微型齿轮的机器视觉检测系统设计

发布时间：2021-11-10 17:53

　　微型齿轮在精密仪器设备中经常使用,其齿长的误差大小与整个仪器的精密准确性密切相关;传统微型齿轮检测以人工检测为主,人工检测存在检测精度低、量化不准确的问题;为了能够精确地计算齿长误差,并给出量化结果,文章提出一种基于机器视觉的微型齿轮齿长误差检测系统,先通过小波变换去除图像噪声,然后使用Radon变换算法矫正零件图像,再使用一种基于局部区域特征的三次曲线模型提取感兴趣区域亚像素边缘信息,并通过投影映射精确计算边界位置,最后计算齿轮中心点的动态极差并以此数据作为判断齿长是否合格的标准;实验结果表明,该方法精度可达到2μm,准确率可达到99%,单帧检测时间平均18ms,一个零件大约5s可以给出可靠的结论,该方法效率高,准确性好,能够满足工业检测的要求。 

【文章来源】：计算机测量与控制. 2020,28(04)

【文章页数】：7 页

【部分图文】：

擒纵轮

微型擒纵轮体积微小，为了减少拍摄产生的边缘虚影，所以选择平行背光源，镜头采用高分辨率低畸变的远心镜头。检测系统采用视频检测方式，零件放置在专用的工作台上，使用导气管送气吹动零件转动。工作台如图2所示。1.2 算法框架

齿轮表面有时候会附着一些细小的灰尘颗粒，工作的环境也可能存在光线不理想等情况，这样得到的零件图像上常常会存在一些噪声。噪声的存在会干扰目标的识别和边缘的精确定位，所以需要对噪声进行处理。目前去噪的方法主要有空间域处理法和频率域处理法。空间域处理法常见的有均值滤波、中值滤波、高斯模板卷积等方法，这些方法在滤除噪声的同时往往会破坏图像边缘等细节，使图像变得模糊。本系统需要精确定位微型齿轮的边缘，所以空间域处理法不是首选。频率域去噪方法常见的有基于傅里叶变换的方法、基于离散余弦变换的方法、基于小波变换的方法等。其中小波变换方法在空域和频域都具有良好的局部化特性，在去除噪声的同时能保持图像细节，提高图像的质量。基于以上分析，本系统采用小波变换的方法进行去噪处理。

【参考文献】：
期刊论文
[1]基于机器视觉检测齿轮加工质量的研究[J]. 丁红昌,程远.  长春师范大学学报. 2019(06)
[2]基于二分查找的Radon变换直线检测改进算法[J]. 彭凯飞,沈学举,黄富瑜,王龙,杨佳.  半导体光电. 2019(03)
[3]图像识别智能化处理技术在塑料齿轮缺齿检测中的应用[J]. 张曼,陈宁.  塑料科技. 2019(05)
[4]粉末冶金齿轮的视觉缺陷检测方法研究[J]. 李凯,王化明,沈玮,郭交通,朱银龙,范志成.  机械制造与自动化. 2019(02)
[5]基于Zernike矩的圆形插针特征点提取算法研究[J]. 李慧鹏,刘缤艳,魏晓马,赵庆松.  半导体光电. 2019(01)
[6]一种改进的基于奇异值分解的亚像素级图像配准算法[J]. 凌程,耿修瑞,杨炜暾,赵永超.  中国科学院大学学报. 2019(01)
[7]基于特征域聚类下Radon变换的火车票图像方向检测算法研究[J]. 许亚杰,韦海成,肖明霞.  液晶与显示. 2018(12)
[8]基于高斯拟合的亚像素边缘检测算法[J]. 韩东,李煜祺,武彦辉.  计算机应用与软件. 2018(06)
[9]基于高斯积分曲面拟合的亚像素边缘定位算法[J]. 段振云,王宁,赵文珍,赵文辉,冯宝强.  仪器仪表学报. 2017(01)
[10]基于非线性四阶图像插值的亚像素边缘检测算法[J]. 吴鹏,徐洪玲,宋文龙,曹军.  哈尔滨工程大学学报. 2015(02)



本文编号：3487681