基于机器视觉的驱动齿角缺陷识别方法技术

本发明专利技术涉及图像处理技术领域，具体涉及基于机器视觉的驱动齿角缺陷识别方法，包括：采集齿轮齿面图像进行边缘检测，获取边缘图像中的主裂缝边缘

【技术实现步骤摘要】
基于机器视觉的驱动齿角缺陷识别方法


[0001]本专利技术涉及图像处理
，具体涉及基于机器视觉的驱动齿角缺陷识别方法
。

技术介绍

[0002]在齿轮传动系统中，驱动齿角是指传动中负责传递动力的齿轮上的齿角，驱动齿角缺陷是指齿轮齿面的缺陷，在齿轮生产过程中由于淬火工艺冷热应力交替
、
硬物磕碰等原因使得齿轮齿面产生裂缝，这种缺陷可能会对齿轮系统的性能
、
可靠性和寿命产生不良影响，严重的驱动齿角缺陷可能导致齿轮失效或者驱动系统失控，从而对人员和设备的安全造成威胁，因此需要对齿轮齿面图像中存在的此类缺陷进行检测
。
[0003]当驱动齿角出现裂缝时，主裂缝会开始扩展并在主裂缝周围出现衍生裂缝，因此齿轮齿面图像中存在着梯度值存在差异的主裂缝以及衍生裂缝，并且由于齿轮的齿面可能还会存在划痕，而划痕的梯度与衍生裂缝的梯度较为一致，因此使用边缘检测算法对齿轮齿面图像中的裂缝进行检测，受齿轮齿面图像中划痕边缘的干扰，无法确定完整的裂缝边缘，进而无法识别出完整的裂缝缺陷
。

