CN115049670A - 基于齿轮的齿形缺陷检测方法 - Google Patents

基于齿轮的齿形缺陷检测方法 Download PDF

Info

Publication number
CN115049670A
CN115049670A CN202210978724.8A CN202210978724A CN115049670A CN 115049670 A CN115049670 A CN 115049670A CN 202210978724 A CN202210978724 A CN 202210978724A CN 115049670 A CN115049670 A CN 115049670A
Authority
CN
China
Prior art keywords
gear
tooth
distance
edge
defect
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
CN202210978724.8A
Other languages
English (en)
Other versions
CN115049670B (zh
Inventor
谷飞
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.)
Nantong Xingtuo Precision Machinery Co ltd
Original Assignee
Nantong Xingtuo Precision Machinery Co ltd
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 Nantong Xingtuo Precision Machinery Co ltd filed Critical Nantong Xingtuo Precision Machinery Co ltd
Priority to CN202210978724.8A priority Critical patent/CN115049670B/zh
Publication of CN115049670A publication Critical patent/CN115049670A/zh
Application granted granted Critical
Publication of CN115049670B publication Critical patent/CN115049670B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及齿轮缺陷检测技术领域，具体涉及一种基于齿轮的齿形缺陷检测方法，该方法包括：获取齿轮灰度图像，并获取图像上的圆形边缘和轮齿边缘，计算轮齿边缘上各像素点到圆形边缘中圆心点的距离得到像素点的指示距离，构成指示距离序列；获取轮齿点间隔点，根据轮齿点间隔中像素点的指示距离计算齿形缺陷程度；根据齿形缺陷程判断轮齿是否存在缺陷；若存在缺陷，则获取指示距离序列中各元素与其相邻元素的差值构成距离差值序列；根据距离差值序列中元素之和的取值，确定齿轮是否存在形状缺陷；若存在，则根据指示距离序列中元素计算齿形评价指标，根据齿形评价指标判断齿轮是否存在位置缺陷。本发明能够实现检测全程自动化且效率高。

Description

基于齿轮的齿形缺陷检测方法
技术领域
本发明涉及齿轮缺陷检测技术领域，具体涉及一种基于齿轮的齿形缺陷检测方法。
背景技术
在我国，齿轮工业在近年来得到了快速发展,已成为我国机械基础件中规模最大的行业。齿轮是机械装备的重要基础零件，几乎所有的机械装备的主要传动部件都是齿轮传动。齿轮在工业生产中担当着至关重要的角色，其质量好坏决定了机械装备能否正常运转。其中齿形若存在缺陷，齿轮在转动时会出现卡顿的情况，容易对机械设备造成损伤，因此对齿轮的质量检测极其重要，因齿轮的精度要求比较高，现阶段的齿轮检测大多数是通过专门的仪器和量具对齿轮进行检测，效率过于低下且操作繁琐。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于齿轮的齿形缺陷检测方法，所采用的技术方案具体如下：
获取齿轮灰度图像，利用边缘检测提取齿轮灰度图像上的边缘信息得到圆形边缘和轮齿边缘；获取圆形边缘的圆心点，计算轮齿边缘上各像素点到所述圆心点的距离得到像素点的指示距离；从轮齿边缘上任一像素点开始按照设定方向依次获取轮齿边缘上各个像素点的指示距离，构成指示距离序列；
获取指示距离序列中各元素与其首次相等的元素之间的元素对应的像素点记为轮齿点间隔；并计算在轮齿边缘上各轮齿点间隔中所有像素点的指示距离的均值；根据所述均值与轮齿边缘上所有像素点的指示距离均值的差值，得到齿形缺陷程度；若齿形缺陷程度小于程度阈值，则齿轮的齿形没有缺陷；若齿形缺陷程度大于程度阈值，则齿轮的齿形有缺陷；
获取指示距离序列中各元素与其相邻元素的差值，构成距离差值序列；将距离差值序列均分为多个子序列，若每个子序列中元素的和均为第一数值，则齿轮的齿形存在位置缺陷；若存在子序列中元素的和不等于第一数值，则获取指示距离序列中的最小值，并获取与最小值取值相同的元素记为最小值元素，根据指示距离序列中各最小值元素之间的像素点数量，计算齿形评价指标；若齿形评价指标大于评价阈值，则齿轮的齿形具有位置缺陷和形状缺陷，若齿形评价指标小于评价阈值，则齿轮的齿形具有形状缺陷。
