2025年第一期：齿轮故障诊断的机器视觉技术研究进展

机器视觉技术为齿轮故障诊断提供了新的思路。文章分析了机器视觉系统的基本原理，重点梳理了基于机器视觉的齿轮图像采集、齿轮图像处理和齿轮图像识别的研究现状。齿轮图像采集分为静态和动态两种情况，动态采集需要考虑工业相机的安装位置和拍摄角度，并选择合适的光源和镜头。齿轮图像处理包括预处理、分割和特征提取等操作，预处理方法包括灰度化、降噪和增强等；分割方法有阈值分割、基于边缘的分割和基于深度卷积神经网络的语义分割等；特征提取方法包括几何特征、纹理特征和颜色特征等。齿轮图像识别方法分为基于模板匹配、基于机器学习和基于深度学习三种，其中深度学习方法在齿轮图像识别中表现出更高的精度和鲁棒性。文章归纳总结了基于机器视觉的齿轮故障诊断研究存在的主要问题，包括动态齿轮图像采集工程化研究欠缺、研究对象单一、齿轮图像数据量匮乏以及浅层学习与深度学习融合研究偏少等。最后，文章提出了开展动态齿轮图像采集工程化研究与应用、三维齿轮图像采集、图像增强与迁移学习技术应用、浅层学习与深度学习融合等方面的建议，为从事齿轮故障诊断相关领域的技术人员提供参考和借鉴。