一种基于图像展开与拼接的精密轴承表面缺陷光学检测方法

合集下载

基于图像分析的滚动轴承表面缺陷识别技术研究

使表面缺陷分类正确率达到８％．８
关
键
词：几何特征；形状矩特征；Ｐ神经网络Ｂ
文献标识码：Ａ
中图分类号：Ｐ８Ｔ１３
滚动轴承质量的好坏对机械设备的安全运转有着很重要的影响．因为轴承在机械设备中起着承受、传递载荷的作用，而工作条件却最为恶劣，表面缺陷的产生是不可避免的．通常有下列几种常见缺陷＿：１麻点、ｊ烧
持原灰度值［这里的闽值 △是通过多次试验所得，取的阈值要可以基本保证边缘的连续，声点的消．选噪
基于图像分析的滚动轴承表面缺陷识别技术研究
杨阳蒋先刚２，
（东交通大学１机电工程学院；．华．２基础科学学院，江西南昌３０１）３０３
摘要：系统介绍了滚动轴承表面缺陷视觉检测系统的检测原理及流程，着重分析了表面缺陷二值图像的几何特征和形状矩特征、Ｐ经网络的各参数选择以及实验结果．Ｂ神实验证明本系统用于滚动轴承表面缺陷检测具有可行性，用神经网络识别可采
盐噪声（明显的黑、白像素），时采用中值滤波基本可完全滤除，否则图像可能存在随机的高斯白噪声，用八采向各向异性扩散滤波方法进行滤波．
图像在传输和变换过程中会受到各种干扰而退化，平滑处理也不可避免的使图像出现一定的模糊，因此
２缺陷图像的采集及预处理过程
本文选用大恒公司的Ｈ２０ＵＶ０２Ｃ型数字摄像机，自带的ＨＤｖｅ件是摄像机应用接口库开发包的它Ｖｅｉ控ｅ

基于视觉检测技术的轴承表面质量检测

基于视觉检测技术的轴承表面质量检测发表时间：2019-11-20T10:02:16.063Z 来源：《基层建设》2019年第24期作者：姚清华[导读] 摘要：针对机械加工零件表面质量检测的特殊性，提出了基于机器视觉的缺陷检测方法，并设计了一套完整的缺陷自动检测系统。

天津天筑建材有限公司摘要：针对机械加工零件表面质量检测的特殊性，提出了基于机器视觉的缺陷检测方法，并设计了一套完整的缺陷自动检测系统。

利用视觉检测技术代替人工检测的方法对机械加工表面进行缺陷检测，从而可以快速的获得高精度，高准确度的测量图像。

利用CCD传感器获得清晰的零件图像，然后通过预处理算法对图像进行去噪处理。

通过聚类方法快速定位检测区域，并利用目标识别的方法对零件表面的缺陷进行灰度值的定位检测，分辨出不合格的区域。

关键词：机器视觉；缺陷检测；图像处理；引言机械加工的工件的表面缺陷有很多种，其中包括加工中的划痕损伤、材料本身的加工缺陷、油污、裂纹以及认为碰撞损伤等等。

在针对这类的缺陷进行测试时，通常是利用人工方式进行肉眼的检测，但这类的方法很难标准化，依赖人的主观方式进行判断，检测误差较大，并且漏检与误检的概率很高。

人为检测的效率低时间长，当人到达疲劳状态时会对检测结果造成错误判断，检测过程中工具也会对工件本身造成一定程度的二次伤害。

针对许多特种机械传动零件如轴承与齿轮此类形状特殊的零件更是只能使用肉眼的测量方法针对缺陷进行检测，在此种检测方法中更多的依靠人眼的感官和视觉敏感度，在某种程度上依靠工人的检测经验来检测诸如：转配表面的油污、表面的裂纹。

