【技术实现步骤摘要】
本专利技术一般地涉及图像处理。更具体地，本专利技术涉及一种基于机器视觉的齿轮点蚀检测方法及系统。
技术介绍
1、齿轮是设备中传递运动和动力的基本组成部分,它的工作情况关系着整个机械设备的运作。齿轮传动破坏的主要形式是齿轮的失效，为了改善和提高齿轮传动的使用寿命，则需深入的研究齿轮的失效形式。齿轮的故障诊断在齿轮的寿命预测中扮演着重要角色，齿轮的测量工作便成为研究与生产齿轮的过程中极为关键的环节。传统的接触式齿轮测量方法精度较低，工作量繁重。
2、目前，齿轮点蚀这一失效形式是最常见的齿轮失效形式之一，在齿轮的测量工作中，点蚀的测定也是很重要的一部分内容，齿轮点蚀的测量关系着整个齿轮机械设备的正常运作。齿轮在长期负载工作条件下，由于应力作用材料从齿面脱落，进而出现点状小坑，即初始点蚀。初始点蚀在反复受载下会不断扩展进而导致齿轮断齿，造成无法挽回的损失。因此，为定量掌控点蚀扩展的规律以及有效预防断齿，齿轮点蚀的定量评估与检测工作就尤为重要。
3、目前，传统的齿轮点蚀检测方法主要是通过肉眼进行观察和确定，其中对于肉眼不易察觉的极微小点蚀，需要进一步使用显微镜进行观察与确定。但是这种方式只对齿轮点蚀进行了定性评估，不仅步骤繁琐，效率、精度低，还浪费大量人力资源。为了提升齿轮点蚀检测的效率和准确性，基于机器视觉的齿轮点蚀评估方法也逐步扩大应用。例如通过机器学习的神经网络模型实现对齿轮点蚀情况的检测。为了提升检测精度，模型构建越来越复杂，导致检测效率降低。
4、基于此，如何解决目前齿轮点蚀检测时检测精度和效
技术实现思路
1、为解决上述一个或多个技术问题，本专利技术提出通过在卷积神经网络模型执行卷积操作时，根据误差分析结果自适应调整卷积步长，一方面有效保证检测精度，另一方面能够平衡计算量，实现了检测精度和计算效率之间的平衡。为此，本专利技术在如下的多个方面中提供方案。
2、在第一方面中，本专利技术提供了 一种基于机器视觉的齿轮点蚀检测方法，包括：获取齿轮点蚀图像，并对所述齿轮点蚀图像进行点蚀标记，以得到标记后的图像数据集；将所述标记后的图像数据集划分为训练集和测试集，并对预设的卷积神经网络模型进行训练，以得到训练好的神经网络模型，其中所述卷积神经网络模型采用轻量化解码器结构，并且编码器中执行至少两个卷积操作，第一卷积操作采用固定步长进行卷积计算，第二卷积操作根据训练过程中的误差自适应调整步长；采用齿轮点蚀图像采集装置进行拍摄得到待测齿轮点蚀图像；将所述待测齿轮点蚀图像进行预处理，以消除环境噪声；将消除环境噪声后的待测齿轮点蚀图像输入至训练好的卷积神经网络模型进行齿轮点蚀状态的智能识别，以得到识别结果；将所述识别结果和齿轮的点蚀等级标准进行比对，以得到齿轮的点蚀等级数据。
3、在一个实施例中，其中根据训练过程中的误差自适应调整步长包括：确定当前训练阶段之前得到的所有卷积神经网络模型的误差；根据所述误差计算步长调整值，并根据所述步长调整值对原始步长进行调整，其中步长的计算公式为：
4、，；式中，表示步长调整值，表示第次训练之前得到的所有卷积神经网络模型的误差值，表示第一误差阈值，表示第二误差阈值，且，表示步长，表示原始步长。
5、在一个实施例中，所述第一卷积操作的固定步长和第二卷积操作的原始步长均为2。
6、在一个实施例中，在轻量化解码器结构中，采用步长为1的1×1卷积操作完成上采样。
7、在一个实施例中，将所述待测齿轮点蚀图像进行预处理，以消除环境噪声包括：对待测齿轮点蚀图像进行齿面倾斜校正，以得到校正后的图像；对所述校正后的图像进行形态学处理，以得到具有平滑边缘的齿轮图像。
8、在一个实施例中，对待测齿轮点蚀图像进行齿面倾斜校正包括：将待测齿轮点蚀图像进行radon变换，获取倾斜角度；根据所述倾斜角度，对待测齿轮点蚀图像中的齿面进行倾斜校正。
9、在一个实施例中，将所述识别结果和齿轮的点蚀等级标准进行比对，以得到齿轮的点蚀等级数据包括：根据点蚀的密度和分布情况预设点蚀等级标准；根据识别结果中点蚀的密度和分布情况计算得到综合指标值，将综合指标值与所述点蚀等级标准进行对比，以得到对应的点蚀等级。
10、在一个实施例中，其中综合指标值的计算公式包括：；式中，表示综合指标值，表示点蚀密度对应的权重，表示点蚀分布情况对应的权重，表示齿轮点蚀的密度，表示齿轮点蚀分布对应的均值。
11、在第二方面中，本专利技术还提供了一种基于机器视觉的齿轮点蚀检测系统，包括：处理器；存储器，其存储有用于实现基于机器视觉的齿轮点蚀检测的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如前述一个或多个实施例所述的基于机器视觉的齿轮点蚀检测方法。
12、本专利技术的有益效果在于：根据本专利技术的方案，可以在齿轮点蚀图像标记后作为卷积神经网络模型的训练数据集，该卷积神经网络采用编码器-解码器结构，并且编码器中采用固定步长与自适应步长结合的方式，通过模型的误差分析结果自适应调整步长，在保证检测精度的同时有效控制了计算量，提升了分析效率，实现了在检测齿轮点蚀时检测准确性和效率的平衡。
13、进一步，本方案中还通过结合识别结果中点蚀的密度和分布情况计算综合指标值，有效提升对齿轮的点蚀等级划分的准确性。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的齿轮点蚀检测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，其中根据训练过程中的误差自适应调整步长包括：
3.根据权利要求2所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，所述第一卷积操作的固定步长和第二卷积操作的原始步长均为2。
4.根据权利要求3所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，在轻量化解码器结构中，采用步长为1的1×1卷积操作完成上采样。
5.根据权利要求1所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，将所述待测齿轮点蚀图像进行预处理，以消除环境噪声包括：
6.根据权利要求5所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，对待测齿轮点蚀图像进行齿面倾斜校正包括：
7.根据权利要求1所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，将所述识别结果和齿轮的点蚀等级标准进行比对，以得到齿轮的点蚀等级数据包括：
8.根据权利要求7所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，其中综合指标值的计算公式包括：
9.一种基于机器视觉的齿轮点蚀检测系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于机器视觉的齿轮点蚀检测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，其中根据训练过程中的误差自适应调整步长包括：
3.根据权利要求2所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，所述第一卷积操作的固定步长和第二卷积操作的原始步长均为2。
4.根据权利要求3所述的基于机器视觉的齿轮点蚀检测方法，其特征在于，在轻量化解码器结构中，采用步长为1的1×1卷积操作完成上采样。
5.根据权利要求1所述的基于机器视觉的齿轮点蚀检测方...
【专利技术属性】
技术研发人员：姜勇，李刚，刘继芬，刘学长，郝培培，贾安娜，魏西云，
申请(专利权)人：山东润通齿轮集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。