CN110660057B - 一种基于深度学习的双目自动化齿轮点蚀检测装置 - Google Patents
一种基于深度学习的双目自动化齿轮点蚀检测装置 Download PDFInfo
- Publication number
- CN110660057B CN110660057B CN201911061376.2A CN201911061376A CN110660057B CN 110660057 B CN110660057 B CN 110660057B CN 201911061376 A CN201911061376 A CN 201911061376A CN 110660057 B CN110660057 B CN 110660057B
- Authority
- CN
- China
- Prior art keywords
- gear
- infrared
- gear box
- detection
- pitting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 79
- 238000013135 deep learning Methods 0.000 title claims abstract description 22
- 238000005260 corrosion Methods 0.000 title claims description 13
- 230000007797 corrosion Effects 0.000 title claims description 13
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000009434 installation Methods 0.000 claims abstract description 13
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 9
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 230000003068 static effect Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 239000011521 glass Substances 0.000 claims description 3
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004026 adhesive bonding Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000036339 tooth positioning Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009347 mechanical transmission Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
- G01V8/12—Detecting, e.g. by using light barriers using one transmitter and one receiver
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/20—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from infrared radiation only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Signal Processing (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于计算机视觉检测领域,涉及一种基于深度学习的双目自动化齿轮点蚀检测装置,包括齿轮箱***、数据采集***、图像处理***、齿面定位***、控制***、电机,其中,齿轮箱用于安装成对的啮合齿轮;所述数据采集***设置在齿轮箱侧壁,其上设有CCD工业相机;所述图像处理***基于深度学习技术完成齿轮点蚀的定量评估与目标检测;所述齿面定位***的两端分别连接电机及齿轮箱,将电机的扭矩传送至齿轮箱的输出轴。能够根据啮合齿轮特性确定数据采集***的最优安装基点,并结合光源和相机布置方案找到有效检测区域,有效节省了检测装置安装空间并适应啮合齿轮运转特性。
Description
技术领域
