一種基於圖像視覺的軸承表面瑕疵檢測方法與流程

2023-11-03 06:03:17

本發明涉及圖像處理技術領域，具體涉及基於圖像視覺的軸承表面瑕疵檢測方法。

背景技術：

軸承在工業設備、家用電器上必不可少，應用非常廣泛，具有重要地位。然而帶有缺陷的軸承會降低使用性能、損壞機器甚至出現事故，因而其產品合格非常重要。當前，隨著工業自動化趨勢進展，軸承生產企業迫切需要缺陷自動檢測技術，以滿足市場需求實現高效益。隨著圖像處理技術的蓬勃發展，基於機器視覺的軸承表面缺陷檢測技術研究越來越深入，現有一些複雜的圖像處理技術使得檢測效率低，因此急需一種檢測方法，使得在保證檢測效果的前提下，儘量減小檢測算法的複雜度，同時又具有非接觸、不幹擾生產過程的特點，這樣的方法才具有很好的實用推廣價值。

技術實現要素：

針對滾動軸承生產裝配過程中出現的缺失滾動體、鉚釘的問題，本發明提供了一種基於圖像視覺的軸承表面瑕疵檢測方法，具體技術方案如下。

一種基於圖像視覺的軸承表面瑕疵檢測方法，其包括如下步驟：

1、將採集到的圖像讀取到計算機內存，對軸承圖像進行預處理，將色彩空間從RGB轉換到LAB，取A分量圖作為下一步處理對象；

2、對上一步取得的圖像進行二值化處理，通過對比分析，決定採用具有統計意義上最佳分割的OTSU算法進行閾值選取，進行二值化分割。

3、二值圖像區域標記。通過對二值圖像中白色像素(也即目標)的標記，使它們分別形成一個個被標識的塊，進一步去獲得這些塊的質心、面積、圓度值等參數。

4、邊緣檢測。對二值圖像進行邊緣檢測是為進行下一步處理，它可以大幅度減少數據量，而只保留軸承圖像必要結構屬性。經過對比分析，選擇Sobel算子處理即可以滿足需求。

5、霍夫變換檢測圓，本發明利用Hough變換獲得軸承內圓圓心和半徑參數。

6、缺失判斷：(1)鉚釘缺失判斷，採用的辦法是把內外圈之間的圓環截取出來，進行區域標記之後，對每個標記的塊進行圓度值的檢測，圓度值也即接近圓形的程度，此為判據1；接著獲取區域像素麵積，設定閾值T進行對比，此為判據2；二者結合共同判斷是否存在鉚釘缺失。(2)滾動體缺失判斷，判斷方法採取分別截取內、外圓環，獲取每個連通的圓環小區域的像素麵積，正常情況下，每個圓環區域面積近似相等；若出現漏裝滾動體的情況，則圓環區域面積明顯會比正常情況下大接近一倍。將所得每個圓環面積與預先設定的閾值T比較，若大於T，面積異常，此為判據1；將內、外圓環面積異常位置進行對比，若內、外圓環面積異常部位一致，此為判據2，此時可以判斷缺失滾動體。

與現有技術相比，本發明具有如下優點和技術效果：本發明對事先採集好的軸承圖像進行處理，並最終識別缺陷，實現高準確率、高效率的自動檢測。該發明結合機器視覺技術應用在軸承生產行業，可以滿足企業需求，為企業帶來很大的效益。本發明選用了非常簡單的基於像素灰度值處理的算法，在保證檢測效果的前提下，較好地控制算法的複雜度，儘量減小檢測算法的複雜度。本發明能夠實現軸承表面缺陷的自動檢測及識別，因為具有非接觸、不幹擾生產過程的特點，具有很好的實用推廣價值。

附圖說明

圖1為示範採集的缺陷軸承圖像。

圖2為轉換色彩空間後獲得的A分量圖。

圖3為otsu方法獲得的二值圖像。

圖4為二值圖像的連通區域標記圖。

圖5為二值圖像的邊緣檢測結果圖。

圖6為Hough變換檢測圓心及半徑標記圖。

圖7為圓度值標記以及判斷鉚釘缺失處理圖。

圖8為截取內圓環區域標記判斷滾動體缺失圖。

圖9為截取外圓環區域標記判斷滾動體缺失圖。

圖10為判斷結果綜合標記示意圖(滾動體缺失和鉚釘缺失)。

圖11為基於圖像視覺的軸承表面瑕疵檢測方法的流程示意圖。

具體實施方式

下面結合附圖和示範圖實例對本發明進行詳細的描述，需指出的是，以下若有未特別詳細說明之過程或參數，均是本領域技術人員可參照現有技術實現的。

如圖11，基於圖像視覺的軸承表面瑕疵檢測方法，包括：

1、首先將圖像信息直接讀取到計算機內存。由於彩色圖像常用的RGB三顏色模型中兩點間的歐幾裡德距離(Euclidean distance)與顏色距離呈非線性關係，不便於進行後期處理時的圖像的二值化，而在LAB色彩空間中，顏色之間視覺上的距離與顏色坐標上的歐幾裡德距離成正比，具有一定距離的兩點之間的色彩均勻分布。將RGB圖像轉換成LAB顏色空間圖像，LAB顏色空間各個顏色分量的自相關性最小。處理圖像後發現A分量圖像背景與目標有較強的對比度。因此採取A分量圖進行處理。

