本發明專利技術涉及表面缺陷檢測技術領域，公開了一種變速箱齒輪缺陷檢測方法。該方法包括：采集齒輪的全表面圖像，通過圖像預處理結合卷積神經網絡進行多層特征提取，并通過貝葉斯判別模型進行網格化分割和缺陷概率計算，針對缺陷易發區域和非易發區域分別采用單類別和多類別模型進行缺陷檢測與分類，生成缺陷報告；相較于現有技術中依賴人工檢測、速度較慢且精度不足，尤其是在高速生產線或光照不均勻的條件下，傳統檢測技術難以有效識別細小缺陷的問題，本申請通過結合基于深度學習的自動化檢測，實現了實時高精度的齒輪表面缺陷檢測，從而避免了人工檢測中存在的漏檢和誤檢問題，顯著提高了檢測效率和準確性，適用于現代自動化生產線。
1、目前，在變速箱齒輪的生產過程中，表面缺陷檢測通常采用人工檢測或靜態圖像采集的方式進行。然而，這些傳統的檢測手段存在明顯的局限性，無法滿足現代自動化生產線的高效、高精度需求。
2、人工檢測依賴質檢人員的經驗和視覺判斷，雖然可以在某些情況下發現較為明顯的表面缺陷，但存在主觀性強、漏檢和誤檢率高、效率低等問題。由于不同檢測人員的判斷標準存在差異，檢測結果不一致性較大，影響產品的質量控制；此外，人工檢測需要逐一檢查每一個齒輪，導致生產效率下降，尤其在大規模生產時，人工檢測的成本高且耗時長。
3、雖然靜態圖像檢測技術在一定程度上提升了檢測的自動化水平，但該技術依然存在顯著的缺陷，靜態圖像檢測無法實現實時在線檢測，大多是在齒輪生產后或生產中斷時進行，反饋不夠及時，影響生產的連續性，由于光照條件、相機角度等外部因素的限制，靜態圖像檢測系統在光照不均勻、齒輪高速旋轉或生產線振動等情況下容易采集到失真或模糊的圖像，導致檢測精度不足，特別是傳統的靜態檢測系統主要依賴固定算法或簡單的圖像處理方法，難以對復雜的表面缺陷進行精確識別。
4、現有技術無法充分滿足現代自動化生產線對于實時、高效、精確檢測的需求，特別是在高速生產線、復雜光照條件和生產線振動干擾等場景下，現有的檢測手段難以提供可靠的檢測結果。因此，亟需一種能夠在高速生產線和復雜生產環境下依然能夠實現實時在線、自動化、高精度的表面缺陷檢測技術。
>技術實現思路1、針對上述存在的技術不足，本專利技術的目的是提出一種變速箱齒輪缺陷檢測方法，旨在解決現有技術中檢測方法在復雜曲面上難以精準識別細微缺陷，尤其是在噪聲較大的數據環境下，無法實現對微米級缺陷的精確檢測的技術問題。
2、為解決上述技術問題，本專利技術采用如下技術方案：本專利技術提供一種變速箱齒輪缺陷檢測方法，
3、所述變速箱齒輪缺陷檢測方法包括：
4、步驟s10：采用120幀/秒的cmos工業相機實時獲取齒輪的全表面圖像，所述工業相機通過生產線上方的機械臂固定，與齒輪保持90度垂直角度，并通過led可調光源系統確保光照均勻性；
5、步驟s20：對采集到的齒輪表面圖像進行預處理，包括：
6、中值濾波：采用3x3的中值濾波器去除圖像中的噪聲干擾；
7、直方圖均衡化：對灰度值分布不均的圖像進行直方圖均衡化；
8、邊緣增強處理：利用canny邊緣檢測算法對齒輪的邊緣輪廓進行增強；
9、所述圖像預處理的整體過程在1ms內完成以確保不會影響實時檢測的速度；
10、步驟s30：基于卷積神經網絡cnn對預處理后的齒輪表面圖像進行多層特征提取，卷積神經網絡cnn由3個卷積層和2個全連接層構成，卷積核的大小設定為3x3，步長設定為1；每層卷積后均采用最大池化操作，池化窗口大小為2x2，所提取的特征包括：
11、紋理特征：用于分析齒輪表面的紋理不規則性，特別是檢測由于制造過程中的缺陷導致的異常紋理；
12、灰度梯度特征：用于基于灰度梯度變化捕捉齒輪表面細微的凹陷或凸起，以識別微小缺陷；
13、幾何特征：用于提取齒輪的齒形邊緣和接觸面結構，重點識別磨損和裂紋幾何異常；
14、步驟s40：將齒輪表面按照預定的網格尺寸進行網格化分割，由提取的幾何特征和表面粗糙度來動態調整每個網格的大小，使用基于貝葉斯判別的概率模型計算每個網格的缺陷概率，當某網格的缺陷概率超過0.75，則該網格區域被標記為缺陷易發區域，其余網格區域則作為非缺陷易發區域處理；
15、步驟s50：對缺陷易發區域使用單類別卷積神經網絡模型進行識別，該模型的訓練樣本主要基于歷史缺陷數據，包括齒輪表面的裂紋、點蝕及邊緣損傷；識別過程為二分類，模型輸出是否存在表面缺陷，并在存在缺陷時給出具體缺陷類型，對于非缺陷易發區域，使用多類別softmax分類器檢測不同的表面缺陷類別，模型通過加權損失函數優化以確保對低頻缺陷類別的識別準確性；
16、步驟s60：根據缺陷識別的結果生成檢測報告，所述報告包括以下內容：
17、缺陷類型及位置：針對每個網格單元，標注出缺陷的具體類型(如裂紋、磨損、點蝕)及其所在位置，精度范圍控制在±0.1mm；
18、缺陷面積與深度估算：對于裂紋和磨損等缺陷，結合灰度梯度和幾何特征，計算缺陷的面積和深度；
19、維護建議：根據缺陷的嚴重程度自動生成維護建議，若裂紋深度超過0.5mm或磨損面積超過1mm2，建議立即更換齒輪；對于輕微缺陷，建議在下一次維護周期內進行表面修復。
