CN109754442A - 一种基于机器视觉的齿轮点蚀检测系统 - Google Patents

一种基于机器视觉的齿轮点蚀检测系统 Download PDF

Info

Publication number
CN109754442A
CN109754442A CN201910024202.2A CN201910024202A CN109754442A CN 109754442 A CN109754442 A CN 109754442A CN 201910024202 A CN201910024202 A CN 201910024202A CN 109754442 A CN109754442 A CN 109754442A
Authority
CN
China
Prior art keywords
gear
module
sliding rail
image
vision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910024202.2A
Other languages
English (en)
Other versions
CN109754442B (zh
Inventor
秦毅
陈伟伟
项盛
阎昊冉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN201910024202.2A priority Critical patent/CN109754442B/zh
Publication of CN109754442A publication Critical patent/CN109754442A/zh
Application granted granted Critical
Publication of CN109754442B publication Critical patent/CN109754442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明属于齿轮表面缺陷检测领域,涉及一种基于机器视觉的齿轮点蚀检测系统,主要包括视觉检测模块、图像处理模块、光照模块、齿轮夹具模块、以及用于安装上述模块的工作台,其中,光照模块具的核心是光源,视觉检测模块的核心是CCD工业相机,齿轮夹具通过三爪卡盘对齿轮进行定位安装,三者相结合获取齿轮各个齿面的点蚀图像信息;图像处理模块实现从采集到的图像信息中分割出有效工作齿面部分,得到其中的点蚀部分像素数量与工作齿面部分的像素数量之比,从而得到点蚀率评估齿轮的点蚀等级。整个装置实现了自动化和齿轮点蚀评估的量化,有效的提高了对于点蚀检测的效率和精度。

