基于人工智能的柴油发动机零部件铸造缺陷检测技术探究.pdf

中国科技期刊数据库 工业 A 157 基于人工智能的柴油发动机零部件铸造缺陷检测技术探究 王晓璇 姜 超 刘 晶 山东盛祥智能制造有限公司，山东 潍坊 262100 摘要：摘要：随着计算机技术的不断发展和时代的进步，柴油发动机零部件铸造过程的复杂性和不确定性也在逐渐升高，缺陷检测变得尤为重要。采用基于人工智能的柴油发动机零部件铸造缺陷检测技术进行缺陷检测，不仅为发动机零部件检测提供了更加有效的技术手段，也促进了缺陷检测技术的更新完善。本文就传统的柴油发动机零部件铸造缺陷检测方法进行阐述，并分析了基于人工智能的柴油发动机零部件铸造缺陷检测技术的优势，以及结合计算机视觉、图像处理和机器学习等技术，通过对铸造过程中的图像数据进行分析来自动识别零部件表面上可能出现的各种缺陷的具体方法，希望可以提供一些有价值的参考。关键词：关键词：人工智能；柴油发动机零部件；缺陷检测技术 中图分类号：中图分类号：TK426;TK436 0 引言 基于人工智能的柴油发动机零部件铸造缺陷检测技术是一种快速、准确、非接触式的缺陷检测方法，在工业应用方面，基于人工智能的柴油发动机零部件铸造缺陷检测技术已经开始应用于柴油发动机零部件生产线的质量控制和故障检测等领域，随着大数据技术等的发展，未来可能会出现更加轻便、智能化、快速响应的智能硬件设备，以便更好地支撑基于人工智能的缺陷检测技术的应用。1 传统的柴油发动机零部件铸造缺陷检测方法 1.1 人工检查 人工检查发动机零部件铸造缺陷是最基本、最广泛的缺陷检测方法，即通过人眼观察零部件表面或断面来检测可能存在的缺陷，如气孔、裂纹等。下面是人工检查柴油发动机零部件铸造缺陷的具体流程：（1）准备工作：准备好要检测的零部件，并对其进行清洁和处理以便更容易观察表面或断面情况。（2）观察零部件表面：使用肉眼来观察零部件的外表面，检查是否有明显的缺陷，如裂纹、气孔、砂眼等。（3）切割零部件：如果需要进一步观察零部件内部的缺陷，则需要将其切割成适当的大小和形状。在切割时，需要注意刀具的角度和切口的位置，以避免对可能存在的缺陷造成伤害。（4）观察零部件断面：将零部件切割后，使用肉眼或放大镜观察其断面，检查是否存在裂纹、气孔、砂眼、缩松等缺陷。（5）记录检测结果：最后，记录检测结果并进行分类。如果发现了缺陷，则需要对其进行描述和分类，并将其标记在零部件上以便后续处理。人工检查缺陷的方法虽然简便易操作，但人工检测结果受到操作者的专业知识和经验的限制较大，容易出现检测失误或漏检的情况。这种检测方法不仅生产效率低、误报率高，而且还需要花费大量的人力在缺陷检测方面。1.2 射线检测 作为传统的柴油发动机零件铸造缺陷无损检测方法之一，射线检测方法通过利用射线穿透物体至接收器，从而检测物体内部的缺陷或异物。射线探伤利用射线的贯穿能力，将射线穿透待检测物体，当射线遇到物体内部的缺陷或异物时，会发生不同程度的散射或吸收，从而在接收器上形成相应的信号。根据信号的大小和形状，可以判断出物体的内部缺陷或异物的位置、形状和大小。这种方法可以探测到内部缺陷，但需要特殊设备和专业技术，必须由专业人士来进行操作。射线探测方法检测柴油发动机零部件缺陷通常包括以下步骤：（1）准备工作：确定待检测物体和接收器的位置，中国科技期刊数据库 工业 A 158 选择合适的射线源和拍片或数字探测器。同时，确认待检测的零部件是否符合检测标准，并确定检测位置和角度。（2）探测过程：将射线源置于待检测物体一侧，发射射线穿透物体，射线到达接收器时产生信号，记录下信号的大小和形状。（3）接收信号：使用接收器来接收从零部件表面或内部发出的辐射信号。等待接收器捕获辐射信号，当接收器捕获到辐射信号时，其会将信号转换为一个电子信号，并将其发送到放大器中；（4）信号处理：通过放大器将电子信号放大，然后进行滤波和噪声消除。最后，将信号传输到计算机系统中，进行图像重建和分析；（5）检测和分类：根据检测结果，对零部件进行分类，确定其是否存在缺陷，并对存在的缺陷进行进一步分析和描述。需要注意的是，射线探测方法可能会对环境和人员造成危害，因此必须在专业人员的指导下进行操作，并遵守相关安全规定和标准。1.3 声波检测 声波检测利用超声波对零部件进行探测，以便检测出内部缺陷，但检测结果会受到材料表面粗糙度的限制。声波检测基于声波在物体中传播时会遇到不同阻力而反射或折射的原理。声波在发动机零部件内部中传播时，会与内部的缺陷相互作用，从而产生回声。通过检测这些回声的特性和信号，可以确定柴油发动机零部件中存在的缺陷。声波检测通常包括以下步骤：（1）准备工作：选择适当的超声波检测设备，并准备待检测的零部件。将待检测的零部件放置在超声波检测设备下方，并准备好传感器和接收器。（2）发送超声波：将超声波传输到零件表面，让其通过材料中传播。此时，声波会与材料中的缺陷相互作用，并产生回声。（3）接收回声：使用接收器接收回声信号，并将其转换为电子信号。（4）信号处理：使用计算机系统对接收到的信号进行处理，以提取有关材料结构和缺陷位置的信息。（5）检测和分类：根据处理后的信号，对零部件进行分类，并对存在的缺陷进行进一步分析和描述。1.4 渗透探伤 渗透探伤是指采用利用毛细现象将渗透剂侵入缺陷处，通过显影剂显示缺陷的方式，获取铸件缺陷信息的方法。渗透探伤通常包括以下步骤：（1）准备工作：清洗铸件，确保表面的清洁度。（2）涂渗透剂：在铸件表面涂渗透剂，适宜的温度和时间控制，同时确保所有被检测平面涂敷到位。（3）清洁：将表面多余的渗透剂全部去除，但不能把渗入缺陷的渗透剂清理掉，然后干燥铸件表面。（4）显像：将显像剂涂抹在检测平面，显像观察铸件是否存在缺陷，通过显像结果判断铸件的缺陷信息。（5）清洗：将表面的显像剂等清理干净，检测完成。2 基于人工智能的柴油发动机零部件铸造缺陷检测技术的优势 2.1 柴油发动机零部件缺陷检测自动化程度提高 基于人工智能的缺陷检测技术可以实现自动化缺陷检测流程，通过预设的算法模型实现零部件的自动化检测，不需要人工操作，并且能够自动进行图像识别和分析、缺陷定位和分类等工作，大幅提高了生产效率和准确性。再者，传统的缺陷检测方法中数据的获取主要依赖于人工采集，需要大量人力和时间，而且容易出现错误。基于人工智能的缺陷检测技术可以通过自动化数据采集来减少这些问题。例如，在制造线上安装摄像头来自动捕捉零部件图像，以便进行后续的图像处理和分析。此外，基于人工智能的缺陷检测技术可以提供实时的缺陷检测结果，并在出现异常情况时立即发出警报。例如，当检测到零部件存在缺陷时，技术可以自动向制造人员发送电子邮件或手机短信，以便及时处理。随着自动化程度的提高，基于人工智能的缺陷检测技术可以自动调整机器参数、优化制造流程和质量控制等方面的工作。例如，通过对制造过程中的数据进行分析和处理，技术可以自动地调整零部件的制造参数，从而最大程度上保证产品质量。2.2 缺陷检测精度更高 通过使用深度学习模型等人工智能算法进行分析中国科技期刊数据库 工业 A 159 处理，可以大大提高缺陷检测的精度，减少误报率。基于人工智能的缺陷检测技术可以使用深度学习算法模型进行数据分析和处理。例如，卷积神经网络（Convolution Neural Network,CNN）可以有效地提取图像特征，并对这些特征进行分类和识别，从而实现对缺陷的高精度检测。此外，与传统的缺陷检测方法相比，基于人工智能的缺陷检测技术通常配备了高清晰度的摄像头、激光扫描器等设备，能够捕捉到更丰富的图像信息，保证了检测数据的准确性和完整性。基于人工智能的缺陷检测技术也能够实时监测制造过程中的缺陷，并及时发出警报，从而避免了后续处理带来的额外成本。即使出现突发情况，也可以及时发现和修复，保证生产效率不受影响。3 基于人工智能的柴油发动机零部件铸造缺陷检测技术实现流程分析 3.1 采集图像数据 在采集零部件内部图像信息时，首先要根据实际需求选择高清晰度的数字相机或工业相机，以便获取到的图像质量得到保障。然后要针对柴油发动机不同类型的零部件考虑不同的采集角度和距离，可以对同一零部件从不同角度和距离进行多次拍摄，以便获取到对应零件完整的相关特征和细节信息。此外，还需要考虑光照条件、背景干扰等问题。然后将采集到的图像数据保存在计算机或云端服务器中，以供后续处理和分析使用。在图像采集过程中，对于光照不足、拍摄角度不合适、图像模糊等问题，可以借助光照均衡技术、模糊图像恢复技术、尺度变换技术、相机标定技术来解决，以便影响后续的图像处理和分析。其中，光照均衡技术用于解决不同光照条件下采集的图像质量不一致的问题，使图像在亮度、对比度等方面更加平衡。其基本原理是通过对图像像素值进行变换，使得整幅图像中的亮度分布更加均匀。光照均衡技术分为全局光照均衡技术和局部光照均衡技术，全局光照均衡技术将整个图像中的像素值进行均衡化，以达到整体亮度均匀的效果，局部光照均衡技术根据图像中不同区域之间的亮度差异，对图像进行局部均衡化，以达到更好的效果。模糊图像恢复技术用于解决因摄像机或其他原因造成的图像模糊问题。其基本原理是通过对图像像素进行变换，使得图像重新具有较高的清晰度。模糊图像恢复技术可以分为图像去噪、锐化滤波、傅里叶变换、双边滤波、超分辨率恢复技术，在实际应用中，模糊图像恢复技术需要根据具体情况选择合适的算法和参数，并加以优化，以获得最佳效果。尺度变换技术：尺度变换技术用于将图像进行缩放、旋转等操作，以便获取不同角度和距离的零部件图像。其基本原理是对原始图像中的像素进行重新编码，以实现图像的变形和变化，可以采用图像缩放技术、仿射变换技术、透视变换技术来实现对图像的变形。相机标定技术：相机标定技术是一种常见的计算机视觉技术，用于消除相机畸变并确定相机内部和外部参数，以保证图像质量和准确度。其中，相机内部参数包括焦距、主点位置等；相机外部参数包括旋转角度、平移向量等。实现相机标定技术首先要使用标定板或其他特殊设备拍摄多张不同角度和距离的图像；然后提取标定板信息，从采集到的图像中提取出标定板上的特征点，例如角点、直线等，并进行匹配；接着利用已知的标定板信息，通过数学模型求解相机的内部参数。其中最常用的方法是采用张正友标定法（Zhangs calibration method），该方法需要至少 6幅不同角度的图像；然后求解相机外部参数，通过已知的内部参数和标定板信息，计算相机的外部参数，包括旋转角度和平移向量等；最后验证标定结果，通过对标定板和其他物体的实际测量，验证标定结果的准确性和可靠性。3.2 预处理图像数据 对采集到的图像进行预处理，包括去除噪声、增强对比度等 6 个方面，以提高后续分析的准确性。首先是对图像去噪处理，采用不同的滤波器或傅里叶变换等方法，去除图像中的噪声，提高图像质量。然后是图像增强通过调整图像的亮度、对比度等参数，提高图像视觉效果，突出目标物体特征。在对图像质量操作完毕后，对图像尺寸统一化，将不同大小的图像缩放到相同的尺寸，以便于后续的处理和分析。然后通过旋转、平移、剪切等操作，增加训练数据集的样本数量，提高模型的鲁棒性和泛化能力。接 着 采 用 各 种 特 征 提 取 算 法，例 如 SIFT（Scale-Invariant Feature Transform）、HOG中国科技期刊数据库 工业 A 160（Histogram of Oriented Gradients）等，从图像中提取出具有代表性的特征表示通过图像处理技术，提取出图像中与缺陷相关的特征，例如边缘、纹理、颜色等，用于后续的分类和识别，并对提取出来的特征值进行归一化处理，以消除不同光照条件下的影响，便于后续对可视化后的图像数据进行处理比较。3.3 训练模型及缺陷检测 利用机器学习算法，基于已标记的图像数据，通过学习数据集中的特征、规律等信息训练模型，提高模型的分类和预测能力，以区分正常零部件和有缺陷的零部件，并能够检测出不同类型的缺陷，例如裂纹、气孔等。通过学习数据集中的特征、规律等信息，提高模型的分类和预测能力。将预处理过的图像输入训练好的模型中，根据模型预测结果判断是否存在缺陷。如果存在缺陷，及时通知相关工作人员进行处理。3.4 不断优化 根据实际应用中的反馈，继续优化算法和模型，提高检测精度和效率。4 结语 随着人工智能技术等的不断发展和应用，基于人工智能的柴油发动机零部件铸造缺陷检测技术应用前景也会更加广泛，能够更好地满足复杂生产环境下的质量控制需求，并提高生产效率和产品质量。相信在不久的未来，在物联网等技术的支持下，基于人工智能的柴油发动机零部件铸造缺陷检测技术也能实现检测流程上的全过程自动化。参考文献 1赵红颖,于微波.计算机视觉技术在发动机缺陷检测 系 统 中 的 应 用J.光 学 精 密 工程,2000(3):283-286.2郭慧平,王召巴,金永.基于机器视觉的发动机包覆层 表 面 缺 陷 检 测 技 术 J.传 感 器 世界,2011,17(1):13-15.3岳晓峰,赵敏,栾宝剑,等.计算机视觉技术在发动机缺陷检测系统中的应用 J.计算机测量与控制,2005(6):516-518.4张爱云,王吉华,高崴,等.基于机器视觉的VVT发动机 转 子 缺 陷 检 测 系 统 设 计 J.工 程 设 计 学报,2021,28(6):776-784.5旷可嘉.深度学习及其在航空发动机缺陷检测中的应用研究D.广州:华南理工大学,2017.作者简介：作者简介：王晓璇（1987），女，汉族，山东昌乐人，硕士研究生，中级职称，非标自动化设备，自动化生产线。姜超（1981），男，汉族，山东肥城人，本科，中级职称，铸造工艺。刘晶（1987），女，汉族，山东泰安人，本科，中级职称，铸造工艺设计，铸造模具设计，铸造工艺模拟。