一种基于图形识别的齿轮断齿识别方法技术

本发明专利技术涉及数据处理领域，具体涉及一种基于图形识别的齿轮断齿识别方法，获取齿轮图像的灰度图像，通过语义分割获得目标齿轮图像；根据目标齿轮图像，得到纹理复杂度图像，并通过阈值分割得到阴影区域，计算阴影区域的等间距区域，得到标准区域；根据标准区域，得到粗糙区域；根据每个粗糙区域的粗糙情况，对粗糙像素点进行标记，得到断齿区域。即本发明专利技术能够准确识别齿轮断齿的情况。确识别齿轮断齿的情况。确识别齿轮断齿的情况。

【技术实现步骤摘要】
一种基于图形识别的齿轮断齿识别方法


[0001]本专利技术涉及数据处理领域，具体为一种基于图形识别的齿轮断齿识别方法。

技术介绍

[0002]现有方法对齿轮断齿进行检测，往往是通过霍夫圆的方法进行检测，但该方法只对过载折断，即如图1中所示的情况可以进行精准检测，当齿轮是由于疲劳折断，产生如图2中所示的情况时，现有方法采用阈值分割的方法进行检测，但由于金属的反光特性较强，结合齿轮形状，阈值分割方法的检测精度不高，只能对特定光照情况下的齿轮进行检测，受限较大。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于图形识别的齿轮断齿识别方法，所采用的技术方案具体如下：本专利技术提供了一种基于图形识别的齿轮断齿识别方法，包括以下步骤：获取齿轮图像的灰度图像，通过语义分割获得目标齿轮图像；根据目标齿轮图像，得到纹理复杂度图像，并通过阈值分割得到阴影区域，计算阴影区域的等间距区域，得到标准区域；根据标准区域，得到粗糙区域；根据每个粗糙区域的粗糙情况，对粗糙像素点进行标记，得到断齿区域。
[0004]优选地，所述标准区域的获取过程为：获取不同视角下的目标齿轮图像的正常的阴影区域；计算每个视角下的阴影区域的连通域中心点与长边中心线的垂距，当当前图像中每个阴影区域的连通域中心点与长边中心点的垂距小于设定值，且每两个相邻阴影区域的连通域中心点的距离相近，则当前角度上的阴影区域为正常连续阴影区域；通过对不同旋转角度下的正常齿片的阴影区域进行计算，可以得到所有图像中的正常阴影区域的最大区域数量，将最大区域数量对应的图像中的连续阴影区域作为标准区域。
[0005]优选地，每两个相邻阴影区域的连通域中心点的距离相近的具体过程为：计算得到沿着连通域中心线的纵坐标从大到小的方向，得到阴影区域的连通域中心点与长边中心线的垂距，得到垂距序列，通过otsu多阈值分割将垂距序列中的元素划分为不同类别，通过多阈值分割得到两个类别；划分得到不同类别后，计算每个类别与连通域中心点的距离，所述距离是指每个类别中所有元素的均值，将均值小于预设阈值的类别，记为该类别的距离与连通域中心点的距离相近。
[0006]优选地，所述粗糙区域的获取过程为：计算图像上每个像素点的八邻域范围内的像素灰度值的方差，记为粗糙度，基于粗糙度得到粗糙度图像；将所述粗糙度图像与所述标准区域进行对比，得到粗糙区域。
[0007]本专利技术的有益效果：本专利技术的基于图形识别的齿轮断齿识别方法，通过对每个齿面的粗糙区域进行分
析，结合每个粗糙区域通过角度旋转后的阴影区域与标准区域的比较，对每个齿面的断齿区域进行了精准的识别，避免了受光照影响较大的问题。
附图说明
[0008]为了更清楚地说明本专利技术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专利技术的一些实施例，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。
[0009]图1是齿轮图像的侧面示意图；图2是齿轮图像的的齿轮图像；图3是本专利技术的一种基于图形识别的齿轮断齿识别方法的方法流程图；图4是阴影区域示意图；图5是粗糙区域示意图；图6是齿面区域示意图。
具体实施方式
[0010]为了更进一步阐述本专利技术为达成预定专利技术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，对依据本专利技术的方案，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。
[0011]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专利技术的