技术实现思路

[0004]本专利技术提供基于机器视觉的驱动齿角缺陷识别方法，该方法包括以下步骤：采集齿轮齿面图像；对齿轮齿面图像进行边缘检测，获取边缘图像中的主裂缝边缘和弱边缘以及边缘图像中每个交点；获取边缘图像中每个交点的局部区域；获取边缘图像中每个交点所属的弱边缘的斜率变化，获取边缘图像中每个交点的每个连线的斜率变化；根据边缘图像中每个交点所属的弱边缘的斜率变化以及每个交点的每个连线的斜率变化，获取边缘图像中每个交点与其局部区域中每个交点的间断程度；根据边缘图像中每个交点与其局部区域中每个交点的间断程度对边缘图像中的弱边缘进行连接，得到边缘图像中的所有完整弱边缘；根据边缘图像中的所有完整弱边缘获取每个弱边缘对；将每个弱边缘对中每个边缘上所有相邻像素点之间的梯度差值，作为每个弱边缘对中每个边缘的多个梯度差值；获取每个弱边缘对中每个边缘的多个斜率差值，获取每个弱边缘对的匹配点对；根据每个弱边缘对中每个边缘的多个梯度差值
、
多个斜率差值以及每个弱边缘对的匹配点对，获取每个弱边缘对属于衍生裂缝的概率；根据每个弱边缘对属于衍生裂缝的概率获取衍生裂缝边缘；根据边缘图像中的主裂缝边缘及衍生裂缝边缘，识别出完整的裂缝缺陷区域
。
[0005]优选的，所述对齿轮齿面图像进行边缘检测，获取边缘图像中的主裂缝边缘和弱边缘以及边缘图像中每个交点，包括的具体步骤如下：预设高阈值以及低阈值，对齿轮齿面图像进行边缘检测得到边缘图像，将
边缘图像中梯度值大于高阈值的强边缘，记作主裂缝边缘，获取边缘图像中梯度值位于高阈值与低阈值之间的弱边缘，获取边缘图像中强边缘与弱边缘的交点，作为边缘图像中的交点
。
[0006]优选的，所述获取边缘图像中每个交点所属的弱边缘的斜率变化，获取边缘图像中每个交点的每个连线的斜率变化，包括的具体步骤如下：获取边缘图像中的任一交点，记为当前交点，从当前交点处开始，依次获取当前交点所属的弱边缘的相邻两个像素点之间的斜率值；式中，代表当前交点所属的弱边缘的斜率变化；代表当前交点所属的弱边缘上共有个斜率值；代表当前交点所属的弱边缘的第个斜率值；代表当前交点所属的弱边缘的第个斜率值；代表当前交点所属的弱边缘上相邻的两个斜率值差异的绝对值；代表当前交点所属的弱边缘的所有相邻的两个斜率值的差值绝对值中的最大值；将当前交点所属的弱边缘与当前交点的局部区域中第个交点相连，记为当前交点的第个连线，依次获取当前交点的第个连线上相邻两个像素点之间的斜率值；式中，代表当前交点的第个连线的斜率变化；代表当前交点的第个连线上共有个斜率值；代表当前交点的第个连线上的第个斜率值；代表当前交点的第个连线上的第个斜率值；代表当前交点的第个连线上相邻的两个斜率值差异的绝对值；代表当前交点的第个连线上所有相邻的两个斜率值差异的最大绝对值
。
[0007]优选的，所述根据边缘图像中每个交点所属的弱边缘的斜率变化以及每个交点的每个连线的斜率变化，获取边缘图像中每个交点与其局部区域中每个交点的间断程度，包括的具体步骤如下：式中，代表当前交点与其局部区域中第个交点之间的间断程度；代表当前交点所属的弱边缘的斜率变化；代表当前交点所属的弱边缘的斜率变化与当前交点的第个连线的斜率变化的差值绝对值；代表当前交点所属的弱边缘的斜率变化与当前交点的第个连线的斜率变化的最大差值绝对值；代表当前交点与其局部区域中第个交点之间的距离；代表当前交点与其局部区域中所有交点之间的最大距离；代表当前
交点与其局部区域中第个交点之间的梯度值的差值绝对值；代表当前交点与其局部区域中所有交点之间的梯度值的最大差值绝对值
。
[0008]优选的，所述根据边缘图像中每个交点与其局部区域中每个交点的间断程度对边缘图像中的弱边缘进行连接，得到边缘图像中的所有完整弱边缘，包括的具体步骤如下：预设连接阈值，对于当前交点与其局部区域中所有交点之间的间断程度，若不存在间断程度小于连接阈值则对当前交点与其局部区域中的所有交点均不进行连接，若存在间断程度小于连接阈值，在所有小于连接阈值的间断程度中，获取最小的间断程度对应的交点，作为目标交点，将目标交点与当前交点进行连接，并将连线上的像素点的灰度值置为1，将目标交点与当前交点所属弱边缘连接成了一条完整弱边缘；获取边缘图像中的所有完整弱边缘
。
[0009]优选的，所述根据边缘图像中的所有完整弱边缘获取每个弱边缘对，包括的具体步骤如下：依次遍历边缘图像中的所有完整弱边缘，使用最小距离算法获取与每个完整弱边缘距离最近的一条完整弱边缘，构成一个弱边缘对
。
[0010]优选的，所述获取每个弱边缘对中每个边缘的多个斜率差值，获取每个弱边缘对的匹配点对，包括的具体步骤如下：从每个弱边缘对中每个边缘的第一个像素点开始，依次获取每个边缘上相邻两个像素点之间的斜率值构成每个边缘的斜率序列，依次获取每个边缘的斜率序列中相邻两个斜率值之间的差异，作为每个弱边缘对中每个边缘的多个斜率差值；使用
