CN117474927B - 基于人工智能的驱动齿生产质量检测方法 - Google Patents
基于人工智能的驱动齿生产质量检测方法 Download PDFInfo
- Publication number
- CN117474927B CN117474927B CN202311826753.3A CN202311826753A CN117474927B CN 117474927 B CN117474927 B CN 117474927B CN 202311826753 A CN202311826753 A CN 202311826753A CN 117474927 B CN117474927 B CN 117474927B
- Authority
- CN
- China
- Prior art keywords
- gear
- tooth
- image
- area
- length
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 title description 7
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Gears, Cams (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于人工智能的驱动齿生产质量检测方法,包括:获取齿轮图像;根据齿轮的参数以及齿轮图像,获取齿轮图像中的所有轮齿区域;根据齿轮参数以及齿轮图像,计算齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度;根据齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度,获取齿轮图像中每个轮齿区域的轮齿顶面与齿面;根据齿轮图像中每个轮齿区域的轮齿顶面与齿面,获取增强后的齿轮图像;对增强后的齿轮图像进行齿轮质量检测。本发明通过对采集的齿轮图像进行区域划分,基于不同区域的灰度直方图对各自进行增强,极大的提高了齿轮图像的质量,达到准确的对齿轮的质量进行检测的目的。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于人工智能的驱动齿生产质量检测方法。
背景技术
齿轮在机械系统中扮演着重要的角色,具有不可替代的地位,且随着科技的发展,齿轮传动对传动精度越来越高。由于齿轮的精密啮合可实现准确的转动和传递,减小传动误差。这对于需要高精度转动或需要确保精确同步的应用非常重要。
但是由于齿轮结构特殊,使得在采集齿轮图像时,各个轮齿受到的光照强度与光照角度均不相同,所有导致采集到的齿轮图像中不同的轮齿之间的灰度差异大,使得无法准确的对齿轮的质量进行检测,为了能够更加准确的对齿轮的质量进行检测,本发明提出来一种齿轮图像增强方法,极大的提高了齿轮图像的质量,再对增强后的齿轮图像进行检测,达到准确的对齿轮的质量进行检测的目的。
发明内容
本发明提供基于人工智能的驱动齿生产质量检测方法,以解决现有的问题:由于齿轮结构的原因导致采集到的齿轮图像中不同的轮齿之间的灰度差异大,使得无法准确的对齿轮的质量进行检测。
本发明的基于人工智能的驱动齿生产质量检测方法采用如下技术方案:
包括以下步骤:
采集齿轮表面图像,根据齿轮表面图像获取齿轮图像;
获取实物齿轮的厚度、齿轮的齿顶圆半径以及齿轮上轮齿的数量;根据实物齿轮的齿顶圆半径以及齿轮上轮齿的数量,计算齿轮图像中每个轮齿区域的长度;根据齿轮图像中每个轮齿区域的长度以及齿轮的厚度,获取齿轮图像中第0个轮齿区域;根据齿轮图像中第0个轮齿区域获取齿轮图像中的所有轮齿区域;
获取实物齿轮的轮齿中轮齿顶面长度、齿面长度以及轮齿顶面与齿面之间的夹角;根据实物齿轮中轮齿顶面与齿面之间的夹角,计算齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度;根据齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度,获取齿轮图像中每个轮齿区域的轮齿顶面与齿面;
根据齿轮图像中每个轮齿区域的轮齿顶面与齿面,获取增强后的齿轮图像;对增强后的齿轮图像进行齿轮质量检测。
优选的,所述采集齿轮表面图像,包括的具体方法为:
使工业相机始终正对着齿轮中轮齿一侧,然后当齿轮中的任意轮齿正对着工业相机时,采集齿轮的表面图像。
优选的,所述根据齿轮表面图像获取齿轮图像,包括的具体方法为:
