基于机器视觉的铁塔智能切割检测方法技术

本发明专利技术公开了一种基于机器视觉的铁塔智能切割检测方法，属于激光切割技术领域，该方法包括：将待检测工件激光切割后的切割面图像灰度化，获得切割面灰度图像，并从所述灰度图像中划分出工件切割面区域图像；对所述工件切割面区域图像进行像素点分析，获得特征指标；基于所述特征指标确定切割面图像的激光切割质量评价值，并基于所述切割质量评价值确定激光切割面的质量。基于像素点确定工件切割面区域图像的激光切割质量评价值，进而对激光切割质量进行检测，提高了激光切割质量检测的效率和精度。和精度。和精度。

【技术实现步骤摘要】
基于机器视觉的铁塔智能切割检测方法


[0001]本专利技术涉及激光切割
，尤其涉及一种基于机器视觉的铁塔智能切割检测方法。

技术介绍

[0002]随着智能电网建设的不断推进，输电铁塔制造企业对产品的加工质量更加重视。而铁塔的材料结构在生产过程中需要对其进行切割，相比较传统的刀片切割，现在更多采用激光切割技术。而随着激光切割在铁塔生产加工中的逐步普及，激光切割设备不断更新、切割工艺日益先进、切割材料种类和零件形状日益复杂，市场要求进一步提高激光切割质量和效率。而根据激光切割质量对切割工艺进行调整改进是对提高激光切割效率和质量、降低待机时间、扩大应用面和降低运行成本的前提和保障。
[0003]当前在对激光切割质量进行检测时，往往是对其切割面进行检测，而激光切割过程中会存在激光热量传递，导致出现热影响现象，使得切割面的粗糙度与缺陷检测精度较低，进而使得激光切割质量检测效率与精度低。

技术实现思路

[0004]本专利技术提供一种基于机器视觉的铁塔智能切割检测方法，旨在提高激光切割质量检测的效率和精度。<br/>[0005]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的铁塔智能切割检测方法，其特征在于，所述方法包括：将待检测工件激光切割后的切割面图像灰度化，获得切割面灰度图像，并从所述灰度图像中划分出工件切割面区域图像；对所述工件切割面区域图像进行像素点分析，获得特征指标；基于所述特征指标确定切割面图像的激光切割质量评价值，并基于所述切割质量评价值确定激光切割面的质量。2.根据权利要求1所述的方法，其特征在于，所述工件切割面区域图像包括第一切割面区域图像和第二切割面区域图像；所述特征指标包括波动性指标和像素点为缺陷像素点的可能性值；所述对所述工件切割面区域图像进行像素点分析，获得特征指标包括：基于所述第一切割面区域图像、所述第二切割面区域图像上对应的像素点确定切割面的切割面波动性指标；基于所述切割面波动性指标筛选出特征列，并确定所述特征列上各个像素点为缺陷像素点的可能性值。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一切割面区域图像、所述第二切割面区域图像上对应的像素点确定切割面的切割面波动性指标包括：获取所述第一切割面区域图像中每一列的各个像素点的灰度值；基于每一列的最大灰度值、最小灰度值确定的灰度值波动范围，基于相邻像素点的灰度值确定第一局部灰度变化值；基于每一列像素点的灰度值波动范围、第一局部灰度变化值确定列灰度变化；将所述灰度值波动范围与所述列灰度变化确定为所述第一切割面的第一波动性指标；基于第一切割面区域图像、所述第二切割面区域图像的灰度差异对第一波动性指标进行优化，获得切割面波动性指标。4.根据权利要求3所述的方法，其特征在于，所述基于第一切割面区域图像、所述第二切割面区域图像的灰度差异对第一波动性指...

【专利技术属性】
技术研发人员：马凡波，王西海，闫科，高永青，于秀艳，
申请(专利权)人：青岛星跃铁塔有限公司，
类型：发明
国别省市：