔多层次分辨率模型对所述图像采集模块采集到的被测钢板表面图像进行分割,并存储为瓦片数据集;

所述图像显示模块,用于基于所述瓦片数据集对图像采集模块采集到的被测钢板图像进行显示,并显示被测钢板对应的缺陷位置和面积信息。

基于上述基于机器视觉的钢板表面缺陷检测系统的检测方法,包括以下步骤:

步骤1、对图像采集模块中的工业线阵CCD相机进行标定,获取工业线阵CCD相机的内参矩阵I1和畸变参数矩阵I2

步骤2、利用激光测速模块测量被测钢板的运动速度,并将该运动速度转换为控制采集控制模块工作的信号;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京理工大学,未经南京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911121778.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top