(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111663555.0 (22)申请日 2021.12.3 0 (71)申请人 北京奥菲特智控科技有限公司 地址 100070 北京市丰台区外环西路26号 院15号楼-1至4层15 01内2层0 06A7 (72)发明人 李继尧　浦航　黄波　赖东亮　 (74)专利代理 机构 北京世誉鑫诚专利代理有限 公司 11368 代理人 仲伯煊 (51)Int.Cl. G01N 27/904(2021.01) G06K 9/00(2022.01) G06K 9/62(2022.01) (54)发明名称 不规则螺纹缺陷的检测分类方法 (57)摘要 本发明公开了不规则螺纹缺陷的检测分类 方法， 包括以下步骤： S1数据采集： 分别使用针对 螺纹牙底、 牙脚、 牙侧位置的三种涡流探头， 沿螺 纹槽对梯形螺纹做螺旋线运动进行扫描， 采集得 到相位信息的原始数据； S2数据预处理： 使用多 尺度主成分分析对采集到的原始数据去噪； S3特 征提取： 进行特征提取并且形成组合特征量； S4 利用回归模 型预测不同路径下缺陷位置、 长度以 及深度； S5缺陷危险等级分类， 本发明适用于螺 纹检测技术领域， 针对缺陷可能出现的不同位置 (牙底、 牙侧、 牙脚)进行扫描， 可以有效提供不规 则螺纹缺陷的位置、 形状、 面积、 深度等信息， 并 据此进行危险等级分级， 对于螺纹后续的处理工 作具有更高的指导 价值。 权利要求书1页 说明书4页 附图3页 CN 114295719 A 2022.04.08 CN 114295719 A 1.不规则螺纹缺陷的检测分类方法， 其特 征在于， 包括以下步骤： S1数据采集： 分别使用针对螺纹牙底、 牙脚、 牙侧位置的三种涡流探头， 沿螺纹槽对梯 形螺纹做螺 旋线运动进行扫描， 采集得到相位信息的原 始数据； S2数据预处 理： 使用多尺度主成分 分析对采集到的原 始数据去噪； S3特征提取： 进行 特征提取并且形成组合特 征量； S4利用回归 模型预测不同路径下缺陷位置、 长度以及深度； S5缺陷危险等级分类。 2.如权利要求1所述的不规则螺纹缺陷的检测分类方法， 其特征在于： 所述步骤S1数据 采集中， 沿螺纹槽对梯形螺纹做螺旋线运动进行扫描， 共5条路径， 采集得到相位信息的原 始数据X＝(x1， x2， x3， x4， x5)。 3.如权利要求2所述的不规则螺纹缺陷的检测分类方法， 其特征在于： 所述步骤S2数据 预处理中， 预处 理后的信号 为Q＝(q1， q2， q3， q4， q5)。 4.如权利要求3所述的不规则螺纹缺陷的检测分类方法， 其特征在于： 所述步骤S3特征 提取， 包括： 对牙底信号q1进行 特征提取并且形成组合特 征量： (1)对每条 预处理后的信号进行小 波包分解得到 子波p11～p1n； (2)对每条预处理后的信号进行经验模态分解， 选取能量最大的前m条内涵模态分量， 分别命名为p1(n+1)～p1(n+m)， 其中m小于或等于单一信 号经经验模态分解后的最小内涵模态 分量个数； (3)提取步骤(1)和(2)分解得到的的每条信号p11～p1(n+m)的统计分量： 标准差、 信号能 量、 偏态系数、 峰度， 形成组合特 征量f1， f1是一个包 含(n+m)*4个元 素的一维向量； 通过上述方式分别对其他信号进行特征提取并且形成组合特征量， 原始数据X＝(x1， x2， x3， x4， x5)， 得到的组合特 征量为F＝(f1， f2， f3， f4， f5)。 5.如权利要求4所述的不规则螺纹缺陷的检测分类方法， 其特征在于： 所述步骤S4中， 回归模型为极限梯度提升树模型。 6.