优选地，所述获取圆形边缘区域的圆心点具体为：
计算圆形边缘上任一像素点与圆形边缘上其他像素点的距离，获取距离最长的两个点连接得到的线段为第一线段；选取除所述任一像素点之外的圆形边缘上的一像素点，计算该像素点与圆心边缘上其他像素点的距离，获取距离最长的两个点连接得到的线段为第二线段；所述第一线段和第二线段的交点为圆形边缘区域的圆心点。
优选地，所述齿形缺陷程度的获取方法具体为：
Figure DEST_PATH_IMAGE001
其中，
Figure 805712DEST_PATH_IMAGE002
表示轮齿点间隔中像素点的数量为
Figure 535771DEST_PATH_IMAGE003
时对应的齿形缺陷程度，n为轮齿边缘上像素点的总数量，
Figure 814437DEST_PATH_IMAGE003
为轮齿点间隔中像素点的数量，
Figure 886429DEST_PATH_IMAGE004
表示第j个轮齿点间隔中像素点的数量，
Figure 171917DEST_PATH_IMAGE005
表示轮齿边缘线上第k个像素点的指示距离，
Figure 784295DEST_PATH_IMAGE006
表示轮齿边缘线上第o个像素点的指示距离。
优选地，所述获取指示距离序列中各元素与其相邻元素的差值具体为：获取指示距离序列中当前元素与下一元素的差值。
优选地，所述齿形评价指标的获取方法具体为：
获取指示距离序列中的最小值，并获取与最小值取值相同且位置上连续的元素记为最小值元素，将所有最小值元素构成第一序列；获取指示距离序列中第二小的数值，并获取与第二小的数值相同且位置上连续的元素记为第二小值元素，将所有第二小值元素构成第二序列；以此类推，最终得到b个序列；根据所述b个序列中元素数量的均值，得到齿形评价指标。
优选地，所述齿形评价指标的计算公式为：
Figure 104418DEST_PATH_IMAGE007
其中，X表示齿形评价指标，
Figure 75873DEST_PATH_IMAGE008
表示第a序列中元素的数量，b表示序列的数量。
本发明实施例至少具有如下有益效果：
本发明通过计算轮齿边缘线上各像素点到内部圆形区域中圆心点的距离得到指示距离，基于在同一个轮齿上互相对称的像素点的指示距离相等，获取轮齿点间隔，根据轮齿点间隔中像素点的指示距离均值和轮齿边缘线上所有像素点的指示距离均值计算齿形缺陷程度，进行判断齿轮是否存在缺陷。并且根据齿轮上各轮齿的形状和结构特征进一步判断齿轮的缺陷类型。本发明能够对齿轮的缺陷类型进行精准地分类，能够实现检测全程自动化且效率更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1是本发明的一种基于齿轮的齿形缺陷检测方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于齿轮的齿形缺陷检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于齿轮的齿形缺陷检测方法的具体方案。
本发明所针对的具体场景为：利用计算机视觉技术把加工好准备封装的齿轮进行其齿形的检测，并根据齿形的缺陷类型对齿轮进行分离，通过不同的传送带进行传输，保证同一封装带里的齿轮为同种状态的齿轮。在齿轮的齿形缺陷检测过程中，齿轮通过传送带传送过来至检测平台，通过检测平台检测之后根据其齿形的缺陷类型送至不同的传送带上从而实现对齿轮的分类处理。
实施例1：
请参阅图1，其示出了本发明一个实施例提供的一种基于齿轮的齿形缺陷检测方法的方法流程图，该方法包括以下步骤：
步骤一，获取齿轮灰度图像，利用边缘检测提取齿轮灰度图像上的边缘信息得到圆形边缘和轮齿边缘；获取圆形边缘的圆心点，计算轮齿边缘上各像素点到所述圆心点的距离得到像素点的指示距离；从轮齿边缘上任一像素点开始按照设定方向依次获取轮齿边缘上各个像素点的指示距离，构成指示距离序列。
首先，本发明需要实现对齿轮的齿形缺陷检测以及分类处理，所以需要布置相应的检测平台以及传送装置，包括相机、采样平台、传送带。利用相机采集齿轮图像，对齿轮图像中的轮齿的形状以及位置进行检验并判断是否出现缺陷异常的情况，获得当前齿轮的实际状态，最后根据齿轮状态使其传输至不同的传送带上从而实现对齿轮的分类，将不同缺陷状态的齿轮进行区分，筛选出合格的齿轮进行封装提高产品的合格率。
通过相机获取齿轮图像，并将齿轮图像进行灰度化处理得到齿轮灰度图像，利用canny算法对齿轮灰度图像进行边缘检测，得到齿轮边缘图像，所述齿轮边缘图像上包括圆形边缘和轮齿边缘。需要说明的是，标准的齿轮内部为一个圆形区域，外轮廓的四周则均匀分布着一定规格的轮齿。通过形态学闭运算对获得的齿轮边缘图像进行处理，将在进行边缘检测处理后的一些少许边缘未连接的部分进行相连，形成完整的边缘轮廓。
需要说明的是，齿轮轮廓由多个轮齿构成，每个轮齿的形状一致且间隔相同的距离呈现出一种周期性的分布，即每个轮齿绕齿轮的中心点旋转一定角度能够与另一个轮齿完全重合，因此可根据齿轮的这一特性来进行分析齿轮的缺陷情况。
然后，获取齿轮边缘图像上的两条边缘线，一条即为齿轮内部的圆形边缘，另一条为齿轮外轮廓的轮齿边缘。获取边缘线上的像素点数量，具体地分别获取两条边缘线上的任意一个边缘像素点，使其通过自身邻域进行延伸，最终回到起始点。其中，像素点数量较少的边缘线为齿轮的内部圆形边缘，像素点数量较多的边缘线为齿轮的轮齿边缘。同时，实施者也可根据实际情况选择其他更为合适的方法获取边缘线上的像素点数量。
最后，计算圆形边缘上任一像素点与圆形边缘上其他像素点的距离，获取距离最长的两个点连接得到的线段为第一线段；选取除所述任一像素点之外的圆形边缘上的一个像素点，计算该像素点与圆心边缘上其他像素点的距离，获取距离最长的两个点连接得到的线段为第二线段；所述第一线段和第二线段的交点为圆形边缘的圆心点。
具体地，选取内部圆形边缘上的任意一个像素点
Figure 927285DEST_PATH_IMAGE009
，计算该点与圆形边缘上其他像素点的距离，即
Figure 61463DEST_PATH_IMAGE010
，其中
Figure 783563DEST_PATH_IMAGE011
为圆形边缘上其他像素点坐标。获取其中距离最大的两个点，并将其连接起来得到第一线段，则第一线段为圆形边缘最长的一条线段即为圆形边缘区域的直径。选取除像素点之外任意一个像素点，并按照上述方法获取最长的一条线段为第二线段，则第二线段也是圆形边缘区域的直径，获取第一线段与第二线段的交点为圆形边缘构成的区域的圆心点。其中，实施者也可根据实际情况选择更加合适的方法获取圆心边缘构成的区域的圆心点。
计算轮齿边缘上各像素点到圆心点的距离得到像素点的指示距离；从轮齿边缘上任一像素点开始按照设定方向依次获取轮齿边缘上各个像素点的指示距离，构成指示距离序列。其中，在本实施例中选取轮齿边缘上任意一个像素点，从该像素点开始顺时针方向依次获取轮齿边缘上各个像素点的指示距离构成指示距离序列。
步骤二，获取指示距离序列中各元素与其首次相同的元素之间的元素对应的像素点记为轮齿点间隔；并计算在轮齿边缘上各轮齿点间隔中所有像素点的指示距离的均值；根据所述均值与轮齿边缘上所有像素点的指示距离均值的差值，得到齿形缺陷程度；若齿形缺陷程度小于程度阈值，则齿轮的齿形没有缺陷；若齿形缺陷程度大于程度阈值，则齿轮的齿形有缺陷。
首先，获取指示距离序列中各元素与其首次相同的元素之间的元素对应的像素点记为轮齿点间隔。具体地，在本实施例中从指示距离序列中第一个元素开始，将与其自身取值相同的元素进行标记。
例如，将指示距离序列记为
Figure 931779DEST_PATH_IMAGE012
，其中，
Figure 254175DEST_PATH_IMAGE006
表示第o个元素，即第o个像素点的指示距离，n表示轮齿边缘上像素点的总数量。从第一个元素开始进行遍历，获取首次与第一个元素相等的元素记为
Figure 146039DEST_PATH_IMAGE013
，则第一个像素点对应的轮齿点间隔为第一个元素
Figure 253804DEST_PATH_IMAGE014
与第m个元素
Figure 556609DEST_PATH_IMAGE013
之间的元素对应的像素点，即第一个指示距离对应的像素点与第m个指示距离对应的像素点之间的像素点，并获取第一个像素点的轮齿点间隔中像素点的数量，用公式表示为：
Figure 585876DEST_PATH_IMAGE015
Figure 327436DEST_PATH_IMAGE016
其中，
Figure DEST_PATH_IMAGE017
表示第一个
Figure 893634DEST_PATH_IMAGE014
元素的位置，
Figure 914811DEST_PATH_IMAGE018
表示第二个
Figure 759270DEST_PATH_IMAGE014
元素的位置，即首次与元素
Figure 789675DEST_PATH_IMAGE014
取值相同的元素也即元素
Figure 606452DEST_PATH_IMAGE013
的位置，
Figure DEST_PATH_IMAGE019
表示第i+1个
Figure 939475DEST_PATH_IMAGE014
元素的位置，即第i个与元素
Figure 5652DEST_PATH_IMAGE014
取值相同的元素的位置，
Figure 26697DEST_PATH_IMAGE021
表示第一个元素
Figure 957701DEST_PATH_IMAGE014
与第二个
Figure 38789DEST_PATH_IMAGE014
元素之间的位置间距，即像素点的数量；
Figure 998786DEST_PATH_IMAGE003
表示第一个元素
Figure 636572DEST_PATH_IMAGE014
与第i+1个
Figure 614892DEST_PATH_IMAGE014
元素之间的位置间距，即像素点的数量。
需要说明的是，对于质量检测合格的齿轮，其每个轮齿应当是相同的结构，每个轮齿绕齿轮的中心点旋转一定角度能够与另一个轮齿完全重合，且每个轮齿都是轴对称图形。因此，在一个完整的轮齿上，互相对称的像素点到圆心点的距离应当是相等的，即指示距离相等。同时，在轮齿边缘上像素点的指示距离是呈周期性分布的，且每个轮齿上像素点的指示距离之和是相等的。故可根据这一特性，通过寻找指示距离序列中相等的元素之间的间隔，近似的表征一个轮齿的边缘线上所包含的像素点的数量。
然后，计算齿形缺陷程度，用公式表示为：
Figure 679932DEST_PATH_IMAGE022
其中，
Figure 376492DEST_PATH_IMAGE002
表示轮齿点间隔中像素点的数量为
Figure 552390DEST_PATH_IMAGE003
时对应的齿形缺陷程度，n为轮齿边缘上像素点的总数量，
