基于机器视觉的轮对磁粉探伤裂纹检测方法研究*

doi:10.16731/j.cnki.1671-3133.2024.06.017

现代制造工程 ›› 2024, Vol. 525 ›› Issue (6): 128-134.doi: 10.16731/j.cnki.1671-3133.2024.06.017

• 仪器仪表/检测/监控 • 上一篇下一篇

基于机器视觉的轮对磁粉探伤裂纹检测方法研究^*

乔辉¹, 曾勇¹, 刘德志², 杨冲¹, 徐仟祥¹, 姚苏恒¹

1 盐城工学院,盐城 224007;
2 捷航设备制造股份有限公司,盐城 224053

收稿日期:2023-08-18 出版日期:2024-06-18 发布日期:2024-07-02
通讯作者: 曾勇,工学博士,教授,主要研究方向为数字化制造与智能制造、机器视觉检测技术及工业机器人集成制造技术等。E-mail:zengzhong188@126.com
作者简介:乔辉,硕士研究生,主要研究方向为机器视觉检测技术。
基金资助:
*国家自然科学基金资助项目(51405418);江苏省“青蓝工程”人才资助项目(2021)

Research on crack detection method of magnetic particle detection based on machine vision

QIAO Hui¹, ZENG Yong¹, LIU Dezhi², YANG Chong¹, XU Qianxiang¹, YAO Suheng¹

1 Yancheng Institute of Technology, Yancheng 224007, China;
2 Jet Air Equipment Manufacturing Co., Ltd., Yancheng 224053, China

Received:2023-08-18 Online:2024-06-18 Published:2024-07-02

摘要/Abstract

摘要： 为实现火车轮对荧光磁粉探伤裂纹的自动检测,提出一种基于机器视觉的裂纹识别和测量算法。基于工业相机分区采集的轮对荧光磁粉探伤图像,首先通过G通道分离处理、G通道阈值处理和高斯滤波处理等操作,降低图像噪点,提高裂纹特征对比度;然后在图像二值化和形态学处理初步提取目标区域的基础上,提出基于连通域的裂纹特征分割算法,进一步精确提取裂纹目标,并根据连通域信息完成裂纹分类和识别;最后,采用裂纹分割图像骨架细化拟合曲线的方法进行裂纹长度测量。实验表明,提出的方法可以有效精准地对轮对裂纹进行检测,查全率为98.56 %,查准率为91.12 %,识别速度为每幅48.5 ms。

关键词: 荧光磁粉探伤, 火车轮对, 连通域, 裂纹检测

Abstract: In order to realize the automatic crack detection of train wheel,a crack recognition and measurement algorithm based on machine vision is proposed. It reduces the image noise,improves the contrast of the image features,proposes crack feature segmentation algorithm, extracts the aspect ratio of the crack area,and completes the crack classification and recognition according to the connected domain information.Finally,the method is used to measure the crack length.Experiments show that the proposed method can effectively and accurately detect the cracks,with recall of 98.56 %,accuracy of 91.12 % and identification speed of 48.5 ms.

Key words: fluorescent magnetic particle inspection, rain wheelset, connected domain, crack detection

中图分类号:

TH164

乔辉, 曾勇, 刘德志, 杨冲, 徐仟祥, 姚苏恒. 基于机器视觉的轮对磁粉探伤裂纹检测方法研究^*[J]. 现代制造工程, 2024, 525(6): 128-134.

QIAO Hui, ZENG Yong, LIU Dezhi, YANG Chong, XU Qianxiang, YAO Suheng. Research on crack detection method of magnetic particle detection based on machine vision[J]. Modern Manufacturing Engineering, 2024, 525(6): 128-134.

参考文献

[1] 周志新.机械裂纹无损检测方法综述[J].机电工程,2017,34(10): 1138-1143.
[2] 邓鑫,刘桂华.一种改进阈值分割的荧光磁粉裂纹提取算法[J].测控技术,2020,39(9): 87-93.
[3] 张静,杨薛涛,王姮,等.荧光磁粉探伤智能图像识别技术研究[J].西南科技大学学报,2014,29(2): 82-86.
[4] 赵万民,曾德文.荧光磁粉探伤缺陷识别系统的研究现状与关键技术[J].铁道机车车辆工人,2008 (8): 1-4.
[5] 马涛,孙振国,陈强.基于几何与纹理特征相融合的磁粉探伤裂纹提取算法[J].清华大学学报(自然科学版),2018,58(1): 50-54.
[6] 康健,杜向党,白龙.火车轮对荧光磁粉探伤图像的裂纹识别技术研究[J].机械与电子,2013(12): 44-46.
[7] 高尚兵,颉正,潘志庚,等.一种新的路面裂缝自动检测算法[J].系统仿真学报,2017,29(9): 2009-2015.
[8] 于泳波,李万恒,张劲泉,等.基于图像连通域的桥梁裂缝提取方法[J].公路交通科技,2011,28(7): 90-93.
[9] 孙斌.金属轴类零件表面缺陷成像与判识技术研究[D].南京: 南京理工大学,2017.
[10] 马嘉斌.基于图像处理的桥梁裂缝识别与测量方法研究[D].北京:北京交通大学,2021.
[11] 刘德志,曾勇,袁雨鑫,等.基于机器视觉的火车轮对轴端标记自动识别算法研究[J].现代制造工程,2022(7): 113-120.
[12] 周向阳,罗雪梅,王霄.结合边缘信息的二维Otsu阈值分割算法研究[J].智能计算机与应用,2020,10(6): 19-24,30.
[13] PANCHAL B R.Feature Extraction for Signature Verification Using Hilditch Algorithm[C]//International Journal of Engineering Research & Technology.ESRSA Publications:IIERT,2014:1441-1446.
[14] 赵思泽,刘泽,黄文超,等.列车车轮踏面缺陷在线磁粉检测[J].国外电子测量技术,2021,40(5): 104-108.

基于机器视觉的轮对磁粉探伤裂纹检测方法研究^*

Research on crack detection method of magnetic particle detection based on machine vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 3

编辑推荐

Metrics

[1]	刘德志，曾勇，袁雨鑫，卢倩，刘聪. 基于机器视觉的火车轮对轴端标记自动识别算法研究[J]. 现代制造工程, 2022, 502(7): 113-120.
[2]	杜雪雪，殷晨波，童欣，陈曦. 红外热成像技术在大型起重机械金属裂纹探伤中的应用[J]. 现代制造工程, 2021, 487(4): 121-125.
[3]	王浩,曹松晓,谢代梁,刘铁军,徐志鹏,徐雅. 板式换热器上料机器人3D视觉引导系统[J]. 现代制造工程, 2021, 493(10): 65-73.