2、經過Lab空間轉換處理後，圖像的對比度較強，灰度直方圖上峰與峰之間的距離明顯，便於選取分割閾值及後續圖像二值化。OTSU算法是在灰度直方圖的基礎上採用最小二乘法原理推導出來的，具有統計意義上的最佳分割，它是一種自適應的閾值確定方法，以最佳閾值將圖像的灰度值分割成兩部分，使兩部分之間的方差最大。本發明中採用此法即可取得良好的二值化效果圖。

3、對上一步取得的二值圖像進行連通區域標記，本發明使用圖像處理工具中的連通區域標記函數，處理後顯示為附圖4的偽彩色索引圖像，再使用圖像分析函數，獲得標記矩陣的每個區域的面積、質心。

4、本發明使用Sobel算子進行邊緣檢測。Sobel算子根據像素點上下、左右鄰點灰度加權差，在邊緣處達到極值這一現象檢測邊緣。對噪聲具有平滑作用，提供較為精確的邊緣方向信息，邊緣定位精度不夠高。Sobel邊緣檢測算法比較簡單，實際應用中效率比Canny邊緣檢測效率要高，雖然邊緣不如Canny算子檢測的準確，但是很多實際應用的場合，Sobel邊緣卻是首選，尤其是對效率要求較高，而對細紋理不太關心的時候。正好適合處理要求，效果良好，見附圖5。

5、本發明使用Hough變換法，獲得軸承內圓圓心和半徑。Hough變換是圖像處理中從圖像中識別幾何形狀的基本方法之一。Hough變換利用點與線的對偶性，將原始圖像空間的給定的曲線通過曲線表達形式變為參數空間的一個點，把原始圖像中給定曲線的檢測問題轉化為尋找參數空間中的峰值問題。也即把檢測整體特性轉化為檢測局部特性。上一步用Sobel算子提取邊緣圖像，接下來在邊緣曲線上進行Hough變換檢測圓。

6、缺失判斷

(1)鉚釘缺失判斷：採取的辦法是把內外圈之間的圓環截取出來，檢測圓度值，即接近圓形的程度，越接近圓則越可能是鉚釘缺失處；再經過掃描連通區域像素麵積，預先根據鉚釘面積設定一個合理的閾值，若圓度值接近1的白色區域，像素麵積又超過此閾值T，雙重判據下判斷存在鉚釘缺失。小於閾值T則認為是噪聲、誤差。圓度值標記及缺失與否標記圖見附圖7。

(2)滾動體缺失判斷：採取的方法是分別截取內、外圓環，用圖像分析函數獲取每個圓環連通小區域的像素麵積。分析得知，合格軸承的內、外圓環每個連通小區域面積是近似相等的；如果出現漏裝滾動體的情況，則缺失處的連通區域面積明顯會比其它區域面積大一倍左右。同鉚釘判斷，預先根據合格軸承圖像的圓環連通小區域面積設置一個合理的判斷閾值T，將所得每個連通區域面積與該閾值T比較，若大於T，則面積異常，給予標記；內、外圓環分別標記之後，對比標記位置，如果內、外圓環異常部位一致，則可以判斷缺失滾動體。圖10為判斷結果綜合標記示意圖(滾動體缺失和鉚釘缺失)。

考慮到缺陷檢測實際的應用背景，在設計算法時摒棄了一些複雜的圖像處理技術，選用了非常簡單的基於像素灰度值處理的算法，在保證檢測效果的前提下，較好地控制算法的複雜度，儘量減小檢測算法的複雜度。本發明能夠實現軸承表面缺陷的自動檢測及識別，因為具有非接觸、不幹擾生產過程的特點，具有很好的實用推廣價值。利用otsu算法選取的閾值對軸承表面的圖像進行二值化分割，再進行Hough變換確定圖像中的軸承位置、尺寸信息，實現了自動測量。

本發明中應用了各種圖對具體實施方式進行了闡述，以上所述僅為本發明較佳可行的實施例子而已。對於本領域的技術人員，依據本發明的思想，在具體實施方式及應用範圍上均有改善之處。綜上所述，本說明書內容不應理解為對本發明的限制。