基于机器视觉的齿轮参数测量系统

  故障检测是齿轮生产中的重要步骤,但是传统方法效率低下。本文了解一种基于机器视觉的齿轮参数测量新方法,首先,我们介绍系统的硬件组成和软件算法的主要结构。接下来,我们讨论数字图像预处理,图像分割和图像分析的原理,并分析详细的步骤,包括齿轮中心定位,齿轮齿根半径计算和齿顶圆半径计算。我们展示了如何使用公式来计算齿轮的其他参数,以及如何相应地检测可能的故障。这种方法很简单,不需要边缘检测也不需要变换。

  齿轮作为一种常见的动力传递装置,在工业的历史发展中起着至关重要的作用,齿轮的质量直接影响着机械产品的性能。因此,须在齿轮的制造过程中严格测试和控制产品质量。由于齿轮本身的几何形状,发现故障的测量过程非常复杂,例如磨削齿轮,缺齿和弯曲齿轮。而且,常规测量设备的结构,例如三坐标测量机和齿轮综合误差检查仪,结构复杂且过程昂贵,需要大量的测试人员。

  现代制造业需求

  现在要求齿轮产品的故障检测率更高。因此,需要找到一种在实际生产期间快速测量和分析齿轮参数的方法。计算机视觉技术是一种新型的无损检测手段,已逐渐成为实现产品质量监控和故障诊断的有效途径,在齿轮测量技术中显示出广阔的前景。与传统的检测手段相比,目视检查具有不直接接触,速度快,现场抗干扰能力强的优点。这些优点较大地降低了测试人员所需的工作强度,并减少了瞄准,读取以及提高测量效率和准确性时的主观误差。

  基于机器视觉的方法

  通常需要确定齿轮中心的坐标作为基准,因此,中心检测的精度直接影响齿轮参数测量的精度。在传统的图像检测方法中,中心检测算法通常需要使用边缘检测方法来确定齿轮的边缘,然后使用重力方法,中值方法和霍夫变换方法来确定齿轮的中心。前两种算法需要更均匀分布的图像;否则,将导致相当大的错误。后一种算法需要逐点投票,并且需要更多的时间来记录,但是准确性对于工业标准而言还不够高。

  为了解决这些问题,我们使用数学形态学方法提出了一种基于齿轮参数自动分析的程序。也就是说,我们将齿轮图像输入计算机,然后通过图像处理算法提取齿轮特征。这样可以将齿轮与各种复杂的背景隔离开来,从而可以自动计数和测量齿轮齿的尺寸。使用这种方法,我们在生产应用中取得了良好的效果。