CN117474891A - 一种齿轮热处理缺陷检测方法 - Google Patents

Abstract

本发明涉及图像数据处理技术领域，具体涉及一种齿轮热处理缺陷检测方法。该方法，包括：获取齿轮灰度图；将齿轮灰度图进行分块获取若干图像块，计算每个图像块的复杂程度；在图像块中获取目标点，在目标点中选取左目标点和右目标点，根据左目标点与目标点构成夹角的差异以及左目标点和右目标点计算而来的线段长度和角度获取每个目标点的特征系数，根据特征系数获取裂纹目标点，并以此获取沿晶分布权重，根据沿晶分布权重获取方向梯度完成缺陷检测。本发明凸出细节边缘部分，完整保留缺陷区域。

Description

一种齿轮热处理缺陷检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种齿轮热处理缺陷检测方法。

背景技术

齿轮热处理是指对齿轮零件进行高温加热和控制冷却的热工艺过程，以改变齿轮的组织结构和性能。通过热处理，可以提高齿轮的硬度、强度、耐磨性和耐腐蚀性，同时改善齿轮的尺寸稳定性和综合机械性能，从而满足齿轮在实际使用中的要求。在齿轮热处理过程中，会因为应力过大或马氏体转变产生一定的缺陷，例如淬火裂纹、变形等。其中，淬火裂纹由于淬火过程中加热温度过高（或者马氏体转变区冷却过快）引起，这些裂纹通常在表面或近表面出现，并可能会降低齿轮的强度和可靠性。使用Sobel算子对当前场景下的图像进行边缘检测时，会因为淬火裂纹的产生逻辑，致使裂纹的分布方向较为单一（主方向朝着同一角度），在最终计算梯度值时，垂直方向梯度值和水平方向梯度值权重一致，那么就会导致最终的检测结果在较细裂纹处不能够完整保留，丢失缺陷特征。

发明内容

为了解决缺陷特征丢失的技术问题，本发明提供一种齿轮热处理缺陷检测方法，所采用的技术方案具体如下：

本发明提出了一种齿轮热处理缺陷检测方法，该方法包括以下步骤：

获取齿轮灰度图；

将齿轮灰度图进行分块，并对每个块根据其像素点的灰度值计算每个块的复杂程度，根据每个块的复杂程度从分的块中获取若干图像块，获取每个图像块的复杂程度；

在每个图像块中获取其突变点，并根据突变点获取图像块中的目标点；根据目标点与其余目标点的距离获取目标夹角和目标线段；在所有目标点中根据目标夹角和目标线段获取左目标点和右目标点对应的左目标夹角、左目标线段、右目标线段；根据每个目标点与左目标点的目标夹角与左目标夹角的差异以及右目标线段与左目标线段的长度获取每个目标点的特征系数；根据特征系数获取裂纹目标点，根据裂纹左目标夹角以及裂纹目标点与裂纹左目标点的目标夹角获取沿晶分布权重；

根据沿晶分布权重获取每个像素点的方向梯度，根据方向梯度进行边缘检测获取边缘图像，完成缺陷检测。

优选的，所述获取齿轮灰度图的方法为：

使用工业相机俯视角拍摄齿轮冷却后的图像，将拍摄的图像使用加权平均法转换为灰度图，将灰度图记为齿轮灰度图。

优选的，所述将齿轮灰度图进行分块，并对每个块根据其像素点的灰度值计算每个块的复杂程度，根据每个块的复杂程度从分的块中获取若干图像块的方法为：

对于齿轮灰度图，以齿轮灰度图的中心点做水平方向和竖直方向的直线，两条直线将齿轮灰度图分为了4块，根据每个块内的像素点的灰度值以及灰度值均值和标准差获取每个块的复杂程度，将复杂程度最大的两个块提取出来，对于提取出来的每一块再找到中心点做水平方向和竖直方向的直线，两条直线将每一块又分为4块，再计算每个块的复杂程度，将最大的两个块提取出来，依次类推，直到划分的块的面积小于预设面积时停止，将小于预设面积的块记为图像块。

优选的，所述根据每个块内的像素点的灰度值以及灰度值均值和标准差获取每个块的复杂程度的方法为：

式中，表示每个块内第u个像素点的灰度值，表示每个块内所有像素点灰度值 的均值，表示每个块内所有像素点灰度值的标准差，为Z-score归一化，为期望计 算公式，和为分别为偏度权重和峰度权重，表示每个块的复杂程度。

优选的，所述在每个图像块中获取其突变点，并根据突变点获取图像块中的目标点的方法为：

将图像块内所有像素点按照灰度值从大到小排序，若两个相邻的像素点灰度值差异大于预设阈值，则最小的像素点记为突变点，将图像块中灰度值大于突变点的像素点记为目标点。

优选的，所述根据目标点与其余目标点的距离获取目标夹角和目标线段的方法为：

将目标点与其余目标点求欧氏距离记为目标距离，将每个欧氏距离对应的线段记为目标线段，将目标线段与水平方向的夹角记为目标夹角。

优选的，所述在所有目标点中根据目标夹角和目标线段获取左目标点和右目标点对应的左目标夹角、左目标线段、右目标线段的方法为：

将最小欧氏距离对应的线段记为最小目标线段，将最小目标线段与水平方向的夹角记为最小目标夹角；计算图像块中所有目标点与图像块左侧边中心的像素点的欧氏距离，将最小欧氏距离对应的目标点记为左目标点，将左目标点对应的最小目标线段记为左目标线段，其对应的夹角记为左目标夹角；计算图像块中所有目标点与图像块右侧边中心的像素点的欧氏距离，将最小欧氏距离对应的目标点记为右目标点，将右目标点对应的最小目标线段记为右目标线段。

优选的，所述根据每个目标点与左目标点的目标夹角与左目标夹角的差异以及右目标线段与左目标线段的长度获取每个目标点的特征系数的方法为：

式中，表示图像块内的左目标夹角，表示图像块内的左目标点与第i+n个 目标点的目标夹角，表示图像块内的左目标线段的长度，表示图像块内的右目标线段 的长度，表示图像块内左目标点与第i+n个目标点的目标线段的长度，表示图像块 内右目标点与第j+n个目标点的目标线段的长度，表示以自然常数为底的指数函数，表示线性归一化函数，表示第s个图像块的第i+n个目标点的特征系数。

优选的，所述根据特征系数获取裂纹目标点，根据裂纹左目标夹角以及裂纹目标点与裂纹左目标点的目标夹角获取沿晶分布权重的方法：

对于每个图像块，计算裂纹左目标点与每个裂纹目标点的目标夹角记为第一夹角，计算裂纹左目标夹角与第一夹角的差值的均值，将均值记为图像块的分布方向；

计算所有图像块的分布方向的均值作为沿晶分布方向，将沿晶分布方向作为沿晶分布全权重。

优选的，所述根据沿晶分布权重获取每个像素点的方向梯度的方法为：

式中，表示沿晶分布权重，表示取余函数，使用对取余数，表示水平 权重，表示竖直权重；

使用sobel算子获取每个像素点的水平梯度和垂直梯度，令水平梯度乘以水平权重，竖直权重乘以垂直梯度，两个乘积相加开根号作为像素点的方向梯度。

本发明具有如下有益效果：本发明针对裂纹特征进行分析，对图像进行分块处理减少计算量，并更清楚的获取裂纹信息，之后对于每个图像块进行分析，根据裂纹的特性提取目标点，基于目标点和方位和角度获取每个图像块的权重，此权重表示图像块裂纹的重要性，之后基于图像块的权重获取了图像的分布权重，基于此来自适应调整梯度，由此针对这不同特征即使灰度相似也有不同的梯度输出，增强了细节边缘，之后边缘检测缺陷时可以更完整保留缺陷区域。

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为本发明一个实施例所提供的一种齿轮热处理缺陷检测方法流程图。

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齿轮热处理缺陷检测方法，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。

一种齿轮热处理缺陷检测方法实施例：

下面结合附图具体的说明本发明所提供的一种齿轮热处理缺陷检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种齿轮热处理缺陷检测方法流程图，该方法包括以下步骤：

步骤S001，获取齿轮灰度图。

采集齿轮热处理过程图像，采集的阶段为齿轮经过高温加热后淬火冷却的图像，使用的采集设备为工业CCD相机，采集设备俯视角采集齿轮冷却后的图像，将采集的图像进行预处理后使用加权平均法转换为灰度图，并将得到的灰度图使用直方图均衡化进行对比度的增强，其目的是放大局部区域细节特征，由此得到了齿轮灰度图。

至此，获取了齿轮灰度图。

步骤S002，将齿轮灰度图进行分块，并对每个块根据其像素点的灰度值计算每个块的复杂程度，根据每个块的复杂程度从分的块中获取若干图像块，获取每个图像块的复杂程度。

因为淬火加热温度过高而引起的淬火裂纹，都是沿晶分布，所述沿晶分布指的是在晶界附近出现的缺陷、杂质或化学成分的分布情况。晶界是晶体中相邻晶粒之间的边界，由于晶界的特殊结构和能量状态，使得晶界区域对于缺陷、杂质或化学成分的吸附、扩散等过程具有一定的特殊性。沿晶分布常见的情况包括晶界上的凝固偏析、晶粒长大过程中的晶界扩散、晶界附近的相变等。沿晶分布的不均匀性可能会对材料的力学性能、腐蚀性能或高温性能等产生影响，沿晶分布具有一个主要方向。即若存在裂纹必然存在其主方向，为了确定裂纹的主方向，需要从局部出发看局部区域的梯度主方向角度，进而得到沿晶分布方向，所以，沿晶分布方向就是裂纹最大的主方向。

由于后续需要对裂纹进行细致分析，在此将齿轮灰度图进行分块，分块逻辑为将疑似裂纹的部分分块较小，将不为裂纹的部分分块较大；因为后续只对裂纹部分处理，因此其余部分分块较少不影响计算，反而可以降低后续的计算量。通过对每个分块进行分析获取沿晶分布方向。

具体的，对于齿轮灰度图，将齿轮灰度图均匀分为4块，以齿轮灰度图的中心点做水平方向和竖直方向的直线，两条直线将齿轮灰度图分为了4块，由于淬火裂纹的形状一般为长条形状，且不会出现在齿轮中央，因此取4块中的复杂程度最高的两块；将取出的两块分别使用同样的方式均匀分为4个块共计8块，再次计算小块的复杂程度，选取复杂程度最高的4个块，再次均分；在本实施例中，直到小块的面积小于1000时停止分块，此举是为了防止块太小无法显示特征，将此时面积小于1000的块记为图像块。

所述每个块的复杂程度的计算方式如下：

式中，表示每个块内第u个像素点的灰度值，表示每个块内所有像素点灰度值 的均值，表示每个块内所有像素点灰度值的标准差，为Z-score归一化，为期望计 算公式，和为分别为偏度权重和峰度权重，在本实施例中偏度权重和峰度权重分别取 0.3和0.7，表示每个块的复杂程度。

其中，为偏度计算，获取每个块的像素值偏度，当偏度为负时，说明像素数 据左偏，即比均值小的值更多；当偏度为正时，说明像素数据右偏，即比均值大的值更多，偏 度为0表示数据分布对称，为峰度计算，峰度大于0表示数据集有厚尾，异常值的出现 概率较大，分布相对集中；峰度小于0表示数据集有薄尾，即数据比正态分布更分散。峰度和 偏度越大其复杂程度越高。

根据此复杂程度的计算方式计算所有图像块的复杂程度。

至此，获取了每个图像块的复杂程度。

步骤S003，在每个图像块中获取其突变点，并根据突变点获取图像块中的目标点；根据目标点与其余目标点的距离获取目标夹角和目标线段；在所有目标点中根据目标夹角和目标线段获取左目标点和右目标点对应的左目标夹角、左目标线段、右目标线段；根据每个目标点与左目标点的目标夹角与左目标夹角的差异以及右目标线段与左目标线段的长度获取每个目标点的特征系数；根据特征系数获取裂纹目标点，根据裂纹左目标夹角以及裂纹目标点与裂纹左目标点的目标夹角获取沿晶分布权重。

上述所获取的图像块为比较重要的区域，即特征较为集中的区域，图像块内的分布较为密集，而沿晶分布方向就决定裂纹方向，裂纹方向就决定了应当放大算子计算梯度值过程中的哪一部分权重，而为了保留细小裂纹，需要在得到沿晶分布方向的基础上，确定细小裂纹的方向，进而选择放大权重。因此，接下来分析的重点在获取和利用沿晶分布方向。

对于每一个图像块，获取图像块内所有像素点的灰度值，将所有像素点按照灰度值从大到小排序得到灰度序列，若灰度序列中相邻两个像素点的灰度值差异大于判定阈值，则将灰度值较小的像素点记为突变点，在本实施例中判定阈值为80，若图像块内没有突变点则不进行计算。

将灰度序列中灰度值大于突变点的像素点记为目标点，即对于每个图像块获取若干目标点。对于每个图像块，对于其中每个目标点，将目标点与其余目标点求欧氏距离记为目标距离，将每个欧氏距离对应的线段记为目标线段，将目标线段与水平方向的夹角记为目标夹角，将最小欧氏距离对应的目标线段记为最小目标线段，将最小目标线段与水平方向的夹角记为最小目标夹角；计算图像块中所有目标点与图像块左侧边中心的像素点的欧氏距离，将最小欧氏距离对应的目标点记为左目标点，将左目标点对应的最小目标线段记为左目标线段，其对应的夹角记为左目标夹角；计算图像块中所有目标点与图像块右侧边中心的像素点的欧氏距离，将最小欧氏距离对应的目标点记为右目标点，同理，获取右目标点对应的右目标线段。

将左目标点与所有目标点计算欧氏距离，并按照欧氏距离的大小排序，按照排序从大到小的顺序将距离左目标点最近的目标点记为第i+0个目标点，距离左目标点第二近的目标点记为第i+1个目标点，距离左目标点第三近的目标点记为第i+2个目标点，依次类推获取每个目标点对于左目标点的标记；同理获取每个目标点对于右目标点的标记。

根据左目标夹角与最小目标夹角的差异以及左目标线段与右目标线段的长度获取图像块内每个目标点的特征系数，公式如下：

式中，表示图像块内的左目标夹角，表示图像块内的左目标点与第i+n个 目标点的目标夹角，表示图像块内的左目标线段的长度，表示图像块内的右目标线段 的长度，表示图像块内左目标点与第i+n个目标点的目标线段的长度，表示图像块 内右目标点与第j+n个目标点的目标线段的长度，表示以自然常数为底的指数函数，表示线性归一化函数，表示第s个图像块的第i+n个目标点的特征系数。

其中，式子左侧项表示目标夹角与左目标夹角的差异，其中夹角差异越大，波动范围越大，目标点之间的分布越混乱，特征系数越小；式子右侧项表示目标点之间的距离关系，以块内最左侧目标点和最右侧目标点与其它目标点之间的欧氏距离确定特征系数，式子整体为分子分母相比确定变化率的过程。对于分子：

，表明两种目标点欧氏距离 的差值求对数后的差；对于左目标点，随着n的变化，其欧氏距离也会变化，但当它们之间的 距离符合一般的裂纹目标点分布方式，得到的对数值是近似呈现等差数列增长的，那么分 母的变化就是等差的，当分子变化呈现等差时，它们的比值也会固定，右项中分母为固定 值，分子两个对数值都随着n的变化而增大，在裂纹分布较好的情况下，使用对数函数加速 收敛，在理想情况下，分子变化量不变时，整体不会变化，若其中一方的增长超过了另一方 都会使得特征系数变大。

至此，计算每个目标点的特征系数，在本实施例中将特征系数小于等于0.2的目标点提取出来，认为这些目标点具备裂纹特征，将这些目标点记为裂纹目标点。

对于每个图像块中的裂纹目标点，获取其中的裂纹左目标点，计算裂纹左目标点与其余裂纹目标点的目标夹角的均值作为图像块的分布方向，公式如下：

式中，表示图像块内裂纹目标点的数量，表示图像块内的裂纹左目标夹角，表示图像块内的裂纹左目标点与第s+o个裂纹目标点的目标夹角，表示第V个图 像块的分布方向。

计算所有图像块的分布方向的均值作为沿晶分布方向，将沿晶分布方向记为沿晶分布权重。

至此，获取了沿晶分布权重。

步骤S004，根据沿晶分布方向获取每个像素点的方向梯度，根据方向梯度进行边缘检测获取边缘图像，完成缺陷检测。

获取沿晶分布权重后，根据沿晶分布权重获取水平权重和竖直权重，公式如下：

式中，表示沿晶分布权重，表示取余函数，使用对取余数，表示水平 权重，表示竖直权重。当余项越接近1，角度越不接近，权重值越小。

根据获取的竖直权重和水平严重获取每个像素点的方向梯度，公式如下：

式中，表示水平权重，表示竖直权重，表示水平梯度，表示垂直梯度，表 示像素点的方向梯度。其中水平梯度和垂直梯度使用Sobel算子获取。

根据Sobel算子获取每个像素点的方向梯度后，基于此进行边缘检测，获取边缘图像，根据边缘图像获取具体缺陷位置，完成第齿轮缺陷的检测。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (10)

1.一种齿轮热处理缺陷检测方法，其特征在于，该方法包括以下步骤：

获取齿轮灰度图；

将齿轮灰度图进行分块，并对每个块根据其像素点的灰度值计算每个块的复杂程度，根据每个块的复杂程度从分的块中获取若干图像块，获取每个图像块的复杂程度；

在每个图像块中获取其突变点，并根据突变点获取图像块中的目标点；根据目标点与其余目标点的距离获取目标夹角和目标线段；在所有目标点中根据目标夹角和目标线段获取左目标点和右目标点对应的左目标夹角、左目标线段、右目标线段；根据每个目标点与左目标点的目标夹角与左目标夹角的差异以及右目标线段与左目标线段的长度获取每个目标点的特征系数；根据特征系数获取裂纹目标点，根据裂纹左目标夹角以及裂纹目标点与裂纹左目标点的目标夹角获取沿晶分布权重；

根据沿晶分布权重获取每个像素点的方向梯度，根据方向梯度进行边缘检测获取边缘图像，完成缺陷检测。

2.如权利要求1所述的一种齿轮热处理缺陷检测方法，其特征在于，所述获取齿轮灰度图的方法为：

使用工业相机俯视角拍摄齿轮冷却后的图像，将拍摄的图像使用加权平均法转换为灰度图，将灰度图记为齿轮灰度图。

3.如权利要求1所述的一种齿轮热处理缺陷检测方法，其特征在于，所述将齿轮灰度图进行分块，并对每个块根据其像素点的灰度值计算每个块的复杂程度，根据每个块的复杂程度从分的块中获取若干图像块的方法为：

对于齿轮灰度图，以齿轮灰度图的中心点做水平方向和竖直方向的直线，两条直线将齿轮灰度图分为了4块，根据每个块内的像素点的灰度值以及灰度值均值和标准差获取每个块的复杂程度，将复杂程度最大的两个块提取出来，对于提取出来的每一块再找到中心点做水平方向和竖直方向的直线，两条直线将每一块又分为4块，再计算每个块的复杂程度，将最大的两个块提取出来，依次类推，直到划分的块的面积小于预设面积时停止，将小于预设面积的块记为图像块。

4.如权利要求3所述的一种齿轮热处理缺陷检测方法，其特征在于，所述根据每个块内的像素点的灰度值以及灰度值均值和标准差获取每个块的复杂程度的方法为：

式中，/>表示每个块内第u个像素点的灰度值，/>表示每个块内所有像素点灰度值的均值，/>表示每个块内所有像素点灰度值的标准差，/>为Z-score归一化，/>为期望计算公式，/>和/>为分别为偏度权重和峰度权重，/>表示每个块的复杂程度。

5.如权利要求1所述的一种齿轮热处理缺陷检测方法，其特征在于，所述在每个图像块中获取其突变点，并根据突变点获取图像块中的目标点的方法为：

将图像块内所有像素点按照灰度值从大到小排序，若两个相邻的像素点灰度值差异大于预设阈值，则最小的像素点记为突变点，将图像块中灰度值大于突变点的像素点记为目标点。

6.如权利要求1所述的一种齿轮热处理缺陷检测方法，其特征在于，所述根据目标点与其余目标点的距离获取目标夹角和目标线段的方法为：

将目标点与其余目标点求欧氏距离记为目标距离，将每个欧氏距离对应的线段记为目标线段，将目标线段与水平方向的夹角记为目标夹角。

7.如权利要求6所述的一种齿轮热处理缺陷检测方法，其特征在于，所述在所有目标点中根据目标夹角和目标线段获取左目标点和右目标点对应的左目标夹角、左目标线段、右目标线段的方法为：

将最小欧氏距离对应的线段记为最小目标线段，将最小目标线段与水平方向的夹角记为最小目标夹角；计算图像块中所有目标点与图像块左侧边中心的像素点的欧氏距离，将最小欧氏距离对应的目标点记为左目标点，将左目标点对应的最小目标线段记为左目标线段，其对应的夹角记为左目标夹角；计算图像块中所有目标点与图像块右侧边中心的像素点的欧氏距离，将最小欧氏距离对应的目标点记为右目标点，将右目标点对应的最小目标线段记为右目标线段。

8.如权利要求1所述的一种齿轮热处理缺陷检测方法，其特征在于，所述根据每个目标点与左目标点的目标夹角与左目标夹角的差异以及右目标线段与左目标线段的长度获取每个目标点的特征系数的方法为：

式中，/>表示图像块内的左目标夹角，/>表示图像块内的左目标点与第i+n个目标点的目标夹角，/>表示图像块内的左目标线段的长度，/>表示图像块内的右目标线段的长度，/>表示图像块内左目标点与第i+n个目标点的目标线段的长度，/>表示图像块内右目标点与第j+n个目标点的目标线段的长度，/>表示以自然常数为底的指数函数，/>表示线性归一化函数，表示第s个图像块的第i+n个目标点的特征系数。

9.如权利要求1所述的一种齿轮热处理缺陷检测方法，其特征在于，所述根据特征系数获取裂纹目标点，根据裂纹左目标夹角以及裂纹目标点与裂纹左目标点的目标夹角获取沿晶分布权重的方法为：

对于每个图像块，计算裂纹左目标点与每个裂纹目标点的目标夹角记为第一夹角，计算裂纹左目标夹角与第一夹角的差值的均值，将均值记为图像块的分布方向；

计算所有图像块的分布方向的均值作为沿晶分布方向，将沿晶分布方向作为沿晶分布全权重。

10.如权利要求1所述的一种齿轮热处理缺陷检测方法，其特征在于，所述根据沿晶分布权重获取每个像素点的方向梯度的方法为：

式中，/>表示沿晶分布权重，/>表示取余函数，使用/>对/>取余数，/>表示水平权重，/>表示竖直权重；

使用sobel算子获取每个像素点的水平梯度和垂直梯度，令水平梯度乘以水平权重，竖直权重乘以垂直梯度，两个乘积相加开根号作为像素点的方向梯度。