CN110567985B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110567985B CN110567985B CN201910973345.8A CN201910973345A CN110567985B CN 110567985 B CN110567985 B CN 110567985B CN 201910973345 A CN201910973345 A CN 201910973345A CN 110567985 B CN110567985 B CN 110567985B
- Authority
- CN
- China
- Prior art keywords
- gear
- data acquisition
- pitting
- acquisition system
- detection
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于计算机视觉检测领域,涉及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,该检测装置包括齿轮箱平台、集成式数据采集系统、图像处理系统、控制系统、磁座、移动平台,移动平台由滑轨和电动推杆组成,该移动平台末端通过磁座固装在齿轮箱侧壁,移动平台前端装有电动推杆,以期完成数据采集系统的位置移动要求;集成式数据采集系统主要由CCD工业相机、圆环形集成光源和角控支架构成,数据采集系统通过电动推杆连接在移动平台上,由控制系统控制电动推杆,将数据采集系统移动至检测工作所需位置。该齿轮点蚀定量评估与检测装置适应不同参数齿轮的点蚀检测,实现了精准智能化齿轮点蚀定量评估与检测的工作要求。
Description
技术领域
本发明属于计算机视觉检测领域,涉及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。
背景技术
齿轮传动是机械传动中应用最广的一种传动形式,它的传动比较准确,效率高,结构紧凑,工作可靠。齿轮传动破坏的主要形式是齿轮的失效,为了改善和提高齿轮传动的使用寿命,则需深入的研究齿轮的失效形式。其中,齿轮点蚀这一失效形式是最常见的齿轮失效形式之一,齿轮在长期负载工作条件下,由于应力作用材料从齿面脱落,进而出现点状小坑,即初始点蚀。初始点蚀在反复受载下会不断扩展进而导致齿轮断齿,造成无法挽回的损失。因此,为定量掌控点蚀扩展的规律以及有效预防断齿,齿轮点蚀的定量评估与检测工作就尤为重要。
传统的齿轮点蚀检测方法主要是通过肉眼进行观察和确定,其中对于肉眼不易察觉的极微小点蚀,需要进一步使用显微镜进行观察与确定,由此可知,传统的齿轮点蚀检测方法只对齿轮点蚀进行了定性评估,不仅步骤繁琐,效率、精度低,还浪费大量人力资源。目前,关于基于深度学习的齿轮点蚀定量评估与检测方法鲜有报道,市场上也未见具有可靠齿轮点蚀定量评估与检测的成形产品。
发明内容
有鉴于此,本发明的目的在于提供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,在实际应用中能够根据不同齿轮的参数调节数据采集系统至最优安装基点并找到有效检测区域,能够针对不同齿轮的不同齿面进行点蚀检测,通过图像处理系统的处理完成齿轮定量评估,对不同形态的齿轮点蚀进行等级划分,能够有效预防齿轮断齿现象的发生。
为达到上述目的,本发明提供如下技术方案:
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,包括齿轮箱平台、集成式数据采集系统、图像处理系统、控制系统、磁座、移动平台;其中齿轮箱平台利用齿轮接触疲劳试验为该点蚀检测装置提供齿轮点蚀样本;集成式数据采集系统通过CCD工业相机采集高质量图像数据,并快速传输给图像处理系统;图像处理系统利用深度学习技术完成齿轮点蚀的定量评估与目标检测;控制系统与计算机通过串口通信,控制电动推杆将数据采集系统推送至指定工作位置;移动平台通过磁座固定在齿轮箱侧壁,完成集成式数据采集系统的位置调节。
可选地,集成式数据采集系统中的CCD工业相机与被检测齿轮的有效齿面垂直放置。
可选地,齿轮箱平台是由齿轮接触疲劳试验机改装而成,利用有机玻璃板将试验机齿轮箱箱盖进行改装,形成有机玻璃箱盖。
如权利要求3中所述的基于深度学习的自适应齿轮点蚀定量评估与检测装置,其特征在于,该有机玻璃箱盖尺寸与原齿轮箱盖相同,有机玻璃箱盖除螺栓孔外其余表面无其他任何加工特征。
可选地,根据不同参数齿轮的不同拍摄齿面,进行调节该数据采集系统的拍摄角度,CCD工业相机的视场中心与被检测齿轮的有效齿面垂直,被检测齿轮被通过齿轮轴心的竖直直线和水平直线分成两个检测区域,该系统的检测区域是远离磁座的区域。
可选地,该数据采集系统包括CCD工业相机、圆环型集成光源和角控支架,其中圆环型光源与CCD工业相机相互集成,圆环型光源安装于CCD工业相机镜头前端,角控支架由两个带螺栓孔的半圆支架铰接组成,通过调节角控支架可调节CCD工业相机的角度。