本发明属于计算机视觉检测领域,涉及一种基于深度学习的双目自动化齿轮点蚀检测装置。
背景技术
齿轮传动广泛应用于机械传动领域,具有传动高效、准确、工作可靠等诸多优点。齿轮失效是破坏齿轮传动的关键因素,深入探究齿轮的失效形式方可保障齿轮传动的可靠性和使用寿命,其中齿轮点蚀是齿轮失效的主要形式之一,在齿轮啮合运转过程中,由于负载应力的作用,啮合瞬间齿轮啮合表面温度过高,齿面发生胶合现象,在啮合齿轮分开时,由于胶合作用材料从齿面脱落,形成点状小坑,即为点蚀,若不对其进行检测与预防,点蚀会在反复受载下会不断扩展进而导致齿轮断齿,造成无法挽回的损失。因此,为定量掌控点蚀扩展的规律以及有效预防断齿,齿轮点蚀的准确检测与预防工作势在必行。
目前齿轮点蚀检测方法只有依靠人工肉眼进行观察和确定,这种方法不仅步骤繁琐、效率、精度低、浪费大量人力资源,更为重要的是缺少科学的、智能的、定性定量的检测手段,并且未见开展基于深度学习的齿轮点蚀检测的相关研究报道,市场上也未见具有可靠齿轮点蚀定量评估与检测的成形产品。
发明内容
有鉴于此,本发明的目的在于提供一种基于深度学习的双目自动化齿轮点蚀检测装,通过图像处理***的处理完成齿轮定量评估,对不同形态的齿轮点蚀进行等级划分,能够有效预防齿轮断齿现象的发生。
为达到上述目的,本发明提供如下技术方案:
一种基于深度学习的双目自动化齿轮点蚀检测装置,包括齿轮箱、数据采集***、图像处理***、齿面定位***、电机;其中,齿轮箱用于安装成对的啮合齿轮;所述数据采集***设置在齿轮箱侧壁,其上设有CCD工业相机,通过调整CCD工业相机的拍摄位置及拍摄角度采集齿轮点蚀过程中的图像数据,并传输至图像处理***;所述图像处理***基于深度学习技术完成齿轮点蚀的定量评估与目标检测;所述齿面定位***的两端分别连接电机及齿轮箱,将电机的扭矩传送至齿轮箱的输出轴。
可选地,所述齿面定位***属于具有特定功能的联轴器,包括电机侧联轴器及齿轮箱侧联轴器,电机侧联轴器连接电机输出轴,齿轮箱侧联轴器连接齿轮箱输入轴;电机侧联轴器外安装有双列圆柱滚子轴承,轴承外圈装有红外装置定位套筒,轴承两侧装有静端盖、动端盖构成轴承室,静端盖与轴承外圈、红外装置定位套筒通过固装在齿轮箱上的套筒限位板定位,动端盖与轴承内圈随内部联轴器同步转动;动端盖表面设有反光片限位环线,按照齿轮轮齿位置信息,在动端盖表面的反光片限位环线上贴有与齿轮齿数个数相匹配的反光片。
可选地,还包括用于采集反光片信息的红外线检测装置,轴承内圈、动端盖与齿轮同步转动,通过动端盖反光片限位环线上反光片个数、位置反映轮齿个数、位置信息,红外装置定位套筒固定不动为红外线检测装置提供支撑;红外线检测***通过对称放置的红外线发射器与红外线接收器与反光片,获取轮齿移动位置信息,通过继电器为数据采集***提供有轮齿齿面刚好经过且需要拍摄此时图像的信号。
可选地,还包括机架,用于支撑电机及齿轮箱。
可选地,数据采集***通过磁座固定在齿轮箱侧壁,通过移动支架和滑轨组件调节CCD工业相机水平位置,通过角控支架调节CCD工业相机拍摄角度该滑轨组件根据啮合齿轮特性确定数据采集***的最优安装基点O1、O2,以磁座中心为原点建立坐标系,当CCD工业相机与有机玻璃箱盖垂直时,以角控支架中心到CCD工业相机最长距离为半径作圆Q,当圆Q与齿轮箱盖相切时,此时通过移动支架轴心做一条水平直线,再作经过两齿轮轴轴心与磁座两侧齿轮箱侧壁顶点的直线FG、HG、HI、FI,四条直线分别与上述水平直线相交于O1、O2、J、K点,选择使检测装置结构更加紧凑的O1、O2作为最优安装基点,O1、O2点距磁座的水平位移为x1、x2值,竖直位移为y值。
可选地,两齿轮被通过齿轮轴心的竖直直线和水平直线分别分成左右两个检测区域,根据齿轮啮合特性和光源布置条件确定当主动小齿轮顺时针转动时,有效检测区域为两齿轮竖直直线右侧区域,当主动小齿轮逆时针转动时,有效检测区域为两齿轮竖直直线左侧区域。
可选地,布置一对CCD相机,分别同时检测一对啮合齿轮的点蚀情况。
可选地,红外线检测***通过红外装置支架固装在齿面定位***中的红外装置定位套筒上,通过调节红外装置支架使得红外线发射装置与红外线接收装置成一定角度对称放置,通过调整红外装置支架尺寸和红外装置支架角度,红外线发射装置发射的光线与红外线接收装置轴心的延长线的交点与动端盖上的反光片限位环线相交。
本发明的有益效果在于:
本发明设计了基于深度学习的双目自动化齿轮点蚀检测装置,该装置能够根据啮合齿轮特性确定数据采集***的最优安装基点,并结合光源和相机布置方案找到有效检测区域,有效节省了检测装置安装空间并适应啮合齿轮运转特性,对于检测齿轮轮齿通过时间及位置这一技术问题,通过齿面定位***差动形式作用,即固装在轴承内圈的动端盖随齿轮同步运转,固装在轴承外圈的红外装置套筒固定不动,有效抑制实际转速不稳定问题,通过对称放置的红外线检测***识别是否有反光片通过的快速响应,不仅实现了获取每个齿面清楚图像的工作要求,而且该***结构简单,安装方便,易于应用在工程实践,提出应用深度学习的方法进行齿轮点蚀图像的分割与检测,解决了传统点蚀检测方法的精度低、效果差,人为因素干扰过大等问题,通过图像处理***的处理,完成了齿轮点蚀的定量评估,对不同形态的齿轮点蚀进行了等级划分,能够准确有效的预防齿轮断齿现象的发生,实现了精准智能化齿轮点蚀定量评估与检测的工作要求。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明的各***结构示意图;
图2为本发明安装尺寸分析示意图;
图3为本发明检测区域示意图;
图4为本发明齿面定位***与红外线检测***整体布置俯视示意图;
图5为本发明齿面定位***与红外线检测***整体布置左侧示意图;
图6为本发明齿面定位***与红外线检测***尺寸关系示意图;
图7为本发明齿面定位***正视示意图;
图8为图7的A-A剖视图;
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
请参阅图1-图8,附图中的元件标号分别表示:数据采集***1、机架2、电机3、红外线检测***4、齿面定位***5、图像处理***6、齿轮箱7、控制***8、啮合齿轮9、磁座11、滑轨组件12、移动支架13、轨迹圆14、光源15、CCD工业相机16、角控支架17、红外线发射器18、红外线接收器19、红外装置支架23、电机输出轴20、齿轮箱输入轴21、套筒限位板22、反光片限位环线24、红外装置定位套筒25、静端盖26、轴承外圈27、动端盖28、轴承内圈29、电机侧联轴器30、齿轮箱侧联轴器31。
本发明中的基于深度学***位置,通过角控支架17调节CCD工业相机16拍摄角度,采集高质量图像数据,并快速传输给图像处理***6;图像处理***6利用深度学习技术完成齿轮点蚀的定量评估与目标检测;齿面定位***5一端连接齿轮箱输入轴21,另一端连接电机输出轴20,起到联轴器作用,轴承内圈29、动端盖28与齿轮同步转动,通过动端盖28反光片限位环线24上反光片个数、位置反映轮齿个数、位置信息,红外装置定位套筒25固定不动为红外线检测***4提供支撑定位;红外线发射器18与红外线接收器19对称放置,红外线检测***4通过红外线接收器19接收到经过反光片反射的红外线发射器18发出的光线,获取轮齿移动位置信息,通过继电器为数据采集***1提供有轮齿齿面刚好经过且需要拍摄此时图像的信号;控制***8与计算机通过串口通信,控制数据采集***1根据红外线检测***4的信号拍摄关键帧图像;电机3为齿轮箱7提供动力;机架2为电机3与齿轮箱7提供稳定限位支撑。
所述齿面定位***5属于具有特定功能的联轴器,包括电机侧联轴器30及齿轮箱侧联轴器31,电机侧联轴器30连接电机3输出轴,齿轮箱侧联轴器31连接齿轮箱7输入轴;电机侧联轴器30外安装有双列圆柱滚子轴承,轴承外圈27装有红外装置定位套筒25,轴承两侧装有静端盖26、动端盖28构成轴承室,静端盖26与轴承外圈27、红外装置定位套筒25通过固装在齿轮箱7上的套筒限位板22定位,动端盖28与轴承内圈29随内部联轴器同步转动;动端盖28表面设有反光片限位环线24,按照齿轮轮齿位置信息,在动端盖28表面的反光片限位环线24上贴有与齿轮齿数个数相匹配的反光片。本实施例中,移动支架13通过一系列滑轨组件12固定,根据啮合齿轮9特性和光源15布置方案,调节各个滑轨组件12的位置,可确定数据采集***1的最优安装基点O1、O2,以磁座11中心为原点建立坐标系,当CCD工业相机16与有机玻璃箱盖垂直时,以角控支架17中心到CCD工业相机16最长距离为半径作圆14,当圆14与齿轮箱7盖相切时,此时通过移动支架13轴心做一条水平直线,再作经过两啮合齿轮9轴轴心与磁座11两侧齿轮箱7侧壁顶点的直线FG、HG、HI、FI,四条直线分别与上述水平直线相交于O1、O2、J、K点,选择使检测装置结构更加紧凑的O1、O2作为最优安装基点,O1、O2点距磁座11的水平位移为x1、x2值,竖直位移为y值。
本实施例中,齿轮箱7上方布置两个CCD工业相机16,圆形光源15集成在CCD工业相机16镜头外侧,两个CCD工业相机16通过角控支架17固装在移动支架13上,将两个CCD工业相机16对应的移动支架13移动至互不干涉的位置,通过调节角控支架17使得相机16视场与齿轮齿面垂直,实现了同时检测一对啮合齿轮9的点蚀工作要求。
本实施例中,两齿轮9被通过齿轮轴心的竖直直线和水平直线分别分成左右两个检测区域,根据啮合齿轮9啮合特性和光源15布置条件确定当主动小齿轮10顺时针转动时,有效检测区域为两齿轮竖直直线右侧区域①、③,当主动小齿轮10逆时针转动时,有效检测区域为两齿轮竖直直线左侧区域②、④。
本实施例中,红外线检测***4通过红外装置支架23固装在齿面定位***5中的红外装置定位套筒25上,通过调节红外装置支架23使得红外线发射器18与红外线接收器19对称放置,通过调整红外装置支架23尺寸和红外装置支架23角度,使得红外线发射器18发射的光线与红外线接收器19轴心的延长线的交点与动端盖28上的反光片限位环线24相交。
本实施例中,齿面定位***5属于具有特定功能的联轴器,电机3侧联轴器30外固装双列圆柱滚子轴承,轴承外圈27外侧装有红外装置定位套筒25,轴承两侧装有静端盖26、动端盖28构成轴承室,静端盖26与轴承外圈27、红外装置定位套筒25固装且通过固装在齿轮箱7上的套筒限位板22定位无转动,动端盖28与轴承内圈29固装且随内部联轴器同步转动,动端盖28表面设有反光片限位环线24,按照齿轮轮齿位置信息,在动端盖28表面的反光片限位环线24上贴有与齿轮齿数相等个数的反光片。
本实施例中,齿面定位***5通过电机3侧联轴器30和齿轮箱7测联轴器31连接齿轮箱输入轴21和电机输出轴20,起到联轴器作用,齿面定位***5内部设有双列圆柱滚子轴承,轴承内圈29随齿轮10同步转动,轴承外圈27固定不动,为红外线检测***4起支撑固定作用,有效抑制了实际转速不稳定带来的齿轮轮齿定位困难等问题,红外线检测***4将发出有轮齿通过信号,数据采集***1可获取齿轮每个轮齿齿面图像。
本实施例中,通过调整动端盖28表面反光片限位环线24上的反光片个数与位置,可进行不同参数齿轮的轮齿齿面定位要求,红外线检测***4通过继电器向控制***8发送轮齿通过信号,控制***8控制数据采集***1拍摄此时经过的轮齿齿面图像。
本实施例中,齿面定位***5和红外线检测***4可应用在任意齿轮轴上进行轮齿的定位工作,根据本发明的内容,齿面定位***5和红外线检测***4可以装配在从动大齿轮9的齿轮轴上,完成从动大齿轮9的轮齿定位工作要求。
本实施例中,建立不同形态齿轮点蚀数据集,提出应用深度学习方法对齿轮点蚀图像进行定量评估(实例分割)与目标检测。
为了得到完整的齿面图像,节省后续图像正形等图像处理工作,CCD工业相机16与啮合齿轮9的有效齿面垂直放置。当CCD工业相机16通过角控支架17调整角度满足这个约束条件时,形成了以角控支架17为中心,以角控支架17中心到CCD工业相机16最大距离为半径的轨迹圆14,当轨迹圆14与齿轮箱7箱盖相切时,此时角控支架17中心点即为水平安装基点,该点即可满足CCD工业相机16的任意角度旋转,也使得数据采集***1为最小安装尺寸,节省工作空间,由于角控支架17通过移动支架13固装在滑轨组件12上,因此过此时移动支架13中心做一条水平直线,即为数据采集***1的水平安装基准线。考虑到检测啮合齿轮9的啮合特性,经过两啮合齿轮9的轴心F、H和齿轮箱7箱盖端点G、I做四条直线,与上述水平基准线相交于J、O1、O2、K四点,这四点均满足齿轮点蚀检测工作要求,但为是装置结构紧凑,选取O1、O2、为该啮合齿轮9点蚀检测装置的最优安装基点。
齿轮点蚀一般出现在一对啮合齿轮9的受力齿面,当主动小齿轮10顺时针转动时,就图2中齿面方向而言,主动小齿轮10的点蚀出现面为每个轮齿的右齿面,从动大齿轮10的点蚀出现面为每个齿轮的右齿面,两啮合齿轮10被通过齿轮轴心的竖直直线和水平直线分别分成左右两个检测区域,当检测每个轮齿的右齿面时,由于相机16视场应与齿面垂直这一约束条件,有效检测区域为两啮合齿轮9竖直直线右侧区域①、③,反之,当主动小齿轮10逆时针转动时,有效检测区域为两啮合齿轮9竖直直线左侧区域②、④。
当主动小齿轮10顺时针转动时,CCD工业相机16检测区域①、③内每个轮齿右侧齿面,摄像机根据实际工况和两CCD工业相机16互不干涉的原则布置,针对从动大齿轮9,CCD工业相机16可以布置在A、B、C三点,对于主动小齿轮10,CCD工业相机16可以布置在D、E两点,其中C点和D点存在干涉,避免出现C-D点布置方案,当CCD工业相机16安装在E点时,可能与侧面滑轨组件14存在干涉,因此CCD工业相机16安装点不考虑E点,综合分析,两CCD工业相机16的移动支架13安装点方案为A-D、B-D。
红外线发射器18和红外线接收装置19关于电机3轴输出轴20或者齿轮箱输入轴21轴线成α角度对称放置,红外线发射器18发出的光线与红外线接收器19的延长线交于一点M,点M位于动端盖28的反光片限位环线24上,反光片限位环线24上贴有反光片,反光片的个数与位置代表着齿轮的个数与位置,这样红外线发射器18发出的光线经过动端盖28上的反光片反射到红外线接收器19,可以完成红外线检测***4检测是否有轮齿通过这一最终工作要求,该红外线检测***4结构简单,小巧方便,响应速度快,检测精度高。
综上可知:实际应用中,在装有润滑油液齿轮箱7的恶劣环境中,该检测装置能够获取高质量数据集图像,获取清晰地每个齿面图像,有效抑制实际转速不稳定的问题,本发明通过系列理论分析得出了该装置的数据采集***1的最优安装基点和有效检测区域,实现了适应于啮合齿轮9的数据集图像精准采集,应用深度学习的方法进行齿轮点蚀图像的分割与检测,解决了传统点蚀检测方法的精度低、效果差,人为因素干扰过大等问题,通过图像处理***6的处理,完成了齿轮点蚀的定量评估,对不同形态的齿轮点蚀进行了等级划分,能够准确有效的预防齿轮断齿现象的发生,实现了精准智能化齿轮点蚀定量评估与检测的工作要求。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种基于深度学习的双目自动化齿轮点蚀检测装置,其特征在于,包括齿轮箱、数据采集***、图像处理***、齿面定位***、电机;
其中,齿轮箱用于安装成对的啮合齿轮;
所述数据采集***设置在齿轮箱侧壁,其上设有CCD工业相机,通过调整CCD工业相机的拍摄位置及拍摄角度采集齿轮点蚀过程中的图像数据,并传输至图像处理***;
所述图像处理***基于深度学习技术完成齿轮点蚀的定量评估与目标检测;
所述齿面定位***的两端分别连接电机及齿轮箱,将电机的扭矩传送至齿轮箱的输出轴;所述齿面定位***属于联轴器,包括电机侧联轴器及齿轮箱侧联轴器,电机侧联轴器连接电机输出轴,齿轮箱侧联轴器连接齿轮箱输入轴;电机侧联轴器外安装有双列圆柱滚子轴承,轴承外圈装有红外装置定位套筒,轴承两侧装有静端盖、动端盖构成轴承室,静端盖与轴承外圈、红外装置定位套筒通过固装在齿轮箱上的套筒限位板定位,动端盖与轴承内圈随内部联轴器同步转动;动端盖表面设有反光片限位环线,按照齿轮轮齿位置信息,在动端盖表面的反光片限位环线上贴有与齿轮齿数个数相匹配的反光片。
2.如权利要求1中所述的基于深度学习的双目自动化齿轮点蚀检测装置,其特征在于,还包括用于采集反光片信息的红外线检测装置,轴承内圈、动端盖与齿轮同步转动,通过动端盖反光片限位环线上反光片个数、位置反映轮齿个数、位置信息,红外装置定位套筒固定不动为红外线检测装置提供支撑;红外线检测***通过对称放置的红外线发射器与红外线接收器与反光片,获取轮齿移动位置信息,通过继电器为数据采集***提供有轮齿齿面刚好经过且需要拍摄此时图像的信号。
3.如权利要求1中所述的基于深度学习的双目自动化齿轮点蚀检测装置,其特征在于,还包括机架,用于支撑电机及齿轮箱。
4.如权利要求1中所述的基于深度学***位置,通过角控支架调节CCD工业相机拍摄角度该滑轨组件根据啮合齿轮特性确定数据采集***的最优安装基点O1、O2,以磁座中心为原点建立坐标系,当CCD工业相机与有机玻璃箱盖垂直时,以角控支架中心到CCD工业相机最长距离为半径作圆Q,当圆Q与齿轮箱盖相切时,此时通过移动支架轴心做一条水平直线,再作经过两齿轮轴轴心与磁座两侧齿轮箱侧壁顶点的直线FG、HG、HI、FI,四条直线分别与上述水平直线相交于O1、O2、J、K点,选择使检测装置结构更加紧凑的O1、O2作为最优安装基点,O1、O2点距磁座的水平位移为x1、x2值,竖直位移为y值。
5.如权利要求4中所述的基于深度学***直线分别分成左右两个检测区域,根据齿轮啮合特性和光源布置条件确定当主动小齿轮顺时针转动时,有效检测区域为两齿轮竖直直线右侧区域,当主动小齿轮逆时针转动时,有效检测区域为两齿轮竖直直线左侧区域。
6.如权利要求1中所述的基于深度学习的双目自动化齿轮点蚀检测装置,其特征在于,布置一对CCD相机,分别同时检测一对啮合齿轮的点蚀情况。
7.如权利要求2中所述的基于深度学习的双目自动化齿轮点蚀检测装置,其特征在于,红外线检测***通过红外装置支架固装在齿面定位***中的红外装置定位套筒上,通过调节红外装置支架使得红外线发射装置与红外线接收装置成一定角度对称放置,通过调整红外装置支架尺寸和红外装置支架角度,红外线发射装置发射的光线与红外线接收装置轴心的延长线的交点与动端盖上的反光片限位环线相交。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911061376.2A CN110660057B (zh) | 2019-11-01 | 2019-11-01 | 一种基于深度学习的双目自动化齿轮点蚀检测装置 |
US17/085,723 US11733179B2 (en) | 2019-11-01 | 2020-10-30 | Binocular automatic gear pitting detection device based on deep learning |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911061376.2A CN110660057B (zh) | 2019-11-01 | 2019-11-01 | 一种基于深度学习的双目自动化齿轮点蚀检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110660057A CN110660057A (zh) | 2020-01-07 |
CN110660057B true CN110660057B (zh) | 2023-03-24 |
Family
ID=69042686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911061376.2A Active CN110660057B (zh) | 2019-11-01 | 2019-11-01 | 一种基于深度学习的双目自动化齿轮点蚀检测装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11733179B2 (zh) |
CN (1) | CN110660057B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260640B (zh) * | 2020-01-13 | 2023-03-31 | 重庆大学 | 基于cyclegan的树状生成器网络齿轮点蚀图像测量方法及装置 |
CN111915572B (zh) * | 2020-07-13 | 2023-04-25 | 青岛大学 | 一种基于深度学习的自适应齿轮点蚀定量检测***及方法 |
CN112337829B (zh) * | 2020-09-27 | 2022-06-07 | 重庆大学 | 一种小型齿轮箱观察窗内壁除污装置 |
CN114187266B (zh) * | 2021-12-13 | 2022-10-04 | 江苏鑫丰源机电有限公司 | 基于人工智能的齿面胶合程度评估方法 |
CN114486239A (zh) * | 2022-02-14 | 2022-05-13 | 湖北神誉机械制造集团有限公司 | 一种多功能齿轮质量检测装置 |
CN115807764B (zh) * | 2023-02-16 | 2023-04-28 | 仪征威业油泵油嘴有限公司 | 一种油泵测试装置 |
CN115855962B (zh) * | 2023-02-27 | 2023-05-30 | 合肥中科类脑智能技术有限公司 | 焊缝检测装置及其检测*** |
CN116698851B (zh) * | 2023-06-05 | 2024-07-23 | 盐城市天恒建设工程质量检测有限公司 | 建筑外墙饰面层质量检测装置 |
CN118067622B (zh) * | 2024-04-17 | 2024-07-02 | 成都大学 | 一种光学玻璃瑕疵自动检测装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017222964A1 (de) * | 2017-12-15 | 2019-06-19 | Zf Friedrichshafen Ag | Verfahren und System zur Schadenserkennung eines Bauteils |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007001392A1 (de) * | 2007-01-09 | 2008-07-10 | Patent-Treuhand-Gesellschaft für elektrische Glühlampen mbH | Gehäuse für ein Betriebsgerät einer Entladungslampe |
CN103499443B (zh) * | 2013-09-12 | 2016-01-20 | 西安交通大学 | 一种齿轮故障无键相角域平均计算阶次分析方法 |
CN107608936B (zh) * | 2017-09-22 | 2020-09-15 | 桂林电子科技大学 | 一种行星齿轮箱复合故障特征提取方法 |
CN109064463B (zh) * | 2018-08-06 | 2020-10-20 | 中车青岛四方机车车辆股份有限公司 | 一种齿面点蚀面积率测量方法及*** |
CN109029989B (zh) * | 2018-09-28 | 2020-02-14 | 西北工业大学 | 一种基于红外热成像的齿轮箱故障诊断方法 |
US11842553B2 (en) * | 2018-12-06 | 2023-12-12 | ExxonMobil Technology and Engineering Company | Wear detection in mechanical equipment |
CN109754442B (zh) * | 2019-01-10 | 2023-02-21 | 重庆大学 | 一种基于机器视觉的齿轮点蚀检测*** |
-
2019
- 2019-11-01 CN CN201911061376.2A patent/CN110660057B/zh active Active
-
2020
- 2020-10-30 US US17/085,723 patent/US11733179B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017222964A1 (de) * | 2017-12-15 | 2019-06-19 | Zf Friedrichshafen Ag | Verfahren und System zur Schadenserkennung eines Bauteils |
Also Published As
Publication number | Publication date |
---|---|
CN110660057A (zh) | 2020-01-07 |
US11733179B2 (en) | 2023-08-22 |
US20210133949A1 (en) | 2021-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110660057B (zh) | 一种基于深度学习的双目自动化齿轮点蚀检测装置 | |
EP2344840B1 (en) | Device and method for measuring and aligning a first component and a second component in relation to each other | |
CN105486341B (zh) | 一种大幅面高速高精度自动光学检测设备 | |
CN101799432B (zh) | 一种同步跟踪采集图像的自动检测机 | |
CN1520512A (zh) | 片状透明体缺陷的检查方法与装置 | |
CN104914114A (zh) | 一种玻璃管气泡异物视觉检测装置 | |
CN104728583A (zh) | 轴承注脂机用注脂定位装置和定位方法 | |
CN111595852B (zh) | 一种果蔬视觉检测无影led光源***装置 | |
CN109373106A (zh) | 可调式管道全向窥测装置 | |
CN113030106A (zh) | 管道检测设备及检测方法 | |
CN116276837A (zh) | 一种机器视觉检测连杆衬套贴合度的转盘式工作台 | |
CN1357745A (zh) | 用于测量基底厚度的在线测量***及其方法 | |
CN109142378A (zh) | 一种显示材料外观缺陷检测装置 | |
CN209198340U (zh) | 电子元器件检测设备 | |
CN212293325U (zh) | 一种玻璃生产用玻璃喷涂装置 | |
CN201876242U (zh) | 一种水果图像获取装置 | |
CN206095970U (zh) | 一种abs齿圈内面缺陷镜面反射检测装置 | |
CN210538868U (zh) | 一种基于机器视觉的烟支外表面缺陷检测的装置 | |
CN109724997A (zh) | 一种柔性软管内部结构测试装置 | |
CN209102900U (zh) | 一种新型二维固态led激光雷达 | |
CN210269653U (zh) | 一种能够测量光学透镜污染程度的装置 | |
CN209255263U (zh) | 一种基于机器视觉的环状工件内壁缺陷检测设备 | |
CN109374643B (zh) | 一种基于人造视觉的零件表面质量检测装置 | |
CN110823909A (zh) | 多光源补偿弹簧缺陷检测***及检测方法 | |
CN218122709U (zh) | 一种社区人脸识别门禁*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |