矿车车厢铆接孔检测技术分析

作者简介：秦晓（1992.08-），女，山东临沂人，汉族，本科，中级工程师，研究方向：半挂车及矿车车厢自动化制造

于才（1984.12-），男，山东省临沂人，汉族，专科，高级工程师，研究方向：半挂车及矿车车厢自动化制造

摘要：为满足煤炭燃料的供给需求，现阶段采煤、矿产开发等工作广泛开展，相应的矿车设备也广泛投入使用。为进一步保障矿车的使用质量，满足使用需求，应采取合理措施，对关键的车厢部位铆接情况加强管理，分析判断铆接件铆接孔是否存在异常，及时改进存在的不足。避免影响整体矿车的健康使用。因此矿车车厢铆接孔检测技术分析受到广泛关注，相关理论研究及实践探索大量涌现。基于此，简单分析铆接孔检测技术的运用价值，深入探讨相关的运用要点，以供参考。

关键词：矿车车厢；铆接孔检测；铆接管理

引言：近年来矿车在我国各地的煤矿等企业中广泛投入使用，矿车的使用管理工作也在随之升级。但结合实际调研可以发现，部分工作人员开展管理工作时，在矿车车厢的管理方面仍存在欠缺，未能合理采取技术措施了解掌握车厢的铆接孔情况，影响矿车的使用效果。为改变这一现状，本文围绕矿车车厢铆接孔检测技术的运用，开展具体研究分析。

1.矿车车厢铆接孔检测技术运用价值

1.1提高矿车车厢铆接精度

合理进行铆接孔检测，可以避免矿车车厢铆接部位出现过大的误差，对相关连接件的使用寿命和使用性能造成不利影响。例如，可检测分析铆接孔的圆度误差情况，最终的检测结果能够直接反映各铆接件的加工质量好坏，防止影响几何精度。

1.2保障矿车车厢使用安全

矿车车厢的部分关键部位需要使用铆钉连接，检测铆接孔能够及时发现铆钉连接松动等潜在的安全隐患，保障铆接部位的质量，延长铆接部位的使用寿命，防止铆接部位失效，导致矿车使用时出现安全问题，引发安全事故。

1.3提高铆接孔检测效率

在检测矿车车厢铆接孔时，可利用多种先进的信息化检测技术，同时完成多项检测任务，使铆接孔整体的检测效率进一步提高。如可利用机器视觉检测技术，对铆接孔的平面度、尺寸、同心度、圆度等参数全面检测，与传统的人工测量方法相比，能满足铆接孔高效、高精度的检测需求。

2.矿车车厢铆接孔检测技术运用要点

2.1参数检测

检测矿车车厢铆接孔时，可提取铆接孔的特征信息，分析铆接孔的几何参数是否处于合理范围内。如可使用基于粒子群算法的阈值分割技术提取特征，其中阈值分割时，在铆接孔图像中选择感兴趣的背景区域，判断该区域达到最大类间方差时的最佳阈值，之后分割图像，提取特征，检测参数。具体而言需要在铆接孔图像中，设置灰度级数、灰度区间和灰度值，计算灰度值的像素个数和图像的总像素个数，根据计算结果取最佳阈值组合，将整体图像分割、分类，提取特征，主要包括图像平均灰度值、不同类图像的灰度均值等。粒子群优化时，可以分析双阈值分割时的最佳阈值参数。将粒子群初始化处理，并利用寻优目标函数，分析计算粒子的自适应度。

同时可以对铆接孔边缘区域的几何参数进行检测。如可使用孔边缘图像形态学处理技术，将铆接孔的边缘图像膨胀处理，将卷积内核在图像上平移，之后卷积内核所覆盖区域的像素最大值，会替换卷积内核中心位置的像素值，直到完成全部图像的运算。边缘几何参数检测时，还可以使用基于Zernike矩阵的亚像素边缘检测技术，检测过程中可利用Zernike矩阵旋转不变性质特点，结合软件层面检测亚像素边缘，识别出边缘在铆接件图像像素单元内部更准确的位置，最后定位边缘检测参数。

