将红外热学与计算机视觉相结合,实现空气泄漏的自动检测和定位

科学领域:

• 工程 工程师 工程师 工程师
• 制造业 制造技术 制造技术
• 非破坏性测试是指非破坏性测试.

背景情况:

• 线末测试站 (EOL) 需要有效的空气泄漏检测方法.
• 手动检查耗时,可能缺乏精度.
• 集成先进的成像和计算技术可以增强泄漏检测能力.

研究的目的:

• 在EOL测试中开发和验证用于空气泄漏检测和定位的自动化系统.
• 评估红外热学 (IRT) 和计算机视觉在识别空气泄漏方面的性能.
• 为制造业中手动泄漏检查提供一个具有成本效益和准确的替代方案.

主要方法:

• 开发了一个自动化系统,结合了泄漏测试器,红外摄像头和基于Python的本地化算法.
• 该算法处理了热,确定了感兴趣的区域,减轻了环境干扰,并使用像素强度值来确定泄漏.
• 在受控电路中,模拟涉及不同的泄漏口 (0.25-3毫米) 和相机泄漏距离 (0.2-1米).

主要成果:

• 泄漏测试仪准确地检测和量化了泄漏,将更大的光圈与更高的泄漏率相关联起来.
• IRT性能对泄漏孔径和距离敏感;较短的距离提高了定位精度.
• 该算法成功地定位了实验室和工业环境中的所有模拟泄漏,达到超过0.7.7的准确度.

结论:

• 集成的IRT和计算机视觉系统是EOL测试中自动空气泄漏检测的有希望的解决方案.
• 开发的算法在不同条件下表现出高精度和稳定性.
• 这种自动化方法为提高制造质量控制的效率和成本效益提供了巨大的潜力.