对齿轮表面图像进行灰度化处理得到齿轮灰度图像;再对齿轮灰度图像进行语义分割,将齿轮灰度图像中的背景部分去除,得到经过语义分割后的齿轮灰度图像,将经过语义分割后的齿轮灰度图像记为齿轮图像。
优选的,所述计算齿轮图像中每个轮齿区域的长度,包括的具体计算公式为:
式中,表示齿轮图像中第/>个轮齿的轮齿区域的长度;/>表示齿顶圆的半径;/>表示齿轮图像中第/>个轮齿;/>表示实物齿轮中轮齿的数量;/>表示180°;/>表示余弦函数。
优选的,所述获取齿轮图像中第0个轮齿区域,包括的具体方法为:
在齿轮图像中心,做一个宽为齿轮厚度,长为的矩形,作为齿轮图像中第0个轮齿区域。
优选的,所述根据齿轮图像中第0个轮齿区域获取齿轮图像中的所有轮齿区域,包括的具体方法为:
对于获取齿轮图像中第0个轮齿区域右侧轮齿区域,从齿轮图像中第0个轮齿区域开始;将齿轮图像中第0个轮齿区域右侧长为宽为齿轮厚度的区域作为齿轮图像中第1个轮齿区域;将齿轮图像中第1个轮齿区域右侧长为/>宽为齿轮厚度的区域作为齿轮图像中第2个轮齿区域;将齿轮图像中第2个轮齿区域右侧长为/>宽为齿轮厚度的区域作为齿轮图像中第3个轮齿区域;
以此类推,直至第个轮齿的轮齿序号/>与/>的积比上齿轮的数量的比值大于/>,得到齿轮图像中第0个轮齿区域右侧/>个轮齿的轮齿区域;
对于获取齿轮图像中第0个轮齿区域左侧轮齿区域,从齿轮图像中第0个轮齿区域开始;将齿轮图像中第0个轮齿区域左侧长为宽为齿轮厚度的区域作为齿轮图像中第1个轮齿区域;将齿轮图像中第1个轮齿区域左侧长为/>宽为齿轮厚度的区域作为齿轮图像中第2个轮齿区域;将齿轮图像中第2个轮齿区域左侧长为/>宽为齿轮厚度的区域作为齿轮图像中第3个轮齿区域;
以此类推,直至第个轮齿的轮齿序号/>与/>的积比上齿轮的数量的比值小于-/>,得到齿轮图像中第0个轮齿区域左侧/>个轮齿的轮齿区域。
优选的,所述计算齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度,包括的具体计算公式为:
式中,表示齿轮图像中第/>个轮齿区域的齿面长度;/>表示实物齿轮的轮齿中齿面长度;/>表示实物齿轮的轮齿中轮齿顶面与齿面之间的夹角;/>表示齿轮图像中第/>个轮齿区域的轮齿顶面长度;/>表示实物齿轮的轮齿中轮齿顶面的长度;/>表示实物齿轮中轮齿的数量;/>表示180°;/>表示余弦函数。
优选的,所述根据齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度,获取齿轮图像中每个轮齿区域的轮齿顶面与齿面,包括的具体方法为:
对于齿轮图像中第个的轮齿区域,若齿轮图像中第/>个的轮齿区域处于第0个轮齿区域右侧,则从轮齿区域最左侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的齿面长度的矩形,记为齿轮图像中第/>个轮齿区域的齿面,将第/>个轮齿区域中不是齿面的部分记为第/>个轮齿区域的轮齿顶面;
若齿轮图像中第个的轮齿区域处于第0个轮齿区域左侧,则从轮齿区域最左侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的轮齿顶面长度的矩形,记为齿轮图像中第/>个轮齿区域的轮齿顶面;将第/>个轮齿区域中不是轮齿顶面的部分记为第/>个轮齿区域的齿面;
若齿轮图像中第个的轮齿区域为第0个轮齿区域,则从轮齿区域最左侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的齿面长度一半的矩形,记为第/>个的轮齿区域左侧的齿面;再从轮齿区域最右侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的齿面长度一半的矩形,记为第/>个的轮齿区域右侧的齿面,最后将第/>个轮齿区域中不是齿面的部分记为第/>个轮齿区域的轮齿顶面。
优选的,所述根据齿轮图像中每个轮齿区域的轮齿顶面与齿面,获取增强后的齿轮图像,包括的具体方法为:
对齿轮图像中每个轮齿区域的轮齿顶面与齿面单独进行直方图均衡化增强,得到增强后的齿轮图像。
优选的,所述对增强后的齿轮图像进行齿轮质量检测,包括的具体方法为:
对增强后的齿轮图像进行边缘检测,得到增强后的齿轮图像的所有边缘,若边缘不为齿面与轮齿顶面之间的公共线时,则所述边缘为缺陷区域;若边缘为齿面与轮齿顶面之间的公共线时,则所述边缘不为缺陷区域。
