一种钢管打磨质量评估方法及系统与流程

摘要: 本发明涉及钢管打磨质量评估,具体为一种钢管打磨质量评估方法及系统。背景技术:1、在钢管制造与再制造行业中,打磨工序是决定管材表面完整性、尺寸精度及后续涂镀性能的...
一种钢管打磨质量评估方法及系统与流程

本发明涉及钢管打磨质量评估,具体为一种钢管打磨质量评估方法及系统。

背景技术:

1、在钢管制造与再制造行业中,打磨工序是决定管材表面完整性、尺寸精度及后续涂镀性能的核心环节。无论是去除轧制氧化皮、消除深划痕,还是修整焊缝余高与毛刺,打磨质量的优劣直接关系到钢管的耐腐蚀性、抗疲劳寿命及配合可靠性。然而,当前工业现场对打磨质量的检测与控制手段仍普遍滞后。绝大多数企业依赖人工目测结合触觉检查,操作人员凭借经验判断划痕深度、砂轮过烧变色或打磨均匀性,这种方式不仅效率低下、劳动强度大,而且主观性强、标准不一,极易发生漏检,尤其对于钢管圆周面背侧或曲率突变区域的缺陷几乎无法有效覆盖。为提升自动化水平,部分厂家引入激光扫描或机器视觉系统,但实际应用效果远未达到预期。一方面,钢管圆柱面曲率变化大,传统面阵相机在弧面成像时会产生显著的透视畸变与投影压缩,同一缺陷在不同周向位置所呈现的像素尺寸差异悬殊,导致尺寸测量严重失真;另一方面,金属表面存在强烈的镜面反射,加之氧化皮的漫反射干扰,常规环形光源或同轴光照明会在局部形成饱和高光区,将细微的磨痕纹理、残余毛刺或浅划痕完全淹没于眩光之中,而暗区又因光照不足丢失细节。即使采用多角度光源,也难以有效分离镜面反射与漫反射分量,使得采集到的二维图像信噪比极低,后续图像处理算法难以稳定提取真实缺陷边缘。更关键的是,现有系统普遍将二维缺陷检测与三维轮廓测量分立实施:要么仅凭单张图像输出缺陷类别,完全忽略深度信息,导致砂轮过烧、打磨不均匀等高度相关缺陷无法被区分;要么采用离线抽检方式,利用轮廓仪或三坐标测量机对管体局部区域进行采样,不仅效率低下、成本高昂,而且无法实现全表面在线全覆盖。此外,现有检测系统多为独立的后道质检环节,检测结果只能用于批次判定或人工返修,无法与打磨机器人形成闭环联动,因而不能根据实时评估的均匀性评分及缺陷位置在线调整磨削压力与进给速度。

2、综上,现有技术在处理钢管打磨质量评估时,面临着高光干扰、曲面畸变、复合缺陷难以识别以及在线闭环控制缺失等多重技术瓶颈,亟需一种能够深度融合二维纹理特征与三维形貌信息、消除圆柱面成像畸变并具备实时反馈能力的智能化评估方法。

技术实现思路

1、本发明目的在于提供一种钢管打磨质量评估方法及系统,以解决上述背景技术中提出的问题。

2、为解决上述技术问题,本发明提供如下技术方案:一种钢管打磨质量评估方法及系统,包括以下步骤:

3、步骤一:通过可调偏振方向的环形多角度光源及可调偏振片的多光谱相机,以两种不同的偏振模式分别采集钢管表面图像,获得第一图像和第二图像,并基于所述第一图像和所述第二图像计算偏振差分图像和偏振度图像;

4、步骤二:利用旋转编码器与线结构光传感器同步扫描钢管,获取钢管全表面的三维点云数据,并将所述三维点云数据重建为圆柱面网格模型;

5、步骤三:根据所述圆柱面网格模型上各面片的局部曲率半径和法向量,对所述偏振差分图像建立从二维像素坐标到三维网格坐标的逆透视映射关系;