在这种检测中还要依靠一些辅助光源进行照射，以较强的光线照射轴承，以此方法突出零件表面的缺陷，在特殊的运动面上也只能进行简单的抽检进行运行测试。

1检测原理与系统方案1.1检测原理机器视觉可由单个或多相机在不同的位置或也可在同一位置不同方向对被测物体进行图像采集。

通过快速图像采集形同转化为数字信息，并利用图像处理系统进行底层快速处理从而得到由系统可分析处理的信息。

基于LabVIEW的轴承表面缺陷检测系统研究

基于LabVIEW的轴承表面缺陷检测系统研究随着工业技术的不断发展，机械设备在各个领域得到广泛应用。

然而，由于长时间的使用和不可避免的摩擦磨损，机械设备中的轴承表面往往会出现缺陷。

这些表面缺陷会导致轴承寿命的降低，从而影响设备的性能以及工作效率。

因此，开发一种高效可靠的轴承表面缺陷检测系统具有重要意义。

近年来，基于计算机视觉技术的缺陷检测系统得到了广泛关注和应用。

特别是国家仪器仪表工程技术研究中心（NICE）开发的LabVIEW 平台，为我们提供了一种强大的工具来构建轴承表面缺陷检测系统。

首先，在轴承表面缺陷检测系统的设计中，我们需要选择合适的图像采集设备。

常见的图像采集设备有CCD相机和CMOS相机。

我们可以根据具体的需求选择合适的相机参数，如分辨率、曝光时间等。

通过与LabVIEW的集成，我们可以实时获取图像数据，并对其进行处理和分析。

其次，在LabVIEW平台中，我们可以利用图像处理和分析的相关工具来实现轴承表面缺陷的检测。

例如，我们可以使用边缘检测算法来提取轴承图像中的缺陷轮廓，然后采用形态学处理方法来去除噪声和填充缺陷区域。

此外，我们还可以利用LabVIEW的图像测量功能来计算缺陷的面积、长度等特征参数。

为了提高检测的准确性和鲁棒性，我们还可以采用机器学习的方法。

LabVIEW提供了强大的模式识别工具，如支持向量机（SVM）和人工神经网络（ANN）。

我们可以利用这些工具来建立模型，并通过训练样本来进行模型的优化和验证。

这样，我们就可以实现对不同种类缺陷的自动识别和分类。

最后，在系统的可视化界面设计方面，LabVIEW也提供了丰富的工具和组件。

我们可以根据需求，设计出直观、友好的用户界面，方便操作人员进行参数设置、图像显示和结果输出等。

此外，LabVIEW还支持与其他软硬件设备的连接和通信，可以实现系统与外部设备的数据交互和控制。

总之，基于LabVIEW的轴承表面缺陷检测系统是一种高效、可靠的技术手段。

基于图像处理技术的调心球轴承表面缺陷检测

基于图像处理技术的调心球轴承表面缺陷检测引言：调心球轴承是广泛应用于各种机械设备中的重要零部件之一。

其高负荷承载能力和自动调心特性使其在工业生产中扮演着重要的角色。

然而，由于使用频繁和工作环境的恶劣性，调心球轴承的表面可能会产生一些缺陷，例如裂纹、磨损和划痕等。

及早发现和修复这些表面缺陷，对于确保轴承的可靠性和延长轴承的使用寿命至关重要。

因此，基于图像处理技术的调心球轴承表面缺陷检测方法成为了一个备受关注的研究领域。

1. 调心球轴承表面缺陷的特征分析调心球轴承表面缺陷通常包括裂纹、磨损和划痕等。

这些缺陷具有一定的几何和颜色特征。

通过对缺陷的特征分析，可以更好地理解和区分不同类型的表面缺陷。

裂纹通常呈线状，具有一定的长度和宽度。

磨损主要表现为表面的光洁度下降和表面凹痕的出现。

划痕则表现为一条窄而深的凹槽。

2. 图像处理技术在调心球轴承表面缺陷检测中的应用基于图像处理技术的调心球轴承表面缺陷检测方法可以分为以下几个步骤：图像获取、图像预处理、特征提取和缺陷分类。

2.1 图像获取调心球轴承的表面图像可以通过摄像机、扫描仪或显微镜等设备获取。

关键是保证图像的清晰度和分辨率，以便后续处理。

2.2 图像预处理图像预处理是为了提高图像质量、增强缺陷的对比度和减少噪声等。

这一步骤包括图像去噪、图像锐化和图像增强等操作。

常用的算法有中值滤波、均值滤波和高斯滤波等。

2.3 特征提取特征提取是为了从图像中获取表面缺陷的关键特征信息。

常用的特征包括像素值、纹理、形状和颜色等。

基于人工智能算法的特征提取方法如卷积神经网络（CNN）、支持向量机（SVM）和主成分分析（PCA）等被广泛应用于调心球轴承缺陷检测中。

2.4 缺陷分类在特征提取阶段得到的特征向量会被输入到分类器中进行缺陷的分类。

常用的分类算法有决策树、逻辑回归和随机森林等。

这些算法采用监督学习的方式，通过训练样本和标签来构建模型并进行缺陷分类。

3. 基于图像处理技术的调心球轴承表面缺陷检测的优势和挑战基于图像处理技术的调心球轴承表面缺陷检测方法具有以下优势：3.1 非接触式检测基于图像处理技术的缺陷检测方法无需对轴承进行接触，可以减少因接触而引入的额外损坏。

基于图像处理的轴承故障检测与诊断技术研究

基于图像处理的轴承故障检测与诊断技术研究引言：轴承是许多机械设备中的重要组件，它们承担着旋转部件之间的支撑和传动功能。

然而，由于工作环境的恶劣和运行条件的变化，轴承容易出现磨损、裂纹、异物等故障。

因此，及时发现和诊断轴承故障对于设备的正常运行和预防意外故障非常重要。

图像处理技术在轴承故障检测与诊断方面具有广阔的应用前景。

本文将详细探讨基于图像处理的轴承故障检测与诊断技术的研究现状和发展方向。

1. 轴承故障检测方法综述在过去的几十年里，研究人员提出了多种轴承故障检测方法，包括振动信号分析、声波信号分析、温度信号分析等。

然而，这些方法在实际应用中存在一些局限性，如信号噪声干扰、故障模式无法准确识别等。

与传统方法相比，基于图像处理的轴承故障检测方法具有许多优势，例如能够提供更直观的故障特征表达、对故障模式有更准确的识别能力等。

2. 基于图像处理的轴承故障检测技术研究现状目前，研究人员已提出了多种基于图像处理的轴承故障检测技术。

其中，最常用的是基于振动图像的故障检测方法。

通过采集轴承振动信号并进行特征提取和分析，可以从频谱、波形等方面检测轴承的故障特征。

此外，还有一些研究使用红外热像仪、高速摄像机等设备获取轴承的热图像或运动图像，以实现轴承故障的无接触检测。

3. 基于图像处理的轴承故障诊断技术研究现状除了故障检测，图像处理技术还可以用于轴承故障的诊断。

通过对轴承故障图像进行特征提取和分类，可以实现对故障类型的诊断和辨别。

近年来，许多研究人员已经使用机器学习算法来训练诊断模型，提高轴承故障诊断的准确性和效率。

4. 基于图像处理的轴承故障检测与诊断技术的发展方向尽管基于图像处理的轴承故障检测与诊断技术已经取得了一些重要的进展，但仍然存在一些挑战和改进空间。

未来的研究可以集中在以下几个方面：4.1 异常检测算法的改进：当前，基于图像处理的轴承故障检测仍然依赖于人工定义的特征和阈值。

因此，研究人员可以探索更先进的机器学习算法，如深度学习和卷积神经网络，以提高故障检测的准确性和稳定性。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