本发明的技术方案的有益效果是:由于齿轮结构特殊,使得在采集齿轮图像时,各个轮齿受到的光照强度与光照角度均不相同,所有导致采集到的齿轮图像中不同的轮齿之间的灰度差异大,使得无法准确的对齿轮的质量进行检测,为了能够更加准确的对齿轮的质量进行检测,本发明提出了一种基于人工智能的驱动齿生产质量检测方法,通过对采集的齿轮图像进行区域划分,基于不同区域的灰度直方图对各自进行增强,极大的提高了齿轮图像的质量,再对增强后的齿轮图像进行检测,达到准确的对齿轮的质量进行检测的目的。
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,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地介绍,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他的附图。
图1为本发明基于人工智能的驱动齿生产质量检测方法的步骤流程图;
图2为工业相机采集齿轮的表面图像示意图;
图3为获取齿轮图像中第0个轮齿区域示意图;
图4为获取齿轮图像中第0个轮齿区域右侧所有轮齿的轮齿区域示意图;
图5为获取齿轮图像中第0个轮齿区域右侧轮齿区域的齿面与齿顶面示意图;
图6为获取齿轮图像中第0个轮齿区域左侧轮齿区域的齿面与齿顶面示意图;
图7为获取齿轮图像中第0个轮齿区域的齿面与齿顶面示意图。
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基于人工智能的驱动齿生产质量检测方法,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基于人工智能的驱动齿生产质量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基于人工智能的驱动齿生产质量检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集齿轮表面图像,根据齿轮表面图像获取齿轮图像。
需要说明的是,本实施例的主要目的是利用图像处理技术,实现对齿轮进行质量检测,在实际检测齿轮质量的过程中,由于齿轮中各个轮齿与相机的角度不同,导致采集到的齿轮图像效果不佳,无法直接通过采集到的齿轮图像对齿轮的质量进行检测;因此本实施例提出了一种对齿轮图像进行增强的方法,使得增强后的齿轮图像能够实现齿轮的质量检测,因此首先需要获取齿轮图像。
具体的,如图2所示,使工业相机始终正对着齿轮中轮齿一侧,然后当齿轮中的任意轮齿正对着工业相机时,采集齿轮的表面图像;
然后对齿轮表面图像进行灰度化处理得到齿轮灰度图像;再对齿轮灰度图像进行语义分割,将齿轮灰度图像中的背景部分去除,得到经过语义分割后的齿轮灰度图像,由于语义分割作为一种公知的技术,故在本实施例中不再赘述;即将经过语义分割后的齿轮灰度图像记为齿轮图像。
至此,得到齿轮图像。
步骤S002:获取实物齿轮的厚度、齿轮的齿顶圆半径以及齿轮上轮齿的数量;根据实物齿轮的齿顶圆半径以及齿轮上轮齿的数量,计算齿轮图像中每个轮齿区域的长度;根据齿轮图像中每个轮齿区域的长度以及齿轮的厚度,获取齿轮图像中第0个轮齿区域;根据齿轮图像中第0个轮齿区域获取齿轮图像中的所有轮齿区域。
需要说明的是,在实际检测齿轮质量的过程中,由于齿轮中各个轮齿之间会互相遮挡,导致采集到的齿轮图像效果不佳,但是齿轮上没有轮齿能够遮挡正对着工业相机的轮齿,所以齿轮上正对着工业相机的轮齿的采集效果最好,所以可以根据齿轮图像中正对着工业相机的轮齿,结合齿轮的齿顶圆半径以及齿轮上轮齿的数量,获取齿轮图像中每个轮齿的区域。
具体的,将正对着工业相机的轮齿作为第0个轮齿,以第0个轮齿右侧的轮齿为正方向,以第0个轮齿左侧的轮齿为负方向,进行计数;再根据齿轮中轮齿的数量,得到每个轮齿之间的间隔角度,结合齿轮的齿顶圆,获取每个齿轮之间的间隔弧长,结合齿轮图像中正对着工业相机的轮齿,获取齿轮图像中每个轮齿区域的长度,其具体的计算公式为:
式中,表示齿轮图像中第/>个轮齿的轮齿区域的长度;/>表示齿顶圆的半径;/>表示齿轮图像中第/>个轮齿;/>表示实物齿轮中轮齿的数量;/>表示180°;/>表示余弦函数。
需要进行说明的是,当时,说明齿轮图像中第/>个轮齿的轮齿区域位于第/>个轮齿区域的右侧;当/>时,说明齿轮图像中第/>个轮齿的轮齿区域位于第/>个轮齿区域的左侧;当/>时,说明齿轮图像中第/>个轮齿的轮齿区域就是第/>个轮齿区域。
