一種齒輪外觀缺陷快速影像檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及齒輪外觀缺陷檢測領(lǐng)域，具體的說是一種齒輪外觀缺陷快速影像檢測 方法。
【背景技術(shù)】
[0002] 對于一般的零部件，其外觀缺陷多由人工肉眼直接觀察檢測，或者借助卡尺和放 大鏡等輔助工具進行檢測。而對于齒輪等用于機械傳動的精密零部件，其尺寸小、精度高， 人的肉眼只能有效識別不小于〇. 3_的缺陷，因此很難保證檢測精度，容易出現(xiàn)漏檢。同 時，受個人主觀因素的影響，無法保證檢測的一致性。另外，人工測得的數(shù)據(jù)不便存入管理 軟件，與當前自動化流水作業(yè)的規(guī)模化生產(chǎn)模式不匹配。
[0003] 由上述可知，人工檢測無法滿足齒輪等精密部件的外觀缺陷檢測。由于齒輪本身 的幾何形狀特點，對于齒崩、缺齒、齒歪等缺陷的測量過程十分復(fù)雜。目前也有自動檢測的 方法，但是由于檢測方式和設(shè)計原理上的固有缺陷，現(xiàn)有的自動檢測方法在外觀缺陷檢測 上均存在局限性。常規(guī)的自動檢測方法有激光全息測量技術(shù)、整體誤差測量技術(shù)和三坐標 測量技術(shù)等。激光全息測量雖然能夠測出整個齒輪表面的誤差，但價格高、測量速度慢，不 適于推廣；齒輪綜合誤差測量技術(shù)能夠檢測齒輪的質(zhì)量，但其測量的數(shù)據(jù)為整體誤差，不適 于做齒輪單指標的測量；三坐標測量機在產(chǎn)品的外觀檢測上存在局限性，誤差較大。
[0004] 目前有一種基于計算機視覺的檢測方法尤其適用于產(chǎn)品的外觀檢測，其利用工業(yè) 相機進行非接觸式的影像檢測，具有檢測速度快和抗干擾能力強的優(yōu)點。但是，現(xiàn)有的影像 檢測方法還存在如下缺陷：以小齒輪的檢測為例，目前的影像檢測需要首先確定小齒輪的 圓心坐標，并以圓心坐標為基準坐標進行檢測。顯然，基準坐標的確定直接影響下一步參數(shù) 測量的精度。盡管圓心坐標的確定有多種方法，但是均存在誤差，從而使得基準坐標存在誤 差，在后續(xù)處理中誤差不斷被放大，最終導(dǎo)致測量精度降低，具體應(yīng)用在外觀缺陷的檢測上 則會出現(xiàn)漏檢和錯檢現(xiàn)象，導(dǎo)致檢測結(jié)果不可靠。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明要解決的技術(shù)問題是提供齒輪外觀缺陷快速影像檢測方法，該檢測方法能 夠精準、高效地檢出外觀不合格的齒輪零件，從而替代人工檢測，提高自動化程度，滿足規(guī) ?；a(chǎn)的需求。
[0006] 為解決上述技術(shù)問題，本發(fā)明的齒輪外觀缺陷快速影像檢測方法包括檢測預(yù)處理 階段和在線檢測兩個階段；檢測預(yù)處理階段包括目標區(qū)域自動設(shè)置、生成粗檢模板和生成 精檢模板三個過程；在線檢測階段包括如下步驟：
[0007] 步驟Jl)對待檢齒輪進行圖像采集，通過背光投影的方式獲得待檢圖像；
[0008] 步驟J2)對待檢圖像進行預(yù)處理和特征提取；
[0009] 步驟J3)將待檢圖像與粗檢模板圖像進行面積差值運算以進行粗檢判斷，剔除具 有明顯缺陷的零件；
[0010] 步驟J4)利用基于形狀的模板匹配方式，將待檢圖像與精檢模板圖像進行配準， 使得兩圖像的齒輪齒向重合；
[0011] 步驟J5)將待檢圖像與精檢模板圖像進行異或運算得出差異圖像，獲得差異圖像 中的缺陷區(qū)域面積并進行精檢判斷，剔除不合格零件。
[0012] 所述目標區(qū)域自動設(shè)置的過程具體包括如下步驟：步驟Ml)取目標齒輪，獲得目 標圖像；步驟M2)利用迭代法分析目標圖像直方圖獲得閾值；步驟M3)利用閾值化分割獲 得目標圖像二值圖；步驟M4)基于目標圖像二值圖獲得最小凸多邊形；步驟M5)基于凸多 邊形進行曲線擬合獲得齒輪的外接圓；步驟M6)以不小于擬合出的齒輪外接圓半徑的同心 圓作為蒙版進行摳圖，獲得目標齒輪的輪廓。