20、優選地，步驟s40中，所述由提取的幾何特征和表面粗糙度來動態調整每個網格的大小的步驟采用公式：
21、
22、其中，gsize表示網格的大小，dmax為齒輪的最大直徑，σr為表面粗糙度的標準差，α為調整系數。
23、優選地，步驟s40中，所述使用基于貝葉斯判別的概率模型計算每個網格的缺陷概率的步驟采用公式：
24、
25、其中，p(defect|features)是后驗概率，表示在觀察到預設特征后，該區域出現缺陷的概率；p(features|defect)·p(defect)是似然概率，表示在某一區域已知存在缺陷的前提下，預設特征表現出的概率，p(defect)是先驗概率，表示在沒有觀察到預設特征的情況下，某個區域出現缺陷的概率；p(features)是特征的邊緣概率，表示在所有情況下，預設特征出現的概率。
26、優選地，步驟s60中，所述計算缺陷的面積和深度的步驟采用公式：
27、
28、其中，i為缺陷區域的灰度值分布，x和y為圖像中的坐標軸。
29、優選地，步驟s10中，所述圖像采集過程在齒輪以每分鐘500至1000轉的轉速下進行以確保捕捉的圖像清晰。
30、優選地，步驟s10中，所述可調光源系統根據齒輪表面的反射情況自動調節光照強度。
31、優選地，步驟s40中，所述預定的網格尺寸為每個網格單元的邊長為0.5mm。
32、本專利技術還提供一種變速箱齒輪缺陷檢測系統包括：
33、圖像采集模塊，用于在汽車變速箱齒輪生產的過程中，采用120幀/秒的cmos工業相機實時獲取齒輪的全表面圖像，所述工業相機通過生產線上方的機械臂固定，與齒輪保持90度垂直角度，并通過led可調光源系統確保光照均勻性；
34、圖像預處理模塊，用于對采集到的齒輪表面圖像進行預處理，包括：
35、中值濾波：采用3x3的中值濾波器去除圖像中的噪聲干擾；
36、直方圖均衡化：對灰度值分布不均的圖像進行直方圖均衡化；
37、邊緣增強處理：利用canny邊緣檢測算法對齒輪的邊緣輪廓進行增強；
38、本文檔來自技高網...
【技術保護點】
1.一種變速箱齒輪缺陷檢測方法，其特征在于，所述變速箱齒輪缺陷檢測方法包括：
2.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟S40中，所述由提取的幾何特征和表面粗糙度來動態調整每個網格的大小的步驟采用公式：
3.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟S40中，所述使用基于貝葉斯判別的概率模型計算每個網格的缺陷概率的步驟采用公式：
4.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟S60中，所述計算缺陷的面積和深度的步驟采用公式：
5.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟S10中，所述圖像采集過程在齒輪以每分鐘500至1000轉的轉速下進行。
6.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟S10中，所述可調光源系統根據齒輪表面的反射情況自動調節光照強度。
7.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟S40中，所述預定的網格尺寸為每個網格單元的邊長為0.5mm。
8.一種變速箱齒輪缺陷檢測系統，其特征在于，所述變速箱齒輪缺陷檢測系統包括：
9.一種變速箱齒輪缺陷檢測設備，其特征在于，所述變速箱齒輪缺陷檢測設備包括：
10.一種計算機程序產品，其特征在于，所述計算機程序產品包括變速箱齒輪缺陷檢測程序，所述變速箱齒輪缺陷檢測程序被處理器執行時實現權1至權7中任一項所述的變速箱齒輪缺陷檢測方法。
...
【技術特征摘要】
1.一種變速箱齒輪缺陷檢測方法，其特征在于，所述變速箱齒輪缺陷檢測方法包括：
2.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟s40中，所述由提取的幾何特征和表面粗糙度來動態調整每個網格的大小的步驟采用公式：
3.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟s40中，所述使用基于貝葉斯判別的概率模型計算每個網格的缺陷概率的步驟采用公式：
4.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟s60中，所述計算缺陷的面積和深度的步驟采用公式：
5.如權利要求1所述的一種變速箱齒輪缺陷檢測方法，其特征在于，步驟s10中，所述圖像采集過程在齒輪以每分鐘500至1000轉的轉...
【專利技術屬性】
技術研發人員：蔡玲民，
申請(專利權)人：徐州瑞聯齒輪有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。