摘 要：隨著“中國制造2025”“工業(yè)4.0”的推進，先進制造、精密設備、特種設備的需求與日俱增，對工業(yè)零部件的質量提出了更高要求。微細管道作為工業(yè)零部件的重要結構，保證其質量至關重要，但目前的微細管道缺陷檢測方法自動化程度低、精度低、檢測效率低，無法滿足檢測需求。團隊研制了一種微細管道內壁缺陷檢測儀，包括微細管道內壁成像裝置和微細管道內壁缺陷檢測系統(tǒng)兩部分。該檢測儀具有檢測速度快、測量精度高、檢測過程智能等優(yōu)點，可實現(xiàn)小口徑微細管道內壁缺陷的精確化、標準化、智能化檢測。

關鍵詞：智能制造；新質生產力；微細管道；缺陷檢測

1 作品簡介

本項目產品針對工業(yè)生產線上大批量、多品種零部件中微細管道管內缺陷及形貌測量現(xiàn)有方法存在的不足和應用局限性，將視覺檢測技術、人工智能技術及視覺測量技術相結合，圍繞微細管道管內缺陷及形貌進行非接觸、自動檢測，設計了一種可實現(xiàn)自動、快速、在線的高精度、非接觸式微細管道管內缺陷及形貌測量裝置。

該微細管道內壁缺陷檢測儀具有檢測速度快、測量精度高、檢測過程智能等優(yōu)點，支持缺陷種類識別、缺陷尺寸測量，具有生成管道內部全景圖等功能，可滿足管徑小于10 mm工件的微細管道內壁缺陷測量需求。

該檢測儀檢測速度快（單個管道檢測時間為5 s），檢測精度高，可由計算機控制外部位移臺自動完成測量任務，測量精度為0.01 mm。

2 技術原理

微細管道內壁形貌測量裝置包括光信息傳輸部件、照明部件、圖像采集部件和高精度位移部件。借助光信息傳輸模塊將外部光源導入微細管道內壁，利用工業(yè)相機采集微細管道內壁局部圖像，通過控制外部升降臺位移和Z軸旋轉機構旋轉帶動測量裝置完成微細管道內壁的圖像采集，使用圖像處理技術將各部分圖像進行拼接，最終得到微細管道內壁的完整形貌信息。

基于深度學習的缺陷檢測算法模型由缺陷判別網絡和缺陷分割網絡組成。缺陷判別網格基于輕量化卷積神經網絡LCNN （Lite Convolution Nerual Network）構建，LCNN由特征提取器和特征分類器組成。在此基礎上設計了基于空間信息和語義信息解耦-融合的實時缺陷分割網絡。經驗證，微細管道內壁缺陷檢測系統(tǒng)的缺陷識別準確率為98.5%，缺陷測量誤差為0.01 mm，單張圖片的檢測時間為60 ms。

為解決深孔內壁照明效果和成像質量差的問題，提出了基于卷積神經網絡的圖像增強算法和基于圖像質量評價的照明光強自動優(yōu)化設計。利用圖像質量評價方法、照明光強自動優(yōu)化模塊及基于超薄柔性電路的高均勻度照明光源，根據(jù)實際成像調整光源光強，使微細管道內壁成像裝置能夠自動適應管內環(huán)境，實現(xiàn)對各種材質管道內壁形貌的完整采集。

為解決視像管傾斜對于缺陷尺寸測量結果的影響，設計了誤差補償和畸變矯正算法，通過實時監(jiān)測視像管與待測微細管道的位姿，設計針對斜視投影的誤差補償和矯正算法，從而使裝置能夠自動矯正弧面投影畸變，將測量精度再提高10.8%，將系統(tǒng)誤差影響降至0.26%。

3 項目創(chuàng)新點

本文設計了基于光路空分復用系統(tǒng)的成像裝置，將網絡輸入由單一光強拓展為多維信息，解決了狹窄區(qū)域成像的光干擾問題。團隊首創(chuàng)光信息傳輸部件，配合光路空分復用系統(tǒng)，提高了成像質量，降低了設備成本；利用人工智能代替人眼檢測；開發(fā)了針對工業(yè)生產線的在線缺陷檢測系統(tǒng)。

4 應用前景與市場

隨著中國儀器儀表行業(yè)的發(fā)展，政府相繼出臺了諸多政策扶持行業(yè)發(fā)展。2021年中國儀器儀表行業(yè)協(xié)會發(fā)布了《儀器儀表行業(yè)“十四五”建議規(guī)劃》，指出加強高端儀器儀表的發(fā)展，優(yōu)先推進行業(yè)中具有一定技術儲備和產業(yè)化基礎、市場有一定需求規(guī)模的高端產品的發(fā)展，集中力量解決部分高端儀器儀表“卡脖子”等問題，彌補部分行業(yè)在高端產品領域的短板。