[0013] 在目標區(qū)域自動設(shè)置的過程中，取已合格的標準齒輪作為目標齒輪，經(jīng)摳圖后獲 得的圖像作為粗檢模板；取多個粗檢模板進行齒輪配準，使得各圖像的齒輪齒向重合，之后 再對配準后的各圖像進行多圖求平均得到平均圖像，該平均圖像作為精檢模板圖像。
[0014] 在步驟J2)中，圖像預(yù)處理是指對待檢圖像進行邊緣保持濾波處理，特征提取是 指對待檢圖像進行亞像素邊緣提取。
[0015] 其中，邊緣保持濾波再濾除雜點噪聲的同時能保留齒輪細節(jié)信息方面，尤其適合 齒輪缺陷的檢測，其具體過程為：
[0016] 對于圖像中的任意一個像素點（x，y)的鄰域S，分別計算其左上角S1、左下角S2、 右上角S3和右下角S4四個區(qū)域的灰度分布均勻度V，最后將均勻度最小區(qū)域的平均值作為 該像素點的新的灰度值；計算灰度均勻度的公式為：
[0019] 其中，亞像素邊緣提取采用Canny算子法，在各種邊緣提取算子中，Canny算子在 抗干擾和精度方面都能取得良好的效果，特別適合于齒輪的邊緣提取，其具體步驟為：
[0020] 步驟Cl)利用Gauss濾波器對圖像進行平滑濾波，5X5的濾波模板為：
[0022] 步驟C2)通過求解一階偏導(dǎo)數(shù)得到梯度的幅值和方向；MJPM,分別表示X方向和y方向的梯度，則：
[0025] 步驟C3)對梯度幅值進行非極大值抑制；
[0026] 步驟C4)使用雙閾值法檢測并連接邊緣。
[0027] 在精檢模板建立的基礎(chǔ)上，步驟J4)是模板匹配的過程，其具體包括如下步驟： 將精檢模板圖像定義為點集Pi=Cri,Ci)'每個點所對應(yīng)的方向向量(Ii=(t^ui)'i= l，...，n，其中模板圖像的中心點為P，方向向量通過邊緣檢測算子獲得；同樣方式，待檢 圖像的方向向量為將精檢模板圖像進行仿射變換，將其中平移的部分 分離，線性變換模型通過點p'i=Ap;以及相應(yīng)的變換后的方向向量d'I=(A1)Tdi = (t'dU'Jt得到，其中A為二階標準旋轉(zhuǎn)矩陣，表示為：
[0029]在待檢圖像的某一點q= (r，c)T處，將精檢模板圖像與待檢圖像進行匹配，計算 兩幅圖像對應(yīng)點處歸一化方向向量的點積的總和作為匹配分值，即模板在q點的相似度 量，計算這個相似度量的公式如下：
[0031] 當相似度s達到設(shè)定的閾值s_時，則判定在q= (r，c)T找到了與模板相匹配的 區(qū)域，匹配完成；歸一化相似性度量值作為潛在的匹配對象的分值，如果分值等于1，則模 板與待匹配區(qū)域完全一致。
[0032] 其中，優(yōu)選的，為了加快模板匹配過程中的搜索速度，步驟J4)中模板匹配的搜索 采用金字塔搜索方法，其具體步驟為：步驟SI)對精檢模板和待搜索的圖像進行分層預(yù)處 理，得到分層的金字塔數(shù)據(jù)；步驟S2)在金字塔的頂層上所有區(qū)域進行匹配，搜索得到與精 檢模板相似的實例；步驟S3)將匹配的結(jié)果映射到金字塔數(shù)據(jù)的下一層，并將配準結(jié)果周 圍的區(qū)域確定為新的搜索區(qū)域；步驟S4)在當前層新的搜索區(qū)域進行匹配運算，并將結(jié)果 映射到金字塔下一層；步驟S5)不斷重復(fù)以上步驟，直到映射到金字塔的最底層。
[0033] 上述的步驟J5)是利用精檢模板的精檢過程，其具體步驟為：
[0034] 步驟J5. 1)將精檢模板圖像二值圖與待檢圖像二值圖進行異或運算，得到差異圖 像二值圖；
[0035] 步驟J5. 2)將差異圖像進行濾除線性噪聲處理；
[0036] 步驟J5. 3)通過連通區(qū)域標注法對差異圖像中的缺陷區(qū)域進行像素標記，計算標 記個數(shù)得到缺陷區(qū)域的面積Sc;
[0037] 步驟J5. 4)設(shè)置精檢閾值T2，計算Se/SB，如果Se/SB<T2,則最終判定該待檢圖像 對應(yīng)的齒輪合格；如果Se/SB>T2，則最終判定該待檢圖像對應(yīng)的齒輪不合格。
[0038] 綜上所述，本發(fā)明的有益效果是：1)該方法針對齒輪零件的特殊外觀形狀，首先 通過差值運算剔除明顯缺陷的齒輪零件，然后采用模板匹配與圖像異或運算相結(jié)合的方 法，對齒輪的齒頂