Description

一种基于机器视觉的齿轮点蚀检测系统
技术领域
本发明属于齿轮表面缺陷检测领域,涉及一种基于机器视觉的齿轮点蚀检测系统。
背景技术
齿轮是设备中传递运动和动力的基本组成部分,它的工作情况关系着整个机械设备的运作。于是,齿轮的测量工作便成为研究与生产齿轮的过程中极为关键的环节。传统的接触式齿轮测量方法精度较低,工作量繁重。在齿轮的测量工作中,点蚀的测定也是很重要的一部分内容。齿轮的点蚀是齿轮最常见的几种损坏形式之一,是齿轮材料接触疲劳强度的重要指标,指齿轮长期负载工作下,齿轮接触表面上产生疲劳剥落,进一步出现点状小坑。
对于齿轮点蚀这一失效形式,传统方法是通过肉眼进行观察,其中的微小不易观察的点蚀则是需要先进行一些抛光处理后再把齿轮放到放大镜或者显微镜下进行观测。这些传统的观测方法较为繁琐,效率和精度都不高,在实际的测量工作中缺乏专门用于齿轮点蚀的检测装置,对于点蚀缺乏一种定量评估的手段。
发明内容
有鉴于此,本发明的目的在于提供一种基于机器视觉的齿轮点蚀检测系统,先通过视觉检测模块得到齿轮的齿面照片,再进一步由图像处理模块进行处理得到齿轮点蚀结果并进行定量评估。
为达到上述目的,本发明提供如下技术方案:
一种基于机器视觉的齿轮点蚀检测系统,包括视觉检测模块、图像处理模块、光照模块、齿轮夹具模块、以及用于安装上述模块的工作台;所述齿轮夹具模块用于夹持固定齿轮,所述视觉检测模块用于获取齿轮各个齿面的点蚀图像信息,所述图像处理模块用于从点蚀图像信息中提取有效工作齿面并通过阈值分割手段得到其中的点蚀部分,所述光照模块用于在视觉检测模块获取点蚀图像信息的过程中提供光源。
可选地,所述光照模块与齿轮的转轴设置同一平面内。
可选地,所述光照模块包括固定设置在工作台上的第一滑轨,滑动设置在第一滑轨内的光源夹具以及设置在光源夹具上且由其夹持的光源。
可选地,所述光照模块还包括第二滑轨,所述第二滑轨的一端滑动设置在第一滑轨上,所述光源夹具滑动设置在第二滑轨上。
可选地,所述齿轮夹具模块包括固定设置在工作台上的第三滑轨,以及滑动设置在第三滑轨内的齿轮夹具。
可选地,所述齿轮夹具包括旋转电机以及三爪卡盘,所述三爪卡盘设置在旋转电机的输出轴上,齿轮由三爪卡盘夹持设置,由旋转电机的输出轴扭矩带动转动。
可选地,所述视觉检测模块为包括固定设置在工作台上的第四滑轨、以及滑动设置在第四滑轨上的CCD相机。
可选地,所述视觉检测模块还包括第五滑轨,所述第五滑轨的一端滑动设置在第四滑轨内,所述CCD相机通过第一旋转块及第一转轴设置在第五滑轨上。
可选地,所述图像处理模块对点蚀图像信息的处理包括以下步骤:
使用Hough变换和Radon变换对齿面倾斜进行校正;
将RGB颜色转换到YcrCb颜色空间中,产生聚类的二值矩阵;
对图像进行聚类,利用Canny微分算子对图像进行边缘检测;
对图像进行二值化处理,将灰度值处于20-100之间的像素点置一,其余置零;
对图像进行形态学处理;
找到剩余部分的最大连通区域,得到齿面图像的有效工作齿面部分;
对有效工作齿面部分进行灰度化及k-means聚类,找到点蚀部分的灰度范围,并进行自适应阈值分割;
计算整体有效齿面部分的像素数量和点蚀部分的像素数量,其比值为齿轮点蚀的点蚀率。
可选地,对图像进行形态学处理的步骤包括:
膨胀、腐蚀、填充小孔、对齿面图像进行连通。
本发明的有益效果在于:
本发明设计了一套基于机器视觉的齿轮点蚀检测系统,解决了传统的接触式齿轮测量方法精度低、工作量繁重的弊端。光照模块和视觉检测模块都具有四个自由度,能够进行调整获取亮度、颜色信息较好,像素信息丰富的图像信息。通过三爪卡盘的转动,得到齿轮每一个齿面的图像信息,实现自动化获取。图像处理模块在获得图像信息之后,实现了Hough变化的倾斜校正,实现了在YCrCb颜色空间中的聚类和分割,实现了形态学的腐蚀和膨胀,从而实现了有效工作齿面的自动分割。在有效工作齿面上,通过k-means聚类和阈值分割,识别出其中的点蚀部分,进一步得到点蚀率。总的来说,整套基于机器视觉的齿轮点蚀检测系统,实现了齿轮点蚀检测的自动化和智能化,有效地提高了整个检测过程的效率和精度。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明的整体结构示意图;