需要进一步说明的是,在齿轮图像中最多只能采集到齿轮中一半的轮齿,所以的取值范围为/>;且在齿轮图像中每个轮齿的轮齿区域的形状均为矩形,通过上式得到了齿轮图像中每个轮齿的长,而齿轮图像中每个轮齿的轮齿区域的宽即为齿轮的厚度。
具体的,如图3所示,在齿轮图像中心,做一个宽为齿轮厚度,长为的矩形,作为齿轮图像中第0个轮齿区域;
如图4所示,对于获取齿轮图像中第0个轮齿区域右侧轮齿区域,从齿轮图像中第0个轮齿区域开始;将齿轮图像中第0个轮齿区域右侧长为宽为齿轮厚度的区域作为齿轮图像中第1个轮齿区域;将齿轮图像中第1个轮齿区域右侧长为/>宽为齿轮厚度的区域作为齿轮图像中第2个轮齿区域;将齿轮图像中第2个轮齿区域右侧长为/>宽为齿轮厚度的区域作为齿轮图像中第3个轮齿区域;
以此类推,直至第个轮齿的轮齿序号/>与/>的积比上齿轮的数量的比值大于/>,得到齿轮图像中第0个轮齿区域右侧/>个轮齿的轮齿区域;
对于获取齿轮图像中第0个轮齿区域左侧轮齿区域,从齿轮图像中第0个轮齿区域开始;将齿轮图像中第0个轮齿区域左侧长为宽为齿轮厚度的区域作为齿轮图像中第1个轮齿区域;将齿轮图像中第1个轮齿区域左侧长为/>宽为齿轮厚度的区域作为齿轮图像中第2个轮齿区域;将齿轮图像中第2个轮齿区域左侧长为/>宽为齿轮厚度的区域作为齿轮图像中第3个轮齿区域;
以此类推,直至第个轮齿的轮齿序号/>与/>的积比上齿轮的数量的比值小于-/>,得到齿轮图像中第0个轮齿区域左侧/>个轮齿的轮齿区域。
至此,得到齿轮图像中的所有轮齿区域。
步骤S003:获取实物齿轮的轮齿中轮齿顶面长度、齿面长度以及轮齿顶面与齿面之间的夹角;根据实物齿轮中轮齿顶面与齿面之间的夹角,计算齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度;根据齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度,获取齿轮图像中每个轮齿区域的轮齿顶面与齿面。
需要说明的是,由于在齿轮中,轮齿顶面与齿面之间存在一定的角度,导致将同一个轮齿顶面与齿面作为一个整体进行图像增强的效果不佳;为进一步提高齿轮图像的增强效果,需要对齿轮图像中的轮齿顶面与齿面进行区分,所述轮齿顶面为轮齿中距离齿轮中心最远的面。
具体的,根据齿轮图像中各个轮齿区域的位置、轮齿中轮齿顶面与齿面之间的夹角以及齿轮的轮齿数量,获取齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度,其具体的计算公式为:
式中,表示齿轮图像中第/>个轮齿区域的齿面长度;/>表示实物齿轮的轮齿中齿面长度;/>表示实物齿轮的轮齿中轮齿顶面与齿面之间的夹角;/>表示齿轮图像中第/>个轮齿区域的轮齿顶面长度;/>表示实物齿轮的轮齿中轮齿顶面的长度;/>表示实物齿轮中轮齿的数量;/>表示180°;/>表示余弦函数。
需要进行说明的是,由于相机是正对着齿轮中的一个轮齿采集的齿轮图像,所以对于齿轮图像中的第0个轮齿区域右侧的轮齿区域,左侧为齿面,右侧为轮齿顶面,对于齿轮图像中的第0个轮齿区域左侧的轮齿区域,右侧为齿面,左侧为轮齿顶面;对于齿轮图像中的第0个轮齿区域,中间为轮齿顶面,两边为齿面;得到齿轮图像中每个轮齿区域内轮齿顶面与齿面的分布情况。
需要进一步说明的是,在齿轮图像中,轮齿的轮齿顶面的宽度与齿面的宽度均为齿轮的厚度;结合齿轮图像中每个轮齿区域内轮齿顶面长度与齿面长度,即可得到齿轮图像中每个轮齿区域的形状大小,再结合齿轮图像中每个轮齿区域内轮齿顶面与齿面的分布情况,即可得到齿轮图像中每个轮齿区域内轮齿顶面与齿面。
具体的,对于齿轮图像中第个的轮齿区域,若齿轮图像中第/>个的轮齿区域处于第0个轮齿区域右侧,则如图5所示,从轮齿区域最左侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的齿面长度的矩形,记为齿轮图像中第/>个轮齿区域的齿面,将第/>个轮齿区域中不是齿面的部分记为第/>个轮齿区域的轮齿顶面;
若齿轮图像中第个的轮齿区域处于第0个轮齿区域左侧,则如图6所示,从轮齿区域最左侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的轮齿顶面长度的矩形,记为齿轮图像中第/>个轮齿区域的轮齿顶面;将第/>个轮齿区域中不是轮齿顶面的部分记为第/>个轮齿区域的齿面;
