一种基于机器人的3D打印无损检测方法

技术领域

本发明属于3D打印无损检测的技术领域，具体涉及一种基于机器人的3D打印无损检测方法。

背景技术

由于3D打印零件成型方式和方法的需要，在零件制作完成后，通常需要进行X光检测，以检查零件内部有无气孔、裂纹、沟槽等缺陷。现在所使用的工业X光检测设备，常常是多个X光源同时曝光。这样做的优点在于速度快，但缺点是一些区域由于受到多个X光照射导致照片过度曝光不清晰。因此，需要一种能够有效提高影像获取速度和提升影像质量的获取影像的方法，使得零件的各个部位均能够被X光检测到。

基于机器人的无损检测是指采用旋转运动带动无损检测模块进行多视角的扫描，其中无损检测模块包括无损发射模块与接收模块。无损检测模块固定在旋转机架上做弧线运动进行扫描。电机可以带动螺杆绕着螺杆套进行转动，从而带动可获定关节上下运动，以适应各种大小的零件。这里，可以是螺杆+螺杆套，也可以是齿轮组|螺杆+螺母|齿轮+齿条等多种等等运动形式。

由于零件的厚度不会是一成不变的，在X光无损检测的检验过程中，可能会出现伪影、影像质量不清晰的情况，此时，需要调节无损发射模块与接收模块之间的距离，以达到合适的影像质量。长期以来，这一距离通常是采用人工校准后进行测量，显然，在测量很大范围零件时，这一手动调整方法无法适用于更多的应用场景。

发明内容

本发明的目的在于提供一种基于机器人的3D打印无损检测方法，旨在通过自动调整无损发射模块与接收模块之间的距离，获取满足设定清晰度的扫描照片，以方便后续的无损检测分析。

本发明主要通过以下技术方案实现：

一种基于机器人的3D打印无损检测方法，采用无损检测模块对零件缺陷多视角扫描检测，所述无损检测模块包括对应设置的无损发射模块和接收模块，所述无损发射模块包括X光源；通过调整无损发射模块与接收模块之间的距离，获取满足设定的照片清晰度判定标准的扫描照片；照片的清晰度值为：

S=(U')

其中：

a、b、c分别为超参数；

U'为灰度的修正目标函数；

J'为亮度的修正目标函数；

G'为色度的修正目标函数。

照片清晰度最直接的衡量方式，是基于图像轮廓部位的图像块进行识别，图像边缘的图像块约清晰，说明照片的伪影越少，清晰度越好。传统的对焦的方式是将两个光电检测器放在X光源前后相等距离处，被摄影物的图像经过分光同时成在这两个检测器上，分别输出其成像的对比度。当两个检测器所输出的对比度相差的绝对值最小时，说明对焦的像面刚好在两个检测器中间，即和成像表面接近，于是对焦完成，但是，由于X光需要对物体进行穿透后成像，因此这一方法并不合适。

为了更好地实现本发明，进一步地，照片的清晰度判定包括以下步骤：

步骤A1：X光源穿过零件得到的X光的图像矩阵为La，其中环境光的图像矩阵为Lb，La与Lb之和为最终得到的图像L；获取最清晰的图像L，即使La为最清晰的图像、Lb最小，因此建立灰度的目标函数：

U=max{La-Lb}

步骤A2：基于图像提取神经网络提取图像边缘，计算每个边缘像素点的灰度值：

K=Σn(k1+k2+…+kn)，kn=F(n)-F(n-3)

其中：

kn是边缘像素点n的灰度值；

F(n)是像素点n的灰度值，F(n-3)是像素点n-3的灰度值，

间隔若干像素点进行采集，得到采集点的灰度值差异的平均结果；

步骤A3：设一个集中度系数α，统计kn结果落在（y-α，y+α）区间内的点个数T，得到集中度系数：

β1=T/M*100%；

其中K/M=y，M为采集点的个数；y为灰度值均值；

灰度的修正目标函数为：

U'=β1*U。

所述J'、G'为的修正目标函数求解方法同上述U'的修正目标函数求解方法相同，故不再赘述。

为了更好地实现本发明，进一步地，通过调整无损发射模块与接收模块之间的距离，得到S最优的扫描照片。

为了更好地实现本发明，进一步地，先预增加或者减小无损发射模块与接收模块之间的距离，若获取的扫描照片清晰度增加，则继续增加或者减小无损发射模块与接收模块之间的距离，否则，减小或者增加无损发射模块与接收模块之间的距离，直到获取的照片的清晰度满足设定的照片清晰度判定标准。

为了更好地实现本发明，进一步地，包括以下步骤：

步骤S100：设定照片清晰度判定标准；

步骤S200：若获取的照片清晰度小于步骤S100中设定的照片清晰度判定标准，则调整无损发射模块与接收模块之间的距离；先预增加或者减小无损发射模块与接收模块之间的距离，若获取的照片清晰度增加，则缓慢增加或者减小无损发射模块与接收模块之间的距离，否则，缓慢减小或者增加无损发射模块与接收模块之间的距离，直到获取的照片的清晰度满足步骤S100中设定的照片清晰度判定标准。

为了更好地实现本发明，进一步地，所述无损检测模块包括X光源。

本发明的有益效果：

（1）本发明通过调整无损发射模块和接收模块之间的距离，并定量的衡量照片清晰度，实现快速获取满足设定清晰度的扫描照片，方便后续3D打印无损检测分析，有效提高了工作效率，具有较好的实用性；

（2）本发明的照片清晰度的判定方法有效判定了X光源对物体进行穿透后成像的图像清晰度检测，具有较好的实用性。

具体实施方式

实施例1：

一种基于机器人的3D打印无损检测方法，采用无损检测模块对零件缺陷多视角扫描检测，所述无损检测模块包括对应设置的无损发射模块和接收模块；通过调整无损发射模块与接收模块之间的距离，获取满足设定的照片清晰度判定标准的扫描照片。照片的清晰度值为：

S=(U')

其中：

a、b、c分别为超参数，在平衡状态各取0.33，如果所得的图像需要更好的灰度区分，则a的值可以相应增大；

U'为灰度的修正目标函数；

J'为亮度的修正目标函数；

G'为色度的修正目标函数。

进一步地，先预增加或者减小无损发射模块与接收模块之间的距离，若获取的扫描照片清晰度增加，则继续增加或者减小无损发射模块与接收模块之间的距离，否则，减小或者增加无损发射模块与接收模块之间的距离，直到获取的照片的清晰度满足设定的照片清晰度判定标准。

本发明通过调整无损发射模块和接收模块之间的距离，并定量的衡量照片清晰度，实现快速获取满足设定清晰度的扫描照片，方便后续3D打印无损检测分析，有效提高了工作效率，具有较好的实用性。

实施例2：

一种基于机器人的3D打印无损检测方法，无损检测模块包括无损发射模块以及对应的接收模块，所述无损发射模块包括X光源和超声探伤单元，也可以只包含X光源或超声探伤单元。无损检测模块固定在旋转机架上做弧线运动进行扫描。整个无损检测模块可以沿着机器人的第六轴进行旋转，同时机器人可以进行6轴运动，从而保证对3D打印零件无死角的检测。

本发明包括以下步骤：

(1)设定照片清晰度判定标准：

例如，可以使用一些数学指标来描述照片的质量。

(2)调整以获取满足要求的照片：

对不满足照片清晰度的情况下，分别增加以及减小无损发射模块与接收模块之间的距离，观察照片清晰度的变化趋势，得到一个方向。例如，假设是减小无损发射模块与接收模块之间的距离使得照片清晰度更清晰，则确定此时应缩小无损发射模块与接收模块之间的距离已得到满足照片清晰度标准的照片。缓慢缩小无损发射模块与接收模块之间的距离直至照片清晰度满足要求。

实施例3：

本实施例是在实施例2的基础上进行优化，传统的对焦的方式是将两个光电检测器放在X光源前后相等距离处，被摄影物的图像经过分光同时成在这两个检测器上，分别输出其成像的对比度。当两个检测器所输出的对比度相差的绝对值最小时，说明对焦的像面刚好在两个检测器中间，即和成像表面接近，于是对焦完成，但是，由于X光需要对物体进行穿透后成像，因此这一方法并不合适。

本发明采用以下方法对照片清晰度进行衡量：

实际环境接收到的信号实际上来源于两个信号

一个是X光穿过零件得到的X光，以La表示；一个是环境光（包括散射X光，环境光的），以Lb表示。La，Lb都可以理解为图像矩阵。

可以理解，La+Lb之和L即为最终得到的图像。

我们的目标是获得最为清晰的L的图像，即获得La最为清晰的图像，也就是Lb最小，干扰最小的图像。

因此建立灰度的目标函数U=max{La-Lb};

我们首选基于一个图像提取神经网络提取网络提取图像边缘，将每个边缘像素点的灰度值，

按下式进行计算K=Σn(k1+k2+…+kn)，k（n）=F(n)-F(n-3)；

K/M=Y,M为采集点的个数；

F(n)是像素点n的灰度值，F(n-3)是像素点n-3的灰度值，由此可以间隔若干像素点进行采集，得到采集点的灰度值差异的平均结果；再设一个集中度系数α，统计k（n）结果落在（y-α，y+α）区间内的点个数T，得到集中度系数β1=T/M*100%；

灰度的目标函数U’=β1*U,

同理，可以得到亮度的目标函数J=max{La-Lb}，结构的目标函数G=max{La-Lb};

最后所得总的目标函数S=(U')

其中：

a、b、c分别为超参数；

U'为灰度的修正目标函数；

J'为亮度的修正目标函数；

G'为色度的修正目标函数。

J'、G'的求解方法同上述U'的求解方法。

基于分数对射线源与接收装置之间的距离进行调整，得到S最优的状态。

本发明通过调整无损发射模块和接收模块之间的距离，并定量的衡量照片清晰度，实现快速获取满足设定清晰度的扫描照片，方便后续3D打印无损检测分析，有效提高了工作效率，具有较好的实用性。

本实施例的其他部分与上述实施例2相同，故不再赘述。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。