6、步骤四:将所述偏振差分图像和所述偏振度图像输入已训练的轻量化卷积神经网络,由所述轻量化卷积神经网络一次性输出打磨均匀性评分、缺陷类型、缺陷三维坐标以及该次输出的置信度;

7、步骤五:判断所述置信度是否低于预设阈值,若低于,则根据所述缺陷三维坐标定位所述偏振差分图像中的对应局部区域,控制所述环形多角度光源调整偏振方向对该局部区域进行补采,根据补采得到的图像重新计算该局部区域的偏振差分图像,并将该局部区域的偏振差分图像替换原有偏振差分图像中的对应区域,得到更新后的偏振差分图像;同时调用所述圆柱面网格模型中对应所述局部区域的精细化网格子模型,然后基于更新后的偏振差分图像和所述偏振度图像,重新执行所述步骤三的逆透视映射及所述步骤四的神经网络推理,得到更新后的输出及其置信度,重复执行本步骤中的补采、映射、推理及判断操作,直至置信度不低于所述预设阈值或达到预设的最大迭代次数,并将最后一次迭代得到的输出作为最终评估结果;

8、步骤六:根据所述最终评估结果中的打磨均匀性评分和缺陷类型,通过模糊pid控制器转换为打磨机器人执行器的磨削压力调整量和进给速度调整量,并输出至打磨机器人。

9、优选的,所述两种不同的偏振模式包括:

10、第一采集模式,其中所述环形多角度光源的偏振方向与所述多光谱相机的偏振片方向正交;

11、第二采集模式,其中所述环形多角度光源的偏振方向与所述多光谱相机的偏振片方向相同。

12、优选的,所述步骤二中,在将所述三维点云数据重建为圆柱面网格模型之后,还计算所述圆柱面网格模型上每个面片的局部曲率半径和法向量,并将计算结果与所述圆柱面网格模型的节点坐标绑定存储。

13、优选的,所述步骤三中的逆透视映射具体为:

14、首先,根据相机参数将二维缺陷轮廓上各像素点投影至圆柱面网格模型上获得初始三维坐标;

15、其次,依据各像素点对应网格面片的局部曲率半径和法向量,将像素偏移量分解为轴向分量和周向分量,轴向分量直接转换为实际长度,周向分量结合入射角和局部曲率半径转换为实际弧长;

16、最后,将转换后的长度叠加至初始三维坐标,得到三维缺陷轮廓上的坐标点。

17、优选的,所述轻量化卷积神经网络采用编码器-解码器结构,其输入层同时接收所述偏振差分图像和所述偏振度图像作为双通道输入,其输出层具有三个分支,分别对应打磨均匀性评分、缺陷类型及缺陷三维坐标,并在输出端附着一个置信度计算子网络,该子网络由两个全连接层和一个sigmoid激活函数组成,用于输出0至1之间的置信度值;该网络训练时采用排序损失,使得置信度与预测误差呈负相关。

18、优选的,所述步骤五中,对局部区域进行补采的具体方式为:

19、以与步骤一中相同的两种偏振模式分别对该局部区域进行补采,获得补采的第一图像和第二图像,并根据补采的第一图像和第二图像重新计算该局部区域的偏振差分图像;

20、其中,补采时提高所述环形多角度光源对应所述局部区域的照明强度,同时保持其他区域的光照不变。

21、优选的,所述精细化网格子模型仅覆盖所述缺陷三维坐标所指示的局部区域,且在该局部区域内,原圆柱面网格模型中的每个面片被细分为四个子面片,使得该区域的网格分辨率沿各方向提高一倍。

22、优选的,所述步骤六中,所述模糊pid控制器内置有规则库,所述规则库存储有多组打磨均匀性评分区间与缺陷类型组合所对应的压力修正系数和速度修正系数,所述模糊pid控制器根据输入的打磨均匀性评分和缺陷类型查询所述规则库,输出所述磨削压力调整量和所述进给速度调整量。