若齿轮图像中第个的轮齿区域为第0个轮齿区域,则如图7所示从轮齿区域最左侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的齿面长度一半的矩形,记为第/>个的轮齿区域左侧的齿面;再从轮齿区域最右侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的齿面长度一半的矩形,记为第/>个的轮齿区域右侧的齿面,最后将第/>个轮齿区域中不是齿面的部分记为第/>个轮齿区域的轮齿顶面。
至此,通过得到齿轮图像中每个轮齿区域的轮齿顶面与齿面。
步骤S004:根据齿轮图像中每个轮齿区域的轮齿顶面与齿面,获取增强后的齿轮图像;对增强后的齿轮图像进行齿轮质量检测。
需要说明的是,由于齿轮结构特殊,使得在采集齿轮图像时,各个轮齿受到的光照强度与光照角度均不相同,所有导致采集到的齿轮图像中不同的轮齿之间的灰度差异大。若对采集到的齿轮图像之间使用直方图均衡化对齿轮图像进行增强,则会因为齿轮图像中不同的轮齿之间的灰度差异大,必然会导致图像增强效果不佳。因此本实施例根据齿轮中每个轮齿中各个面受到的光照强度,单独进行直方图均衡化增强,极大的提高了齿轮图像的增强效果。
具体的,对齿轮图像中每个轮齿区域的轮齿顶面与齿面单独进行直方图均衡化增强,得到增强后的齿轮图像,其中直方图均衡化作为一种公知的技术,故在本实施例中不再赘述。
需要进一步说明的是,经过增强后的齿轮图像中的各个轮齿更加清晰,因此可以直接对增强后的齿轮图像检测得到,齿轮中的缺陷区域。
具体的,对增强后的齿轮图像进行边缘检测,得到增强后的齿轮图像的所有边缘,若边缘不处于齿轮图像中齿面与齿顶面之间,则所述边缘为缺陷区域;若边缘处于齿轮图像中齿面与齿顶面之间,则所述边缘不为缺陷区域。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于人工智能的驱动齿生产质量检测方法,其特征在于,该方法包括以下步骤:
采集齿轮表面图像,根据齿轮表面图像获取齿轮图像;
获取实物齿轮的厚度、齿轮的齿顶圆半径以及齿轮上轮齿的数量;根据实物齿轮的齿顶圆半径以及齿轮上轮齿的数量,计算齿轮图像中每个轮齿区域的长度;根据齿轮图像中每个轮齿区域的长度以及齿轮的厚度,获取齿轮图像中第0个轮齿区域;根据齿轮图像中第0个轮齿区域获取齿轮图像中的所有轮齿区域;
获取实物齿轮的轮齿中轮齿顶面长度、齿面长度以及轮齿顶面与齿面之间的夹角;根据实物齿轮中轮齿顶面与齿面之间的夹角,计算齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度;根据齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度,获取齿轮图像中每个轮齿区域的轮齿顶面与齿面;
根据齿轮图像中每个轮齿区域的轮齿顶面与齿面,获取增强后的齿轮图像;对增强后的齿轮图像进行齿轮质量检测;
所述计算齿轮图像中每个轮齿区域的长度,包括的具体计算公式为:
式中,表示齿轮图像中第/>个轮齿的轮齿区域的长度;/>表示齿顶圆的半径;/>表示齿轮图像中第/>个轮齿;/>表示实物齿轮中轮齿的数量;/>表示180°;/>表示余弦函数;
所述获取齿轮图像中第0个轮齿区域,包括的具体方法为:
在齿轮图像中心,做一个宽为齿轮厚度,长为的矩形,作为齿轮图像中第0个轮齿区域;
所述根据齿轮图像中第0个轮齿区域获取齿轮图像中的所有轮齿区域,包括的具体方法为:
对于获取齿轮图像中第0个轮齿区域右侧轮齿区域,从齿轮图像中第0个轮齿区域开始;将齿轮图像中第0个轮齿区域右侧长为宽为齿轮厚度的区域作为齿轮图像中第1个轮齿区域;将齿轮图像中第1个轮齿区域右侧长为/>宽为齿轮厚度的区域作为齿轮图像中第2个轮齿区域;将齿轮图像中第2个轮齿区域右侧长为/>宽为齿轮厚度的区域作为齿轮图像中第3个轮齿区域;
以此类推,直至第个轮齿的轮齿序号/>与/>的积比上齿轮的数量的比值大于/>,得到齿轮图像中第0个轮齿区域右侧/>个轮齿的轮齿区域;
对于获取齿轮图像中第0个轮齿区域左侧轮齿区域,从齿轮图像中第0个轮齿区域开始;将齿轮图像中第0个轮齿区域左侧长为宽为齿轮厚度的区域作为齿轮图像中第1个轮齿区域;将齿轮图像中第1个轮齿区域左侧长为/>宽为齿轮厚度的区域作为齿轮图像中第2个轮齿区域;将齿轮图像中第2个轮齿区域左侧长为/>宽为齿轮厚度的区域作为齿轮图像中第3个轮齿区域;
以此类推,直至第个轮齿的轮齿序号/>与/>的积比上齿轮的数量的比值小于-/>,得到齿轮图像中第0个轮齿区域左侧/>个轮齿的轮齿区域;