可选地,该移动平台根据不同齿轮的参数确定数据采集系统的最优安装基点O,以磁座中心为原点建立坐标系,当CCD工业相机与有机玻璃箱盖垂直且相切时,此时通过角控支架中心做一条水平直线EF,在做一条经过齿轮轴轴心与磁座一侧齿轮箱侧壁顶点的直线GH,两直线相交于O点,O点距磁座的水平位移为x值,竖直位移为y值。
本发明的有益效果在于:
本发明设计了基于深度学习的自适应齿轮点蚀定量评估与检测装置,该装置能够根据不同齿轮的参数设定数据采集系统的最优安装基点并找到有效检测区域,能够针对不同齿轮的不同齿面进行点蚀检测,提出应用深度学习的方法进行齿轮点蚀图像的分割与检测,解决了传统点蚀检测方法的精度低、效果差,人为因素干扰过大等问题,通过图像处理系统的处理,完成了齿轮点蚀的定量评估,对不同形态的齿轮点蚀进行了等级划分,能够准确有效的预防齿轮断齿现象的发生,实现了精准智能化齿轮点蚀定量评估与检测的工作要求。
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为本发明的各系统结构示意图;
图2为方案一的机构布置示意图;
图3为方案二的机构布置示意图;
图4为本发明安装尺寸分析示意图;
图5为本发明检测方案确定示意图。
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。
如图1、2、3、4、5所示,本发明中的基于深度学习的自适应齿轮点蚀定量评估与检测装置,包括齿轮箱平台2、集成式数据采集系统1、图像处理系统4、控制系统3、磁座10、移动平台5,该检测装置是基于齿轮接触疲劳强度试验机搭建而成,齿轮箱平台2则是由该试验机的齿轮箱11改装而成,为了检测箱体中齿轮14的点蚀情况,将该试验机齿轮箱箱盖改装为有机玻璃箱盖15,该有机玻璃箱盖15透明度满足齿轮点蚀图像获取精度质量要求;移动平台5由两组滑轨与和电动推杆17组成,该移动平台5末端通过磁座10固装在齿轮箱11侧壁,磁座10位置可根据实际工作空间确定,移动平台5前端装有电动推杆17,以期完成数据采集系统1的位置移动要求;数据采集系统1主要由CCD工业相机6、圆环形集成光源7和角控支架16构成,圆环形光源7集成在CCD工业相机6前端,CCD工业相机6安装端与角控支架16铰接,通过角控支架16调节CCD工业相机6的拍摄角度以达到检测工作要求;数据采集系统1通过电动推杆17连接在移动平台5上,由控制系统3控制电动推杆17,将数据采集系统1移动至检测工作所需位置;图像处理系统4由带有GTX1060 NVIDIA显卡的计算机组成。
本实施例中,集成式数据采集系统1中CCD工业相机6与被检测齿轮14的有效齿面垂直放置,且在被检测齿轮14静止条件下,设置CCD工业相机6的拍摄角度。
本实施例中,齿轮箱平台2是由齿轮接触疲劳试验机改装而成,利用有机玻璃板将试验机齿轮箱箱盖进行改装,该有机玻璃箱盖15尺寸与原齿轮箱盖相同,有机玻璃箱盖15除螺栓孔外其余表面无打磨平面或者其他任何特征,有机玻璃箱盖15透明度满足数据采集系统1的采集精度要求。
本实施例中,被检测齿轮14被通过齿轮14轴心G的竖直直线23和水平直线22分成两个检测区域,该系统的检测区域是不与磁座10相邻的区域,若磁座10位于区域②齿轮箱11侧壁时,该系统的检测区域为区域①,反之亦然,若磁座10位于①齿轮箱11侧壁时,该系统的检测区域为区域②。
本实施例中,该数据采集系统1包括CCD工业相机6、圆环型集成光源7和角控支架16,其中圆环型光源7与CCD工业相机6相互集成,圆环型光源7安装于CCD工业相机6镜头前端,角控支架16由两个带螺栓孔的半圆支架铰接组成,通过调节角控支架16可调节CCD工业相机6的角度。
本实施例中,该移动平台5根据不同齿轮的参数确定数据采集系统1的最优安装基点O(x,y),第一滑轨9固装在第二滑轨21的安装板19上,通过调节第二滑轨21上的旋转手柄20来确定第一滑轨9也是数据采集系统1的水平坐标x,通过调节第一滑轨9上的旋转手柄8来确定数据采集系统1的竖直坐标y。
本实施例中,以磁座10中心为原点o建立坐标系,当CCD工业相机6与有机玻璃箱盖15垂直且相切时,此时通过角控支架16中心做一条水平直线EF,在做一条经过齿轮14轴心G与磁座10一侧齿轮箱侧壁顶点H的直线GH,两直线相交于O点,O点距磁座10的水平位移为x值,竖直位移为y值。
本实施例中,建立不同形态齿轮点蚀数据集,提出应用深度学习方法对齿轮点蚀图像进行定量评估(语义分割)与目标检测。
从图2中可以看出:为了得到完整的齿面图像,简化后续图像处理的复杂性,CCD工业相机6应该垂直齿轮14的有效齿面。为了满足这个约束条件,CCD工业相机6需要非常大的安装空间,因此,为了节省工作空间,我们使用电动推杆17连接移动平台5和CCD工业相机6,如图3所示。
