程序聚合 软件案例 基于halcon和C#的焊缝瑕疵检测-焊缝不良检测

基于halcon和C#的焊缝瑕疵检测-焊缝不良检测

2025-11-21 16:21:38
行业:人工智能
载体:Windows应用
技术:C#、.NET Framework、OpenCV、PyTorch

业务和功能介绍

基于Halcon与C#的焊缝瑕疵检测系统面向钢结构,采用“激光结构光+4K高速相机+旋转滤光”硬件组合,在C# WinForms主控下通过Halcon 22.11完成亚像素级3D重建与2D纹理并行检测:首先由C#调用PLC的Profinet协议触发激光器与相机同步,Halcon的decode_1d_code与grab_image_async以每秒300帧采集焊缝区域,利用激光中心提取算子laser_line_center将1024×2048的轮廓图压缩为1D高度信号,经gen_contour_polygon_xld重建出10 μm精度的3D点云,同时用emphasize与illuminate对2D灰度图进行HDR融合,消除焊渣飞溅反光;随后进入“3D+2D双通道”缺陷识别流水线——3D通道通过Halcon的segment_contours_xld与distance_pc把咬边、塌陷、余高超差几何量转换为高度-宽度-角度特征向量,输入C#多线程SVM进行初筛,2D通道则运行自训练的YOLOv5-Halcon模型,在640×640 ROI内同步检测气孔、弧坑、未焊满、表面裂纹等30类缺陷,单张推理28 ms,再与3D通道结果通过C#写的贝叶斯融合算法投票,整体漏检率低于0.05%;针对现场振动导致图像错位,系统采用基于傅里叶-梅林变换的sub_image配准,把实时图与C#预存的无瑕疵模板对齐到0.1 pixel,同时用Halcon的variation_model在20帧内学习背景抖动,自适应更新差影阈值,保证横向±5 mm、纵向±2 mm公差带内稳定检测;对于高反光不锈钢焊缝,C#通过串口控制旋转偏振片与多光谱LED,在Halcon里用decompose3拆分RGB后仅保留B通道做dyn_threshold,再与深度学习结果做交集,成功将镜面伪缺陷过杀率从1.2%压至0.15%;数据输出方面,Halcon的disp_object实时绘制3D伪彩与缺陷掩膜,C#后台用gRPC把JSON坐标推给MES,驱动激光打标机在缺陷处刻录二维码,同时把NG图像以hdict压缩存入MongoDB,单张<80 kB,方便后续GAN数据增强;权限与追溯模块采用C# WPF + IdentityServer4,实现三级账号、电子签名与审计日志,满足ISO 3834与EN 1090认证;系统上线后帮助某客车底盘产线将焊缝一次合格率由92%提升到99.4%,每年节省返工与探伤成本超三千万元,且全程无需人工复检,真正实现了基于Halcon视觉算子深度优化与C#业务逻辑无缝耦合的高速、高精度、零漏检焊缝瑕疵检测。

