基于机器视觉的齿轮检测方法、系统及存储介质技术方案

本发明专利技术公开了基于机器视觉的齿轮检测方法、系统及存储介质，方法包括：获取传送带上运动的齿轮的图像信息；从所述图像信息上确定齿轮轮廓；对所述齿轮轮廓进行凸包检测，确定每个齿轮的齿尖位置以及齿轮齿数；根据所述齿尖位置计算齿间距离以及齿根深度；计算每个齿轮的面积和颜色参数；以及根据所述齿轮齿数、齿间距离、齿根深度、齿轮面积和颜色参数，确定合格齿轮。本发明专利技术无需进行人工检测，提高了检测效率和准确度，可广泛应用于计算机视觉技术领域。

【技术实现步骤摘要】
基于机器视觉的齿轮检测方法、系统及存储介质
本专利技术涉及计算机视觉
，尤其是基于机器视觉的齿轮检测方法、系统及存储介质。
技术介绍
机器视觉采用工业摄像机实时抓取流水线上的工件图像，通过图像处理及分析，获得工件的外形信息及所在位置，反馈到机械臂进行下一步操作。机器视觉应用广泛，于零件检测、工件识别等领域都有着不可替代的作用，能够弥补工人检测劳动强度大且效率低和传统示教型工业机器人的环境依赖性强、功能单一、自动化程度低的缺点。工件检测及定位技术仍是工业生产中的重要部分，很多制造行业都需要对产品进行识别与分类，特别是在生产环境多样的企业中，车间的自动化程度和智能水平直接决定了工业生产的效率。现有技术中，流水线需要进行长期的人工监视以及对特殊情况的调试与校正，不够智能高效，仍旧无法避免人工检测的缺点。特别是在齿轮的加工工艺中，主要是对加工得到的齿轮的齿数、齿间距、词根深度和齿形态等进行筛选，确定出合格齿轮。但是，现有技术的人工检测中，齿轮面存在的污渍、刮痕等信息会影响人为判断，误以为存在污渍的齿轮是不合格齿轮，导致检测效率低下且检测准确率低。
技术实现思路
有鉴于此，本专利技术实施例提供一种高效且准确的基于机器视觉的齿轮检测方法、系统及存储介质。本专利技术的第一方面提供了一种基于机器视觉的齿轮检测方法，包括：获取传送带上运动的齿轮的图像信息；从所述图像信息上确定齿轮轮廓；对所述齿轮轮廓进行凸包检测，确定每个齿轮的齿尖位置以及齿轮齿数；根据所述齿尖位置计算齿间距离以及齿根深度；计算每个齿轮的面积和颜色参数；以及根据所述齿轮齿数、齿间距离、齿根深度、齿轮面积和颜色参数，确定合格齿轮。进一步，还包括对图像信息的预处理步骤，该步骤具体包括：采用加权平均法对所述图像信息进行灰度化处理；采用空域滤波法中的高斯滤波对灰度话处理后的图像进行过滤；对过滤后的图像进行二值化处理，得到二值化图像；对二值化处理后的图像进行膨胀运算，连接二值化图像中存在的断裂点；将膨胀运算后的二值化图像进行腐蚀运算。进一步，所述从所述图像信息上确定齿轮轮廓，包括：根据图像中像素点的灰度值变化情况，计算图像中灰度强度变化最强的位置和梯度方向，得到初步检测结果；通过Findcontours方法确定轮廓的上极限位置和下极限位置；根据所述上极限位置和下极限位置，对所述初步检测结果进行筛选，确定齿轮轮廓。进一步，所述对所述齿轮轮廓进行凸包检测，确定每个齿轮的齿尖位置以及齿轮齿数，包括：采用convexHull算法和convexityDefects算法对轮廓数组进行计算，获取到凸包数据；通过勾股定理计算每个凸包的纵深数据；根据所述纵深数据对凸包数据进行筛选，确定凸包检测结果；通过比较凸包检测结果与标准的齿轮齿数，确定检测中的齿轮齿数是否合格；根据所述凸包检测结果，确定齿尖的像素位置点，进而确定齿尖位置。进一步，所述根据所述齿尖位置计算齿间距离以及齿根深度，包括：根据相邻两个齿尖的位置，计算两个齿尖之间的齿间距离；计算齿尖与齿根之间的距离；根据所述齿尖与齿根之间的距离来计算齿根深度。进一步，所述计算每个齿轮的面积和颜色参数，包括：根据齿根深度，确定目标齿根；根据所述目标齿根，计算每个齿轮的面积；根据目标齿根，计算每个齿轮的颜色参数的加权平均值。进一步，还包括：根据图像中的像素信息与传送带中各个齿轮实际距离之间的比例关系，计算各个齿轮的实际位置。第二方面，本专利技术实施例还提供了一种基于机器视觉的齿轮检测系统，包括：图像获取模块，用于获取传送带上运动的齿轮的图像信息；轮廓提取模块，用于从所述图像信息上确定齿轮轮廓；凸包检测模块，用于对所述齿轮轮廓进行凸包检测，确定每个齿轮的齿尖位置以及齿轮齿数；齿深计算模块，用于根据所述齿尖位置计算齿间距离以及齿根深度；面积颜色计算模块，用于计算每个齿轮的面积和颜色参数；以及筛选模块，用于根据所述齿轮齿数、齿间距离、齿根深度、齿轮面积和颜色参数，确定合格齿轮。根据本专利技术的第三方面，还提供了一种基于机器视觉的齿轮检测系统，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如第一方面所述的方法。根据本专利技术的第四方面，还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行如第一方面所述的方法。上述本专利技术实施例中的一个或多个技术方案具有如下优点：本专利技术的实施例在获取传送带上运动的齿轮的图像信息后，能够确定齿轮齿数、齿间距离、齿根深度、齿轮面积和颜色参数，进而能够筛选出合格的齿轮，无需进行人工检测，提高了检测效率和准确度。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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为本申请实施例的整体步骤流程图；图2为本申请实施例的对图像信息的预处理过程示意图。具体实施方式下面结合说明书附图和具体实施例对本专利技术作进一步解释和说明。对于本专利技术实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。为了提高流水线上齿轮检测的效率和准确度，本专利技术针对工人检测劳动强度大且效率低和传统示教型工业机器人的环境依赖性强、功能单一、自动化程度低的缺点，提出了具有实现简单、效率高、通用性好的特点的齿轮检测瑕疵检测分类方法。如图1所示，本申请实施例提供的一种基于机器视觉的齿轮检测方法，包括以下步骤：S1、通过搭建检测黑箱，运用CCD抓拍传送带上运动的齿轮图像。具体的，本申请首先启动检测系统、传感器系统，初始化摄像头。当齿轮经过小黑屋时，触发传感器，CCD获取原始图像。S2、对原始图像进行灰度化、滤波、二值化、形态学处理去除背景。图像采集过程中，由于传送带上的污渍，齿轮上的刮痕等因数会产生不利于结果的噪点。因此，参照图2，本申请实施例获取原始图像后，采用加权平均法对图像进行灰度化处理，所述灰度化处理的计算公式为：f(x,y)＝0.299R+0.587G+0.114B其中，f(x,y)为像素点为坐标为(x,y)的灰度结果，R为红色通道数据，G为绿色通道数据，B为蓝色通道数据。在灰度化后对图像进行滤波，采用空域滤波法中的高斯滤波对图像进行过滤，所述高斯滤波除噪的计算公式为：f(x,y)＝(1/本文档来自技高网...