从图3可以看出:当在采集竖直直线23右边也就是区域②里的齿轮点蚀图像时,在满足上述约束条件情况下,CCD工业相机6所处位置靠右,不仅增大了安装尺寸,而且CCD工业相机6的部分视场也被齿轮箱侧壁遮挡,图3中齿轮12、齿轮13和齿轮14是模数不同、齿数相同的齿轮,当检测模数较小的齿轮12、齿轮13时,在满足上述约束条件情况下,由于齿轮箱11侧壁的遮挡,CCD工业相机6检测不到区域2靠近垂线的轮齿,基于上述论述,本发明中CCD工业相机6的检测区域为图3中所示的区域①,该系统的检测区域是不与磁座10相邻的区域,若磁座10位于区域②齿轮箱11侧壁时,该系统的检测区域为区域①,反之亦然,若磁座10位于区域①齿轮箱11侧壁时,该系统的检测区域为区域②。
从图4可以看出:在检测区域①的齿轮时,CCD工业相机6的旋转角度在0-90°之间,以图中齿轮25为例,在检测区域①轮齿Ⅲ的时候,CCD工业相机6角度接近垂直于有机玻璃箱盖15,因此,满足本发明CCD工业相机6各角度调节的竖直方向的最小尺寸是当CCD工业相机6与有机玻璃箱盖15相切且垂直时角控支架16的位置,如图4中EF线的位置。为了研制出适应任意齿轮的检测装置,因此检测装置的安装位置需要与齿轮自身位置联系在一起,因此,经过齿轮14轴中心G和齿轮14侧壁顶点H做一条GH线,两条线的交点为O点,该点既满足检测工作要求又适用于任意参数齿轮的检测。O点的坐标值,可根据实际磁座10的位置b计算得出。
从图5可以看出:考虑到齿轮是旋转的,任意放置一个拍摄角度,总会有齿面与CCD工业相机6垂直,但是实际工况中会存在一些问题,任意放置一个角度α,当把这个角度应用在齿数不同的其他齿轮24时,从图5中可以看出,存在前齿遮挡有效检测区域的问题,因此,为了避免任何干扰检测装置工作的问题发生,本发明在齿轮静止时,完成数据采集系统1的安装,通过角控支架16调整拍摄角度来满足CCD工业相机6与齿面垂直的要求。
综上可知:实际应用中,在装有润滑油液齿轮箱的恶劣环境中,该检测装置能够获取高质量数据集图像,本发明通过系列理论分析得出了该装置的数据采集系统的最优安装基点和有效检测区域,实现了适应于不同参数齿轮的数据集图像精准采集,应用深度学习的方法进行齿轮点蚀图像的分割与检测,解决了传统点蚀检测方法的精度低、效果差,人为因素干扰过大等问题,通过图像处理系统的处理,完成了齿轮点蚀的定量评估,对不同形态的齿轮点蚀进行了等级划分,能够准确有效的预防齿轮断齿现象的发生,实现了精准智能化齿轮点蚀定量评估与检测的工作要求。
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 (5)
1.一种基于深度学习的自适应齿轮点蚀定量评估与检测装置,其特征在于,包括齿轮箱平台、集成式数据采集系统、图像处理系统、控制系统、磁座、移动平台;其中齿轮箱平台利用齿轮接触疲劳试验为该基于深度学习的自适应齿轮点蚀定量评估与检测装置提供齿轮点蚀样本;集成式数据采集系统通过CCD工业相机采集高质量图像数据,并快速传输给图像处理系统;图像处理系统利用深度学习技术完成齿轮点蚀的定量评估与目标检测;控制系统与计算机通过串口通信,控制电动推杆将数据采集系统推送至指定工作位置;移动平台通过磁座固定在齿轮箱侧壁,完成集成式数据采集系统的位置调节;
齿轮箱平台是由齿轮接触疲劳试验机改装而成,利用有机玻璃板将试验机齿轮箱箱盖进行改装,形成有机玻璃箱盖;
该移动平台根据不同齿轮的参数确定数据采集系统的最优安装基点O,以磁座中心为原点建立坐标系,当CCD工业相机与有机玻璃箱盖垂直且相切时,此时通过角控支架中心做一条水平直线EF,在做一条经过齿轮轴轴心与磁座一侧齿轮箱侧壁顶点的直线GH,两直线相交于O点,O点距磁座的水平位移为x值,竖直位移为y值。
2.如权利要求1中所述的基于深度学习的自适应齿轮点蚀定量评估与检测装置,其特征在于,集成式数据采集系统中的CCD工业相机与被检测齿轮的有效齿面垂直放置。
3.如权利要求2中所述的基于深度学习的自适应齿轮点蚀定量评估与检测装置,其特征在于,该有机玻璃箱盖尺寸与原齿轮箱盖相同,有机玻璃箱盖除螺栓孔外其余表面无其他任何加工特征。
4.如权利要求1中所述的基于深度学习的自适应齿轮点蚀定量评估与检测装置,其特征在于,根据不同参数齿轮的不同拍摄齿面,进行调节该集成式数据采集系统的拍摄角度,CCD工业相机的视场中心与被检测齿轮的有效齿面垂直,被检测齿轮被通过齿轮轴心的竖直直线和水平直线分成两个检测区域,该集成式数据采集系统的检测区域是远离磁座的区域。
5.如权利要求4中所述的基于深度学习的自适应齿轮点蚀定量评估与检测装置,其特征在于,该集成式数据采集系统包括CCD工业相机、圆环型集成光源和角控支架,其中圆环型光源与CCD工业相机相互集成,圆环型光源安装于CCD工业相机镜头前端,角控支架由两个带螺栓孔的半圆支架铰接组成,通过调节角控支架可调节CCD工业相机的角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973345.8A CN110567985B (zh) | 2019-10-14 | 2019-10-14 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973345.8A CN110567985B (zh) | 2019-10-14 | 2019-10-14 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110567985A CN110567985A (zh) | 2019-12-13 |