Figure 135949DEST_PATH_IMAGE003
为轮齿点间隔中像素点的数量，
Figure 621157DEST_PATH_IMAGE004
表示第j个轮齿点间隔中像素点的数量，
Figure 290167DEST_PATH_IMAGE005
表示轮齿边缘线上第k个像素点的指示距离，
Figure 269755DEST_PATH_IMAGE006
表示轮齿边缘线上第o个像素点的指示距离，
Figure 222668DEST_PATH_IMAGE023
表示轮齿边缘上轮齿点间隔的数量。
需要说明的是，由于在同一个轮齿上，互相对称的像素点的指示距离是相等的，故获取指示距离序列中取值相同的元素之间的像素点，可以得到轮齿点间隔，在本实施例中，可以将轮齿点间隔看作是一个轮齿上的像素点集合。进而计算一个轮齿上所有像素点的指示距离的均值，同时计算轮齿边缘上所有像素点的指示距离的均值，若齿轮没有缺陷，则这两个均值之间的差异应当是很小的，或者这两个均值之间不存在差异，基于此，计算得到了齿形缺陷程度，齿形缺陷程度的取值越接近于0说明该齿轮越没有缺陷，齿形缺陷程度的取值越大，说明该齿轮存在缺陷的可能性越大。
同时，在本实施例中，根据指示距离序列中不同的元素获取的轮齿点间隔不同，说明获取的一个轮齿上的像素点的数量不同，进而计算得到的齿形缺陷程度的取值也不同，但对于一个齿轮来时，其轮齿上的像素点数量是一定的，则需要遍历不同的轮齿点间隔进行判断。
最后，设置程度阈值，在本实施例中程度阈值的取值为
Figure 647087DEST_PATH_IMAGE024
，程度阈值的取值实施者也可根据实际情况进行设置，则齿轮符合标准的条件为
Figure 600131DEST_PATH_IMAGE025
。由于轮齿点间隔中像素点的数量
Figure 304782DEST_PATH_IMAGE003
不同，齿形缺陷程度的取值不同，故遍历
Figure 925250DEST_PATH_IMAGE003
的取值进行相应的判断。
使i从1开始取值，即i=1时，根据对应的
Figure 237414DEST_PATH_IMAGE026
的取值计算此时的齿形缺陷程度
Figure 130284DEST_PATH_IMAGE027
，若齿形缺陷程度小于程度阈值
Figure 451675DEST_PATH_IMAGE028
，则符合标准，此时齿轮的质量合格，且每个轮齿上像素点的数量为
Figure 379179DEST_PATH_IMAGE026
。使i=2时获得
Figure 862244DEST_PATH_IMAGE029
，以此类推，直到i的取值为n-1之前获取的齿形缺陷程度
Figure 789880DEST_PATH_IMAGE002
都未能小于程度阈值
Figure 101913DEST_PATH_IMAGE028
，则说明齿轮存在缺陷，具体存在哪种缺陷还需进一步的分析。
步骤三，获取指示距离序列中各元素与其相邻元素的差值，构成距离差值序列；将距离差值序列均分为多个子序列，若每个子序列中元素的和均为第一数值，则齿轮的齿形存在位置缺陷。若存在子序列中元素的和不等于第一数值，则获取指示距离序列中的最小值，并获取与最小值取值相同的元素记为最小值元素，根据指示距离序列中各最小值元素之间的像素点数量，计算齿形评价指标；若齿形评价指标大于评价阈值，则齿轮的齿形具有位置缺陷和形状缺陷，若齿形评价指标小于评价阈值，则齿轮的齿形具有形状缺陷。
首先，需要说明的是，对于存在缺陷的齿轮，需要进一步的判断为哪一种缺陷，以便根据缺陷类型对其进行分类传送。在本实施例中，齿轮的缺陷主要有三种，具体为：
齿轮的齿形仅存在位置缺陷，说明此时齿轮上各个轮齿的形状均是相同的，所以每个轮齿都是对称图形，但存在轮齿的位置发生了偏移；齿轮的齿形仅存在形状缺陷，说明此时齿轮上各个轮齿的位置均未发生偏移的现象，但存在轮齿的形状发生了改变，例如轮齿缺了一个小的角等；齿轮的齿形存在位置缺陷和形状缺陷，说明此时同时出现了轮齿的位置发生偏移的现象和轮齿的形状发生了改变。
在本实施例中指示距离序列为
Figure 431394DEST_PATH_IMAGE012
，n为轮齿边缘上像素点的总数量，获取指示距离序列中各元素与其相邻元素的差值，得到新的序列为
Figure 345080DEST_PATH_IMAGE030
，其中
Figure 946963DEST_PATH_IMAGE031
，即通过当前像素点与后一个像素点的指示距离之差获得新的序列
Figure 344578DEST_PATH_IMAGE032
，筛选出
Figure 528565DEST_PATH_IMAGE032
中数值为0的数据，得到距离差值序列，记为
Figure 619012DEST_PATH_IMAGE033
，其中
Figure 973770DEST_PATH_IMAGE034
。
然后，当齿轮的齿形不存在形状缺陷时，每个轮齿均属于合格的形状，则各轮齿为对称图形。按照设定方向获取当前像素点的指示距离与下一像素点的指示距离的差值，在每个轮齿上，获取的所有指示距离的差值之和应当为0。在本实施例中，设定方向为顺时针方向。
对于判断轮齿的齿形是否存在形状缺陷的方法有两种实施方式，其中一种实施方式为：将距离差值序列分为多个子序列，若多个子序列中元素的和均为第一数值，则齿轮的齿形不存在形状缺陷，仅存在位置缺陷。若存在一个子序列中元素的和不等于第一数值，则齿轮的齿形缺陷类型为仅存在形状缺陷或者两种缺陷都存在，需要后续进一步分析进行判断。
