一種在線高溫零件紅外圖像光譜抽樣檢測方法
【專利摘要】本發(fā)明提供一種在線高溫零件的紅外圖像光譜抽樣檢測方法，是將紅外圖像識別和選擇式紅外圖像光譜技術(shù)融合到在線高溫零件的抽樣檢測中。利用紅外圖像識別技術(shù)，可對生產(chǎn)線上多個高溫零件進行識別并自動隨機選??；然后利用選擇式紅外光譜技術(shù)，探測所選高溫零件或所選位置的發(fā)射光譜，并提取每個光譜樣品的特征峰波長，對由光譜特征峰波長組成的樣品集主成分建模運算，結(jié)合光譜分析技術(shù)進行高溫零件夾雜分析。該方法無須等到高溫零件冷卻后才檢測，而且在生產(chǎn)線上可以對多個紅外圖像進行識別并自動隨機檢測，同時利用紅外光譜對零件進行夾雜分析，為高溫零件的在線抽樣檢測提供了一種無損、高效、非接觸的安全方法。
【專利說明】
-種在線高溫零件紅外圖像光譜抽樣檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及紅外圖像光譜應(yīng)用及高溫零件檢測領(lǐng)域，更具體地，設(shè)及一種使用選 擇式紅外圖像光譜技術(shù)的在線高溫零件紅外圖像光譜抽樣檢測方法。
【背景技術(shù)】
[0002] 高溫零件的無損非接觸檢測和夾雜零件的篩選是合金生產(chǎn)領(lǐng)域上的重要研究方 向。
[0003] 隨著合金材料在工業(yè)中使用量的增加，其重要性顯得愈加突出，而在烙煉過程中 如果混入雜質(zhì)金屬將大大影響零件的性能，甚至?xí)鸢踩鹿?。例如在航空飛行史上，有 不少飛行事故都是由于鐵合金零件斷裂而導(dǎo)致發(fā)動機失效的，而零件斷裂最根本的原因就 是夾雜，夾雜是一種體積型缺陷，當(dāng)鐵合金內(nèi)部存在著金屬夾雜物時，夾雜物將引起應(yīng)力集 中和在后續(xù)的鍛煉中產(chǎn)生微裂紋，成為交變載荷下的疲勞源，由此處開始引起鐵合金開裂、 破壞，并最終導(dǎo)致材料開裂報廢。因此，對合金零件的夾雜探測顯得尤為重要。
[0004] 而在面對生產(chǎn)線上大批量的零件成品時，抽樣檢測成了評價該批零件質(zhì)量的重要 手段，但如今大部分做法都是必須等待零件冷卻之后進行成分檢測，同時檢測過程中還可 能會給零件造成一定損傷，因此在線高溫?zé)o損檢測可W大大提高抽樣檢測的效率。
[0005] 而紅外圖像光譜技術(shù)是一種融合圖像和光譜數(shù)據(jù)的新技術(shù)，利用光譜成像技術(shù)可 W識別特定零件并探測，或者對零件的特定位置進行探測，提高了抽樣的隨機性和檢測的 準(zhǔn)確性。
[0006] 針對在線的高溫零件，使用紅外光譜技術(shù)可W在非接觸的前提下對零件進行探 ，同時光譜中波峰強度作用不大，能提供零件準(zhǔn)確信息的是光譜波形。因此光譜中的運些 特性使得研究人員在能辨別到波形的情況下，忽略光強度或者溫度對光譜的影響，從而使 得紅外光譜分析可在多種場合下進行。

【發(fā)明內(nèi)容】

[0007] 為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提出一種在線高溫零件紅外圖像光譜抽樣 檢測方法;采用本發(fā)明實現(xiàn)了在線高溫零件的安全無損抽樣檢測，利用本發(fā)明可將圖像識 別和紅外光譜探測相融合，在圖像上識別出生產(chǎn)線上的全部高溫零件，然后隨機對某個零 件或者特定位置進行紅外光譜探測并進行夾分析。能有效解決傳統(tǒng)抽樣檢測方法難W在高 溫情況下檢測，無法對特定位置檢測W及對零件造成損傷等難題。
[000引為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：
[0009] -種在線高溫零件的紅外圖像光譜抽樣檢測方法，包括：
[0010] S201.規(guī)劃生產(chǎn)線零件識別區(qū)域，并平分識別區(qū)域為若干個捜索窗口；
[0011] S202.零件未進入識別區(qū)域之前，采集背景光圖像數(shù)據(jù)；
[0012] S203.第一個零件進入識別區(qū)域R，采集第一個零件的圖像數(shù)據(jù)；
[0013] S204.多個零件進入識別區(qū)域，獲得識別區(qū)域內(nèi)所有零件的圖像信息;積分計算各 捜索窗口的灰度直方圖，并積分計算第一個零件的圖像信息和背景光的圖像數(shù)據(jù)作為標(biāo) 準(zhǔn)，在每個捜索窗口中匹配出和第一個零件濾去背景光后的圖像數(shù)據(jù)相似度最高的區(qū)域作 為零件輪廓，并對全部零件輪廓依次進行編號；
[0014] S205.隨機選中一個零件編號，生成該零件輪廓ROI的掩模圖，由記錄該零件特征 發(fā)射光譜；
[0015] S206.判斷該零件是否超出該捜索窗口或零件的樣品數(shù)是否超出采集上限；若都 否，則進行下一步S207;若其中一個是，則進行步驟S208;
[0016] S207.在該捜索窗口內(nèi)根據(jù)該零件的圖像數(shù)據(jù)再次進行匹配，找出該零件的輪廓 并繼續(xù)對此零件進行光譜探測，并形成該零件的特征發(fā)射光譜集，再進入S206;
[0017] S208.去除該零件的編號并且放棄對該零件的采集工作；
[0018] S209.提取光譜特征峰波長作為主成分樣品集；
[0019] S210.將特征峰波長值與波長數(shù)量進行建模分析，判斷零件是否夾雜。
[0020] 優(yōu)選的，步驟S202中零件未進入識別區(qū)之前，采用紅外面陣CCD相機采集背景光圖 像數(shù)據(jù);步驟S203中第一個零件進入識別區(qū)域R，采用紅外面陣CCD相機采集第一個零件的 圖像數(shù)據(jù);步驟S204中多個零件進入識別區(qū)域，采用紅外面陣CCD相機獲得識別區(qū)域內(nèi)所有 零件的圖像信息。
[0021] 優(yōu)選的，步驟S205中，處理器隨機選擇一個零件，并控制LCOS反射式紅外娃基液晶 生成該零件輪廓ROI的掩模圖，再由光纖光譜儀記錄該零件特征發(fā)射光譜；
[0022] 步驟S207中，在該捜索窗口內(nèi)根據(jù)該零件的圖像數(shù)據(jù)再次進行匹配，找出該零件 的輪廓并輸入到LCOS反射式紅外娃基液晶中，光纖光譜儀繼續(xù)對此零件進行光譜探測，并 形成該零件的特征發(fā)射光譜集。
[0023] 優(yōu)選的，所述LCOS反射式紅外娃基液晶工作區(qū)域的像素長寬比與紅外面陣CCD相 機工作區(qū)域的像素長寬比相同，且LCOS反射式紅外娃基液晶工作區(qū)域像素個數(shù)大于紅外面 陣CCD相機工作區(qū)域的像素個數(shù)。
[0024] 優(yōu)選的，步驟203中，LCOS反射式紅外娃基液晶處于遮光狀態(tài)，此時，光不能通過 LCOS反射式紅外娃基液晶被光纖光譜儀接收。
[0025] 優(yōu)選的，步驟209中提取光譜特征峰波長作為主成分樣品集具體是，對光譜取一階 導(dǎo)數(shù)值等于零的橫坐標(biāo)波長、作為主成分樣品，i = l，2,…，N，即當(dāng)^ = O時，波長入1、 (XA 入2......An作為主成分樣品集；
[0026] 步驟S210將特征峰波長值與波長數(shù)量進行建模分析，判斷零件是否夾雜的判定條 件為：
[0027]
[002引
[0029]
[0030] 其中N為待測零件的特征波長個數(shù)，巧為樣品集中每個零件的平均特征波長數(shù)，、 為待測零件的第i個特征波長，I；為樣品集第i個特征波長平均值，K為方差判定系數(shù)，M為樣 品集中所有零件的總個數(shù)，^1，為樣品集中第j個樣品的第i個特征波長。
