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。