如权利要求5所述的不规则螺纹缺陷的检测分类方法， 其特征在于： 所述步骤S4中， 利用回归 模型预测不同路径下缺陷位置、 长度以及深度， 包括： 将组合特征量F输入训练好的极限梯度提升树模型， 获得缺陷在每条路径下的起始位 置、 长度及平均深度的预测结果， 其中， 缺陷起始位置为(s1， s2， s3， s4， s5)、 长度为(l1， l2， l3， l4， l5)， 平均深度为(d1， d2， d3， d4， d5)。 7.如权利要求6所述的不规则螺纹缺陷的检测分类方法， 其特征在于： 所述步骤S5中， 缺陷危险等级分类， 包括： 根据缺陷起始位置、 长度以及深度预测量进一步判断出缺陷的位置、 面积、 形状以及深 度， 将5条路径展开为二维平面， 扫描路径用虚线标示， 回归模型在不同路径下预测的缺陷 起止位置与长度， 用实线表示， 将实线末端相连， 得到缺陷形状， 并可计算得到缺陷面积， 根 据缺陷的位置、 面积、 形状、 深度等信息， 对缺陷的危险等级进 行分级， 并制定相应的处理方 案。权　利　要　求　书 1/1 页 2 CN 114295719 A 2不规则螺纹缺陷的检测分类方 法 技术领域 [0001]本发明属于 螺纹检测技 术领域， 具体是不 规则螺纹缺陷的检测分类方法。 背景技术 [0002]在生产生活中， 螺纹结构无处不在， 在使用过程中受到环境和外力的影响下不可 避免地会产生裂纹缺陷， 影响螺纹结构的正常使用。 [0003]针对螺纹缺陷的检测分类方法， 已有一些学者展开研究， 主要集中于机器视觉方 案， 但机器视觉方案对光照条件和螺纹表面洁净度有较高要求， 而且只能检测表面缺陷。 对 于表面存在油污、 锈迹等污渍的螺纹结构(如钻杆螺栓)， 需要较为繁琐耗时的清洁步骤才 可以处理至适合于视觉检测的状况， 此外， 螺纹结构中可能存在一些近表面缺陷， 利用视觉 方案无法检测。 本专利是用涡流检测的方法检查螺纹缺陷。 [0004]目前已有的一些针对螺纹缺陷的涡流检测方案， 其最终目标大多在于判断螺 纹牙 底缺陷的有 无。 事实上， 螺纹缺陷可能出现的位置不仅限于牙底， 牙脚与 牙侧同样可能存在 缺陷。 此外， 缺陷形状可能并不规则。 不同位置， 不同形状和深度的缺陷对螺栓使用影响程 度不同， 后续处理方式也不尽相同。 目前已有技术主要关注点仅在于判断螺纹牙底缺陷是 否存在。 发明内容 [0005]本发明的目的在于克服现有技 术的缺陷， 提供不 规则螺纹缺陷的检测分类方法。 [0006]为实现上述目的， 本发明采用了如下技 术方案： [0007]不规则螺纹缺陷的检测分类方法， 包括以下步骤： [0008]S1数据采集： 分别使用针对螺纹牙底、 牙脚、 牙侧位置的三种涡流探头， 沿螺纹槽 对梯形螺纹做螺 旋线运动进行扫描， 采集得到相位信息的原 始数据； [0009]S2数据预处 理： 使用多尺度主成分 分析对采集到的原 始数据去噪； [0010]S3特征提取： 进行 特征提取并且形成组合特 征量； [0011]S4利用回归 模型预测不同路径下缺陷位置、 长度以及深度； [0012]S5缺陷危险等级分类。 [0013]优选的， 所述步骤S1数据采集中， 沿螺纹槽对梯形螺纹做螺旋线运动进行扫描， 共 5条路径， 采集得到相位信息的原 始数据X＝(x1， x2， x3， x4， x5)。 [0014]优选的， 所述 步骤S2数据预处 理中， 预处 理后的信号 为Q＝(q1， q2， q3， q4， q5)。 [0015]优选的， 所述 步骤S3特 征提取， 包括： [0016]对牙底信号q1进行 特征提取并且形成组合特 征量： [0017](1)对每条 预处理后的信号进行小 波包分解得到 子波p11～p1n； [0018](2)对每条预处理后的信号进行经验模态分解， 选取能量最大的前m条内涵模态分 量， 分别命名为p1(n+1)～p1(n+m)， 其中m小于或等于单一信号经经验模态分解后的最小内涵模 态分量个数；说　明　书 1/4 页 3 CN 114295719 A 3