所述根据齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度,获取齿轮图像中每个轮齿区域的轮齿顶面与齿面,包括的具体方法为:
对于齿轮图像中第个的轮齿区域,若齿轮图像中第/>个的轮齿区域处于第0个轮齿区域右侧,则从轮齿区域最左侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的齿面长度的矩形,记为齿轮图像中第/>个轮齿区域的齿面,将第/>个轮齿区域中不是齿面的部分记为第个轮齿区域的轮齿顶面;
若齿轮图像中第个的轮齿区域处于第0个轮齿区域左侧,则从轮齿区域最左侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的轮齿顶面长度的矩形,记为齿轮图像中第/>个轮齿区域的轮齿顶面;将第/>个轮齿区域中不是轮齿顶面的部分记为第/>个轮齿区域的齿面;
若齿轮图像中第个的轮齿区域为第0个轮齿区域,则从轮齿区域最左侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的齿面长度一半的矩形,记为第/>个的轮齿区域左侧的齿面;再从轮齿区域最右侧的边缘开始,将宽为齿轮厚度、长为第/>个轮齿区域的齿面长度一半的矩形,记为第/>个的轮齿区域右侧的齿面,最后将第/>个轮齿区域中不是齿面的部分记为第/>个轮齿区域的轮齿顶面。
2.根据权利要求1所述基于人工智能的驱动齿生产质量检测方法,其特征在于,所述采集齿轮表面图像,包括的具体方法为:
使工业相机始终正对着齿轮中轮齿一侧,然后当齿轮中的任意轮齿正对着工业相机时,采集齿轮的表面图像。
3.根据权利要求1所述基于人工智能的驱动齿生产质量检测方法,其特征在于,所述根据齿轮表面图像获取齿轮图像,包括的具体方法为:
对齿轮表面图像进行灰度化处理得到齿轮灰度图像;再对齿轮灰度图像进行语义分割,将齿轮灰度图像中的背景部分去除,得到经过语义分割后的齿轮灰度图像,将经过语义分割后的齿轮灰度图像记为齿轮图像。
4.根据权利要求1所述基于人工智能的驱动齿生产质量检测方法,其特征在于,所述计算齿轮图像中各个轮齿区域内的轮齿顶面长度与齿面长度,包括的具体计算公式为:
式中,表示齿轮图像中第/>个轮齿区域的齿面长度;/>表示实物齿轮的轮齿中齿面长度;/>表示实物齿轮的轮齿中轮齿顶面与齿面之间的夹角;/>表示齿轮图像中第/>个轮齿区域的轮齿顶面长度;/>表示实物齿轮的轮齿中轮齿顶面的长度;/>表示实物齿轮中轮齿的数量;/>表示180°;/>表示余弦函数。
5.根据权利要求1所述基于人工智能的驱动齿生产质量检测方法,其特征在于,所述根据齿轮图像中每个轮齿区域的轮齿顶面与齿面,获取增强后的齿轮图像,包括的具体方法为:
对齿轮图像中每个轮齿区域的轮齿顶面与齿面单独进行直方图均衡化增强,得到增强后的齿轮图像。
6.根据权利要求1所述基于人工智能的驱动齿生产质量检测方法,其特征在于,所述对增强后的齿轮图像进行齿轮质量检测,包括的具体方法为:
对增强后的齿轮图像进行边缘检测,得到增强后的齿轮图像的所有边缘,若边缘不为齿面与轮齿顶面之间的公共线时,则所述边缘为缺陷区域;若边缘为齿面与轮齿顶面之间的公共线时,则所述边缘不为缺陷区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311826753.3A CN117474927B (zh) | 2023-12-28 | 2023-12-28 | 基于人工智能的驱动齿生产质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311826753.3A CN117474927B (zh) | 2023-12-28 | 2023-12-28 | 基于人工智能的驱动齿生产质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117474927A CN117474927A (zh) | 2024-01-30 |
CN117474927B true CN117474927B (zh) | 2024-03-26 |
Family
