核燃料相关组件视觉通用检测平台--科技之光

g.负压控制系统：品牌亚德客。

2）视觉检测相机及光源通过机械机构实现X、Y、Z、R方向手动可调；

3）装置外形尺寸：因现场产线改造，所以均为散件物料，在产线上拼装；

4）输入电压：220/380V AC，50/60Hz；

5）输入气源：0.6-0.8Mpa；

6）设备尺寸：3470mmX600mmX1560mm(长x宽x高，不含显示屏支架)；

7）运行温度：+5℃~ +50℃；

8）设备重量：≤5000Kg；

9）相对湿度：≤95%；

10）抗电磁干扰模式：屏蔽、滤波、接地；

2.4光学成像方案

2.4.1直径检测工位

选用高精度工业相机，其单个像素尺寸满足测量精度要求，搭配长焦镜头，确保能够清晰拍摄到芯块轮廓等细节。镜头具备良好的稳定性和抗干扰能力，保证在检测过程中成像质量稳定。

光学成像硬件选型参考

①工业相机：芯块直径检测工位选用高分辨率的面阵相机，对芯块尺寸细节清晰成像，拟采用海康威视MV-CH250-90GM的2500w分辨率工业相机，具体参数型号如下表：

相机参数

型号	MV-CH250-90GM
名称	2500万像素网口面阵相机
传感器类型	CMOS，全局快门
传感器型号	Gpixel GMAX0505
像元尺寸	2.5 μm × 2.5 μm
靶面尺寸	1.1”
分辨率	5120×5120
增益	0 dB ~ 24 dB
最大帧率	4.5 fps @5120 × 5120 Mono 8
动态范围	63 dB
镜头接口	C-mount
温度	工作温度0 ~ 50°C,储藏温度-30 ~ 80°C

②工业镜头：搭配与所选相机相匹配的工业镜头，镜头需具备合适的焦距和视场角，以保证能够完整覆盖芯块直径的检测区域。拟采用海康威视的MVL-KF5040-25MP型号工业镜头，视野范围24mm×24mm，放大倍率为0.53具体参数型号如下表：

镜头参数

型号	MVL-KF5040-25MP
名称	50mm，2500万分辨率镜头
焦距	50 mm
F数	F4.0
像面尺寸	Φ19.3 mm(1.2")
畸变	0.05%
最近摄距	0.15 m
接口类型	C-Mount
温度	-10 ~ 50°C

③光源：平行面光源作为背光源能提供均匀且平行的光线，凸显物体轮廓，助力清晰成像以检测尺寸。拟采用锐视光电P-PHFL-27-27-W型号的平行面光源。

2.4.2外观检测工位

光学成像硬件选型参考

①工业相机：芯块外观缺陷视觉检测装置选用高分辨率线阵相机，配合高速运动控制模块，实现对包壳管表面的连续扫描成像。拟采用两个Basler racer2线阵相机 raL8192-12gm 8k分辨率，具体参数型号如下表：

相机参数

型号	Basler raL8192-12gm
相机类别	线阵相机
传感器供应商	Awaiba
感光芯片	CMOS
像元尺寸	3.5 μm × 3.5 μm
快门	Global Shutter
分辨率	8192px×1px
行频	120kHZ
相机接口	GigE
镜头接口	C-mount
感光芯片尺寸	28.7 mm
操作温度	0℃-50℃

②工业镜头：搭配与所选相机相匹配的工业镜头，镜头需具备合适的焦距和视场角，以保证能够完整覆盖芯块的检测区域。拟采用Moritex ML-LS9040-67V70-02线扫镜头，视野大小497.5mm具体参数型号如下表：

镜头参数

型号	ML-LS9040-67V70-02
品牌	Moritex（茉莉特）
焦距	91.77mm
光圈	F4-F22
视野宽度	497.5mm
倍率	0.2
接口	V70
重量	477g

③光源：采用径向光源用于照亮芯块的圆周表面，便于检测圆周方向的缺陷。光源采用高亮度LED灯，亮度可调节。拟采用锐视光电P-BLG-600-22-W型号的高亮条形光源。

2.5视觉检测算法

2.5.1直径检测工位

（1）图像预处理

采用自适应直方图均衡化算法对图像进行对比度增强，突出芯块边缘与背景的差异。运用高斯滤波算法对图像进行平滑处理，去除高频噪声，滤波核大小根据芯块规格自动调整，范围在 3×3 至 7×7 之间。