[0031] 由此，在圖像識別~的基礎(chǔ)上，本發(fā)明W對高溫零件的發(fā)射光譜檢測及夾雜判定為 技術(shù)核屯、，從零件發(fā)射光譜的差異性出發(fā)，W此來區(qū)別零件是否夾雜。而圖像光譜探測與分 析技術(shù)可W自動識別光譜和圖像數(shù)據(jù)，實現(xiàn)自動化的測量，為在線的檢測提供技術(shù)支持，也 是工業(yè)生產(chǎn)中一種日趨重要的研究手段。
[0032] 本發(fā)明提供的高效在線高溫零件抽樣檢測方法，將紅外圖像識別和選擇式紅外圖 像光譜技術(shù)融合到在線高溫零件的抽樣檢測中。利用紅外圖像識別技術(shù)，可對生產(chǎn)線上多 個高溫零件進行識別并自動隨機選取;然后利用選擇式紅外光譜技術(shù)，探測所選高溫零件 或所選位置的發(fā)射光譜，并提取每個光譜樣品的特征峰波長，對由光譜特征峰波長組成的 樣品集主成分建模運算，結(jié)合光譜分析技術(shù)進行高溫零件夾雜分析。該方法無須等到高溫 零件冷卻后才檢測，而且在生產(chǎn)線上可W對多個紅外圖像進行識別并自動隨機檢測，同時 利用紅外光譜對零件進行夾雜分析，為高溫零件的在線抽樣檢測提供了一種無損、高效、非 接觸的安全方法。
[0033] 與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是:本發(fā)明利用紅外圖像光譜測量 與分析技術(shù)實現(xiàn)了對在線高溫零件的抽樣檢測，可對在線的多個高溫零件進行識別，并隨 機選取某個零件或某個位置進行紅外光譜測量，同時提取光譜的特征波長可對零件進行夾 雜分析。同傳統(tǒng)的抽樣檢測技術(shù)相比，該方法實現(xiàn)對高溫零件的非接觸在線安全檢測，檢測 過程實現(xiàn)自動化識別和選取從而提高檢測速度，還可W選取固定的零件位置檢測從而提高 準(zhǔn)確率，同時利用紅外光譜分析也不會對零件造成損傷。
【附圖說明】
[0034] 圖1是本發(fā)明提供的一種在線高溫零件的紅外圖像光譜抽樣檢測方法流程圖。
[0035] 圖2是本發(fā)明提供的一種在線高溫零件的紅外圖像光譜抽樣檢測方法系統(tǒng)圖。
[0036] 圖3是高溫零件識別區(qū)域的實際布置圖。
【具體實施方式】
[0037] 附圖僅用于示例性說明，不能理解為對本專利的限制;為了更好說明本實施例，附 圖某些部件會有省略、放大或縮小，并不代表實際產(chǎn)品的尺寸；
[0038] 對于本領(lǐng)域技術(shù)人員來說，附圖中某些公知結(jié)構(gòu)及其說明可能省略是可W理解 的。下面結(jié)合附圖和實施例對本發(fā)明的技術(shù)方案做進一步的說明。
[0039] 本發(fā)明實現(xiàn)了在線高溫零件的紅外圖像光譜抽樣檢測的目的，可對在線多個高溫 零件進行圖像識別并且隨機選取零件進行紅外光譜探測和分析。
[0040] 下面根據(jù)圖1給出，用W說明本發(fā)明的在線高溫零件的紅外圖像光譜抽樣檢測方 法。
[0041] S201:在生產(chǎn)線規(guī)劃零件識別區(qū)域，并平分為若干個捜索窗口；
[0042] S202:零件未進入識別區(qū)之前，采集背景光圖像數(shù)據(jù)；
[0043] S203:當(dāng)?shù)谝粋€零件進入識別區(qū)域R，采集第一個零件的圖像數(shù)據(jù)；
[0044] S204:多個零件進入識別區(qū)域，獲得識別區(qū)域內(nèi)所有零件的圖像信息;積分計算各 捜索窗口的灰度直方圖，并積分計算第一個零件的圖像信息和背景光的圖像數(shù)據(jù)作為標(biāo) 準(zhǔn)，在每個捜索窗口中匹配出和第一個零件濾去背景光后的圖像數(shù)據(jù)相似度最高的區(qū)域作 為零件輪廓，并對全部零件輪廓依次進行編號；
[0045] S205:計算機隨機選中一個零件編號，計算機控制LCOS生成只有該零件輪廓ROI的 掩模圖，由光纖光譜儀記錄該零件特征發(fā)射光譜；