【技术保护点】
1.基于机器视觉的齿轮检测方法，其特征在于，包括：/n获取传送带上运动的齿轮的图像信息；/n从所述图像信息上确定齿轮轮廓；/n对所述齿轮轮廓进行凸包检测，确定每个齿轮的齿尖位置以及齿轮齿数；/n根据所述齿尖位置计算齿间距离以及齿根深度；/n计算每个齿轮的面积和颜色参数；以及/n根据所述齿轮齿数、齿间距离、齿根深度、齿轮面积和颜色参数，确定合格齿轮。/n

【技术特征摘要】
1.基于机器视觉的齿轮检测方法，其特征在于，包括：
获取传送带上运动的齿轮的图像信息；
从所述图像信息上确定齿轮轮廓；
对所述齿轮轮廓进行凸包检测，确定每个齿轮的齿尖位置以及齿轮齿数；
根据所述齿尖位置计算齿间距离以及齿根深度；
计算每个齿轮的面积和颜色参数；以及
根据所述齿轮齿数、齿间距离、齿根深度、齿轮面积和颜色参数，确定合格齿轮。


2.根据权利要求1所述的基于机器视觉的齿轮检测方法，其特征在于，还包括对图像信息的预处理步骤，该步骤具体包括：
采用加权平均法对所述图像信息进行灰度化处理；
采用空域滤波法中的高斯滤波对灰度话处理后的图像进行过滤；
对过滤后的图像进行二值化处理，得到二值化图像；
对二值化处理后的图像进行膨胀运算，连接二值化图像中存在的断裂点；
将膨胀运算后的二值化图像进行腐蚀运算。


3.根据权利要求1所述的基于机器视觉的齿轮检测方法，其特征在于，所述从所述图像信息上确定齿轮轮廓，包括：
根据图像中像素点的灰度值变化情况，计算图像中灰度强度变化最强的位置和梯度方向，得到初步检测结果；
通过Findcontours方法确定轮廓的上极限位置和下极限位置；
根据所述上极限位置和下极限位置，对所述初步检测结果进行筛选，确定齿轮轮廓。


4.根据权利要求1所述的基于机器视觉的齿轮检测方法，其特征在于，所述对所述齿轮轮廓进行凸包检测，确定每个齿轮的齿尖位置以及齿轮齿数，包括：
采用convexHull算法和convexityDefects算法对轮廓数组进行计算，获取到凸包数据；
通过勾股定理计算每个凸包的纵深数据；
根据所述纵深数据对凸包数据进行筛选，确定凸包检测结果；
通过比较凸包检测结果与标准的齿轮齿数，确定检测中的齿轮齿数是否合格；
根据所述凸包检测结果，确定齿尖的像素位置点，进...

【专利技术属性】
技术研发人员：姚佳岷，叶润东，陈志伟，林雪晴，魏宇昕，张伟荣，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44