23、优选的,还包括步骤七:将所述最终评估结果与当前钢管的身份标识绑定,存储至质量追溯数据库,并同步生成可视化的缺陷分布热力图。

24、一种钢管打磨质量评估系统,用于执行所述的方法,包括:

25、多模态采集模块,用于以两种不同的偏振模式采集钢管表面图像,获得第一图像和第二图像,并基于所述第一图像和所述第二图像计算偏振差分图像和偏振度图像;

26、三维扫描模块,用于通过旋转编码器与线结构光传感器同步扫描钢管,获取钢管全表面的三维点云数据,并将所述三维点云数据重建为圆柱面网格模型;

27、曲面映射模块,用于根据所述圆柱面网格模型上各面片的局部曲率半径和法向量,对所述偏振差分图像建立从二维像素坐标到三维网格坐标的逆透视映射关系;

28、神经网络评估模块,内置已训练的轻量化卷积神经网络,用于接收所述偏振差分图像和所述偏振度图像,输出打磨均匀性评分、缺陷类型、缺陷三维坐标及该次输出的置信度;

29、闭环迭代控制模块,用于判断所述置信度是否低于预设阈值,并在低于时触发所述多模态采集模块对局部区域进行补采、触发所述曲面映射模块调用精细化网格子模型重新映射、以及触发所述神经网络评估模块重新推理,直至置信度不低于所述预设阈值或达到预设的最大迭代次数,输出最终评估结果;

30、机器人联动模块,用于根据所述最终评估结果中的打磨均匀性评分和缺陷类型,通过模糊pid控制器转换为打磨机器人执行器的磨削压力调整量和进给速度调整量,并输出至打磨机器人。

31、本发明提供了一种钢管打磨质量评估方法及系统。具备以下有益效果:

32、通过环形多角度偏振光源与多光谱相机的两种偏振模式配合,分别采集正交偏振图像和同向偏振图像,进而计算偏振差分图像和偏振度图像,从物理光学层面抑制了金属表面的镜面反射眩光,同时保留了氧化皮、磨痕等漫反射纹理信息,使得浅划痕、残余毛刺等细微缺陷在图像中的对比度得到实质性提升。在此基础上,利用旋转编码器与线结构光传感器获取钢管全表面三维点云并重建为圆柱面网格模型,针对每个面片计算局部曲率半径和法向量,以此为约束对二维偏振差分图像执行逆透视映射,将图像中的缺陷轮廓转换为附着于圆柱面网格模型表面的三维缺陷轮廓。这一过程消除了因钢管圆柱面曲率变化导致的透视畸变与投影压缩效应,使得同一缺陷在不同周向位置上的测量结果保持一致,缺陷的长度、宽度和深度尺寸不再依赖于成像角度,从而为后续的质量分级提供了可靠的几何量值依据。

33、通过将偏振度图像与偏振差分图像共同输入轻量化卷积神经网络,网络能够利用偏振度信息区分金属基体与氧化皮或过烧区域,结合三维缺陷轮廓中的高度变化特征,将视觉上相似的砂轮过烧与打磨不均匀两类缺陷进行有效分离,解决了传统方案中因仅依赖二维灰度信息而无法区分深度相关缺陷的问题。本发明构建了基于置信度阈值校验的双阶闭环迭代机制:当首次神经网络推理的置信度低于预设阈值时,系统自动根据缺陷坐标定位局部区域,通过调整偏振方向并提高照明强度补采增强图像,同时调用精细化网格子模型重新执行映射与推理,重复该过程直至置信度满足要求。这一机制使得系统具备自校验与自优化能力,避免了单次处理因局部光照不足或网格分辨率不够导致的误判或漏判。最终输出的打磨均匀性评分与缺陷类型通过模糊pid控制器实时转换为磨削压力调整量和进给速度调整量并发送至打磨机器人,形成了从质量评估到工艺参数修正的完整闭环,使得打磨质量的在线控制得以实现,无需停机离线抽检或人工返修。