Page 119 - 无损检测2022年第五期

院企风采

平底孔和分层缺陷的定性和定量识别准确率达到 3.1 基于 BP 神经网络的汽车胶管芯轴质量评价
95% 以上。复合材料的导波检测过程如图 16 所 方法
示。 通过统计每段芯轴表面的不同种类缺陷的大

小和数量，为生产用芯轴的合格与否提供依据，
包括以下步骤 : ① 基于机器视觉系统对胶管芯轴
的图像进行分析，得出芯轴表面缺陷的种类、大
小和数量；② 构造人工神经网络，包括神经网络
的类型、层数、各层节点数；③ 根据步骤①确定
图 16 复合材料的导波检测过程示意 的胶管芯轴表面缺陷的种类、大小、数量和芯轴

2.3 超声导波检测技术——低功耗防除冰 质量情况构造训练样本；④ 利用步骤③构造的训
练样本训练人工神经网络模型；⑤ 通过步骤④训
针对低功耗、高效的结冰探测需求，开展了
练的神经网络模型对未知质量状态的芯轴表面进
基于超声导波的结冰探测方法研究，提出了基于
小波包分解 - 奇异值的导波信号处理方法。采用 行检测，给出芯轴质量的判断结果。胶管机器视
觉系统构成如图 18 所示。
该方法对导波信号进行小波包分解，获取信号小
波包系数并构建小波包系数矩阵，进一步采用奇
异值分解方法对小波包系数矩阵进行降维，定义
奇异值均值作为信号特征对结冰进行定量表征。
采用该方法对结冰检测实验信号进行处理，成功
提取了信号结冰相关特征，得到了不同结冰状态 图 18 胶管机器视觉系统构成示意
与信号特征值的定量关系。 3.2 模具检测方法、装置以及电子设备

设计了一种超声波低功耗防除冰一体化系 该研究可以通过从预先存储的多张背景图像
统，可实现结冰监测与除冰的功能。该系统主要 中获得与待检测模具图像匹配的背景图像，其中，
包括信号源、多路开关复用器、计算机、功率放 背景图像为模具在工作过程中不存在异物时的图
大器以及压电换能器阵列等等。超声波低功耗防 像；基于待检测模具图像与匹配背景图像的矩阵，
除冰一体化系统的工作过程大致为：结冰监测时 分别对待检测模具图像与匹配背景图像进行变换
计算机控制信号源产生 burst 脉冲信号，其由功 处理、归一化处理以及裁剪处理，得到第一模具
率放大器放大，经多路开关盒后激励某一压电片 图像以及第一背景图像；获得第一模具图像与第
产生导波，导波信号由另一压电片接收，再对接 一背景图像的第一差分图像，并对第一差分图像
收的导波信号进行分析以判断是否出现结冰。当 进行阈值分割以及连通区域的面积筛选，得到第
监测到某一区域有结冰生成时，除冰系统自动启 一区域图像；判断第一区域图像中像素点的像素
动，对该区域相应位置的压电片施加激励进行除 值是否均为 0 ；为否时，输出模具存在异物的信息。
冰。除冰系统工作一段时间后停止，再次进入到 该检测方法可实现对模具异物的自动检测。模具
结冰监测状态，重复上述遍历监测与除冰自动启 检测电子设备组成结构框图如图 19 所示。
动的流程。超声波 - 低功耗防除冰系统如图 17 所
示。

图 17 超声波 - 低功耗防除冰系统
3 机器视觉检测技术
图 19 模具检测电子设备组成结构框图
81
2022 年 第44 卷 第5 期
无损检测