２０１７年２月第４５卷第４期
机床与液压
ＭＡＣＨＩＮＥＴＯＯＬ＆ＨＹＤＲＡＵＬＩＣＳ
Ｆｅｂ．２０１７
Ｖｏ１．４５Ｎｏ．４
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１ — ３８８１．２０１７．０４．０４１
ｃａｎａｃｃｕｒａｔｅｌｙｃｌａｓｓｉｆｙｐｉｔｓ，ｃｒａｃｋｓａｎｄｓｃｒａｔｃｈｅｓｏｆｄｅｆｅｃｔｓ．
Ｋｅｙｗｏｒｄｓ：Ｍａｃｈｉｎｅｖｉｓｉｏｎ；Ｓｕｆａｒｃｅｄｅｆｅｃｔｓ；Ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；Ｅｘｐａｎｄｉｎｇａｎｄｓｔｉｔｃｈｉｎｇ
ＹＡＮＧＪｉａｄｏｎｇ．ＸＩＥＭｉｎｇ
（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＣｏｎｔｒｏｌＳｃｉｅｎｃｅ，ＮａｎｊｉｎｇＴｅｃｈＵｎｉｖｅｒｓｉｔｙ，ＮａｎｊｉｎｇＪｉａｎｇｓｕ２１１８１６，Ｃｈｉｎａ）
ＯｐｔｉｃａｌＴｅｓｔＭｅｔｈｏｄｆｏｒＰｒｅｃｉｓｅ咖
ＳｕｒｆａｃｅＤｅｆｅｃｔｓＢａｓｅｄｏｎＩｍａｇｅｒＸＴ￣ｍｄｉｎｇａｎｄＳｐＵｃ￣
ｄｉｎｇａｎｄｓｐｌｉｃｉｎｇｔｅｃｈｎｏｌｏｇｙｗｒｅｔｈｅｔｗｏｄｉｍｅｎｓｉｏｎｌ（ａ２－ＤＯＦ）ｉｍａｇｅｏｆｂｅａｒｉｎｇｗｉｔｈｗｈｏｌｅｐｒｏｉｆｌｅａｎｄｎｏｒｅｐｅａｔ，ｏｎ
通常情况下外径小于２６ｍｍ的轴承称为精密轴
承。精密轴承对材料特性、表面质量、可靠性等方面要求很高］。在生产加工过程中往往会产生划痕、裂纹、凹坑等微观缺陷］。精密轴承的表面缺陷很
小，通常其长度在几微米到几毫米之间不等。在之前
ｔｈｉｓｂａｓｉｓ，ｔｈｅｂｅａｒｉｎｇｓｕｆｒａｃｅｔｉｎｙｄｅｆｅｃｔｓｄｅｔｅｃｔｉｏｎ，ｄｅｆｅｃｔｓｅｘｔｒａｃｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｗｅｒｅｃａｒｒｉｅｄｏｕｔ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｕｓｉｎｇｔｈｉｓｍｅｔｈｏｄｃａｎｑｕｉｃｋｌｙａｎｄｅｉｃｆｉｅｎｔｌｙｄｅｔｅｃｔｔｈｅｐｒｅｃｉｓｉｏｎｂｅａｉｔｎｇＳｕｆａｒｃｅｔｉｎｙｄｅｆｅｃｔｓｗｈｉｃｈａｒｅｇｒｅａｔｅｒｔｈａｎ１０ｍ；ａｎｄ
Ａｂｓｔｒａｃｔ：Ａｋｉｎｄｏｆｐｒｅｃｉｓｉｏｎｂｅａｉｎｔｇｓｕｒｆａｃｅｄｅｆｅｃｔｓｏｐｔｉｃａｌｔｅｓｔｓｙｓｔｅｍｗａｓｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｍａｃｈｉｎｅｖｉｓｉｏｎ．Ｉｍａｇｅｅｘｐａｎ —
垂直方向上所需要像素个数为：１０／０．Ｏ１＝１０００又由采样定理可知实际所需要的像素个数为：
一
种基于图像展开与拼接的精密轴承表面缺陷光学检测方法
杨加东．谢明（南京工业大学电气工程与控制科学学院，江苏南京２１１８１６）
摘要：建立一种基于机器视觉的精密轴承表面缺陷光学检测系统。利用图像展开和拼接技术获得轴承侧面完整而又没有重复的二维图像，在此基础上对微小轴承表面缺陷进行检测、缺陷提取和分类。实验结果表明：采用该方法能够快速、
高效地检测出微小精密轴承表面大于１０ｍ的缺陷形貌；能够准确地对凹坑、裂纹和划痕缺陷进行分类。
关键词：机器视觉；表面缺陷；图像处理；展开和拼接
中图分类号：ＴＰ３９１．４文献标志码：Ａ文章编号：１００１ — ３８８１（２０１７）０４ — １６０ — ４