[0046] S206:判斷該零件是否超出捜索窗口或零件的樣品數(shù)是否超出采集上限;若都否， 則進行下一步步驟S207;若其中一個是，則進行步驟S208;
[0047] S207:在該捜索窗口內(nèi)根據(jù)該零件的圖像數(shù)據(jù)再次進行匹配，找出該零件的輪廓 并輸入到LCOS中，光纖光譜儀繼續(xù)對此零件進行光譜探測，并形成該零件的特征發(fā)射光譜 集，再進入步驟S206;
[0048] S208:去除該零件的編號并且放棄對該零件的采集工作；
[0049] S209:提取光譜特征峰波長作為主成分樣品集；
[0050] S210:將特征峰波長值與波長數(shù)量進行建模分析，判斷是否夾雜。
[0051] 上述在線高溫零件紅外圖像光譜抽樣檢測方法，是基于選擇式紅外圖像光譜技術(shù) 的在線高溫零件抽樣檢測方法，具體包括W下步驟：
[0052] (1)在生產(chǎn)線上規(guī)劃出零件識別的區(qū)域R，并將R平均分成H個捜索窗口 Si，i = 1，2， 3，…，H，設(shè)定每個零件的特征光譜樣品采集上限為M;
[0053] (2)識別區(qū)域R內(nèi)的信息光經(jīng)紅外成像透鏡組進入紅外分束立方體進行分束，透射 光束經(jīng)第二會聚透鏡聚焦于紅外面陣CCD相機，獲取識別區(qū)域R內(nèi)背景光的圖像信息，反射 光束經(jīng)第一偏振片(起偏片KLCOS反射式紅外娃基液晶、第二偏振片(檢偏片)及第一會聚 透鏡會聚到光纖禪合器后進入光纖光譜儀中，獲取零件識別區(qū)域R內(nèi)的特征光譜信息;紅外 面陣CCD相機及LCOS反射式紅外娃基液晶與計算機相連；
[0054] (3)在T時刻，第一個高溫零件進入識別區(qū)域R，紅外面陣CCD相機獲得區(qū)域內(nèi)高溫 零件的圖像信息；
[0055] (4)在T+m* AT時刻，多個高溫零件進入識別區(qū)域R;
[0056] (5)紅外面陣CCD相機獲得識別區(qū)域內(nèi)高溫零件的圖像信息，計算機將各捜索窗口 Si內(nèi)的圖像數(shù)據(jù)進行積分運算分別得出灰度直方圖Tl, i = l，2,3,…，H，并積分計算第一個 零件圖像數(shù)據(jù)Tl和背景光的圖像數(shù)據(jù)Tr作為標(biāo)準(zhǔn)，再求差，令A(yù) Ti = Ti-Tr作為濾去背景光的 第i個零件的圖像數(shù)據(jù)，A Ti = Ti-Tr作為濾去背景光的第一個零件的圖像數(shù)據(jù)，根據(jù)己氏系 數(shù)方法在每個捜索窗口 Si的圖像數(shù)據(jù)A Tl中選出和A Tl相似度最高的區(qū)域作為零件輪廓， 并對全部零件輪廓依次進行編號k，i = 1，2，3，…，H;
[0057] (6)計算機隨機選中一個零件編號W，計算機控制LCOS反射式紅外娃基液晶生成只 有該個目標(biāo)零件輪廓ROI的掩模圖，由光纖光譜儀依次記錄該時刻的零件特征發(fā)射光譜Flw，
[0058] (7)判斷各零件是否超出捜索區(qū)，并同時判斷各零件的樣品數(shù)是否超出采集上限。 若零件沒有超出捜索區(qū)并且沒有零件的樣品數(shù)超過采集上限，則在該捜索窗口內(nèi)根據(jù)該零 件在T+m*AT時刻的圖像數(shù)據(jù)A Tw用己氏系數(shù)法進行圖像匹配，再次找出該零件的輪廓并 輸入到LCOS反射式紅外娃基液晶中，光纖光譜儀繼續(xù)對此零件進行光譜探測，并由多個同 一零件的數(shù)據(jù)形成各零件的特征發(fā)射光譜集，并重復(fù)本步驟;若出現(xiàn)零件越過捜索區(qū)，或當(dāng) 出現(xiàn)單個零件發(fā)射光譜樣品數(shù)超過采集上限時，計算機系統(tǒng)去除該零件的編號并且放棄對 該零件的采集工作，并對其特征發(fā)射光譜取一階導(dǎo)數(shù)值等于零的特征波長、作為主成分，i =1，2,3,…，H，建立特定的判定夾雜模型并顯示判定結(jié)果。