其中，第一数值的取值为0。子序列可以通过对距离差值序列进行均匀分割获取得到。也可以从距离差值序列中任意一个元素开始进行求和操作，获取求和为0时距离差值序列中的所有元素记为子序列，以该子序列中元素数量对距离差值序列进行分割，得到多个子序列。
若齿轮的齿形存在位置缺陷，此时距离差值序列
Figure 175076DEST_PATH_IMAGE035
应当满足：
Figure 931679DEST_PATH_IMAGE036
其中，
Figure 927448DEST_PATH_IMAGE037
为每个子序列中元素的数量，l表示距离差值序列中第l个元素的下标，即距离差值序列中第l个像素点的指示距离的位置序号，
Figure 51393DEST_PATH_IMAGE006
表示第o个像素点的指示距离。
判断轮齿的齿形是否存在形状缺陷的方法的另一种实施方式具体为：
对距离差值序列中所有元素进行求和操作，若求和结果为0时，则齿轮的齿形不存在形状缺陷，仅存在位置缺陷，若求和结果不为0时，则齿轮的齿形缺陷类型为仅存在形状缺陷或者两种缺陷都存在，需要后续进一步分析进行判断。
需要说明的是，当齿轮的齿形不存在形状缺陷时，每个轮齿是对称图形，在每个轮齿上，获取的所有指示距离的差值之和应当为0。相应的，在整个轮齿边缘上，所有的像素点的指示距离与下一像素点的指示距离的差值之和应当为0，即距离差值序列中所有的元素之和为0。
最后，需对齿轮的齿形是否存在位置缺陷进行判断。将指示距离序列中元素首尾相连，获取指示距离序列中的最小值，并获取与最小值取值相同的位置上连续的元素记为最小值元素，根据指示距离序列中各最小值元素之间的像素点数量，计算齿形评价指标。
具体地，在本实施例中，获取指示距离序列中的最小值，并获取与最小值取值相同且位置上连续的元素记为最小值元素，将所有最小值元素构成第一序列；获取指示距离序列中第二小的数值，并获取与第二小的数值相同且位置上连续的元素记为第二小值元素，将所有第二小值元素构成第二序列；以此类推，最终得到b个序列；根据所述b个序列中元素数量的均值，得到齿形评价指标。其中，由于指示距离序列中元素是按一定顺序进行获取的，故需要按照同样的顺序获取最小值元素、第二小值元素等。位置上连续的含义为：获取的两个最小值元素之间不能含有最小值元素，否则会导致获取的最小值元素的总数量变小。
计算齿形评价指标，用公式表示为：
Figure 56389DEST_PATH_IMAGE007
其中，X表示齿形评价指标，
Figure 667499DEST_PATH_IMAGE008
表示第a序列中元素的数量，b表示序列的数量。齿形评价指标X的取值越大，说明齿轮的轮齿偏移程度越大。
设置评价阈值，在本实施例中评价阈值的取值为10，评价阈值的取值需要根据实施者对齿轮的精度需求进行设置。若齿形评价指标大于评价阈值，则齿轮的齿形存在位置缺陷和形状缺陷，若齿形评价指标小于评价阈值，则齿轮的齿形不存在位置缺陷，仅存在形状缺陷。
实施例2：
本实施例提供了一种基于齿轮的齿形缺陷检测方法，本实施例的具体实施方式与实施例1的区别仅在于步骤二的实施方式不同，则步骤二的实施方式具体为：
首先，获取指示距离序列中各元素与其首次相等的元素之间的元素对应的像素点记为轮齿点间隔。具体地，在本实施例中从指示距离序列中第一个元素开始，将与其自身取值相同的元素进行标记。
例如，将指示距离序列记为
Figure 297151DEST_PATH_IMAGE012
，其中，
Figure 626502DEST_PATH_IMAGE006
表示第o个元素，即第o个像素点的指示距离，n表示轮齿边缘上像素点的总数量。从第一个元素开始进行遍历，获取首次与第一个元素
Figure 435189DEST_PATH_IMAGE014
取值相等的元素记为
Figure 448275DEST_PATH_IMAGE013
，获取首次与第二个元素
Figure 503956DEST_PATH_IMAGE038
取值相同的元素记为
Figure 602493DEST_PATH_IMAGE039
，以此类推，按照顺序能够获取序列中首次与各元素取值相等的元素。则元素
Figure 401822DEST_PATH_IMAGE014
与元素
Figure 534994DEST_PATH_IMAGE013
之间的元素对应的像素点为元素
Figure 43467DEST_PATH_IMAGE014
对应的轮齿点间隔，元素
Figure 81830DEST_PATH_IMAGE038
与元素
Figure 232320DEST_PATH_IMAGE039
之间的获取为元素
Figure 954419DEST_PATH_IMAGE038
对应的轮齿点间隔，并获取各元素对应的轮齿点间隔中像素点的数量，用公式表示为：
Figure 351903DEST_PATH_IMAGE040
Figure 153593DEST_PATH_IMAGE041
Figure 107774DEST_PATH_IMAGE042
其中，
Figure 684380DEST_PATH_IMAGE043
表示元素
Figure 49502DEST_PATH_IMAGE014
对应的轮齿点间隔中像素点的数量，
Figure 547611DEST_PATH_IMAGE044
表示元素
Figure 774324DEST_PATH_IMAGE013
的位置顺序编号，即为m；