ID=89640122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311826753.3A Active CN117474927B (zh) | 2023-12-28 | 2023-12-28 | 基于人工智能的驱动齿生产质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117474927B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117739787B (zh) * | 2024-02-19 | 2024-05-07 | 江苏威鹰机械有限公司 | 一种自固定式结合齿角度测量装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000266522A (ja) * | 1999-03-16 | 2000-09-29 | Suzuki Motor Corp | 歯数算出方法および装置並びに歯数算出用プログラムを記憶した記憶媒体 |
CN109632007A (zh) * | 2019-01-17 | 2019-04-16 | 北京理工大学 | 一种边缘点提取方法及齿轮高精度视觉测量系统 |
JP2020038066A (ja) * | 2018-09-03 | 2020-03-12 | 日立化成株式会社 | 歯車の歯面の外観検査システム |
CN111256612A (zh) * | 2020-01-21 | 2020-06-09 | 河南科技大学 | 基于机器视觉的直齿渐开线小模数齿轮的测量方法 |
WO2021047684A1 (zh) * | 2019-09-09 | 2021-03-18 | 华南理工大学 | 基于主动轮廓和深度学习的模糊边界图像自动分割方法 |
CN113781467A (zh) * | 2021-09-18 | 2021-12-10 | 崇左南方水泥有限公司 | 一种齿轮齿面磨损状况视觉分析方法及其系统 |
CN114166144A (zh) * | 2021-11-22 | 2022-03-11 | 天津科技大学 | 一种齿轮倒角加工装夹后加工轮廓的标定方法 |
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 |
CN115082481A (zh) * | 2022-08-23 | 2022-09-20 | 聊城市誉林工业设计有限公司 | 一种用于齿轮的图像增强方法 |
CN115221655A (zh) * | 2022-09-13 | 2022-10-21 | 南通市中吕齿轮有限公司 | 一种斜齿非圆齿轮的传动精度评价方法 |
CN115359237A (zh) * | 2022-10-19 | 2022-11-18 | 镭戈斯智能装备江苏有限公司 | 一种基于图形识别的齿轮断齿识别方法 |
CN116704177A (zh) * | 2023-08-01 | 2023-09-05 | 东莞市零越传动科技有限公司 | 基于图像数据的齿轮变速箱故障检测方法 |
-
2023
- 2023-12-28 CN CN202311826753.3A patent/CN117474927B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000266522A (ja) * | 1999-03-16 | 2000-09-29 | Suzuki Motor Corp | 歯数算出方法および装置並びに歯数算出用プログラムを記憶した記憶媒体 |
JP2020038066A (ja) * | 2018-09-03 | 2020-03-12 | 日立化成株式会社 | 歯車の歯面の外観検査システム |
CN109632007A (zh) * | 2019-01-17 | 2019-04-16 | 北京理工大学 | 一种边缘点提取方法及齿轮高精度视觉测量系统 |
WO2021047684A1 (zh) * | 2019-09-09 | 2021-03-18 | 华南理工大学 | 基于主动轮廓和深度学习的模糊边界图像自动分割方法 |
CN111256612A (zh) * | 2020-01-21 | 2020-06-09 | 河南科技大学 | 基于机器视觉的直齿渐开线小模数齿轮的测量方法 |
CN113781467A (zh) * | 2021-09-18 | 2021-12-10 | 崇左南方水泥有限公司 | 一种齿轮齿面磨损状况视觉分析方法及其系统 |
CN114166144A (zh) * | 2021-11-22 | 2022-03-11 | 天津科技大学 | 一种齿轮倒角加工装夹后加工轮廓的标定方法 |
