本發(fā)明涉及裂紋識(shí)別裝置，尤其涉及一種齒輪裂紋識(shí)別裝置及方法。

背景技術(shù)：

1、數(shù)控加工技術(shù)是一種高度自動(dòng)化的制造技術(shù)，其核心在于利用計(jì)算機(jī)數(shù)值控制系統(tǒng)來精確控制機(jī)床的運(yùn)動(dòng)和加工過程，該技術(shù)集成了計(jì)算機(jī)技術(shù)、自動(dòng)控制技術(shù)、傳感器技術(shù)和機(jī)械加工技術(shù)等多個(gè)領(lǐng)域的成果，是現(xiàn)代制造業(yè)中實(shí)現(xiàn)高精度、高效率、高質(zhì)量加工的重要手段。數(shù)控加工技術(shù)的基本原理是將加工過程中的各種運(yùn)動(dòng)和操作通過編程的方式預(yù)先設(shè)定在計(jì)算機(jī)。在數(shù)控加工技術(shù)中，齒輪加工過程是一個(gè)繁雜的過程，由于齒輪在加工過程中受到切削力的影響，可能會(huì)產(chǎn)生一定的裂紋，因此，齒輪在加工完成之后需要進(jìn)行裂紋識(shí)別，而細(xì)小的裂紋人的肉眼是很難看見，而且肉眼觀察耗費(fèi)大量的物力、時(shí)間、人力等，不利于對異常裂紋齒輪的快速識(shí)別。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明克服了現(xiàn)有技術(shù)的不足，提供了一種齒輪裂紋識(shí)別裝置及方法。

2、為達(dá)上述目的，本發(fā)明采用的技術(shù)方案為：

3、本發(fā)明第一方面提供了一種齒輪裂紋識(shí)別方法，包括以下步驟：

4、獲取齒輪裂紋的歷史圖像數(shù)據(jù)，并通過對所述齒輪裂紋的歷史圖像數(shù)據(jù)進(jìn)行預(yù)處理，獲取預(yù)處理后的圖像數(shù)據(jù)，對所述預(yù)處理后的圖像數(shù)據(jù)進(jìn)行聚類處理，獲取聚類后的圖像數(shù)據(jù)；

5、融合馬氏距離度量法以及遺傳算法，基于所述聚類后的圖像數(shù)據(jù)構(gòu)建裂紋圖像訓(xùn)練集；

6、基于所述裂紋圖像訓(xùn)練集構(gòu)建齒輪裂紋識(shí)別模型，獲取實(shí)時(shí)的齒輪裂紋圖像數(shù)據(jù)，并根據(jù)所述實(shí)時(shí)的齒輪裂紋圖像數(shù)據(jù)以及齒輪裂紋識(shí)別模型獲取識(shí)別結(jié)果；

7、基于所述識(shí)別結(jié)果獲取第一分析結(jié)果或者第二分析結(jié)果，并根據(jù)所述第二分析結(jié)果生成相關(guān)的預(yù)警信息。

8、進(jìn)一步的，在本方法中，獲取齒輪裂紋的歷史圖像數(shù)據(jù)，并通過對所述齒輪裂紋的歷史圖像數(shù)據(jù)進(jìn)行預(yù)處理，獲取預(yù)處理后的圖像數(shù)據(jù)，具體包括：

9、獲取齒輪裂紋的歷史圖像數(shù)據(jù)，并將所述齒輪裂紋的歷史圖像數(shù)據(jù)轉(zhuǎn)換為灰度圖像，獲取灰度圖像，引入sobel算子，通過所述sobel算子計(jì)算所述灰度圖像中像素點(diǎn)在各個(gè)方向上的梯度，得到灰度圖像的水平梯度和垂直梯度；

10、基于所述水平梯度和垂直梯度計(jì)算灰度圖像每個(gè)像素的梯度幅值，根據(jù)每個(gè)像素的梯度幅值計(jì)算所述灰度圖像的平均梯度幅值和梯度幅值標(biāo)準(zhǔn)差；

11、根據(jù)所述平均梯度幅值和梯度幅值標(biāo)準(zhǔn)差確定圖像的空域平滑度，并將所述空域平滑度小于預(yù)設(shè)空域平滑度的區(qū)域進(jìn)行標(biāo)記；

12、通過標(biāo)記，對所述空域平滑度小于預(yù)設(shè)空域平滑度的區(qū)域進(jìn)行圖像增強(qiáng)處理，獲取圖像增強(qiáng)后的圖像，將所述圖像增強(qiáng)后的圖像作為預(yù)處理后的圖像數(shù)據(jù)輸出。

13、進(jìn)一步的，在本方法中，對所述預(yù)處理后的圖像數(shù)據(jù)進(jìn)行聚類處理，獲取聚類后的圖像數(shù)據(jù)，具體包括：

14、引入模糊聚類算法，并初始化聚類中心的個(gè)數(shù)，將所述預(yù)處理后的圖像數(shù)據(jù)中所有的像素點(diǎn)作為樣本數(shù)據(jù)，基于所述聚類中心的個(gè)數(shù)計(jì)算出每個(gè)像素點(diǎn)到聚類中心的歐式距離值；

15、獲取最小的歐式距離值所對應(yīng)的聚類中心作為相對應(yīng)像素點(diǎn)的類簇，并對每一像素點(diǎn)進(jìn)行分類，獲取每個(gè)像素點(diǎn)相對應(yīng)的類簇，并按照所述每個(gè)像素點(diǎn)相對應(yīng)的類簇對所述預(yù)處理后的圖像數(shù)據(jù)進(jìn)行分割；

16、通過分割，獲取聚類后的圖像數(shù)據(jù)，并將所述聚類后的圖像數(shù)據(jù)作為輸出結(jié)果進(jìn)行輸出。

17、進(jìn)一步的，在本方法中，融合馬氏距離度量法以及遺傳算法，基于所述聚類后的圖像數(shù)據(jù)構(gòu)建裂紋圖像訓(xùn)練集，具體為：

18、引入馬氏距離度量法以及遺傳算法，并通過特征金字塔網(wǎng)絡(luò)對所述聚類后的圖像數(shù)據(jù)進(jìn)行裂紋特征提取，獲取聚類后的圖像數(shù)據(jù)的裂紋特征數(shù)據(jù)；

19、構(gòu)建并初始化裂紋圖像訓(xùn)練集，從所述聚類后的圖像數(shù)據(jù)的裂紋特征數(shù)據(jù)中隨機(jī)選取所述裂紋圖像訓(xùn)練集中的訓(xùn)練項(xiàng)目，通過所述馬氏距離度量法計(jì)算所述裂紋圖像訓(xùn)練集中的訓(xùn)練項(xiàng)目之間的馬氏距離值；

20、判斷所述裂紋圖像訓(xùn)練集中的訓(xùn)練項(xiàng)目中訓(xùn)練項(xiàng)目之間的馬氏距離值是否均小于預(yù)設(shè)馬氏距離閾值；

21、當(dāng)所述裂紋圖像訓(xùn)練集中的訓(xùn)練項(xiàng)目中訓(xùn)練項(xiàng)目之間的馬氏距離值均小于預(yù)設(shè)馬氏距離閾值時(shí)，輸出裂紋圖像訓(xùn)練集；

22、當(dāng)所述裂紋圖像訓(xùn)練集中的訓(xùn)練項(xiàng)目中訓(xùn)練項(xiàng)目之間的馬氏距離值均小于預(yù)設(shè)馬氏距離閾值時(shí)，基于所述遺傳算法設(shè)置遺傳代數(shù)，并進(jìn)行遺傳迭代，調(diào)整所述馬氏距離度量法計(jì)算所述裂紋圖像訓(xùn)練集中的訓(xùn)練項(xiàng)目，直至均小于預(yù)設(shè)馬氏距離閾值，輸出所述裂紋圖像訓(xùn)練集。

23、進(jìn)一步的，在本方法中，基于所述裂紋圖像訓(xùn)練集構(gòu)建齒輪裂紋識(shí)別模型，獲取實(shí)時(shí)的齒輪裂紋圖像數(shù)據(jù)，并根據(jù)所述實(shí)時(shí)的齒輪裂紋圖像數(shù)據(jù)以及齒輪裂紋識(shí)別模型獲取識(shí)別結(jié)果，具體包括：

24、基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建齒輪裂紋識(shí)別模型，并將所述裂紋圖像訓(xùn)練集輸入到所述齒輪裂紋識(shí)別模型中進(jìn)行訓(xùn)練，獲取訓(xùn)練完成的齒輪裂紋識(shí)別模型；

25、獲取實(shí)時(shí)的齒輪裂紋圖像數(shù)據(jù)，將所述實(shí)時(shí)的齒輪裂紋圖像數(shù)據(jù)輸入到所述齒輪裂紋識(shí)別模型中進(jìn)行識(shí)別，獲取識(shí)別結(jié)果。

26、進(jìn)一步的，在本方法中，基于所述識(shí)別結(jié)果獲取第一分析結(jié)果或者第二分析結(jié)果，并根據(jù)所述第二分析結(jié)果生成相關(guān)的預(yù)警信息，具體包括：

27、當(dāng)所述識(shí)別結(jié)果中不存在裂紋，生成齒輪正常的提示信息，并將所述齒輪正常的提示信息作為第一分析結(jié)果，并將所述第一分析結(jié)果輸出；

28、當(dāng)所述識(shí)別結(jié)果中存在裂紋，則生成齒輪異常的提示信息，并將所述齒輪異常的提示信息作為第二分析結(jié)果，基于所述第二分析結(jié)果構(gòu)建檢索標(biāo)簽，基于所述檢索標(biāo)簽通過大數(shù)據(jù)進(jìn)行檢索；

29、通過大數(shù)據(jù)檢索獲取產(chǎn)生裂紋相關(guān)的工藝流程，并根據(jù)產(chǎn)生裂紋相關(guān)的工藝流程生成相關(guān)的預(yù)警信息。

30、本發(fā)明第二方面提供了一種齒輪裂紋識(shí)別裝置，包括支撐架，所述支撐架上設(shè)置有控制器、視覺檢測儀以及輸送線，

31、通過所述輸送線輸送待檢測的齒輪；

32、通過所述視覺檢測儀采集實(shí)時(shí)的齒輪圖像，并通過所述控制器對所述實(shí)時(shí)的齒輪圖像進(jìn)行裂紋識(shí)別；

33、所述控制器中包括齒輪裂紋識(shí)別方法程序，所述齒輪裂紋識(shí)別方法程序中包含如權(quán)利要求1-6任一項(xiàng)所述的齒輪裂紋識(shí)別方法的步驟。

34、本發(fā)明解決了背景技術(shù)中存在的缺陷，本發(fā)明具備以下有益效果：

35、本發(fā)明通過獲取齒輪裂紋的歷史圖像數(shù)據(jù)，并通過對齒輪裂紋的歷史圖像數(shù)據(jù)進(jìn)行預(yù)處理，獲取預(yù)處理后的圖像數(shù)據(jù)，對預(yù)處理后的圖像數(shù)據(jù)進(jìn)行聚類處理，獲取聚類后的圖像數(shù)據(jù)，從而融合馬氏距離度量法以及遺傳算法，基于聚類后的圖像數(shù)據(jù)構(gòu)建裂紋圖像訓(xùn)練集；進(jìn)而基于裂紋圖像訓(xùn)練集構(gòu)建齒輪裂紋識(shí)別模型，獲取實(shí)時(shí)的齒輪裂紋圖像數(shù)據(jù)，并根據(jù)實(shí)時(shí)的齒輪裂紋圖像數(shù)據(jù)以及齒輪裂紋識(shí)別模型獲取識(shí)別結(jié)果，最后基于識(shí)別結(jié)果獲取第一分析結(jié)果或者第二分析結(jié)果，并根據(jù)第二分析結(jié)果生成相關(guān)的預(yù)警信息。本發(fā)明通過融合馬氏距離度量法以及遺傳算法，能夠提高對齒輪裂紋的識(shí)別精度，從而使得能夠快速識(shí)別出加工后的齒輪的裂紋，快速對加工后的齒輪進(jìn)行品質(zhì)測評。