随着计算机技术的快速发展,机器视觉技术在零件检测中的应用越来越广泛,与传统的检测手段相比,这种非接触式检测方法极大地提高了检测的自动化程度、检测效率和检测精度,同时大大降低了检测人员的劳动强度和检测成本。目前,针对齿轮检测已经有相应的视觉检测设备,精度也非常高,但是大部分都是针对单个齿轮进行抽样检测,并不能在生产过程中在线检测,并且这些设备大多是国外进口的,价格昂贵,很难在行业中普及。针对上述现状,本文通过对机器视觉技术及图像处理技术的深入研究,以齿轮为研究对象,详细分析了图像预处理技术和边缘检测技术,设计了基于机器视觉的齿轮在线检测系统。本文的主要研究内容:(1)完成了机器视觉的齿轮在线检测系统的硬件和软件设计。按照齿轮检测的具体要求,选择了合适的光源和相机等设备,在实验室环境中搭建检测平台,完成齿轮图像的采集。利用MATLAB的GUI界面设计工具设计齿轮图像采集界面、齿轮尺寸测量界面以及齿轮内齿检测界面。(2)对采集到的图像进行预处理。采集到的原始图像存在大量噪声,需对图像进行滤波处理以得到有利于边缘检测的图像。本文选用高斯滤波对图像进行滤波处理。(3)齿轮图像边缘检测算法研究。通过对一些经典边缘检测算法的比较分析,利用齿轮图像进行实验验证,选用Sobel算子提取齿轮图像的边缘,但得到的边缘精度较低,需要进一步细分边缘,采用稳健回归对提取到的边缘进行第一次拟合,以去除干扰点,然后再利用最小化残差绝对值加权法进行第二次拟合,实验结果表明,通过两次拟合能够有效地检测出图像边缘,提高定位精度。(4)系统实验验证及误差分析。利用硬件平台和软件系统完成齿轮的检测,得到齿轮的检测数据,并对检测误差产生原因进行分析。本文设计的基于机器视觉的齿轮在线检测系统,能够实时检测齿轮沟槽的尺寸数据及内齿特征。通过实验验证,本文算法能够满足检测精度及速度的要求。