[0059] 下面根據(jù)圖2給出本發(fā)明一個較好的實施例，用W說明本發(fā)明的系統(tǒng)結(jié)構(gòu)特征，實 現(xiàn)在線高溫零件的紅外圖像光譜抽樣檢測方法，而不是用來限定本發(fā)明的范圍。
[0060] 1-紅外成像透鏡組、2-紅外分束立方體、3、5-第一、二偏振片、4-LC0S反射式紅外 娃基液晶、6、10-第一、二會聚透鏡、7-光纖禪合器、8-光纖、9-光纖光譜儀、11-紅外面陣CCD 相機、12-計算機。
[0061] 如圖2所示，本實施例中，一種在線高溫零件的紅外圖像光譜抽樣檢測系統(tǒng)包括紅 外成像透鏡組1、紅外分束立方體2、第一偏振片3、第二偏振片5、LC0S反射式紅外娃基液晶 4、第一會聚透鏡6、第二會聚透鏡10、光纖禪合器7、光纖8、光纖光譜儀9、紅外面陣CCD相機 11、計算機12。
[0062] 本實施例中，紅外分束立方體2靈敏波長為78化m-1550皿，反射透射比為1;光軸偏 移小于10分。
[0063] 本實施例中，紅外面陣CCD相機11靈敏波長為78化m-155化m，分辨率為680 X 520， 2/3英寸，像素尺寸為6.45皿X 6.45皿圖像帖率設(shè)置為15巧S，即每帖時長T = 67ms。
[0064] 本實施例中，光纖光譜儀9的光譜測量范圍為780nm-1650nm，光學(xué)分辨率為IOnm, 積分時間Ims至大于65s，并且把積分時間初始化為67ms。
[0065] 在本實施例中，LCOS反射式紅外娃基液晶4的反射波長為780皿-1550皿，分辨率為 800X600。由于LCOS反射式紅外娃基液晶4長及寬的像素個數(shù)均大于紅外面陣CCD相機11， 因而通過人工定標(biāo)，使每個LCOS反射式紅外娃基液晶4的像素對應(yīng)一個紅外面陣CCD相機11 的像素，從而實現(xiàn)系統(tǒng)能對應(yīng)圖像上任一像素點進行光譜測量。
[0066] 本實施例中，圖像光經(jīng)紅外成像透鏡組1準(zhǔn)直后經(jīng)紅外分束立方體2分為兩束，一 束透射后經(jīng)第二會聚透鏡10成像于紅外面陣CCD相機11，計算機12根據(jù)圖像數(shù)據(jù)識別出全 部零件輪廓然后隨機選定一個并輸入到LCOS反射式紅外娃基液晶4中。另一束光反射后經(jīng) 第一偏振片3(起偏器)進入LCOS反射式紅外娃基液晶4,光被調(diào)制輸出至第二偏振片5(檢偏 器)后經(jīng)過第一會聚透鏡6透射到光纖禪合器7上，光信息沿光纖8傳輸?shù)焦饫w光譜儀9,輸出 光譜信息再由計算機12進行分析。本系統(tǒng)具有結(jié)構(gòu)簡單，操作更加安全靈活的特點。
[0067] 在線高溫零件的紅外光譜抽樣檢測方法流程如下：
[0068] 步驟一:設(shè)置系統(tǒng)對高溫零件發(fā)射光譜的樣品數(shù)的采集上限為30個。
[0069] 步驟二:生產(chǎn)線上規(guī)劃出零件識別區(qū)域R，確定零件識別區(qū)域R的起點線到終點線 的距離為2.5米，并將識別區(qū)域平分為5個捜索窗口，識別區(qū)域和捜索窗口的設(shè)置如圖3所 /J、- O
[0070] 設(shè)生產(chǎn)線零件移動速度為0.1 m/s，其從進入該捜索窗口到離開該區(qū)域，能獲得全 零件輪廓的帖數(shù)約為75帖，即忽略采集上限情況下，能獲得光譜樣品數(shù)最多為75個。
[0071] 步驟=:高溫零件未進入生產(chǎn)線前，紅外面陣CCD相機11獲取環(huán)境光的圖像數(shù)據(jù)；
[0072] 步驟四：第一個高溫零件進入識別區(qū)域R，紅外面陣CCD相機11通過光信號采集獲 得區(qū)域內(nèi)高溫零件的圖像信息；
