一种基于霍夫圆检测的齿轮断齿检测方法

摘要

本发明涉及数据处理技术领域，具体涉及一种基于霍夫圆检测的齿轮断齿检测方法。该方法通过对齿轮二值图像的逐行分析，获得每行的像素编码。获得与标准编码相同的像素编码对应的第二像素值序列。根据第二像素值序列中的齿轮中心孔洞像素值位置获得孔洞边缘像素点，进而获得圆心。对圆心进行霍夫圆检测，获得多个初始参考圆，根据初始参考圆边缘上的齿轮信息数量筛选出参考圆。根据参考圆边缘上齿轮信息和背景信息的像素点数量判断是否出现断齿。本发明在结合相关的电子设备进行图形识别中简化了边缘获取过程，并通过参考圆上的像素值分析快速有效的实现了对断齿的位置和程度的检测。

权利要求

1.一种基于霍夫圆检测的齿轮断齿检测方法，其特征在于，所述方法包括：

获取齿轮图像；根据齿轮信息和背景信息将所述齿轮图像转换为二值图像；获取所述二值图像每行的第一像素值序列；将所述第一像素值序列中连续相同元素值的元素合并为一个元素，获得像素编码；

若所述像素编码与预设标准编码相同，则对应的所述第一像素值序列中包括齿轮中心孔洞像素值；统计所有所述像素编码，获得包含所述齿轮中心孔洞像素值的第二像素值序列；根据所述第二像素值序列中的所述齿轮中心孔洞像素值位置获得孔洞边缘像素点；

获得孔洞边缘的圆心；根据所述圆心进行霍夫圆检测，获得多个初始参考圆；以每个所述初始参考圆边缘上齿轮信息像素点数量和所述参考圆周长的比值作为置信度；将小于预设置信度阈值的所述置信度对应的所述初始参考圆作为参考圆；

所述参考圆的边缘上的像素点构成第三像素值序列；根据所述第三像素值序列中所述齿轮信息和所述背景信息的像素点数量判断是否出现断齿；

所述根据所述第三像素值序列中所述齿轮信息和所述背景信息的像素点数量判断是否出现断齿包括：获取所述第三像素值序列中的齿轮区域段；根据相邻所述齿轮区域段之间的所述背景信息的像素点数量获取相邻所述齿轮区域段之间的间隔距离，以最小间隔距离和最大间隔距离的比值作为断齿判断指标；若所述断齿判断指标小于预设判断指标阈值，则判断齿轮存在断齿缺陷。

2.根据权利要求1所述的一种基于霍夫圆检测的齿轮断齿检测方法，其特征在于，所述根据齿轮信息和背景信息将所述齿轮图像转换为二值图像包括：利用大津阈值算法处理所述齿轮图像，获得所述齿轮信息和所述背景信息；将所述齿轮信息的像素值置为1，所述背景信息的像素值置为0，获得所述二值图像。

3.根据权利要求1所述的一种基于霍夫圆检测的齿轮断齿检测方法，其特征在于，所述将所述第一像素值序列中连续相同元素值的元素合并为一个元素，获得像素编码包括：将所述第一像素值序列进行分割，获得多个子序列，所述子序列由所述第一像素值序列中连续相同元素值的元素构成；根据预设选取数量，选取长度最大的多个所述子序列作为编码序列；根据所述编码序列中的元素合并为一个编码元素，并以所述编码元素的元素值作为编码值，根据所述编码序列在所述第一像素值序列中的位置对所述编码值排列，获得所述像素编码。

4.根据权利要求3所述的一种基于霍夫圆检测的齿轮断齿检测方法，其特征在于，所述根据所述第二像素值序列中的所述齿轮中心孔洞像素值位置获得孔洞边缘像素点包括：任选一个所述第二像素值序列，以所述第二像素值序列的所述像素编码中所述齿轮中心孔洞像素值对应的所述编码序列作为孔洞区域编码序列；

以所述孔洞区域编码序列在所述二值图像中对应的像素点为中心孔洞像素点；

任选一个所述中心孔洞像素点，根据像素值利用区域生长算法获得中心孔洞区域及其对应的所述孔洞边缘像素点。

5.根据权利要求1所述的一种基于霍夫圆检测的齿轮断齿检测方法，其特征在于，所述获得孔洞边缘的圆心包括：获取所述孔洞边缘像素点之间的距离，以最大距离对应的两个所述孔洞边缘像素点之间的连线作为最大距离直线；以所述最大距离直线的交点的平均坐标作为所述圆心的坐标。

6.根据权利要求1所述的一种基于霍夫圆检测的齿轮断齿检测方法，其特征在于，所述将小于预设置信度阈值的所述置信度对应的所述初始参考圆作为参考圆包括：根据所述初始参考圆的半径和所述置信度建立坐标系，获得置信度曲线；所述坐标系的横轴为所述初始参考圆的半径，纵轴为所述置信度；

获取所述置信度曲线中的下降趋势段；以所述下降趋势段中在预设阈值提取位置处的所述置信度作为所述置信度阈值。

说明书

一种基于霍夫圆检测的齿轮断齿检测方法

技术领域

[0001] 本发明涉及数据处理技术领域，具体涉及一种基于霍夫圆检测的齿轮断齿检测方法。

背景技术

[0002] 齿轮为多种领域的机械设备的基础零件，在零件加工过程中，可能会因为工艺缺陷、运输失误等因素导致齿轮出现断齿。断齿后的齿轮会大大影响设备仪器的运行精度和使用寿命，因此在齿轮生产过程中需要对齿轮进行断齿缺陷检测。

[0003] 因为齿轮的断齿缺陷较为明显，因此可通过计算机视觉的方法提取齿轮的图像特征，根据图像特征判断是否出现断齿缺陷。常见的现有技术可利用边缘提取算法提取齿轮图像的边缘信息，通过边缘信息判断是否出现断齿；还可通过神经网络训练，通过神经网络识别断齿缺陷。但是这两种算法都需要对图像进行大量的处理，边缘检测和神经网络的训练均需要大量的数据处理量，对于大批量的齿轮断齿检测而言无法快速顺利的获取断齿信息。

发明内容

[0004] 为了解决上述技术问题，本发明的目的在于提供一种基于霍夫圆检测的齿轮断齿检测方法，所采用的技术方案具体如下：

[0005] 本发明提出了一种基于霍夫圆检测的齿轮断齿检测方法，所述方法包括：

[0006] 获取齿轮图像；根据齿轮信息和背景信息将所述齿轮图像转换为二值图像；获取所述二值图像每行的第一像素值序列；将所述第一像素值序列中连续相同元素值的元素合并为一个元素，获得像素编码；

[0007] 若所述像素编码与预设标准编码相同，则对应的所述第一像素值序列中包括齿轮中心孔洞像素值；统计所有所述像素编码，获得包含所述齿轮中心孔洞像素值的第二像素值序列；根据所述第二像素值序列中的所述齿轮中心孔洞像素值位置获得孔洞边缘像素点；

[0008] 获得孔洞边缘的圆心；根据所述圆心进行霍夫圆检测，获得多个初始参考圆；以每个所述初始参考圆边缘上齿轮信息像素点数量和所述参考圆周长的比值作为置信度；将小于预设置信度阈值的所述置信度对应的所述初始参考圆作为参考圆；

[0009] 所述参考圆的边缘上的像素点构成第三像素值序列；根据所述第三像素值序列中所述齿轮信息和所述背景信息的像素点数量判断是否出现断齿。

[0010] 进一步地，所述根据齿轮信息和背景信息将所述齿轮图像转换为二值图像包括：

[0011] 利用大津阈值算法处理所述齿轮图像，获得所述齿轮信息和所述背景信息；将所述齿轮信息的像素值置为1，所述背景信息的像素值置为0，获得所述二值图像。

[0012] 进一步地，所述将所述第一像素值序列中连续相同元素值的元素合并为一个元素，获得像素编码包括：

[0013] 将所述第一像素值序列进行分割，获得多个子序列，所述子序列由所述第一像素值序列中连续相同元素值的元素构成；根据预设选取数量，选取长度最大的多个所述子序列作为编码序列；根据所述编码序列中的元素合并为一个编码元素，并以所述编码元素的元素值作为编码值，根据所述编码序列在所述第一像素值序列中的位置对所述编码值排列，获得所述像素编码。

[0014] 进一步地，所述根据所述第二像素值序列中的所述齿轮中心孔洞像素值位置获得孔洞边缘像素点包括：

[0015] 任选一个所述第二像素值序列，以所述第二像素值序列的所述像素编码中所述齿轮中心孔洞像素值对应的所述编码序列作为孔洞区域编码序列；

[0016] 以所述孔洞区域编码序列在所述二值图像中对应的像素点为中心孔洞像素点；

[0017] 任选一个所述中心孔洞像素点，根据像素值利用区域生长算法获得中心孔洞区域及其对应的所述孔洞边缘像素点。

[0018] 进一步地，所述获得孔洞边缘的圆心包括：

[0019] 获取所述孔洞边缘像素点之间的距离，以最大距离对应的两个所述孔洞边缘像素点之间的连线作为最大距离直线；以所述最大距离直线的交点的平均坐标作为所述圆心的坐标。

[0020] 进一步地，所述将小于预设置信度阈值的所述置信度对应的所述初始参考圆作为参考圆包括：

[0021] 根据所述初始参考圆的半径和所述置信度建立坐标系，获得置信度曲线；所述坐标系的横轴为所述初始参考圆的半径，纵轴为所述置信度；

[0022] 获取所述置信度曲线中的下降趋势段；以所述下降趋势段中在预设阈值提取位置处的所述置信度作为所述置信度阈值。

[0023] 进一步地，所述根据所述第三像素值序列中所述齿轮信息和所述背景信息的像素点数量判断是否出现断齿包括：

[0024] 获取所述第三像素值序列中的齿轮区域段；根据相邻所述齿轮区域段之间的所述背景信息的像素点数量获取相邻所述齿轮区域段之间的间隔距离，以最小间隔距离和最大间隔距离的比值作为断齿判断指标；若所述断齿判断指标小于预设判断指标阈值，则判断齿轮存在断齿缺陷。

[0025] 本发明具有如下有益效果：

[0026] 本发明实施例通过对齿轮图像的二值图像逐行分析，根据像素编码确定出孔洞边缘。像素编码长度较短，数据存储和数据处理都较为方便，可快速的对像素编码进行分析，实现图像处理过程的简化。进一步根据孔洞边缘获得齿轮圆心，通过霍夫圆检测算法获得多个初始参考圆，根据初始参考圆的置信度获得过齿轮的齿的参考圆。根据参考圆边缘上的第三像素值序列判断是否出现断齿。本发明实施例仅对图像信息的像素值的大小和位置进行分析，避免了复杂的边缘梯度检测和特征获取，实现了高效快速的断齿缺陷检测。

附图说明

[0027] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

[0028] 图1为本发明一个实施例所提供的一种基于霍夫圆检测的齿轮断齿检测方法流程图；

[0029] 图2为本发明一个实施例所提供的一种置信度曲线示意图。

具体实施方式

[0030] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于霍夫圆检测的齿轮断齿检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

[0031] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0032] 下面结合附图具体的说明本发明所提供的一种基于霍夫圆检测的齿轮断齿检测方法的具体方案。

[0033] 请参阅图1，其示出了本发明一个实施例提供的一种基于霍夫圆检测的齿轮断齿检测方法流程图，该方法包括：

[0034] 步骤S1：获取齿轮图像；根据齿轮信息和背景信息将齿轮图像转换为二值图像；获取二值图像每行的第一像素值序列；将第一像素值序列中连续相同元素值的元素合并为一个元素，获得像素编码。

[0035] 齿轮经过生产工艺生产后，可通过流水线运输至缺陷检测车间。在传送带顶部部署工业相机，调整工业相机的采样频率和参数，使得能够采集传送带上齿轮的清楚完整的齿轮图像。

[0036] 需要说明的是，在采集到齿轮图像后可根据图像预处理方法对齿轮图像进行灰度化、特征增强、去噪等操作，方便后续处理。图像预处理方法为本领域技术人员熟知的技术手段，在此不做赘述。

[0037] 齿轮和传送带存在颜色差异，且在齿轮图像中仅存在齿轮信息和传送带构成的背景信息。因此可根据齿轮信息和背景信息将齿轮图像转换为二值图像，具体包括：

[0038] 利用大津阈值算法处理齿轮图像，获得齿轮信息和背景信息。将齿轮信息的像素值置为1，背景信息的像素值置为0，获得二值图像。大津阈值又称最大类间阈值法，可获得齿轮图像中最优的像素阈值对齿轮信息和背景信息进行分割，具体算法为本领域技术人员熟知的现有技术，在此不做赘述。

[0039] 因为齿轮中央会留有连接轴承的圆形孔洞，因此在二值图像中，齿轮中心孔洞内应包含背景信息，即整个二值图像的像素分布特征由外到内为：背景信息‑齿轮信息‑背景信息。可根据像素分布特征确定齿轮中心孔洞的边缘。

[0040] 对二值图像逐行分析，获得二值图像每行的像素值，构成第一像素值序列。第一像素值序列中的元素值仅包括0和1，其中，1表示齿轮信息像素点的像素值，0表示背景信息像素点的像素值。

[0041] 将第一像素值序列中连续相同元素值的元素合并为一个元素，获得像素编码，具体包括：

[0042] 将第一像素值序列进行分割，获得多个子序列，子序列由第一像素值序列中连续相同元素值的元素构成。根据预设选取数量，选取长度最大的多个子序列作为编码序列。根据编码序列中的元素合并为一个编码元素，并以编码元素的元素值作为编码值，根据编码序列在第一像素值序列中的位置对编码值排列，获得像素编码。

[0043] 在本发明实施例中，预设选取数量设置为5，即选取长度最大的五个子序列作为编码序列。

[0044] 步骤S2：若像素编码与预设标准编码相同，则对应的第一像素值序列中包括齿轮中心孔洞像素值；统计所有像素编码，获得包含齿轮中心孔洞像素值的第二像素值序列；根据第二像素值序列中的齿轮中心孔洞像素值位置获得孔洞边缘像素点。

[0045] 在本发明实施例中，因为齿轮中心孔洞内的像素信息为背景信息，所以标准编码的形式应为01010，即在二值图像中包括齿轮中心孔洞像素值的像素分布从左到右为：背景信息‑齿轮信息‑背景信息‑齿轮信息‑背景信息。因此可统计所有像素编码，若像素编码与预设标准编码相同，则对应的第一像素值序列中包括齿轮中心孔洞像素值，获得包含齿轮中心孔洞像素值的第二像素值序列。

[0046] 第二像素值序列的对应的行为二值图像中过齿轮中心孔洞区域的行，因此在第二像素值序列中不仅包含齿轮中心孔洞内的背景信息，还包含齿轮中心孔洞边缘上的齿轮信息。因为标准编码中，中间位置编码为0的编码值对应齿轮中心孔洞内的背景信息，因此可根据第二像素值序列的像素编码确定第二像素值序列中的齿轮中心孔洞位置，可根据第二像素值序列中齿轮中心孔洞像素值位置获得孔洞边缘像素点，具体包括：

[0047] 任选一个第二像素值序列，以第二像素值序列的像素编码中齿轮中心孔洞像素值对应的编码序列作为孔洞区域编码序列。

[0048] 以孔洞区域编码序列在二值图像中对应的像素点为中心孔洞像素点。

[0049] 任选一个中心孔洞像素点，根据像素值利用区域生长算法获得中心孔洞区域及其对应的孔洞边缘像素点。

[0050] 需要说明的是，区域生长算法为本领域技术人员熟知的现有技术，在此仅对此进行简要说明，在本发明实施例中区域生长算法的过程具体包括：

[0051] 任选一个中心孔洞像素点，若该点的八邻域范围内的其他像素点的像素值为0，则将其他像素点归为中心孔洞像素点，然后根据其他中心孔洞像素点继续向外生长，重复归类过程，获得所有中心孔洞像素点，若生长过程中最外围区域存在灰度为1的像素点，则该点为孔洞边缘像素点。

[0052] 获取孔洞边缘像素点的过程避免了常规边缘检测过程中复杂的梯度计算，简化了运算流程和数据处理压力，方便快速执行断齿缺陷检测。

[0053] 步骤S3：获得孔洞边缘的圆心；根据所述圆心进行霍夫圆检测，获得多个初始参考圆；以每个所述初始参考圆边缘上齿轮信息像素点数量和所述参考圆周长的比值作为置信度；将小于预设置信度阈值的所述置信度对应的所述初始参考圆作为参考圆。

[0054] 孔洞边缘像素点可构成孔洞边缘，根据孔洞边缘可获得孔洞圆心。孔洞圆心与齿轮本体圆心为同一个圆心，因此可根据该圆心进行后续分析，具体圆心获取方法包括：

[0055] 获取孔洞边缘像素点之间的距离，以最大距离对应的两个孔洞边缘像素点之间的连线作为最大距离直线。最大距离可视为中心孔洞的直径，因此最大距离直线的交点为中心孔洞的圆心，考虑到计算精度问题，可能存在多个最大距离直线之间的交点，因此以最大距离直线的交点的平均坐标作为圆心的坐标。

[0056] 在本发明实施例中，利用欧式距离计算孔洞边缘像素点之间的距离。

[0057] 在对圆心进行霍夫圆检测过程中，可通过不同指定半径范围获得多个初始参考圆。不同初始参考圆存在经过中心孔洞、经过齿轮主体、经过齿轮齿部和经过外围背景四种情况。为了实现对齿轮齿部的断齿检测，需要找出经过齿轮齿部的初始参考圆作为参考圆，以每个初始参考圆边缘上齿轮信息像素点数量和参考圆周长的比值作为置信度，将小于预设置信度阈值的置信度对应的初始参考圆作为参考圆，具体包括：

[0058] 根据初始参考圆的半径和置信度建立坐标系，获得置信度曲线；坐标系的横轴为初始参考圆的半径，纵轴为置信度。请参阅图2，其示出了本发明一个实施例所提供的一种置信度曲线示意图。在半径较小的区间中，因为此时初始参考圆在中心孔洞范围内，边缘上都为背景信息，置信度为0；随着半径增加，初始参考圆进入齿轮主体部位，初始参考圆边缘上都为齿轮信息，置信度为1；当半径增加到一定程度时，初始参考圆进入齿轮齿部，则初始参考圆边缘上即存在齿轮信息又存在背景信息，置信度不为1，又因为齿部通常为尖端细尾端粗的状态，则经过齿轮齿部的初始参考圆会随着半径逐渐增加置信度逐渐减小。因此可通过置信度曲线中的下降趋势段判断所需参考圆范围。

[0059] 获取置信度曲线中的下降趋势段。为了防止计算误差带来的影响，以下降趋势段中在预设阈值提取位置处的置信度作为置信度阈值。

[0060] 在本发明实施例中，以下降趋势段起点后10个横坐标处作为阈值提取位置。

[0061] 步骤S4：参考圆的边缘上的像素点构成第三像素值序列；根据第三像素值序列中齿轮信息和背景信息的像素点数量判断是否出现断齿。

[0062] 如果齿轮发生了断齿，则在齿轮的齿部会出现齿轮信息丢失，则在参考圆边缘上对应位置也会出现齿轮信息像素点丢失。因此可将参考圆边缘上的像素点构成第三像素值序列，根据第三像素值序列中的齿轮信息和背景信息的像素点数量判断是否出现断齿，具体包括：

[0063] 获取第三像素值序列中的齿轮区域段。因为齿轮为对称形状，且齿轮齿部的每个齿形状都相同，因此齿轮区域段的长度应都相同；根据相邻齿轮区域段之间的背景信息的像素点数量获取相邻齿轮区域段之间的间隔距离，以最小间隔距离和最大间隔距离的比值作为断齿判断指标。若断齿判断指标小于预设判断指标阈值，则判断齿轮存在断齿缺陷。

[0064] 在本发明实施例中，参考圆的第三像素值序列的起点均为过圆心的水平线与参考圆的左方交点。判断指标阈值设置为0.6。

[0065] 需要说明的是，参考圆可存在多个，因为断齿缺陷存在完全断齿和部分断齿两种情况，完全断齿是指齿轮的的一个齿部从尾部开始断裂，导致齿轮对应位置的齿部不存在；部分断齿是指齿轮的一个齿部从尖端或者中部位置开始断裂，导致齿轮对应位置仅存在少量齿轮信息。因为不同参考圆的半径不同，经过齿部的位置不同，因此可通过对所有参考圆进行分析，确定出断齿的位置及程度。

[0066] 综上所述，本发明实施例通过对齿轮二值图像的逐行分析，获得每行的像素编码。获得与标准编码相同的像素编码对应的第二像素值序列。根据第二像素值序列中的齿轮中心孔洞像素值位置获得孔洞边缘像素点，进而获得圆心。对圆心进行霍夫圆检测，获得多个初始参考圆，根据初始参考圆边缘上的齿轮信息数量筛选出参考圆。根据参考圆边缘上齿轮信息和背景信息的像素点数量判断是否出现断齿。本发明实施例针对齿轮的形状特征简化了边缘获取过程，并通过参考圆上的像素值分析快速有效的实现了对断齿的位置和程度的检测。

[0067] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0068] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

[0069] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。