项目实现

项目采用“激光-相机-算子-业务”四级异构架构:底层通过1.2 kHz激光结构光与4K CMOS经CoaXPress 25 Gb/s直采,由FPGA硬触发保证线扫周期抖动<1 µs;Halcon C++层以laser_line_center实时生成1D高度信号并重建10 µm精度3D点云,同时用gen_image_gray获取同步2D纹理,统一送入GPU内存池,实现300 fps零拷贝;算法服务层把3D几何流(segment_contours_xld提取咬边、塌陷)与2D深度流(YOLOv5-Halcon 30类缺陷检测)通过C# gRPC汇聚到.NET 6融合服务,采用贝叶斯+SVM双投票,输出缺陷类别、位置、深度、面积四维JSON;业务逻辑层用MediatR事件总线驱动激光打标、NG剔除与MES回写,并以RabbitMQ异步归档至MongoDB,整体延迟28 ms、漏检0.05%、过杀0.15%。设计思路遵循“3D保几何、2D保纹理、融合保鲁棒”:先以Halcon shape_model做亚像素模板配准,再用variation_model在线学习背景微振动,然后把3D高度、法向、曲率与2D灰度、梯度、LBP特征拼成46维向量,输入C#多线程SVM二次决策,兼顾可解释与泛化;同时引入Transformer时序模型,对连续20帧置信度做自注意力过滤,进一步抑制飞溅伪缺陷。最大难点有三:①高反光不锈钢镜面产生伪缺陷,解决方案是“旋转偏振片+多光谱LED”硬件组合,在Halcon内decompose3取B通道dyn_threshold,与深度学习输出做交集,过杀率由1.2%降至0.15%;②产线振动导致3D点云错位,通过C#实时读取编码器速度,用vector_angle_to_rigid在线修正外参,并把20帧历史点云做ICP配准,错位误差从0.3 mm降至0.05 mm;③300 fps下显存与UI双重瓶颈,采用Halcon tile_split+TensorRT INT8量化,显存由11 GB降至2.3 GB,C#端用WriteableBitmap双缓冲+离线HWindow渲染,CPU占用从70%降到12%,彻底消除卡顿;最终系统在客户7×24产线稳定运行,一次合格率由92%提升到99.4%,通过ISO 3834与EN 1090认证,实现基于Halcon与C#的高鲁棒、高吞吐焊缝瑕疵检测。