自适应直方图均衡化（AHE）及其改进版限制对比度的自适应直方图均衡化（CLAHE），是通过将图像划分为多个重叠子块，对每个子块单独计算直方图并进行均衡化，再经双线性插值融合相邻子块结果来增强图像对比度的算法。CLAHE 还会设定对比度限制阈值，将子块直方图中超过阈值的灰度级频率部分均匀分配到其他灰度级，以抑制噪声。在芯块检测中，该算法能增强芯块边缘与背景的清晰度，适应光照不均情况，精准保留微小缺陷特征，且通过合理设置子块尺寸、重叠率等参数，为后续检测提供高质量图像基础。

（2）边缘提取

采用 Canny 边缘检测算法对预处理后的图像进行边缘提取，Canny 边缘检测是一种高性能的边缘检测算法，通过高斯平滑减少噪声干扰，计算梯度幅值和方向定位潜在边缘，利用非极大值抑制细化边缘响应，再通过双阈值滞后处理区分强边缘和弱边缘并连接形成完整边缘线。该算法在芯块检测中表现出色，能够精确定位芯块轮廓边缘和表面缺陷边缘，通过优化高斯核大小和双阈值参数，可有效平衡噪声抑制与边缘保留，为后续的直径测量和缺陷识别提供高精度的边缘特征，是视觉检测系统中的关键预处理环节。运用亚像素边缘定位算法对提取到的边缘进行细化，通过多项式拟合边缘点坐标，将边缘定位精度控制在 0.0005mm以内。

（3）直径计算

从边缘点中筛选出属于芯块轮廓的有效边缘点，排除背景干扰形成的伪边缘。基于有效边缘点构建芯块横截面几何模型，采用最小二乘法拟合边缘点，计算得到的宽度即为芯块的直径值。

最小二乘法的目标是找到最优参数 θ，使得所有误差的平方和最小，即：

minθ∑i=1nei2=minθ∑i=1n(yi−f(xi;θ))2

最小二乘法直线拟合通过调整直线的斜率和位置，使直线对每个数据点的预测值与实际观测值的误差平方和达到最小，从而得到最能代表数据线性趋势的最佳拟合直线的方法，其通过特定规则可直接计算出确定的参数，能平衡所有数据点的偏差，稳定反映数据整体趋势，适用于数据大致呈线性分布的场景。

（4）合格判定阶段

将计算得到的直径值与预设的目标值及上下限范围进行比对。若直径值在合格范围内，判定为合格芯块，记录检测结果并传输至数据存储模块；若超出范围，判定为不合格芯块，同时记录缺陷类型（直径过大/过小）及具体数值。

2.5.2外观检测工位

（1）图像预处理与缺陷增强

消除表面干扰（如反光、氧化层、纹理噪声），强化划缺陷的边缘与轮廓特征。多区域图像校正：针对圆柱形外表面的图像畸变，采用圆柱面展开算法，避免曲率导致的划痕断裂或变形。端面处理：对圆形端面图像进行环形区域提取。

差异化去噪与增强：反光抑制：对预处理后的图像采用Retinex算法分离光照分量与反射分量（I(x,y)=L(x,y)*R(x,y)，其中L为光照，R为反射，通过高斯滤波估计L，求解R=logI−logL），消除表面反光对缺陷对比度的干扰。边缘增强：针对不同缺陷形态采用定向滤波，用Sobel算子提取梯度，强化线性边缘，用拉普拉斯算子增强区域灰度突变，突出与背景的差异。

（2）特征提取与候选区域初筛

快速定位疑似缺陷区域，减少深度学习模型的计算量，提升检测效率。多阈值边缘检测与形态学筛选：对增强后的图像采用自适应双阈值Canny算法，保留连续边缘的同时抑制噪声边缘。形态学过滤，对边缘图像进行结构元素适配处理，用1×5矩形结构元素腐蚀，去除短边噪声，保留细长边缘。

缺陷候选区生成：通过连通域分析提取边缘包围的区域，计算候选区特征：面积（S）、周长（P）、宽高比（R=长/宽）、灰度均值（μ）。设定筛选阈值：S＞50像素²、R＜0.2或R＞5、μ与背景灰度差＞20，输出候选区坐标（x1,y1,x2,y2）。

（3）深度学习检测与实例分割

精准识别候选区中的缺陷类型，输出像素级轮廓，解决传统算法对复杂形态缺陷的误判问题。模型架构设计：采用改进的Mask R-CNN：以ResNet-50为骨干网络，在特征金字塔（FPN）中新增边缘注意力模块，增强对细小花纹（如微裂纹）的敏感度。分类分支优化：针对4类缺陷的细微差异，在全连接层前加入缺陷类型特征适配层。

训练策略与数据增强：数据增强：针对缺陷分散性，采用随机裁剪+缺陷粘贴，扩充训练集；加入高斯模糊、光照扰动，提升模型鲁棒性。损失函数：采用混合损失L=Lcls+Lbox+1.5×Lmask，其中Lmask权重提高，强化实例分割精度。