Figure DEST_PATH_IMAGE045
表示元素
Figure 533333DEST_PATH_IMAGE014
的位置顺序编号，即为1。
Figure 85668DEST_PATH_IMAGE046
表示元素
Figure 320340DEST_PATH_IMAGE038
对应的轮齿点间隔中像素点的数量，
Figure DEST_PATH_IMAGE047
表示元素
Figure 978109DEST_PATH_IMAGE039
的位置顺序编号，即为s；
Figure 981837DEST_PATH_IMAGE048
表示元素
Figure 236232DEST_PATH_IMAGE038
的位置顺序编号，即为2。
Figure DEST_PATH_IMAGE049
表示元素
Figure 302408DEST_PATH_IMAGE050
对应的轮齿点间隔中像素点的数量，
Figure 136503DEST_PATH_IMAGE051
表示元素
Figure 807787DEST_PATH_IMAGE052
的位置顺序编号，即为v；
Figure 623296DEST_PATH_IMAGE053
表示元素
Figure 645610DEST_PATH_IMAGE050
的位置顺序编号，即为u；
Figure 17817DEST_PATH_IMAGE050
和
Figure 996137DEST_PATH_IMAGE052
分别表示指示距离序列中第u个元素和第v个元素。
然后，需要说明的是，对于一个合格的齿轮，其轮齿的形状和结构都是相同的，且每个轮齿都是对称图形，因此在一个轮齿上，互相对称的像素点到圆心点的距离是相等的，即互相对称的像素点的指示距离相等。由于指示距离序列中元素对应的轮齿点间隔有多种不同的取值，指示距离序列中第一个元素对应的像素点是任意选取的，且其他元素对应的像素点是按照一定顺序选取的，因此无法确定一个完整的轮齿对应的轮齿点间隔，可以根据齿轮上各轮齿的形状和结构特征确定哪一元素对应的轮齿点间隔能够表征一个完整的轮齿。
获取指示距离序列中元素对应的轮齿点间隔中像素点数量取值的最大值，且有大于预设数量的元素对应的轮齿点间隔中像素点数量与所述最大值相等，则该轮齿点间隔中像素点的数量与一个完整的轮齿上像素点的数量相等，并将该轮齿点间隔记为全局轮齿点间隔。其中，预设数量的取值实施者根据齿轮的轮齿规格等实际情况进行设置。
计算齿形缺陷程度，用公式表示为：
Figure 61176DEST_PATH_IMAGE054
其中，
Figure 237031DEST_PATH_IMAGE002
表示全局轮齿点间隔中像素点的数量为
Figure 396616DEST_PATH_IMAGE055
时对应的齿形缺陷程度，n为轮齿边缘上像素点的总数量，
Figure 308072DEST_PATH_IMAGE055
为全局轮齿点间隔中像素点的数量，
Figure 481695DEST_PATH_IMAGE056
表示第j个全局轮齿点间隔中像素点的数量，
Figure 196710DEST_PATH_IMAGE005
表示轮齿边缘线上第k个像素点的指示距离，
Figure 176299DEST_PATH_IMAGE006
表示轮齿边缘线上第o个像素点的指示距离，
Figure 676681DEST_PATH_IMAGE057
表示轮齿边缘上轮齿点间隔的数量。
最后，需要说明的是，本实施例首先确定一个完整的轮齿对应的轮齿点间隔，进而计算一个轮齿上像素点的指示距离的均值，同时计算轮齿边缘上所有像素点的指示距离的均值，若齿轮没有缺陷，则这两个均值之间的差异应当是很小的，或者这两个均值之间是没有差异，基于此，计算得到了齿形缺陷程度，齿形缺陷程度的取值越接近于0说明该齿轮越没有缺陷，齿形缺陷程度的取值越大，说明该齿轮存在缺陷的可能性越大。
设置程度阈值，若齿形缺陷程度小于程度阈值，则齿轮的齿形没有缺陷，若齿形缺陷程度大于程度阈值，则齿轮的齿形存在缺陷，具体存在哪种类型的缺陷还需进一步的分析。其中，程度阈值的取值实施者可根据实际情况进行设置。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种基于齿轮的齿形缺陷检测方法，其特征在于，该方法包括以下步骤：
获取齿轮灰度图像，利用边缘检测提取齿轮灰度图像上的边缘信息得到圆形边缘和轮齿边缘；获取圆形边缘的圆心点，计算轮齿边缘上各像素点到所述圆心点的距离得到像素点的指示距离；从轮齿边缘上任一像素点开始按照设定方向依次获取轮齿边缘上各个像素点的指示距离，构成指示距离序列；
获取指示距离序列中各元素与其首次相等的元素之间的元素对应的像素点记为轮齿点间隔；并计算在轮齿边缘上各轮齿点间隔中所有像素点的指示距离的均值；根据所述均值与轮齿边缘上所有像素点的指示距离均值的差值，得到齿形缺陷程度；若齿形缺陷程度小于程度阈值，则齿轮的齿形没有缺陷；若齿形缺陷程度大于程度阈值，则齿轮的齿形有缺陷；
获取指示距离序列中各元素与其相邻元素的差值，构成距离差值序列；将距离差值序列均分为多个子序列，若每个子序列中元素的和均为第一数值，则齿轮的齿形存在位置缺陷；若存在子序列中元素的和不等于第一数值，则获取指示距离序列中的最小值，并获取与最小值取值相同的元素记为最小值元素，根据指示距离序列中各最小值元素之间的像素点数量，计算齿形评价指标；若齿形评价指标大于评价阈值，则齿轮的齿形具有位置缺陷和形状缺陷，若齿形评价指标小于评价阈值，则齿轮的齿形具有形状缺陷。
