摘要
本申请提供了一种精密齿轮的齿面缺陷检测方法及系统,该方法包括:获取覆盖精密齿轮齿面全周向的原始图像序列;通过对原始图像序列进行预处理生成缺陷候选区域集合;通过将缺陷候选区域集合中各区域固定尺寸的齿轮图像输入至深度神经网络,确定精密齿轮齿面的初步检测结果;对初步检测结果中缺陷边界框的预测坐标与对应真值框坐标之间进行联合约束回归,生成与初步检测结果对应的回归修正边界框集合;根据回归修正边界框集合的空间位置信息与对应类别标签判断精密齿轮齿面的缺陷类型。通过建立图像序列与齿轮旋转角度的索引关系,实现了图像采集与齿位精确匹配,并通过深度神经网络与回归修正机制协同,有效提高缺陷检测的精度。
技术关键词
精密齿轮
缺陷检测方法
深度神经网络
图像索引结构
联合损失函数
缺陷检测装置
坐标
序列
密度分布特征
多尺度特征提取
空间分布特征
拓扑图
尺寸
标签
处理器
参数
生成特征
边缘轮廓
系统为您推荐了相关专利信息
单线激光雷达
管道检测机器人
机器人本体
管道缺陷检测方法
自动行走方法
高压直流
工作状态信息
低功耗控制方法
遍历算法
深度神经网络
条件概率场
状态观测模型
衰减特征
演化特征
内阻
分布式控制系统
强化学习环境
深度Q学习网络
料仓
协方差矩阵
资源分配策略
资源特征
线路
计算机执行指令
资源状态信息