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 |
CN115082481A (zh) * | 2022-08-23 | 2022-09-20 | 聊城市誉林工业设计有限公司 | 一种用于齿轮的图像增强方法 |
CN115221655A (zh) * | 2022-09-13 | 2022-10-21 | 南通市中吕齿轮有限公司 | 一种斜齿非圆齿轮的传动精度评价方法 |
CN115359237A (zh) * | 2022-10-19 | 2022-11-18 | 镭戈斯智能装备江苏有限公司 | 一种基于图形识别的齿轮断齿识别方法 |
CN116704177A (zh) * | 2023-08-01 | 2023-09-05 | 东莞市零越传动科技有限公司 | 基于图像数据的齿轮变速箱故障检测方法 |
Non-Patent Citations (2)
Title |
---|
基于Halcon机器视觉的齿轮参数测量系统;付兴领;;电子世界;20200130(第02期);25-27 * |
基于线性灰度变换的准双曲面齿轮啮合印痕及齿廓提取技术研究;盖俊东;丁杰雄;王东;肖强;邓杰;;机械传动;20111215(第12期);30-33 * |
Also Published As
Publication number | Publication date |
---|---|
CN117474927A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117474927B (zh) | 基于人工智能的驱动齿生产质量检测方法 | |
US11900634B2 (en) | Method for adaptively detecting chessboard sub-pixel level corner points | |
CN106824806B (zh) | 基于机器视觉的小模数塑料齿轮的检测方法 | |
CN109489566B (zh) | 锂电池隔膜材料分切宽度检测方法、检测系统及装置 | |
CN114764790B (zh) | 一种基于霍夫圆检测的齿轮断齿检测方法 | |
CN110793462B (zh) | 基于视觉技术的尼龙齿轮分度圆测量方法 | |
CN111260788A (zh) | 一种基于双目视觉的配电柜开关状态识别方法 | |
CN107389693A (zh) | 一种基于机器视觉的印刷品缺陷自动检测方法 | |
CN109540917B (zh) | 一种多角度模式下纱线外观特征参数提取与分析方法 | |
CN103808265B (zh) | 油菜叶片及菌核病斑形态同步测量的方法、装置及系统 | |
CN116433666B (zh) | 板卡线路缺陷在线识别方法、系统、电子设备及存储介质 | |
CN113139900B (zh) | 一种棒材完整表面图像获取方法 | |
CN110414558B (zh) | 基于事件相机的特征点匹配方法 | |
CN117315289B (zh) | 基于图像处理的航空发动机叶片轮廓边缘检测方法 | |
CN114279357A (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统 | |
CN117058137B (zh) | 一种夹胶玻璃生产质量视觉检测方法 | |
CN116580024B (zh) | 一种基于图像处理的焦炭质量检测方法 | |
CN113012105B (zh) | 基于图像处理的纱线毛羽检测评级方法 | |
CN112418124A (zh) | 基于视频图像的鱼类智能监测方法 | |
CN108960100A (zh) | 一种基于图像处理的甘蔗蔗节的识别方法 | |
CN115035107A (zh) | 基于图像处理的车桥齿轮做工误差检测方法 | |
CN117437223A (zh) | 一种高速板对板连接器缺陷智能检测方法 | |
CN114998341A (zh) | 一种基于模板匹配的齿轮缺陷检测方法及系统 | |
CN107657620A (zh) | 一种带纹理的金属凝固区域识别的方法及系统 | |
CN106503720B (zh) | 一种去除吸嘴干扰的元件图像识别方法 |
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 |