2.根据权利要求1所述的一种基于齿轮的齿形缺陷检测方法，其特征在于，所述获取圆形边缘区域的圆心点具体为：
计算圆形边缘上任一像素点与圆形边缘上其他像素点的距离，获取距离最长的两个点连接得到的线段为第一线段；选取除所述任一像素点之外的圆形边缘上的一像素点，计算该像素点与圆心边缘上其他像素点的距离，获取距离最长的两个点连接得到的线段为第二线段；所述第一线段和第二线段的交点为圆形边缘区域的圆心点。
3.根据权利要求1所述的一种基于齿轮的齿形缺陷检测方法，其特征在于，所述齿形缺陷程度的获取方法具体为：
Figure 564887DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
表示轮齿点间隔中像素点的数量为
Figure 613746DEST_PATH_IMAGE004
时对应的齿形缺陷程度，n为轮齿边缘上像素点的总数量，
Figure 686744DEST_PATH_IMAGE004
为轮齿点间隔中像素点的数量，
Figure DEST_PATH_IMAGE005
表示第j个轮齿点间隔中像素点的数量，
Figure 524207DEST_PATH_IMAGE006
表示轮齿边缘线上第k个像素点的指示距离，
Figure DEST_PATH_IMAGE007
表示轮齿边缘线上第o个像素点的指示距离。
4.根据权利要求1所述的一种基于齿轮的齿形缺陷检测方法，其特征在于，所述获取指示距离序列中各元素与其相邻元素的差值具体为：获取指示距离序列中当前元素与下一元素的差值。
5.根据权利要求1所述的一种基于齿轮的齿形缺陷检测方法，其特征在于，所述齿形评价指标的获取方法具体为：
获取指示距离序列中的最小值，并获取与最小值取值相同且位置上连续的元素记为最小值元素，将所有最小值元素构成第一序列；获取指示距离序列中第二小的数值，并获取与第二小的数值相同且位置上连续的元素记为第二小值元素，将所有第二小值元素构成第二序列；以此类推，最终得到b个序列；根据所述b个序列中元素数量的均值，得到齿形评价指标。
6.根据权利要求5所述的一种基于齿轮的齿形缺陷检测方法，其特征在于，所述齿形评价指标的计算公式为：
Figure DEST_PATH_IMAGE009
其中，X表示齿形评价指标，
Figure 43175DEST_PATH_IMAGE010
表示第a序列中元素的数量，b表示序列的数量。
CN202210978724.8A 2022-08-16 2022-08-16 基于齿轮的齿形缺陷检测方法 Active CN115049670B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210978724.8A CN115049670B (zh) 2022-08-16 2022-08-16 基于齿轮的齿形缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210978724.8A CN115049670B (zh) 2022-08-16 2022-08-16 基于齿轮的齿形缺陷检测方法

Publications (2)

Publication Number Publication Date
CN115049670A true CN115049670A (zh) 2022-09-13
CN115049670B CN115049670B (zh) 2022-11-29

Family

ID=83168175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210978724.8A Active CN115049670B (zh) 2022-08-16 2022-08-16 基于齿轮的齿形缺陷检测方法

Country Status (1)

Country Link
CN (1) CN115049670B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115239723A (zh) * 2022-09-22 2022-10-25 江苏东晨机械科技有限公司 基于图形识别的卷板机零件检测方法
CN116721106A (zh) * 2023-08-11 2023-09-08 山东明达圣昌铝业集团有限公司 一种基于图像处理的型材瑕疵视觉检测方法
CN117437233A (zh) * 2023-12-21 2024-01-23 山东润通齿轮集团有限公司 一种基于图像处理的齿轮缺陷检测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012206322A (ja) * 2011-03-29 2012-10-25 Fujifilm Corp 不良記録素子の検出装置及び方法、画像形成装置及び方法、並びにプログラム
CN114036667A (zh) * 2021-11-04 2022-02-11 广州大学 基于区间分析的齿轮应力释放孔多目标优化设计方法
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
CN114764790A (zh) * 2022-03-31 2022-07-19 南通市立新机械制造有限公司 一种基于霍夫圆检测的齿轮断齿检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012206322A (ja) * 2011-03-29 2012-10-25 Fujifilm Corp 不良記録素子の検出装置及び方法、画像形成装置及び方法、並びにプログラム
CN114036667A (zh) * 2021-11-04 2022-02-11 广州大学 基于区间分析的齿轮应力释放孔多目标优化设计方法
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
CN114764790A (zh) * 2022-03-31 2022-07-19 南通市立新机械制造有限公司 一种基于霍夫圆检测的齿轮断齿检测方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115239723A (zh) * 2022-09-22 2022-10-25 江苏东晨机械科技有限公司 基于图形识别的卷板机零件检测方法
CN115239723B (zh) * 2022-09-22 2022-12-23 江苏东晨机械科技有限公司 基于图形识别的卷板机零件检测方法
CN116721106A (zh) * 2023-08-11 2023-09-08 山东明达圣昌铝业集团有限公司 一种基于图像处理的型材瑕疵视觉检测方法
CN116721106B (zh) * 2023-08-11 2023-10-20 山东明达圣昌铝业集团有限公司 一种基于图像处理的型材瑕疵视觉检测方法
CN117437233A (zh) * 2023-12-21 2024-01-23 山东润通齿轮集团有限公司 一种基于图像处理的齿轮缺陷检测方法及系统
CN117437233B (zh) * 2023-12-21 2024-03-26 山东润通齿轮集团有限公司 一种基于图像处理的齿轮缺陷检测方法及系统

Also Published As

Publication number Publication date
CN115049670B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN115049670B (zh) 基于齿轮的齿形缺陷检测方法
TWI557650B (zh) 用於識別材料中之缺陷之系統及方法
US11144778B2 (en) Descriptor guided fast marching method for analyzing images and systems using the same
CN115345885A (zh) 一种金属健身器材外观质量检测方法
CN109685117B (zh) 一种气液固三相体系中流动参数的图像测量方法
CN109829911B (zh) 一种基于轮廓超差算法的pcb板表面检测方法
CN111311576B (zh) 基于点云信息的缺陷检测方法
CN115018850A (zh) 基于图像处理的精密电子零部件冲压孔毛刺检测方法
US20220044383A1 (en) Learned model generation method, learned model, surface defect inspection method, steel manufacturing method, pass/fail determination method, grade determination method, surface defect determination program, pass/fail determination program, determination system, and steel manufacturing equipment
CN115144399B (zh) 一种基于机器视觉的装配质量检测方法及装置
CN110458809B (zh) 一种基于亚像素边缘检测的纱线条干均匀度检测方法
CN114820610A (zh) 基于图像处理的新材料医疗器械缺陷检测方法
CN103364413A (zh) 标识检测与产品分级控制系统及方法
CN110935646A (zh) 基于图像识别的全自动螃蟹分级系统
CN112066888B (zh) 输送机链条的磨损检测系统、方法及装置
CN111412864B (zh) 一种基于磨痕灰度相似性的磨痕角自动检测方法
US11481673B2 (en) Signal analysis device, signal analysis method, and signal analysis program
JP2981434B2 (ja) パターン欠陥検出方法とその装置
CN115330769B (zh) 一种用于铝管表面擦伤压坑的缺陷检测方法
CN115861294A (zh) 一种基于计算机视觉的混凝土生产异常检测方法及装置
JP2647502B2 (ja) パターン比較検査方法および装置
TWI722861B (zh) 分類方法及分類系統
CN107578168A (zh) 一种用于缺陷库移植的方法、装置及电子设备
CN115452845B (zh) 一种基于机器视觉的led屏幕表面损伤检测方法
CN117152127B (zh) 基于机器视觉的ptfe成品外观缺陷检测方法

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