【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像處理的，具體而言，涉及基于圖像的發(fā)動機葉片缺陷自動檢測方法。
技術(shù)介紹
1、航空航天發(fā)動機作為飛行器的動力關(guān)鍵裝置，被譽為飛機、火箭的“心臟”，其自主研制對國家的國防建設(shè)、能源安全及環(huán)境的可持續(xù)發(fā)展具有十分重要的意義。其中，葉片作為航空航天發(fā)動機中引導氣流、產(chǎn)生動力的核心零部件，針對其關(guān)鍵質(zhì)量特性的檢測直接影響了飛行器的服役安全可靠性。
2、在發(fā)動機的眾多零部件中，葉片的數(shù)量眾多，它的制造量約占整機制造量的三分之一。葉片具有數(shù)量眾多、形狀復雜、精度要求高、加工難度大、故障多發(fā)等特點，是發(fā)動機的關(guān)鍵部件，發(fā)動機需依靠眾多葉片完成對氣體壓縮和膨脹產(chǎn)生強大的動力來推動飛機前進。因此，葉片的質(zhì)量是影響發(fā)動機能量轉(zhuǎn)化效率和工作性能的關(guān)鍵因素。
3、目前，對于葉片表面缺陷的檢測手段主要以人工目視為主。從檢測質(zhì)量來看，檢測結(jié)果受人為因素較大影響。從檢測效率的角度來看，葉片外觀復雜，檢測項目眾多，人工檢測效率較低。從檢測數(shù)據(jù)的角度來看，人工檢測結(jié)果僅為定性判定，缺乏量化數(shù)據(jù)，結(jié)果難以數(shù)字化存儲，不利于后期質(zhì)量問題追溯。從檢測數(shù)量的角度來看，目前現(xiàn)場仍缺乏批量葉片表面缺陷智能化檢測能力，依靠人工目視檢測的方式已達到產(chǎn)能瓶頸，難以滿足生產(chǎn)、交付的需求。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的主要目的在于提供基于圖像的發(fā)動機葉片缺陷自動檢測方法以及發(fā)動機葉片缺陷檢測系統(tǒng)，通過數(shù)字化、自動化、智能化地對葉片表面缺陷進行檢測，實現(xiàn)質(zhì)量穩(wěn)定、效率高、追溯性高、檢測結(jié)果量化的高
2、為了實現(xiàn)上述目的，本專利技術(shù)提供的基于圖像的發(fā)動機葉片缺陷自動檢測方法以及發(fā)動機葉片缺陷檢測系統(tǒng)的技術(shù)方案如下：
3、基于圖像的發(fā)動機葉片缺陷自動檢測方法，包括采用機器人夾爪夾持葉片移動到檢測位點以及采用二維相機、三維相機對檢測位點處的葉片拍照，還包括以下步驟：
4、步驟（1），通過二維相機對被機器人夾爪所夾取的葉片進行拍照，獲得覆蓋葉片表面的多個二維圖像；
5、步驟（2），使用目標檢測神經(jīng)網(wǎng)絡(luò)模型對所述多個二維圖像進行缺陷檢測；
6、步驟（3），針對檢測到缺陷的二維圖像，計算缺陷中心在機器人基座坐標系下的三維坐標，然后使夾爪將缺陷中心移動至三維相機的成像中心；
7、步驟（4），通過三維相機采集缺陷的灰度圖像和點云數(shù)據(jù)；
8、步驟（5），采用基于三維相機與神經(jīng)網(wǎng)絡(luò)融合的缺陷量化方法對缺陷的灰度圖像和點云數(shù)據(jù)進行處理，得到缺陷的幾何信息。
9、發(fā)動機葉片缺陷檢測系統(tǒng)，包括：料盤，用于存放葉片；所述料盤上設(shè)有葉片儲槽；機器人，用于夾取和移動葉片；所述機器人具有夾爪和機械臂；二維相機，用于對夾爪夾持的葉片進行拍照；三維相機，用于對夾爪夾持的葉片進行拍照；補光光源，用于在二維相機和三維相機拍照時進行補光。
10、在上述的基于圖像的發(fā)動機葉片缺陷自動檢測方法中，步驟（3）和步驟（5）采用以下的二維圖像中獲取缺陷中心坐標的計算方法以及基于三維相機與神經(jīng)網(wǎng)絡(luò)融合的缺陷量化方法時，計算方法簡單，計算效率和準確度高。
11、為此，本專利技術(shù)提供了從二維圖像中獲取缺陷中心坐標的計算方法以及基于三維相機與神經(jīng)網(wǎng)絡(luò)融合的缺陷量化方法，技術(shù)方案如下：
12、從二維圖像中獲取缺陷中心坐標的計算方法，用于使機器人的夾爪夾持住測試對象并且使其缺陷中心移動到三維相機的成像中心，計算方法包括以下步驟：
13、步驟100，將二維圖像中缺陷的二維像素坐標矩陣與二維相機的內(nèi)參矩陣相乘，計算得到缺陷在二維相機坐標系中的歸一化平面坐標；
14、步驟200，根據(jù)歸一化平面坐標以及測試對象與二維相機之間的距離，計算得到缺陷在二維相機坐標系中的實際三維相機坐標；
15、步驟300，利用二維相機坐標系到機器人基座坐標系的變換矩陣，將缺陷在二維相機坐標系中的實際三維坐標轉(zhuǎn)換為在機器人基座坐標系下的三維坐標；
16、步驟400，利用機器人基座坐標系到機器人夾爪坐標系的變換矩陣，將缺陷在機器人基座坐標系下的三維坐標轉(zhuǎn)換為在機器人夾爪坐標系下的三維坐標；
17、步驟500，將缺陷在機器人夾爪坐標系下的三維坐標與機器人夾爪坐標系原點作差，計算得到表示缺陷在機器人夾爪坐標系下的相對位置的向量；
18、步驟600，利用機器人夾爪坐標系到機器人基座坐標系的變換矩陣，將向量轉(zhuǎn)換為缺陷在機器人基座坐標系下的三維坐標，進而得到缺陷中心在機器人基座坐標系下的三維坐標，機器人夾爪即可移動缺陷中心到三維相機的成像中心。
19、基于三維相機與神經(jīng)網(wǎng)絡(luò)融合的缺陷量化方法，包括以下步驟：
20、步驟a，將三維相機采集到的較大區(qū)域的灰度圖像和點云數(shù)據(jù)裁剪為與缺陷相關(guān)的較小區(qū)域，得到較小區(qū)域的灰度圖像和點云數(shù)據(jù)；
21、步驟b，對裁剪后的較小區(qū)域的點云數(shù)據(jù)進行曲面擬合，得到光滑曲面模型；
22、步驟c，使用實例分割神經(jīng)網(wǎng)絡(luò)模型處理較小區(qū)域的灰度圖像，得到相應的掩碼圖；
23、步驟d，根據(jù)掩碼圖上的缺陷邊緣，從較小區(qū)域的點云數(shù)據(jù)中提取得到缺陷邊緣的子點云數(shù)據(jù)；
24、步驟e，將子點云數(shù)據(jù)與光滑曲面模型進行差異計算，即可獲得缺陷的幾何信息。
25、上述的二維圖像中獲取缺陷中心坐標的計算方法以及基于三維相機與神經(jīng)網(wǎng)絡(luò)融合的缺陷量化方法的作用對象可以不限于發(fā)動機葉片及其缺陷，也可以是其它測試對象的目標區(qū)域，目標區(qū)域不一定為缺陷，也可以是特意加工而成的功能性結(jié)構(gòu)，缺陷也不一定是凹坑，也可以是裂縫、凸點等缺陷。
26、下面結(jié)合附圖和具體實施方式對本專利技術(shù)做進一步的說明。本專利技術(shù)附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本專利技術(shù)的實踐了解到。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.基于圖像的發(fā)動機葉片缺陷自動檢測方法，包括采用機器人夾爪夾持葉片移動到檢測位點以及采用二維相機、三維相機對檢測位點處的葉片拍照，其特征在于：還包括以下步驟：
2.如權(quán)利要求1所述的基于圖像的發(fā)動機葉片缺陷自動檢測方法，其特征在于：機器人夾爪分兩次夾取同一個葉片，兩次夾取的位置不同。
3.如權(quán)利要求1所述的基于圖像的發(fā)動機葉片缺陷自動檢測方法，其特征在于：所述多個二維圖像包括爐批號圖像以及局部位置圖像；其中，針對爐批號圖像，使用OCR算法處理進行爐批號的識別；針對局部位置圖像，使用目標檢測神經(jīng)網(wǎng)絡(luò)模型進行缺陷檢測。
4.如權(quán)利要求1所述的基于圖像的發(fā)動機葉片缺陷自動檢測方法，其特征在于：步驟（3）包括以下步驟：
5.如權(quán)利要求4所述的基于圖像的發(fā)動機葉片缺陷自動檢測方法，其特征在于：所述目標檢測神經(jīng)網(wǎng)絡(luò)模型檢測二維圖像中的缺陷并輸出缺陷的矩形坐標框，所述二維像素坐標矩陣包括矩形坐標框的四個角點坐標和中心點坐標；
6.如權(quán)利要求5所述的基于圖像的發(fā)動機葉片缺陷自動檢測方法，其特征在于：步驟（5）包括以下步驟：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。