[0073] 步驟五：多個高溫零件進入識別區(qū)域R，計算機12通過紅外面陣CCD相機11獲得識 別區(qū)域內(nèi)高溫零件的圖像信息，計算機12根據(jù)5個捜索窗口 Si內(nèi)的圖像數(shù)據(jù)，積分計算各窗 口的灰度直方圖Tl, W及第1個零件的圖像數(shù)據(jù)Tl和背景光的圖像數(shù)據(jù)Tr,再求差，令A(yù) Ti = Ti-Tr作為濾去背景光的第i個零件的圖像數(shù)據(jù)，A Ti = IVTr作為濾去背景光的第一個零件 的圖像數(shù)據(jù)，根據(jù)己氏系數(shù)方法在每個捜索窗口Si的圖像數(shù)據(jù)A Tl中選出和A Tl相似度最 高的區(qū)域作為零件輪廓，并對全部零件輪廓依次進行編號k，i = 1，2，3，…，5;
[0074] 步驟六:計算機12隨機選中一個零件編號3,計算機12控制LCOS反射式紅外娃基液 晶4依次生成只有3號零件輪廓ROI的掩模圖，由光纖光譜儀9依次記錄該時刻的零件特征發(fā) 射光譜Fl3。
[0075] 步驟屯:判斷3號零件是否超出第3個捜索區(qū)，并同時判斷零件的樣品數(shù)是否超出 采集上限。若3號零件沒有超出第3個捜索區(qū)并且沒有零件的樣品數(shù)超過采集上限，則在第3 個捜索窗口內(nèi)根據(jù)該零件在步驟五中計算所得的濾去背景光的圖像數(shù)據(jù)A T3用己氏系數(shù) 法進行圖像匹配，再次找出該零件的輪廓并輸入到LCOS反射式紅外娃基液晶4中，光纖光譜 儀9繼續(xù)對此零件進行光譜探測，形成該零件的特征發(fā)射光譜集，并重復(fù)本步驟;若3號零件 越過第3個捜索區(qū)，或3號零件發(fā)射光譜樣品數(shù)超過采集上限30時，計算機12系統(tǒng)去除該零 件的編號并且放棄對該零件的采集工作，進入步驟五進行下一個零件的采集。
[0076] 步驟八：當(dāng)所有零件離開數(shù)據(jù)收集區(qū)域，或當(dāng)所有零件發(fā)射光譜樣品集數(shù)超過采 集上限時，則完全停止對該批零件進行數(shù)據(jù)采集。
[0077] 對于零件的建模，獲得特征發(fā)射光譜后，將其分為校正隹測集。對光譜取一階 導(dǎo)數(shù)值等于零的橫坐標(biāo)波長、Q = I，2,3...)作為主成分，即當(dāng)
計，、、入2......An的 值為特征波長作為主成分，取校正集的特征波長建立零件主成分建候的樣品集。
[0078] 預(yù)測集滿足W下條件之一即判定為夾雜：
[0079]
[0080]
[0081]
[0082] 其中N為待測零件的特征波長個數(shù)，獲為樣品集中每個零件的平均特征波長數(shù)，、 為待測零件的第i個特征波長，^為樣品集第i個特征波長平均值，K為方差判定系數(shù)，M為 樣品集中所有零件的總個數(shù)，為樣品集中第j個樣品的第i個特征波長。
[0083] 顯然，本發(fā)明的上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對 本發(fā)明的實施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可 W做出其它不同形式的變化或變動。運里無需也無法對所有的實施方式予W窮舉。凡在本 發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明權(quán)利要求 的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種在線高溫零件的紅外圖像光譜抽樣檢測方法，其特征在于，包括： 5201. 規(guī)劃生產(chǎn)線零件識別區(qū)域，并平分識別區(qū)域為若干個搜索窗口； 5202. 零件未進入識別區(qū)域之前，采集背景光圖像數(shù)據(jù)； 5203. 