图2为光照模块的结构示意图;
图3为视觉检测模块的结构示意图;
图4为相机夹具的结构示意图;
图5为齿轮夹具的结构示意图;
图6为齿轮装夹示意图;
图7为图像处理模块的界面;
图8为图像处理模块的的计算结果;
图9为有效齿面的自动分割;
图9-1为CCD相机拍摄原图;
图9-2为使用Hough变换和Radon变换进行倾斜校正后的图像;
图9-3为利用Canny等微分算子对图像进行边缘检测的图像;
图9-4为二值化处理后的图像;
图9-5为图像形态学处理后的图像;
图9-6腐蚀、膨胀后的图像;
图9-7为剩余部分最大连通区域的图像;
图9-8为有效工作齿面的图像;
图10为齿面的分割结果。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
请参阅图1-图10,附图中的元件标号分别表示:光照模块101、视觉检测模块102、齿轮夹具103、第一滑轨201、第一支架202、第二滑轨203、第一支撑板204、第二旋转轴205、第二旋转块206、光罩207、第二支架301、第五滑轨302、第二支撑板303、滑板304、第二支撑板305、第一旋转块306、第一转轴307、CCD相机308、第三支撑板401、第三滑轨501、旋转电机502、输出轴503、三爪卡盘504、齿轮505。
本实施例中的方向采用图1中标识的X轴、Y轴、Z轴进行描述。
本实例中,光照模块101参阅图2,整个系统通过第一滑轨201固定在工作台上,第一滑轨201有两个轨道,能够实现X轴方向的滑动。滑轨上方安装着整个光照模块101的第一支架202,第一支架202上装有第二滑轨203,能够实现光照模块101Z轴方向的移动。其余部分是光源的夹具部分,其中包括了第一支撑板204、第二转轴205和第二旋转块206,通过调整第二旋转块206在第二转轴205上的位置和角度实现了光源两个方向的自由度,Y轴方向的移动和转动,二者之间通过第二旋转块206上的螺母锁紧。光源安装在第二旋转块206上,周围有光罩207包裹,使光源的光线更加集中,为齿轮提供不错的光照强度。
本实例中,视觉检测模块参阅图3和图4,整个视觉检测模块的核心是CCD相308。CCD相机308具有四个自由度,包括XYZ轴方向的移动,和Y轴方向的转动,这使得CCD相机308能够选择合适的角度去采集齿面的图像信息。视觉检测模块102结构参阅图3,整个视觉检测模块102通过第二支架301固定在工作台上。第二支架301上装有第五滑轨302能够让CCD相机308的夹具实现Z轴方向的移动。接下来是组合滑轨部分,第二支撑板303安装在第五滑轨302上,上有轨道能够实现相机Y轴方向的移动,轨道部分参阅图4中的第三支撑板401。第二支撑板303轨道上方装有滑板304,滑板304上方是另一滑轨的轨道部分,二者是一个整体。滑板304上装有第二支撑板305,二者组成滑轨实现CCD相机308X轴方向的移动。CCD相机308的夹具末端是第一旋转块306和第一转轴307,实现了CCD相机308X轴方向的转动。CCD相机308安装在第一旋转块306上,通过第一转轴307调整拍摄角度。
本实例中,齿轮夹具103部分参阅图5,齿轮夹具有两个自由度,包括X轴方向的移动和转动。齿轮夹具103通过第三滑轨501安装在工作台上,可以进行X轴方向小幅度的距离调整,第三滑轨501往上是旋转电机502,旋转电机502通过输出轴503带动三爪卡盘504的旋转,齿轮505装夹在三爪卡盘504。系统要求实现的功能是采集到齿轮每个齿面的齿面点蚀信息,因此要求齿轮505在装甲之后是能够实现旋转的,从而实现图像信息采集的自动化。三爪卡盘504属于小型的三爪卡盘,参阅图6,三爪卡盘主要依靠卡盘爪向外抓取齿轮的轴孔来实现对齿轮的固定。