的技术人员通常理解的含义相同。
[0012]本专利技术的主要目的是：针对传统方法中采用阈值分割方法识别断齿区域受光照影响较大，精度不高的问题，提出了一种基于图形识别的齿轮断齿识别方法；即通过对每个齿面的粗糙区域进行分析，结合每个粗糙区域通过角度旋转后的阴影区域与标准区域的比较，对每个齿面的断齿区域进行了精准的识别，避免了受光照影响较大的问题。
[0013]具体地，本专利技术提出的一种基于图形识别的齿轮断齿识别方法的方法实施例，请参阅图3所示，包括以下步骤：步骤1，获取齿轮图像的灰度图像，通过语义分割获得目标齿轮图像。
[0014]本实施例采用摄像机以及光源结合的图像采集装置，对齿轮图像进行采集，其中，在齿轮上方打点光源，在正面通过摄像头采集数据，得到如图2所示的齿轮图像。
[0015]本实施例中，采用DNN语义分割的方式来识别分割出图像中的目标区域，之后对目标区域进行灰度处理，得到目标灰度图像，具体地：该DNN网络的相关内容如下：使用的数据集为俯视采集的齿轮图像数据集。
[0016]需要分割的像素，共分为2类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于齿轮的标注为1。
[0017]网络的任务是分类，所以使用的loss函数为交叉熵损失函数。
[0018]至此，通过DNN实现了相机下齿轮图像的处理，获得图像中目标齿轮图像。
[0019]步骤2，根据目标齿轮图像，得到纹理复杂度图像，并通过阈值分割得到深色区域，计算深色区域的等间距区域，得到标准区域，根据标准区域对纹理复杂度图像沿着长边方向进行分区，对于纹理复杂度较大区域通过旋转到标准区域的位置，计算面积匹配，通过方向复杂度比例、亮点异常率结合相关性得到断齿区域。
[0020]由图2可知，当前打光情况下的齿面由于结构原因，每个齿面会形成阴影区域，通过该阴影区域可以对正常齿面和断齿区域进行区分；且断齿区域的纹理复杂度较正常区域大。
[0021]本实施例中的断齿区域的具体过程如下：（1）首先计算得到纹理复杂度图像，然后通过阈值分割得到深色区域，计算深色区域的等间距区域，得到标准区域。
[0022]（2）根据标准区域对纹理复杂度图像沿着长边方向进行分区，对于纹理复杂度较大区域通过旋转到标准区域的位置，计算面积匹配，通过方向复杂度比例、亮点异常率结合相关性得到断齿区域。
[0023]上述步骤（1）中，需要说明的是，由于齿轮断齿区域较为粗糙，因此粗糙区域，即纹理复杂度较大；即区域有可能存在断齿缺陷。
[0024]如图2所示，在当前打光情况下，某些齿面会形成相应的阴影区域，对于正常齿面来说，阴影区域的一致性较大，称之为标准阴影区域，对于断裂齿面来说，阴影区域与标准阴影区域存在差异，因此可以根据阴影区域对每个齿面是否可能存在断齿进行初步确定。
[0025]由于当前角度（所述角度是指齿轮角度）下不确定是否存在断齿情况，对于每个当前图像上的阴影区域是正常还是异常无法区分，但可以根据阴影区域的一致性对标准阴影区域和异常阴影区域进行区分，断齿缺陷导致的缺陷的形态和断裂位置往往均不相同，因此断齿缺陷形成的阴影区域往往不具备周期性，而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图形识别的齿轮断齿识别方法，其特征在于，包括以下步骤：获取齿轮图像的灰度图像，通过语义分割获得目标齿轮图像；根据目标齿轮图像，得到纹理复杂度图像，并通过阈值分割得到阴影区域，计算阴影区域的等间距区域，得到标准区域；根据标准区域，得到粗糙区域；根据每个粗糙区域的粗糙情况，对粗糙像素点进行标记，得到断齿区域；所述标准区域的获取过程为：获取不同视角下的目标齿轮图像的正常的阴影区域；计算每个视角下的阴影区域的连通域中心点与长边中心线的垂距，当当前图像中每个阴影区域的连通域中心点与长边中心点的垂距小于设定值，且每两个相邻阴影区域的连通域中心点的距离相近，则当前角度上的阴影区域为正常连续阴影区域；通过对不同旋转角度下的正常齿片的阴影区域进行计算，可以得到所有图像中的正常阴影区域的最大区域数量，将最大区域数量对应的图像中的连续阴影区域作为...

【专利技术属性】
技术研发人员：王桂荣，
申请(专利权)人：镭戈斯智能装备江苏有限公司，
类型：发明
国别省市：