(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210346775.9 (22)申请日 2022.03.31 (71)申请人 南通博莹机械铸造有限公司 地址 226000 江苏省南 通市海门区余 东镇 创业路12号 (72)发明人 伏跃文　谢璐璐　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01) G06T 7/62(2017.01) G06K 9/62(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 基于计算机视觉的齿轮缺陷检测方法和系 统 (57)摘要 本发明涉及缺陷检测和图像处理技术领域， 具体涉及一种基于计算机视觉的齿轮缺陷检测 方法和系统。 该方法包括： 根据齿槽区域面积、 各 高亮区域的面积、 阴影区域的平均宽度和方差获 得光源角度调节目标函数； 根据光源角度调节目 标函数调节 光源， 当目标函数取得最小值时获得 最优齿槽 灰度图像； 获得最优齿槽灰度图像中的 疑似裂纹像素点并进行筛选； 利用疑似裂纹像素 点和不同的灰度梯度阈值将阴影区域的像素点 进行分类； 对 各类像素点和阴影区域其他的像素 点进行不同程度的增强， 获得增强后阴影区域中 各类像素点与阴影区域其他像素点的对比度， 判 断其是否为裂纹像素点。 本发明提高了齿槽图像 中阴影区域裂纹的检测效率和准确性。 权利要求书2页 说明书8页 附图1页 CN 114723701 A 2022.07.08 CN 114723701 A 1.一种基于计算机视觉的齿轮缺陷检测方法， 其特征在于， 该方法包括： 获得齿槽区域 的齿槽灰度图像， 所述齿槽灰度图像包括齿轮和齿根处阴影区域； 根据预设灰度阈值， 将齿 槽灰度图像的像素点划分为高亮像素点和阴影像素点； 对高亮像素点进行聚类， 获得多个 高亮区域及其 面积； 对齿槽灰度图像进行边缘检测得到齿轮的齿线和阴影区域的边缘线； 获得所述齿线和 阴影区域的边缘线的像素点之间的最短距离， 以最短距离的均值作为阴影区域的平均宽 度， 同时得到其宽度的方差； 根据齿槽灰度图像中齿槽区域的面积、 各高亮区域的面积、 阴 影区域的平均宽度和方差获得光源角度调节目标函数； 根据光源角度调节目标函数调节光 源， 当目标函数取得最小值时获得最优齿槽灰度图像； 基于最优齿槽灰度图像中的不属于 高亮区域的高亮像素点， 选取预定数量的与邻域像素点的差异 程度大的像素点为疑似裂纹 像素点； 利用预定数量的疑似裂纹像素点和不同的灰度梯度阈值将阴影区域的像素点进行分 类； 根据灰度梯度阈值对该灰度梯度阈值对应的同类像素点和其他像素点进 行不同程度的 增强； 获得增强后阴影区域中各类像素点与其他像素点的对比度， 判断相应类别的像素点 是否为裂纹像素点。 2.根据权利要求1所述的一种基于计算机视觉的齿轮缺陷检测方法， 其特征在于， 所述 对高亮像素点进行聚类具体包括： 以齿槽灰度图像的中心点为初始聚类中心点， 其中聚类 半径为预设半径， 聚类密度为预设密度， 聚类过程中聚类圆内只有高亮像素点； 后续聚类过 程中， 直至所有聚类中心对应的聚类半径内不再出现高亮像素点时， 停止聚类获得多个高 亮区域； 由于阴影区域可能存在裂纹造成阴影区域边界处部分高亮像素点不满足聚类条 件， 此部分高亮像素点 为疑似裂纹像素点。 3.根据权利要求1所述的一种基于计算机视觉的齿轮缺陷检测方法， 其特征在于， 所述 光源角度调节目标函数具体为： 对齿槽区域面积和多个高亮区域面积之和的差值、 阴影区 域的宽度均值和方差求和获得光源角度调节目标函数。 4.根据权利要求1所述的一种基于计算机视觉的齿轮缺陷检测方法， 其特征在于， 所述 不同的灰度梯度阈值具体包括： 设定初始灰度梯度阈值， 根据阴影区域的像素点与疑似裂 纹像素点的灰度梯度值对初始灰度梯度阈值进行更新； 将初始灰度梯度阈值和更新得到的 灰度梯度阈值按照升序的顺序排列； 依 次得到初始灰度梯度阈值为第一阈值， 第二个更新 得到的灰度梯度阈值为第二阈值， 直至阴影区域所有像素点都参与灰度梯度的分类， 初始 灰度梯度阈值停止更新。 5.根据权利要求1所述的一种基于计算机视觉的齿轮缺陷检测方法， 其特征在于， 利用 预定数量的疑似裂纹像素点和不同的灰度梯度阈值将阴影区域的像素点进 行分类包括： 选 择与邻域像素点梯度最大的疑似裂纹像素点作为起始点， 获得邻域内像素点与疑似像素点 的灰度梯度， 小于第一阈值的像素点为同一类像素点； 疑似裂纹像素点邻域向阴影区域移 动， 进入阴影区域后邻域内像素点灰度梯度小于第一阈值的像素点作为下一个邻域中心像 素点； 利用第二阈值对不满足第一灰度阈值的阴影区域像素点进行分类； 持续按照预设灰 度梯度阈值的顺序选择灰度梯度阈值对阴影区域像素点进 行分类， 直至阴影区域像素点 都 参与灰度梯度分类时停止分类。 6.根据权利要求1所述的一种基于计算机视觉的齿轮缺陷检测方法， 其特征在于， 所述权　利　要　求　书 1/2 页 2 CN 114723701 A 2根据灰度梯度阈值对该灰度梯度阈值对应的阴影区域同类的像素点和 其他像素点进行不 同程度的增强之前还 包括建立图像增强模型， 具体为： Z＝MvI+(1‑Mv)I′ 其中， Z表示增强后的齿槽 灰度图像； MV表示各灰度梯度阈值进行归一化后第V 个灰度梯 度阈值对应的增强系数； I表示第V个灰度梯度阈值对应 的同一类阴影区域像素点； I′表示 除第V个灰度梯度阈值对应的同一类阴影区域像素点外阴影区域的其 他像素点。 7.根据权利要求1所述的一种基于计算机视觉得到齿轮缺陷检测方法， 其特征在于， 所 述获得增强后各类阴影区域中像素点与阴影区域其他像素点的对比度， 判断其是否为裂纹 像素点包括： 获得同类阴影区域像素点与阴影区域其他像素点的对比度， 若大于预设对比 度阈值， 则该类像素点为裂纹像素点， 对其位置进行标记； 同理， 判断其他各类阴影区域像 素点是否为裂纹像素点。 8.一种基于计算机视觉的齿轮缺陷检测系统， 其特征在于， 该系统包括： 疑似裂纹像素 点获取模块， 用于获得齿槽区域的齿槽灰度图像， 所述齿槽灰度图像包括齿轮和齿根处阴 影区域； 根据预设灰度阈值， 将齿槽灰度图像的像素点划分为高亮像素点和阴影像素点； 对 高亮像素点进行聚类， 获得多个高亮区域及其 面积； 最优齿槽灰度图像获取模块， 用于对齿槽灰度图像进行边缘检测得到齿轮的齿线和阴 影区域的边缘线； 获得所述齿线和阴影区域边缘线的像素点之间的最短距离， 以最短距离 的均值作为阴影区域的平均宽度， 同时得到其宽度的方差； 根据齿槽灰度图像中齿槽区域 的面积、 各高亮区域的面积、 阴影区域的平均宽度和方差获得光源角度调节目标函数； 根据 光源角度调节目标函数调节光源， 当目标函数取得最小值时获得最优齿槽灰度图像； 基于 最优齿槽灰度图像中的不属于高亮区域的高亮像素点， 选取预定数量的与邻域像素点的差 异程度大的像素点 为疑似裂纹像素点； 裂纹检测模块， 用于利用预定数量的疑似裂纹像素点和不同的灰度梯度阈值将阴影区 域的像素点进 行分类； 根据灰度梯度阈值对该灰度梯度阈值对应的同类像素点和其他像素 点进行不同程度的增强； 获得增强后阴影区域中各类像素点与其他像素点的对比度， 判断 相应类别的像素点是否为裂纹像素点。 9.根据权利要求8所述的一种基于计算机视觉的齿轮缺陷检测系统， 其特征在于， 所述 疑似裂纹像素点获取模块， 还用于以齿槽灰度图像的中心点为初始聚类中心点， 其中聚类 半径为预设半径， 聚类密度为预设密度， 聚类过程中聚类圆内只有高亮像素点； 后续聚类过 程中， 直至所有聚类中心对应的聚类半径内不再出现高亮像素点时， 停止聚类获得多个高 亮区域； 由于阴影区域可能存在裂纹造成阴影区域边界处部分高亮像素点不满足聚类条 件， 此部分高亮像素点 为疑似裂纹像素点。 10.根据权利要求8所述的一种基于计算机视觉的齿轮缺陷检测系统， 其特征在于， 所 述最优齿槽灰度图像获取模块， 还用于获取光源角度调节目标函数的获取， 具体为： 对齿槽 区域面积和多个高亮区域面积之和的差值、 阴影区域的宽度均值和方差求和获得光源角度 调节目标函数。权　利　要　求　书 2/2 页 3 CN 114723701 A 3