以上是本发明实例中视觉检测装置的整体架构,光照模块101,视觉检测模块102和齿轮夹具103三者的位置分布如图1。其中齿轮夹具103的位置基本固定,通过调整光照模块101的位置和角度来获得良好的光照条件,通过调整视觉检测模块102的位置和角度来确定良好的拍摄角度,保证获得像素分布和亮度、颜色等信息丰富的齿面点蚀图像信息。
本发明实例的另一重要部分是图像处理模块。
在通过视觉检测装置得到的齿面点蚀图像信息中,不可避免的含有背景信息,要齿轮点蚀等级评估,这些背景信息是不需要的。图像处理模块能够实现从点蚀图像信息中分割出所需要的齿面部分。得到点蚀图像之后,先进行图像预处理,对齿面进行倾斜校正,增强齿面部分的特征信息,再用图像分割手段去掉图像中的背景部分,得到齿面区域。再进一步从齿面区域中检测分割出齿轮的工作齿面部分。对齿面区域进行边缘检测和形态学处理,得到所需要的啮合部分齿面,即工作齿面。检测工作齿面中点蚀部分并计算出点蚀占整个齿面面积的比例,确定齿轮的点蚀等级。区分出工作齿面中的点蚀部分和其他部分,通过自适应阈值分割、聚类分割等手段把点蚀部分提取出来。计算点蚀部分的像素点数和整个工作区域的像素点数,来计算点蚀占比。
本发明实例中的图像处理模块具体过程参阅图7,图7为图像处理系统GUI界面,包括有效工作齿面的分割和点蚀部分的识别。
参阅图9,首先要做的是有效工作齿面的分割,在图像处理模块从视觉检测装置得到的齿面点蚀图像信息后,首先做的是齿面信息的预处理。在CCD相机拍摄的过程中,齿面部分是一个接近矩形的形状,会存在不同程度的倾斜,处理系统使用Hough变换和Radon变换对齿面进行倾斜校正,参考图9-2。再对图像进行颜色空间的变换,将RGB颜色空间转换到YcrCb颜色空间中,产生聚类的二值矩阵,然后对图像进行聚类,利用Canny等微分算子对图像进行边缘检测,从而定位齿面的大致区域再进行图像分割,把齿面部分图像从背景中分割出来,参考图9-3。
得到齿轮齿面部分图像之后,接下来是要从齿面图像中进一步分割出工作齿面。对于齿面部分图像进行二值化处理,将灰度值处于20到100之间的像素点置一,其余部分置为零,参考图9-4。然后进行图像形态学处理,先膨胀再腐蚀,填充小孔,对齿面部分图像进行联通,参考图9-5;先腐蚀再膨胀,消除二值化的图像中小且无意义的物体,参考图9-6。在进行形态学处理之后找到剩余部分的最大联通区域,形成一个矩形框,参考图9-7。利用矩形框的位置对原始图像进行分割,得到齿面图像信息中的有效工作齿面部分,参考图9-8。
有效工作齿面的分割是齿轮点蚀计算的前提,其去除了背景信息的干扰,实现了自动化分割,速度快、精度高。部分识别结果参考图10。
得到有效工作齿面后,接下来需要在齿面中分割出点蚀部分。图像处理模块先将分割得到的图像灰度化并进行k-means聚类,找到点蚀部分的灰度范围,再进行自适应阈值分割。点蚀部分由于都是一些小坑,在合适的光照条件下与正常部分像素信息区别较大,通过这个区别处理系统能够得到点蚀部分的像素点。
最后由图像处理模块统计整个有效齿面部分的像素数量和点蚀部分的像素数量,二者相比就能得到整个齿轮点蚀的点蚀率。重复操作,确定各个齿面的点蚀率,从而量化齿轮的点蚀等级。
计算过程中的评价指标:需要测试图像在不同分割方法下的分割结果,包括:1.整个齿面的像素点数;2.点蚀部分识别正确像素点数;3.点蚀部分丢失的像素点数;4.误识别为点蚀部分的像素点数。使得丢失的点蚀部分像素点和误识别部分的像素点尽可能小,从而提高齿轮点蚀等级评估的精确性。
综上可知:实际应用中,整个装置需要调节光源和CCD相机的位置和角度以获取像素信息丰富的齿面图像信息,这是图像处理模块得到高准确率分割结果的前提。整套装置的核心是利用图像处理技术去识别齿轮的点蚀部分面积,系统能够精确高效的从图像信息中分割出有用的图像信息即有效工作齿面,再进一步通过阈值分割手段得到其中的点蚀部分。整个过程实现了自动化而不需要手动进行分割,并且整个系统具有高精度和高效性。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于机器视觉的齿轮点蚀检测系统,其特征在于,
包括视觉检测模块、图像处理模块、光照模块、齿轮夹具模块、以及用于安装上述模块的工作台;
所述齿轮夹具模块用于夹持固定齿轮,所述视觉检测模块用于获取齿轮各个齿面的点蚀图像信息,所述图像处理模块用于从点蚀图像信息中提取有效工作齿面并通过阈值分割手段得到其中的点蚀部分,所述光照模块用于在视觉检测模块获取点蚀图像信息的过程中提供光源。
2.如权利要求1中所述的基于机器视觉的齿轮点蚀检测系统,其特征在于,所述光照模块与齿轮的转轴设置同一平面内。
3.如权利要求1中所述的基于机器视觉的齿轮点蚀检测系统,其特征在于,所述光照模块包括固定设置在工作台上的第一滑轨,滑动设置在第一滑轨内的光源夹具以及设置在光源夹具上且由其夹持的光源。
4.如权利要求3中所述的基于机器视觉的齿轮点蚀检测系统,其特征在于,所述光照模块还包括第二滑轨,所述第二滑轨的一端滑动设置在第一滑轨上,所述光源夹具滑动设置在第二滑轨上。
5.如权利要求1中所述的基于机器视觉的齿轮点蚀检测系统,其特征在于,所述齿轮夹具模块包括固定设置在工作台上的第三滑轨,以及滑动设置在第三滑轨内的齿轮夹具。
6.如权利要求5中所述的基于机器视觉的齿轮点蚀检测系统,其特征在于,所述齿轮夹具包括旋转电机以及三爪卡盘,所述三爪卡盘设置在旋转电机的输出轴上,齿轮由三爪卡盘夹持设置,由旋转电机的输出轴扭矩带动转动。
7.如权利要求1中所述的基于机器视觉的齿轮点蚀检测系统,其特征在于,所述视觉检测模块为包括固定设置在工作台上的第四滑轨、以及滑动设置在第四滑轨上的CCD相机。
8.如权利要求7中所述的基于机器视觉的齿轮点蚀检测系统,其特征在于,所述视觉检测模块还包括第五滑轨,所述第五滑轨的一端滑动设置在第四滑轨内,所述CCD相机通过第一旋转块及第一转轴设置在第五滑轨上。
9.如权利要求1中所述的基于机器视觉的齿轮点蚀检测系统,其特征在于,所述图像处理模块对点蚀图像信息的处理包括以下步骤:
使用Hough变换和Radon变换对齿面倾斜进行校正;
将RGB颜色转换到YcrCb颜色空间中,产生聚类的二值矩阵;
对图像进行聚类,利用Canny微分算子对图像进行边缘检测;
对图像进行二值化处理,将灰度值处于20-100之间的像素点置一,其余置零;
对图像进行形态学处理;
找到剩余部分的最大连通区域,得到齿面图像的有效工作齿面部分;
对有效工作齿面部分进行灰度化及k-means聚类,找到点蚀部分的灰度范围,并进行自适应阈值分割;
计算整体有效齿面部分的像素数量和点蚀部分的像素数量,其比值为齿轮点蚀的点蚀率。
10.如权利要求9中所述的基于机器视觉的齿轮点蚀检测系统,其特征在于,对图像进行形态学处理的步骤包括:
膨胀、腐蚀、填充小孔、对齿面图像进行连通。
CN201910024202.2A 2019-01-10 2019-01-10 一种基于机器视觉的齿轮点蚀检测系统 Active CN109754442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910024202.2A CN109754442B (zh) 2019-01-10 2019-01-10 一种基于机器视觉的齿轮点蚀检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910024202.2A CN109754442B (zh) 2019-01-10 2019-01-10 一种基于机器视觉的齿轮点蚀检测系统

Publications (2)

Publication Number Publication Date
CN109754442A true CN109754442A (zh) 2019-05-14
CN109754442B CN109754442B (zh) 2023-02-21

Family

ID=66405440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910024202.2A Active CN109754442B (zh) 2019-01-10 2019-01-10 一种基于机器视觉的齿轮点蚀检测系统

Country Status (1)

Country Link
CN (1) CN109754442B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400502A (zh) * 2019-07-26 2019-11-01 邵东智能制造技术研究院有限公司 机器视觉教学平台
CN110567985A (zh) * 2019-10-14 2019-12-13 重庆大学 一种基于深度学习的自适应齿轮点蚀定量评估与检测装置
CN110567966A (zh) * 2019-07-31 2019-12-13 众宏(上海)自动化股份有限公司 一种基于线激光扫描仪的齿轮检测方法
CN110660057A (zh) * 2019-11-01 2020-01-07 重庆大学 一种基于深度学习的双目自动化齿轮点蚀检测装置
CN110702697A (zh) * 2019-10-17 2020-01-17 温州立可达印业股份有限公司 一种水松纸烫金在线检测系统
CN111260640A (zh) * 2020-01-13 2020-06-09 重庆大学 基于cyclegan的树状生成器网络齿轮点蚀图像测量方法及装置
CN111915572A (zh) * 2020-07-13 2020-11-10 青岛大学 一种基于深度学习的自适应齿轮点蚀定量检测系统及方法
CN112903693A (zh) * 2021-01-18 2021-06-04 菲特(天津)检测技术有限公司 基于齿轮轴视觉检测图像采集系统、方法、产品、设备、终端
CN113245498A (zh) * 2021-04-28 2021-08-13 宁国九鼎橡塑制品有限公司 一种便于检测的驱动盘垫片
CN114187266A (zh) * 2021-12-13 2022-03-15 江苏鑫丰源机电有限公司 基于人工智能的齿面胶合程度评估方法
CN114723701A (zh) * 2022-03-31 2022-07-08 南通博莹机械铸造有限公司 基于计算机视觉的齿轮缺陷检测方法和系统
CN115807764A (zh) * 2023-02-16 2023-03-17 仪征威业油泵油嘴有限公司 一种油泵测试装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202916213U (zh) * 2012-11-16 2013-05-01 潍坊学院 一种基于计算机视觉的齿轮缺陷检测系统
US20150088435A1 (en) * 2013-09-24 2015-03-26 Sikorsky Aircraft Corporation Gear fault detection
CN104690000A (zh) * 2013-12-06 2015-06-10 刘扬 基于机器视觉的齿轮外观缺损检测分拣系统
CN106524934A (zh) * 2016-11-11 2017-03-22 北京工业大学 一种高精度小模数齿轮视觉测量方法
CN106813922A (zh) * 2017-01-18 2017-06-09 北京工业大学 齿轮动态传动误差测量方法及测量装置
CN106824806A (zh) * 2016-12-27 2017-06-13 聊城大学 基于机器视觉的小模数塑料齿轮的检测系统及检测方法
CN107677438A (zh) * 2017-10-12 2018-02-09 电子科技大学 行星齿轮箱太阳轮渐变点蚀时变啮合刚度分析方法
CN108225188A (zh) * 2018-02-07 2018-06-29 武汉市精华减速机制造有限公司 一种rv减速器针齿轮综合误差快速检测装置及方法
CN108956618A (zh) * 2018-06-25 2018-12-07 衢州学院 一种基于频域视觉的圆锥滚子轴承表面检测方法
CN109064463A (zh) * 2018-08-06 2018-12-21 中车青岛四方机车车辆股份有限公司 一种齿面点蚀面积率测量方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202916213U (zh) * 2012-11-16 2013-05-01 潍坊学院 一种基于计算机视觉的齿轮缺陷检测系统
US20150088435A1 (en) * 2013-09-24 2015-03-26 Sikorsky Aircraft Corporation Gear fault detection
CN104690000A (zh) * 2013-12-06 2015-06-10 刘扬 基于机器视觉的齿轮外观缺损检测分拣系统
CN106524934A (zh) * 2016-11-11 2017-03-22 北京工业大学 一种高精度小模数齿轮视觉测量方法
CN106824806A (zh) * 2016-12-27 2017-06-13 聊城大学 基于机器视觉的小模数塑料齿轮的检测系统及检测方法
CN106813922A (zh) * 2017-01-18 2017-06-09 北京工业大学 齿轮动态传动误差测量方法及测量装置
CN107677438A (zh) * 2017-10-12 2018-02-09 电子科技大学 行星齿轮箱太阳轮渐变点蚀时变啮合刚度分析方法
CN108225188A (zh) * 2018-02-07 2018-06-29 武汉市精华减速机制造有限公司 一种rv减速器针齿轮综合误差快速检测装置及方法
CN108956618A (zh) * 2018-06-25 2018-12-07 衢州学院 一种基于频域视觉的圆锥滚子轴承表面检测方法
CN109064463A (zh) * 2018-08-06 2018-12-21 中车青岛四方机车车辆股份有限公司 一种齿面点蚀面积率测量方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ZHANG JIE 等: "A Machine Vision System for Real-time Automated Gear Fatigue Pitting Detection", 《1ST INTERNATIONAL CONFERENCE ON MECHANICAL ENGINEERING AND MATERIAL SCIENCE》 *
李东东: "基于自适应EEMD和分层分形维数的风电机组行星齿轮箱故障检测", 《电工技术学报》 *
秦毅 等: "基于自适应奇异值分解的行星齿轮箱故障诊断方法", 《振动与冲击》 *
贺秋伟: "基于图像处理和支持向量机的微型齿轮缺陷检测", 《吉林大学学报(工学版)》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400502A (zh) * 2019-07-26 2019-11-01 邵东智能制造技术研究院有限公司 机器视觉教学平台
CN110567966A (zh) * 2019-07-31 2019-12-13 众宏(上海)自动化股份有限公司 一种基于线激光扫描仪的齿轮检测方法
CN110567985A (zh) * 2019-10-14 2019-12-13 重庆大学 一种基于深度学习的自适应齿轮点蚀定量评估与检测装置
CN110702697A (zh) * 2019-10-17 2020-01-17 温州立可达印业股份有限公司 一种水松纸烫金在线检测系统
CN110660057A (zh) * 2019-11-01 2020-01-07 重庆大学 一种基于深度学习的双目自动化齿轮点蚀检测装置
CN111260640A (zh) * 2020-01-13 2020-06-09 重庆大学 基于cyclegan的树状生成器网络齿轮点蚀图像测量方法及装置
CN111915572A (zh) * 2020-07-13 2020-11-10 青岛大学 一种基于深度学习的自适应齿轮点蚀定量检测系统及方法
CN111915572B (zh) * 2020-07-13 2023-04-25 青岛大学 一种基于深度学习的自适应齿轮点蚀定量检测系统及方法
CN112903693A (zh) * 2021-01-18 2021-06-04 菲特(天津)检测技术有限公司 基于齿轮轴视觉检测图像采集系统、方法、产品、设备、终端
CN113245498A (zh) * 2021-04-28 2021-08-13 宁国九鼎橡塑制品有限公司 一种便于检测的驱动盘垫片
CN114187266A (zh) * 2021-12-13 2022-03-15 江苏鑫丰源机电有限公司 基于人工智能的齿面胶合程度评估方法
CN114187266B (zh) * 2021-12-13 2022-10-04 江苏鑫丰源机电有限公司 基于人工智能的齿面胶合程度评估方法
CN114723701A (zh) * 2022-03-31 2022-07-08 南通博莹机械铸造有限公司 基于计算机视觉的齿轮缺陷检测方法和系统
CN115807764A (zh) * 2023-02-16 2023-03-17 仪征威业油泵油嘴有限公司 一种油泵测试装置

Also Published As

Publication number Publication date
CN109754442B (zh) 2023-02-21

Similar Documents

Publication Publication Date Title
CN109754442A (zh) 一种基于机器视觉的齿轮点蚀检测系统
CN104597055B (zh) 多工位并行的产品外观检测系统
CN107830813A (zh) 激光线标记的长轴类零件图像拼接及弯曲变形检测方法
CN105067639A (zh) 一种光栅调制的镜片疵病自动检测装置和方法
DE60131580T2 (de) Vorrichtung zur Bildaufnahme und Bildverarbeitung bei Brillengläsern und Verfahren zur Positionierung dieser Brillengläser
CN108413892B (zh) 一种金刚石线锯整周三维表面形貌检测方法及其检测装置
CN114279357B (zh) 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统
US9140546B2 (en) Apparatus and method for three dimensional inspection of wafer saw marks
Lachance et al. Application of region growing method to evaluate the surface condition of grinding wheels
CN110230988A (zh) 轮毂检测装置
CN110567973B (zh) 一种基于图像采集的活塞检测平台及方法
CN114609153A (zh) 一种电池极耳缺陷检测设备及方法
CN107234488A (zh) 一种基于数控机床视觉检测的刀具破损度检测方法
CN112686920A (zh) 一种圆形零件几何尺寸参数视觉测量方法及系统
CN107782744A (zh) 一种光栅调制的镜片疵病自动检测装置
CN113418933B (zh) 用于检测大尺寸物体的飞拍视觉成像检测系统及方法
CN103822584B (zh) 十字型钥匙齿形尺寸的检测装置
CN107414314A (zh) 一种连杆视觉辅助定位激光切槽装置和控制方法
CN107248151A (zh) 一种基于机器视觉的液晶片智能检测方法及系统
CN108489830A (zh) 裂纹扩展测量系统
CN212059941U (zh) 一种钢轨缺陷的3d在线视觉检测装置
CN103639598B (zh) 一种用于细微旋转结构加工的装置
KR20120075836A (ko) 석면섬유 자동계수를 위한 고효율 현미경법 및 이에 사용되는 장치
CN208514344U (zh) 化学机械研磨的抛光垫图像检测系统
CN212585665U (zh) 一种内螺纹垂直度检测装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant