[发明专利]基于超声和光学双成像的透明构件缺陷检测装置及方法在审

专利信息
申请号: 201811253234.1 申请日: 2018-10-25
公开(公告)号: CN109115805A 公开(公告)日: 2019-01-01
发明(设计)人: 张国军;张红梅;明五一;卢亚;张臻;尹玲;耿涛;沈帆 申请(专利权)人: 广东华中科技大学工业技术研究院
主分类号: G01N21/958 分类号: G01N21/958;G01N29/06
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 罗晓林;杨桂洋
地址: 523000 广东省东莞*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 运动控制模块 通讯连接 双成像 超声 超声检测模块 光学检测模块 缺陷检测装置 数据融合模块 辅助机械手 透明构件 学习模块 多通道 以太网 检测 显示报警模块 自动化操作 总线
【权利要求书】:

1.基于超声和光学双成像的透明构件缺陷检测装置,其特征在于,所述装置包括超声检测模块、光学检测模块、运动控制模块、数据融合模块、多通道深度学习模块和辅助机械手,超声检测模块、光学检测模块和辅助机械手通过以太网与运动控制模块通讯连接,数据融合模块、多通道深度学习模块和运动控制模块通过以太网两两通讯连接。

2.根据权利要求1所述的基于超声和光学双成像的透明构件缺陷检测装置,其特征在于,所述运动控制模块还通过总线与显示报警模块通讯连接。

3.根据权利要求2所述的基于超声和光学双成像的透明构件缺陷检测装置,其特征在于,所述超声检测模块包括可变频率超声发射器、聚焦超声探头、C扫工作台、超声检测微控制器和超声检测工作台,在超声检测工作台侧边设有X向电机和X向丝杆,X向丝杆与X向电机连接,X向丝杆上通过连接螺套装接有Y向板,该Y向板上设有Y向电机和Y向丝杆,Y向丝杆与Y向电机连接,C扫工作台通过螺母安装在Y向丝杆上,可变频率超声发射器和聚焦超声探头通过支撑杆与C扫工作台连接,X向丝杆末端设有X向定位回零传感器,Y向丝杆末端设有Y向定位回零传感器,X向电机、Y向电机、可变频率超声发射器、聚焦超声探头分别与超声检测微控制器通讯连接。

4.根据权利要求3所述的基于超声和光学双成像的透明构件缺陷检测装置,其特征在于,所述超声检测模块还包括吸音边框,该吸音边框设在超声检测工作台上用于围合住待检测3C透明构件。

5.根据权利要求4所述的基于超声和光学双成像的透明构件缺陷检测装置,其特征在于,所述光学检测模块包括光学检测工作台、LED线光源、可调角度反射凹镜、夹具、背景板、检测摄像机和光学检测微控制器,LED线光源、可调角度反射凹镜、夹具和背景板设置在光学检测工作台上,可调角度反射凹镜与步进电机连接,待检测3C透明构件放置在夹具上,光学检测工作台上设有立柱,检测摄像机通过支撑杆与立柱连接使得检测摄像机位于待检测3C透明构件上方,检测摄像机、LED线光源、步进电机分别与光学检测微控制器通讯连接。

6.根据权利要求5所述的基于超声和光学双成像的透明构件缺陷检测装置,其特征在于,所述LED线光源和可调角度反射凹镜分别设有两组,并且分别设在待检测3C透明构件两端的区域进行独立摄像获取照片。

7.一种基于超声和光学双成像的透明构件缺陷检测方法,包括以下步骤:

通过辅助机械手将待测3C透明构件输送到检测位置,利用超声检测模块和光学检测模块分别对待测3C透明构件进行超声成像和光学成像,将图像数据传送到运动控制模块;

运动控制模块将图像数据转发到数据融和模块进行预处理,再次由数据融合模块转发到多通道深度学习模块进行辨识,将识别结果再发送到运动控制模块,运动控制模块将检测数据发送到显示报警模块中。

8.根据权利要求7所述的基于超声和光学双成像的透明构件缺陷检测方法,其特征在于,所述方法在进行超声成像时,采用C扫描成像方法,通过配置2.25MHz、4.5MHz、9MHZ三种不同超声波频率来生成相应的超声图像,覆盖不同的种类缺陷,对检测的点按超声反射回来的信号强度大小生成255级灰度图像,通过归一化处理,强度最大的灰度为0对应黑色,强度最小的灰度为1对应白色。

9.根据权利要求8所述的基于超声和光学双成像的透明构件缺陷检测方法,其特征在于,所述通过数据融和模块对图像数据进行预处理,具体为:对超声检测模块的2.25MHz、4.5MHz、9MHZ三种不同超声导波频率下的超声图像两两进行布尔异或运算,并生成新的三张图像,共计六张超声检测图像;对光学检测模块检测时,对不同角度下得到的至少两张光学成像图像,通过图像融合方法形成新的单张光学图像,再分别调整3C透明构件两端的当照亮度并进行拍照,共计获取四张光学检测图像。

10.根据权利要求9所述的基于超声和光学双成像的透明构件缺陷检测方法,其特征在于,所述多通道深度学习模块,采用卷积神经网络DSP芯片实现,图像数据传入到该多通道深度学习模块之前,由数据融合模块对成像的六张超声检测图像和四张光学检测图像,分割为128×128尺寸的图像组,超声检测图像和光学检测图像尺寸相同,分割时相同位置的图像归为一组;分割成组后的图像,按批输入多通道深度学习模块中,每批图像为60副单张128×128尺寸的图像,进行两次卷积和池化操作后,再进行两次全连接的神经网络,输出到512维向量里,再通过软回归将512维向量输出为矢量,再将检测结果通过工业以太网总线传输到运动控制模块,最后通过显示报警模块提醒操作人员。

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广东华中科技大学工业技术研究院,未经广东华中科技大学工业技术研究院许可,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/201811253234.1/1.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