基于DCGAN和U2-Net模型的齿轮点蚀辨识

来源：振动与冲击杂志2025年第10期北京时间：

作者：刘妤liuyu_cq，谭钦宜，古前程

单位：重庆理工大学机械工程学院，重庆400054

摘要：结合改建的齿轮试验台能够在线获取齿轮工作齿面图像的优势，探讨了基于机器视觉技术实现齿轮点蚀辨识的方法，并开展了试验研究。针对齿轮点蚀样本稀缺，采用深度卷积生成对抗网络（DCGAN），实现了样本的多样化、高质量扩增；结合前期研究基础，提取了齿轮的有效工作齿面，实现了齿面倾斜校正和畸变修正；引入ECA注意力机制，改进了U2-Net模型，实现了齿轮点蚀图像感兴趣区域的精确分割；在此基础上，通过统计齿轮历史点蚀率，构建了基于图像信号的齿轮点蚀辨识模型，实现了齿轮点蚀辨识。结果表明：采用机器视觉技术实现齿轮点蚀辨识的方法是可行的，基于DCGAN和U2-Net模型的齿轮点蚀识别准确率达93.56%。研究成果可为齿轮点蚀辨识提供一种更为直接、可靠的方法，对于机械装备的状态监测有一定的参考价值。<br>

关键词：齿轮；点蚀；模式识别；DCGAN；U2-Net