DTW
算法对每个弱边缘对中两条边缘上的所有像素点进行匹配，将匹配成功像素点对记为匹配点对
。
[0011]优选的，所述根据每个弱边缘对中每个边缘的多个梯度差值
、
多个斜率差值以及每个弱边缘对的匹配点对，获取每个弱边缘对属于衍生裂缝的概率，包括的具体步骤如下：式中，代表弱边缘对中第个边缘的梯度差值数量；代表弱边缘对中第个边缘上所有梯度差值的平均值；代表弱边缘对中第个边缘上的第个梯度差值；代表弱边缘对中第个边缘上所有斜率差值的平均值；代表弱边缘对中第个边缘上斜率差值数量；代表弱边缘对中第个边缘上的第个斜率差值；代表弱边缘对共有个匹配点对；代表弱边缘对中第个匹配点对之间的距离；代表弱边缘对中所有匹配点对之间的平均距离；代表第个弱边缘对中第个匹配点对之间的距离；代表第弱边缘对中所有匹配点对之间的平均距离；代表边缘图像中共有个弱本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于机器视觉的驱动齿角缺陷识别方法，其特征在于，该方法包括以下步骤：采集齿轮齿面图像；对齿轮齿面图像进行边缘检测，获取边缘图像中的主裂缝边缘和弱边缘以及边缘图像中每个交点；获取边缘图像中每个交点的局部区域；获取边缘图像中每个交点所属的弱边缘的斜率变化，获取边缘图像中每个交点的每个连线的斜率变化；根据边缘图像中每个交点所属的弱边缘的斜率变化以及每个交点的每个连线的斜率变化，获取边缘图像中每个交点与其局部区域中每个交点的间断程度；根据边缘图像中每个交点与其局部区域中每个交点的间断程度对边缘图像中的弱边缘进行连接，得到边缘图像中的所有完整弱边缘；根据边缘图像中的所有完整弱边缘获取每个弱边缘对；将每个弱边缘对中每个边缘上所有相邻像素点之间的梯度差值，作为每个弱边缘对中每个边缘的多个梯度差值；获取每个弱边缘对中每个边缘的多个斜率差值，获取每个弱边缘对的匹配点对；根据每个弱边缘对中每个边缘的多个梯度差值
、
多个斜率差值以及每个弱边缘对的匹配点对，获取每个弱边缘对属于衍生裂缝的概率；根据每个弱边缘对属于衍生裂缝的概率获取衍生裂缝边缘；根据边缘图像中的主裂缝边缘及衍生裂缝边缘，识别出完整的裂缝缺陷区域
。2.
根据权利要求1所述的基于机器视觉的驱动齿角缺陷识别方法，其特征在于，所述对齿轮齿面图像进行边缘检测，获取边缘图像中的主裂缝边缘和弱边缘以及边缘图像中每个交点，包括的具体步骤如下：预设高阈值以及低阈值，对齿轮齿面图像进行边缘检测得到边缘图像，将边缘图像中梯度值大于高阈值的强边缘，记作主裂缝边缘，获取边缘图像中梯度值位于高阈值与低阈值之间的弱边缘，获取边缘图像中强边缘与弱边缘的交点，作为边缘图像中的交点
。3.
根据权利要求2所述的基于机器视觉的驱动齿角缺陷识别方法，其特征在于，所述获取边缘图像中每个交点所属的弱边缘的斜率变化，获取边缘图像中每个交点的每个连线的斜率变化，包括的具体步骤如下：获取边缘图像中的任一交点，记为当前交点，从当前交点处开始，依次获取当前交点所属的弱边缘的相邻两个像素点之间的斜率值；式中，代表当前交点所属的弱边缘的斜率变化；代表当前交点所属的弱边缘上共有个斜率值；代表当前交点所属的弱边缘的第个斜率值；代表当前交点所属的弱边缘的第个斜率值；代表当前交点所属的弱边缘上相邻的两个斜率值差异的绝对值；代表当前交点所属的弱边缘的所有相邻的两个斜率值的差值绝对值中的最大值；将当前交点所属的弱边缘与当前交点的局部区域中第个交点相连，记为当前交点的第个连线，依次获取当前交点的第个连线上相邻两个像素点之间的斜率值；
式中，代表当前交点的第个连线的斜率变化；代表当前交点的第个连线上共有个斜率值；代表当前交点的第个连线上的第个斜率值；代表当前交点的第个连线上的第个斜率值；代表当前交点的第个连线上相邻的两个斜率值差异的绝对值；代表当前交点的第个连线上所有相邻的两个斜率值差异的最大绝对值
。4.
根据权利要求3所述的基于机器视觉的驱动齿角缺陷识别方法，其特征在于，所述根据边缘图像中每个交点所属的弱边缘的斜率变化以及每个交点的每个连线的斜率变化，获取边缘图像中每个交点与其局部区域中每个交点的间断程度，包括的具体步骤如下：式中，代表当前交点与其局部区域中第个交点之间的间断程度；代表当前交点所属的弱边缘的斜率变化；代表当前交点所属的弱边缘的斜率变化与当前交点的第个连线的斜率变化的差值绝对值；代表当前交点所属的弱边缘的斜率变化与当前交点的第个连线的斜率变化的最大差值绝对值；代表当前...

【专利技术属性】
技术研发人员：兰云飞，李森森，孙煜，
申请(专利权)人：山东太阳耐磨件有限公司，
类型：发明
国别省市：