CN110567985B true CN110567985B (zh) | 2021-10-08 |
Family
ID=68784913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910973345.8A Active CN110567985B (zh) | 2019-10-14 | 2019-10-14 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110567985B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260640B (zh) * | 2020-01-13 | 2023-03-31 | 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 |
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 |
CN115791833B (zh) * | 2022-12-26 | 2024-07-26 | 青岛钢研纳克检测防护技术有限公司 | 一种基于超景深显微镜的点蚀评价方法 |
CN115807764B (zh) * | 2023-02-16 | 2023-04-28 | 仪征威业油泵油嘴有限公司 | 一种油泵测试装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4931949A (en) * | 1988-03-21 | 1990-06-05 | Monitoring Technology Corporation | Method and apparatus for detecting gear defects |
US5307676A (en) * | 1992-08-12 | 1994-05-03 | Gei Systems, Inc. | Controllable gear testing system |
US5978500A (en) * | 1997-08-27 | 1999-11-02 | The United States Of America As Represented By Administrator Of The National Aeronautics And Space Administration | Video imaging system particularly suited for dynamic gear inspection |
US6917433B2 (en) * | 2000-09-20 | 2005-07-12 | Kla-Tencor Technologies Corp. | Methods and systems for determining a property of a specimen prior to, during, or subsequent to an etch process |
US20060061008A1 (en) * | 2004-09-14 | 2006-03-23 | Lee Karner | Mounting assembly for vehicle interior mirror |
SG176345A1 (en) * | 2010-06-02 | 2011-12-29 | Apl Co Pte Ltd | Systems and methods for inspecting large engine cylinder liners |
DE102015204554B4 (de) * | 2015-03-13 | 2016-09-22 | Bayerische Motoren Werke Ag | Verfahren zum Prüfen von Zahnrädern |
EP3387294A4 (en) * | 2015-12-11 | 2019-07-17 | Gear Innovations LLC | CONJUGATED GEARS WITH CONTACT OF CONTINUOUS TOOTH |
CN107037127B (zh) * | 2017-04-01 | 2019-05-03 | 西南石油大学 | 一种复合探测式水下机器人焊缝缺陷检测装置 |
CN107121093B (zh) * | 2017-06-13 | 2019-12-17 | 电子科技大学 | 一种基于主动视觉的齿轮测量装置及测量方法 |
CN107729626B (zh) * | 2017-09-26 | 2020-03-17 | 西安交通大学 | 一种基于概率分布的齿轮点蚀模型建模方法 |
CN107885907A (zh) * | 2017-10-17 | 2018-04-06 | 重庆大学 | 一种评估表面硬化齿轮接触疲劳失效风险的方法 |
CN109029989B (zh) * | 2018-09-28 | 2020-02-14 | 西北工业大学 | 一种基于红外热成像的齿轮箱故障诊断方法 |
CN109754442B (zh) * | 2019-01-10 | 2023-02-21 | 重庆大学 | 一种基于机器视觉的齿轮点蚀检测系统 |
CN109676624A (zh) * | 2019-01-28 | 2019-04-26 | 东北农业大学 | 一种基于深度学习的田间目标检测机器人平台 |
-
2019
- 2019-10-14 CN CN201910973345.8A patent/CN110567985B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110567985A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110567985B (zh) | 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 | |
Gadelmawla | Computer vision algorithms for measurement and inspection of spur gears | |
US11408808B2 (en) | Intelligent rolling contact fatigue testing system and testing method therefor | |
CN106066333A (zh) | 曲面零件表面轮廓损伤分析装置及其方法 | |
CN101660894B (zh) | 基于平行光照明的多目视觉检测装置及方法 | |
EP3388781A1 (en) | System and method for detecting defects in specular or semi-specular surfaces by means of photogrammetric projection | |
CN113790671B (zh) | 一种口径可调的落射光源及影像测量仪 | |
CN109211110A (zh) | 一种基于机器视觉的平板类工件尺寸检测系统及方法 | |
CN110230988A (zh) | 轮毂检测装置 | |
CN103528514A (zh) | 机器视觉多视场协同机构及装有该机构的测量与检测装置 | |
Che et al. | Real-time monitoring of workpiece diameter during turning by vision method | |
CN110068280A (zh) | 一种应用于快速测量齿圈尺寸的设备及方法 | |
Zhou et al. | Defect detection for highly reflective rotary surfaces: an overview | |
CN116718616A (zh) | 一种用于瑕疵检测的机器视觉检测系统及检测方法 | |
Wang et al. | Optimization measurement for the ballscrew raceway profile based on optical measuring system | |
Surkov | Development of methods and means of coordinate measurements for linear and angular parameters of cutting instruments | |
CN107941479A (zh) | 一种智能滚动接触疲劳试验系统及其测试方法 | |
CN104748684A (zh) | 一种曲轴轴肩清根的视觉检测方法及装置 | |
CN111024713A (zh) | 一种用于表面缺陷检测的可旋转光源 | |
CN206095970U (zh) | 一种abs齿圈内面缺陷镜面反射检测装置 | |
JP2940405B2 (ja) | 顕微鏡装置 | |
CN209623633U (zh) | 一种高反光圆柱体的直径测量装置 | |
CN211477035U (zh) | 一种壳体轮廓度检具 | |
CN114111571A (zh) | 一种异形工件测量的视觉精密检测装置 | |
CN220690029U (zh) | 一种多镜头检测机构 |
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 |