（4）多模态融合后处理与结果输出。

融合传统算法的快速筛选与深度学习的精准分割，输出高精度缺陷信息。结果融合与误检剔除：一致性校验：对深度学习输出的缺陷区域，与阶段2的候选区进行IOU匹配。特征二次筛选：对匹配通过的区域，补充传统特征验证，剔除伪缺陷。

缺陷信息输出：当检测区域非空时，输出位置信息：缺陷区域的最小外接矩形坐标（xmin,ymin,xmax,ymax）、中心点坐标（xc,yc）、缺陷类型、尺寸、形态参数。

（5）AI 自学习

样本库更新：将人工判定的不合格芯块图像自动存入自学习库，同时支持人工上传待学习图像，通过标注工具手动框选缺陷区域并标注缺陷类型，生成带标签的训练样本。

样本增强：对自学习库中的样本进行图像增强处理，包括随机旋转（0-360°）、缩放（0.8-1.2 倍）、对比度调整（±20%）等操作，扩充样本数量，每类缺陷样本量不少于 1000 张。

模型训练：当自学习库中新增样本达到 500 个时，启动联邦学习框架，在本地服务器上利用新增样本对缺陷分类模型进行微调，采用小批量梯度下降算法优化模型参数，训练轮次根据样本新增量确定，一般为 10-20 轮。

模型更新：训练完成后，通过测试集验证模型精度，若精度达到 99.9% 以上，自动更新在线检测模型；若未达标，返回样本库检查环节，重新筛选样本进行训练。

2.6芯块综合检测模组电气控制方案

关键元器件选型

（1）PLC控制器选型

a）PLC选用西门子SIMATIC S7-1200系列中的CPU 1214C，

b）高性能:S7-1200系列PLC处理速度快,单周期扫描时间短于3ms,适用于对高速控制性能要求较高的场合。

c）丰富的功能:S7-1200系列PLC具有丰富的计数、测量、比较、数据处理等功能块,配合1214C使用可实现对各种交流及直流电机的精准控制。

d）模块化结构:1214C属于S7-1200的功能模块,采用标准化机械接口直接插拔在S7-1200 CPU模块上使用,不需要外接电源,安装和接线简单方便。不同型号的1214C模块可以直接替换使用,灵活可靠。

e）可编程:S7-1200系列PLC采用西门子标准指令与STL语言进行编程,用户可以自行编写PLC程序实现对1214C及各类外设的控制逻辑,可满足不同应用场合的要求。

f）open 接口:S7-1200与1214C均提供开放式接口,可以与西门子以外的各类I/O模块、扩展模块、运动控制模块等相容使用,系统集成能力强。

g）.强大的软件支持:S7-1200有配套的STEP7 编程软件与 wincc 人机界面软件使用,软件功能强大,编程debug简单方便。

（2）触摸屏选型

a）选用西门子TP1500 comfort系列触摸屏。

b）高性能硬件配置：15.6英寸宽屏（1920×1080 Full HD），提供清晰的视觉效果，适合复杂操作界面；搭载高性能ARM Cortex-A9多核处理器，运行流畅，可快速响应操作指令；内置4GB RAM和16GB闪存，支持大量项目数据和日志存储。

c）卓越的显示与操作体验：IPS面板，亮度高达1000 cd/m²，在强光环境下仍清晰可见，视角可达178°；支持10点触控（手势操作），同时配备物理按键（如急停按钮），适合工业环境；支持戴手套或湿手操作，适应苛刻工况。

d）丰富的通信与集成能力：ROFINET/以太网（支持实时通信）USB、RS232/485串口，无缝集成西门子TIA Portal（全集成自动化平台），支持SIMATIC S7、WinAC等控制器。

（3）旋转编码器选型

a）选用欧姆龙E6B2系列编码器，电源为DC24V，线性输出2000P/R

5.1.5.2控制系统

a）本设备以PLC作为设备的控制核心，控制包括气缸动作、相机拍照触发、OK/NG分拣等。

b）PLC通过标准以太网连接到MES系统，和MES交换数据。
c）PLC与工控机通讯，获取工控机的拍照结果数据，

3端塞坡口检测模组

对原有全自动端塞焊机坡口视觉检测装置进行改造，用于检测生产过程中的坡口质量。检测装置主要包括坡口视觉成像机构、相机和光源微调机构、工控机和视觉检测系统（可对检测平台进行利旧，其余检测光学硬件与工控机均需更换）。实现对坡口端面一次成像，并对缺陷准确判断，同时能够对坡口尺寸（坡口亮带、灰带宽度及坡口对称性）进行检测。

3.1端塞坡口检测模组组成结构

1）功能模块介绍

设备功能模块主要由：视觉检测组件、NG下料组件等组成，具体分布见设备整体示意图。