軸承套圈端面缺陷在線(xiàn)視覺(jué)檢測的研究與實(shí)現

針對軸承生產(chǎn)企業(yè)套圈生產(chǎn)過(guò)程中普遍存在端面缺陷的問(wèn)題與人工目檢的現狀，提出了基于機器視覺(jué)的軸承套圈端面缺陷在線(xiàn)檢測方法。首先，對套圈圖像預處理后進(jìn)行邊緣檢測，采用四連通域定位套圈端面區域；其次，采用最小二乘法擬合端面輪廓以判別外形缺陷，采用極坐標變換將套圈環(huán)形端面拉伸成矩形，采用Sauvola局部二值化算法對矩形圖進(jìn)行缺陷分割，并通過(guò)坐標系反變換與雙線(xiàn)性插值法將缺陷圖轉換回環(huán)形圖；最后，根據提取缺陷的圖像特征完成缺陷的識別與分類(lèi)?，F場(chǎng)測試表明，套圈端面檢測系統的整體識別準確率達98.6%。

軸承是保證機械裝備回轉精度不可或缺的基礎部件，軸承套圈在經(jīng)過(guò)平面磨削加工后，其端面可能依然存在鍛廢、大小邊、磕碰傷、車(chē)廢、磨傷、黑皮等外觀(guān)缺陷。如果套圈端面存在缺陷，其作為外圓無(wú)心磨等后序工位的定位面，勢必影響加工精度和軸承的回轉精度，可能導致軸承使用過(guò)程中產(chǎn)生噪聲和振動(dòng)，從而加速磨損，甚至引發(fā)機器故障。另一方面，端面缺陷套圈進(jìn)入后續工序加工后剔除或成品進(jìn)入市場(chǎng)后召回，都會(huì )給企業(yè)帶來(lái)物資與人力成本的極大浪費。因此，必須在平面磨削加工后將缺陷品剔除，避免流入后續工序。

目前，大多企業(yè)仍憑借質(zhì)檢員肉眼與主觀(guān)經(jīng)驗對套圈進(jìn)行鑒定與判斷，質(zhì)檢結果易受人為因素影響，檢驗標準難以保持一致，穩定性差且易漏檢。機器視覺(jué)具有精度高、效率高、實(shí)時(shí)性好等優(yōu)點(diǎn)，是替代人工檢測的有效方法，例如：文獻[2]采用改進(jìn)Otsu方法進(jìn)行閾值化處理，利用八連通域標記識別技術(shù)實(shí)現了軸承端面的非接觸檢測；文獻[3]利用紋理單元解決了空氣軸承表面變化的光照強度影響圖像采集的問(wèn)題。

在上述研究的基礎上，本文提出一種軸承套圈端面缺陷在線(xiàn)視覺(jué)檢測方法，采用四連通域、種子填充算法定位檢測區域，Sauvola局部二值化算法進(jìn)行圖像分割，并基于多特征的外觀(guān)缺陷識別方法判別缺陷。

1、光源選擇與檢測區域定位

1.1 光源選擇

光源是視覺(jué)檢測系統不可或缺的組成部分，直接關(guān)系到成像質(zhì)量。良好的照明方式可以凸顯目標區域的特征，減輕圖像處理工作量。

端面缺陷檢測成像面為圓環(huán)形金屬端面，具有一定的鏡面發(fā)射效應，且被測套圈尺寸跨度大，故采用球積分漫反射無(wú)影照明方式，照射面積大，光線(xiàn)集中且照射均勻，不會(huì )形成鏡面反射，如圖1所示。

圖1 球積分漫反射無(wú)影照明

Fig.1 Spherical integral diffuse reflection shadowless illumination

1.2 圖像預處理

圖像捕獲過(guò)程中存在的噪聲與干擾會(huì )降低圖像質(zhì)量，增加后續邊緣檢測與圖像分割的難度因此，需要對原始圖像進(jìn)行一定的預處理，消除圖像中的噪聲與干擾，均值濾波、高斯濾波、中值濾波的對比效果如圖2所示。由于端面環(huán)形區域外為背景區域，灰度值較低，均值濾波處理后的環(huán)形區域明暗對比變弱，圖像也變得模糊；中值濾波處理后的端面邊緣部分被黑色區域影響，邊緣細節丟失；而高斯濾波由于加權平均的特點(diǎn)，在去除噪聲的同時(shí)可以很好地保留圓環(huán)及其邊緣的細節。針對套圈端面區域與背景區域對比較大，并且需要檢測出細小缺陷的特點(diǎn)，選取大小為3×3，標準差為1的濾波窗口進(jìn)行高斯濾波。

圖16 磨傷缺陷判別示意圖

Fig.16 Discrimination diagram of wear defects

3、試驗結果及分析

為驗證端面缺陷檢測算法的可靠性，在如圖17所示的檢測線(xiàn)上對軸承套圈端面進(jìn)行缺陷檢測，選取外徑150 mm、內徑90 mm 的33118型軸承套圈樣本1 000個(gè)，其中合格品400個(gè)、外形缺陷樣品200個(gè)(含大小邊、磕碰傷)、車(chē)廢樣品200個(gè)、磨傷缺陷200個(gè)。

?

另外，對不同型號的套圈也進(jìn)行了多次檢測，識別準確率較高，誤漏檢率較低，響應時(shí)間較短，并能實(shí)時(shí)統計被檢測套圈的型號、數量、合格率、缺陷種類(lèi)等數據，滿(mǎn)足企業(yè)生產(chǎn)在線(xiàn)檢測要求，可以替代人工實(shí)現檢測。

4、結束語(yǔ)

本文研究并實(shí)現了套圈端面缺陷在線(xiàn)檢測算法，利用四連通域確定套圈端面區域，采用最小二乘法擬合套圈輪廓進(jìn)行大小邊和磕碰傷的判別；提出了圖像極坐標變換將套圈環(huán)形拉伸為矩形，利用Sauvola算法進(jìn)行圖像局部閾值分割，通過(guò)極坐標反變換與二次插值法將缺陷區域變換回環(huán)形區域，基于多特征的外觀(guān)缺陷判別方法能夠根據各類(lèi)缺陷的特點(diǎn)對圖像特征進(jìn)行比較實(shí)現缺陷判別。試驗表明該算法的檢測準確率高，能夠有效減少漏檢或誤檢，并且能實(shí)時(shí)統計缺陷種類(lèi)等數據。