2.2表面缺陷检测

铆接孔长时间使用下，在外界环境等因素的影响下，表面可能出现不同的质量缺陷，需要及时检测分析，针对性检修处理。检测时可设置目标检测区域，之后利用卷积神经网络技术，采集320个铆接孔表面缺陷样本，采集后利用平移、噪声处理、旋转、明暗度调节、翻转等多种数据扩增技术，将样本规模进一步提升，最终获得1280张铆接孔表面缺陷图像，并使用人工标注工具全面标注铆接孔缺陷。最后清晰明确了铆接孔存在的毛刺、裂纹、凹陷、划痕等表面缺陷，其中存在表面凹陷问题的铆接孔数量最多，为576个[1]。

为避免出现缺陷漏检的问题，可以使用混淆矩阵和YOLOv8模型检测缺陷，其中混淆矩阵中，可利用列数值代表缺陷的虚检数量，利用背景类的行数值，代表缺陷的漏检数量，有效避免划痕裂纹等表面缺陷和铆接孔图像之间对比度过低，而导致漏检问题出现。利用模型可以使铆接孔表面缺陷的虚检率和漏检率降低，进一步提高检测精度。为进一步提高模型检测表面缺陷的有效性，可使用SimAM注意力机制等技术改进模型，在改进后，模型检测铆接孔微小表面缺陷的能力会有所提升，例如，模型可以对尺寸不超过30像素×30像素的部分微小铆接孔表面缺陷样本有效检测。

2.3误差检测

铆接孔检测时可使用多种技术，判断是否存在误差，及时纠正，防止影响铆接件矿车的使用性能、使用安全。例如，检测圆度误差时，可使用CCD相机、滤波等检测设备、检测技术，在检测装置中放入所需检测的铆接件，之后使用CCD相机，采集铆接孔的各种基础信息，提取关键特征，在计算机系统中输入信息和特征值，获得铆接零件的图像信息。获取后识别检验图像的有效性，将已识别的图像信息放置在MATLABA环境中，利用高斯滤波将图像信息去噪处理和图像的二值化处理[2]。为保障误差检测精度，可分析图像的边缘特征，将图像灰度化处理，利用拉普拉斯技术提取灰度化图像边缘特征，输入计算机中，获得图像的轮廓信息，最后使用最小包容区域法，精准评定边缘轮廓圆度误差，根据实际需求判断圆度误差是否处于合理范围内，如果处于合理范围内，可将该铆接件保留。

2.4质量检测

检测铆接孔时，可判断铆接孔的质量是否达标，避免影响各个铆接件和矿车车厢的质量。检测过程中可以首先明确铆接孔的质量要求，如可重点对铆接孔的不同参数实行质量检测，主要包括垂直度、孔径精度、粗糙度、圆度、平面度等。例如，铆接孔的孔径精度检测中，可使用直径分别为4.1mm、5.1mm、6.1mm的铆接孔，对比检测判断铆接孔的极限偏差均为+0.15 0mm左右。圆度质量检测中，可重点关注内孔的圆度公差情况，垂直度方面的质量可根据铆接孔的实际钻孔精度等级判断，如钻孔精度为10级时，对应的铆接孔垂直度需要达到0.05mm，如果超过或未达到该数值，可判定铆接孔的垂直度质量不合格。

铆接孔质量检测时可使用多种检测算法，如可将向量机算法和粒子群算法结合，使用粒子群优化的最小二乘支持向量机，检测铆接孔的几何公差，从精度角度判断铆接孔的质量。检测时输入500组数据训练，最后使用其中的100组测试，同时可利用该技术构建完善的检测模型，将铆接孔的各个参数输入到模型中，并输入100组参数数据测试模型，将最终的测试结果和传统的支持向量机算法相互比对分析，测试结果表明，与粒子群算法结合的改良最小二乘支持向量机算法，更能提高检测精度。

结论：综上所述，铆接孔的质量会直接影响矿车的整体使用质量和使用安全。必须聚焦矿车车厢铆接精度、使用安全、铆接孔检测效率等方面矿车车厢铆接孔检测技术运用价值，探寻参数、表面缺陷、误差、质量等方面铆接孔检测技术的高效运用路径，优化矿车的使用性能和使用质量。

参考文献：

[1]郝博，徐新岩，赵玉欣，等.基于改进YOLOv8的铆接孔表面缺陷检测[J].东北大学学报（自然科学版），2024，45（11）：1595-1603.

[2]郝博，陈丹丹，杨斌，等.基于机器视觉的铆接孔圆度误差评定方法[J].组合机床与自动化加工技术，2024，（04）：6-9.