关键词:
蜗轮副啮合
视觉检测系统
图像处理技术
接触斑点检测
摘要:
蜗轮副具有传动效率高、结构简单、承载能力强、分度精度高、齿面接触稳定、调整方便、装配灵活以及传递功率范围大等优点,这些优点使得蜗轮副在机械领域及生活用品中得到了广泛的应用。尤其是在精密机械制造业、重型机械制造业以及自动化生成线中,对蜗轮副的啮合质量要求越来越高,同时蜗轮齿面的接触斑点是衡量蜗轮副的啮合质量的重要指标之一,然而目前对蜗轮副齿面的接触斑点的检测仍然是通过工程技术人员目测——经验判断为主,这种方法只能大致对蜗轮副的啮合状态进行评估,具有主观性强,检测进度低、难以量化评估等缺点,因此已经不满足现代化生成的要求,或者使用专业仪器检测,但这方面的仪器较少,而且价格较贵。
本文为了更加贴近实际的应用场景和实用的目的出发,将Tkinter(Tkinter是Python编程语言中用于构建图形用户界面(GUI)的控件集)、图像采集设备、图像的处理技术和计算机图形技术,设计和开发了一套的蜗轮副接触斑点自适应光强视觉检测系统。在图像数据采集方面,通过工业摄像头采集并通过网口传输给上位机;在图像预处理过程方面,融入了自适应光强的特点,增加了检测系统在实际环境中的应用能力;斑点边缘识别方法,使用改进的Canny算法,根据本文的目的,提出在自适应中值滤波——自适应权重双边滤波基础上,再使用二值图融合方法进行滤波,增加边缘保留能力的同时消除了齿面和红丹人工涂抹不均匀的影响,使用8方向的Sobel算法以及大津算法确定阈值的方法,增加边缘定位能力;接触斑点信息提取方法,融合使用了计算机图像技术,对齿面边缘进行最小二乘法拟合以及对齿面边缘进行网格划分,增加了啮合质量分析的准确性。本文主要内容分为以下几个部分:
1、阐述课题研究的背景和意义,并对机器视觉技术以及机器视觉检测技术进行了国内外探讨。
2、对检测系统的硬件进行了介绍和选型,并设计视觉检测系统的整体方案。
3、根据传统亮度调节算法进行改进,提出了一种“高亮调低,低亮几乎不变”的伽马调节算法,然后融合改进的多尺度Retinex(MSR)算法(自适应权重双边滤波和Tanh函数融合MSR算法),然后以Python语言编写光强自适应功能模板。
4、根据本文需求、蜗轮齿面的特点和人工涂抹红丹的主客观因素,改进了Canny算法,在Canny算法中提出了在自适应中值滤波——自适应权重双边滤波基础上,再使用二值图融合方法进行滤波,增加边缘保留能力的同时消除了齿面和红丹人工涂抹不均匀的影响,使用8方向的Sobel算法检测边缘以及大津算法确定阈值的方法,增加边缘定位能力,最后融合计算机图像技术,增加了啮合质量分析的准确性。
5、设计实验方案和对检测系统进行验证。利用设计的检测系统对采集的图片进行光强自适应和边缘检测进行在线检测,验证其效果,最终得到边缘图片。以离线处理的方式,先后对图片进行伪边缘消除颜色反转、最小二乘法拟合、网格划分、斑点信息提取。首先分析接触斑点的面积占比,如果占比60%~70%之间则说明啮合质量较好。最后分析造成蜗轮副接触斑点位置、面积占比等问题的原因。