示例图片视频


视觉小向
5天前活跃
方向: 人工智能-机器学习与深度学习、桌面端-.NET、
交付率:100.00%
相似推荐
AI个性化学习平台
面向用户需要复习课程、掌握知识点备考的大中小学学生需要个性化学习规划、内容解析的 社会自主学习人士需要AI 增强课堂教学、学生测评的教育培训机构 多模型AI 支持系统:支持国内5 家主流大模型调用,可按需动态切换,确保服务高可用 性;支持所有基于OpenAISDK 的大模型,现已内置DeepSeek、文心一言、星火、ChatGLM、Moonshot Prompt(提示词)管理系统::可视化管理AI 提示词模板,支持版本控制和A/B 测试;5 分钟 TTL 缓存,提升性能;系统自动注入Prompt 提高AI 调用可用性;多场景支持:支持不同场景的 Prompt 模板(系统提示、出题组卷、批改) 。 文件上传与学习计划生成:用户上传学习资料、笔记(PDF、Word、PPT、TXT、MD)文 件,AI 自动解析内容并生成个性化学习计划 AI 自动评测系统::AI 根据学习主题或者设置的个性化参数(学段、考试科目、考试时 间等)自动生成测验题目甚至实现智能组卷,支持在线答题、自动批改和错题讲解 知识图谱系统:将学习内容转化为可视化知识卡片图谱,展示知识点之间的依赖关系, 帮助学习者理解知识结构,并以此推荐学习资源 学习可视化与成长报告:多维度(统计卡片、折线图、饼状图、弱项分析)展示学习 进度和成绩,生成PDF 学习报告。 管理后台系统:数据大屏仪表盘统计展示系统后台信息,支持模型配置、Prompt 管理、 用户管理、系统配置。
益智游戏类 App-Dexter Memory
1、立项背景和目标 背景: 不同人群均面临记忆与认知挑战,缺乏综合性训练工具。 目标: 开发一款适用于多年龄段的智能记忆助手,通过科学训练提升用户的记忆力、创造力及沟通效率。 2、软件功能、核心功能模块的介绍 记忆训练场: 核心模块,运用记忆宫殿法等技巧,专项训练单词、人名记忆。 创意思维工坊: 提供联想游戏等,激发用户(尤其是儿童)的创造性思维。 家庭协作中心: 内置共享日历与亲子任务,帮助家庭管理日程并改善沟通。 3、业务流程、功能路径描述 用户路径(以专业人士为例): 选择训练目标(如记人名) → 进入“记忆训练场”进行联想与练习 → 系统根据算法推送复习 → 在档案中查看能力成长报告。 家庭用户路径: 父母创建家庭组并分享日程 → 孩子接收提醒并查看 → 共同完成创意挑战任务,在互动中加强联系。
AI 营销客服助手(V1.1)|后端主负责人(LLM + Agent + RAG + 多模态)
一、项目背景与业务价值 该系统用于教育电商平台的智能导购与客服服务。核心目标是让用户像与真人导购沟通一样,通过自然对话解决: 选课难 不知道课程内容 / 价位 不清楚适合孩子的学习路径 无法快速从大量商品中筛选 无法从 FAQ 中找准答案 无客服时段响应慢 本项目通过 AI 导购助手实现: 自动问答、智能推荐、实时语音交互、对话式下单、可解释推理链路,最终提升转化率、降低客服成本、提升用户体验。 系统主要围绕 对话 → 理解 → 检索 → 推荐 → 下单 五大核心链路展开。
打字达人
1.立项背景和目标: 背景:​ 在数字化时代,快速准确的键盘输入是工作、学习和沟通的一项基本技能。许多用户,特别是学生和办公人员,希望通过系统练习来提升打字速度和准确率,但市面上部分工具功能冗杂或缺乏趣味性。 目标:​ 开发一款界面简洁、操作便捷、兼具趣味性与激励性的网页版打字练习软件。核心目标是帮助用户从零开始,通过循序渐进的关卡挑战和实时数据反馈,有效提升英文打字能力,同时通过数据统计让进步可视化,保持用户的学习动力。 2.软件功能、核心功能模块的介绍: 核心功能模块一:闯关挑战模式。​ 这是软件的核心玩法,将学习路径游戏化。设计了从“初学者”到“大师”共5个难度关卡,每个关卡针对不同打字水平(如基础字母、常用单词、复杂长句等),为用户提供明确、循序渐进的进阶路径。 核心功能模块二:自由练习模式。​ 为用户提供一个无压力的练习环境,不受关卡限制,可随意进行打字练习,适合热身或针对性巩固。 核心功能模块三:数据统计系统。​ 在“我的统计”板块,实时记录并展示用户的关键绩效指标,包括总分数、历史最高打字速度、平均正确率以及已过关卡数。该系统让用户的成长轨迹一目了然,是维持长期练习兴趣的关键。 辅助功能模块:​ 包括“关于游戏”的介绍页面和“设置”选项,未来可扩展音效、主题切换等功能,提升软件完整度和用户体验。 3.业务流程、功能路径描述: 新用户流程:​ 用户访问网页后,首先看到主界面介绍和关卡概览。建议切换为英文输入法后,可点击“开始游戏”直接从第一关“初学者”开始挑战,或进入“自由练习”进行适应。 核心操作路径:​ 在关卡中,界面会显示需要输入的文本,用户开始打字后,系统会实时校验输入的正确性并计时。完成关卡后,系统会根据打字速度和准确率计算得分,并更新“我的统计”数据。用户可选择重复练习本关或挑战下一关卡。 数据驱动循环:​ 用户通过查看“我的统计”了解自身水平,从而决定下一步是巩固已过关卡还是挑战新高,形成一个“练习 -> 获得数据反馈 -> 调整目标 -> 再练习”的良性学习循环。
谷粒学苑
面向 C 端用户(学生、学习者)提供课程购买、学习、互动等服务,同时为 B 端机构(教育机构、讲师)提供课程管理、用户运营、数据统计等后台支持,实现 “机构端高效管理 + 用户端便捷学习” 的闭环。 课程管理:课程 CRUD、章节 / 小节管理、课件上传(视频、文档)、价格与权限设置; 用户管理:学员信息维护、讲师入驻审核、角色权限分配(管理员、讲师、运营); 订单与支付:订单状态跟踪、退款处理、支付渠道对接(微信 / 支付宝)、财务数据统计; 营销管理:优惠券发放、拼团活动设置、课程推荐位管理; 数据看板:用户增长、课程转化率、营收报表等可视化数据。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服