第一個零件進入識別區(qū)域R，采集第一個零件的圖像數(shù)據(jù)； 5204. 多個零件進入識別區(qū)域，獲得識別區(qū)域內(nèi)所有零件的圖像信息;積分計算各搜索 窗口的灰度直方圖，并積分計算第一個零件的圖像信息和背景光的圖像數(shù)據(jù)作為標(biāo)準(zhǔn)，在 每個搜索窗口中匹配出和第一個零件濾去背景光后的圖像數(shù)據(jù)相似度最高的區(qū)域作為零 件輪廓，并對全部零件輪廓依次進行編號； S205 .隨機選中一個零件編號，生成該零件輪廓ROI的掩模圖，由記錄該零件特征發(fā)射 光譜； 5206. 判斷該零件是否超出該搜索窗口或零件的樣品數(shù)是否超出采集上限;若都否，則 進行下一步S207;若其中一個是，則進行步驟S208; 5207. 在該搜索窗口內(nèi)根據(jù)該零件的圖像數(shù)據(jù)再次進行匹配，找出該零件的輪廓并繼 續(xù)對此零件進行光譜探測，并形成該零件的特征發(fā)射光譜集，再進入S206; 5208. 去除該零件的編號并且放棄對該零件的采集工作； 5209. 提取光譜特征峰波長作為主成分樣品集； 5210. 將特征峰波長值與波長數(shù)量進行建模分析，判斷零件是否夾雜。2. 根據(jù)權(quán)利要求1所述方法，其特征在于，步驟S202中零件未進入識別區(qū)之前，采用紅 外面陣CCD相機采集背景光圖像數(shù)據(jù);步驟S203中第一個零件進入識別區(qū)域R，采用紅外面 陣CCD相機采集第一個零件的圖像數(shù)據(jù);步驟S204中多個零件進入識別區(qū)域，采用紅外面陣 CCD相機獲得識別區(qū)域內(nèi)所有零件的圖像信息。3. 根據(jù)權(quán)利要求1或2所述方法，其特征在于，步驟S205中，處理器隨機選擇一個零件， 并控制LCOS反射式紅外硅基液晶生成該零件輪廓ROI的掩模圖，再由光纖光譜儀記錄該零 件特征發(fā)射光譜； 步驟S207中，在該搜索窗口內(nèi)根據(jù)該零件的圖像數(shù)據(jù)再次進行匹配，找出該零件的輪 廓并輸入到LCOS反射式紅外硅基液晶中，光纖光譜儀繼續(xù)對此零件進行光譜探測，并形成 該零件的特征發(fā)射光譜集。4. 根據(jù)權(quán)利要求3所述方法，其特征在于，所述LCOS反射式紅外硅基液晶工作區(qū)域的像 素長寬比與紅外面陣CCD相機工作區(qū)域的像素長寬比相同，且LCOS反射式紅外硅基液晶工 作區(qū)域像素個數(shù)大于紅外面陣CCD相機工作區(qū)域的像素個數(shù)。5. 根據(jù)權(quán)利要求3所述方法，其特征在于，步驟203中，IX0S反射式紅外硅基液晶處于遮 光狀態(tài)，此時，光不能通過LCOS反射式紅外硅基液晶被光纖光譜儀接收。6. 根據(jù)權(quán)利要求1所述方法，其特征在于，步驟209中提取光譜特征峰波長作為主成分 樣品集具體是，對光譜取一階導(dǎo)數(shù)值等于零的橫坐標(biāo)波作為主成分樣品，i = l，2,…， N，即當(dāng)時，波長λ?Νλ2......λΝ作為主成分樣品集； αλ 步驟S210將特征峰波長值與波長數(shù)量進行建模分析，判斷零件是否夾雜的判定條件 為： l.N>N ,2.當(dāng)汊=1時：其中Ν為待測零件的特征波長個數(shù)，充為樣品集中每個零件的平均特征波長數(shù)，Μ為待 測零件的第i個特征波長，I為樣品集第i個特征波長平均值，Κ為方差判定系數(shù)，Μ為樣品集 中所有零件的總個數(shù)為樣品集中第j個樣品的第i個特征波長。
【文檔編號】G01N21/35GK105956591SQ201610280860
【公開日】2016年9月21日
【申請日】2016年4月28日
【發(fā)明人】蔡志崗, 葉偉洲, 王福娟, 李佼洋
【申請人】中山大學(xué)