论文部分内容阅读
钢球作为轴承的重要零件，其表面缺陷对轴承的精度、运动性能、使用寿命等都有至关重要的影响。目前，在轴承行业中，对钢球表面缺陷的检测仍然主要采用传统的人工目视检验法，其准确性和稳定性均难以保证。本文应用数字图像处理和模式识别技术对钢球表面缺陷识别系统进行了研究，给出了钢球表面缺陷识别有效性的评价体系。论文的主要内容和研究成果如下：
1.针对每张钢球图像都只是钢球表面的一部分，在图像边界处容易出现一块缺陷分布在两幅或更多图像中而造成漏检或重检的难点问题，本文提出了图像匹配技术，让同一块缺陷的多幅图组合成一幅图，使得一块缺陷完整出现在一幅图像中，这在一定程度上可以减少钢球的漏检或重检。
2.钢球表面有5种类型的缺陷，本文采用了中值滤波对缺陷进行去噪，采用了分段线性变换增强钢球缺陷与背景的对比度。根据直方图设定阈值，将钢球图像进行二值化处理，能有效地将缺陷图像与背景分割，满足缺陷识别要求。通过开操作断开钢球表面缺陷狭窄的连接部分和消除细的突出物，通过闭操作填补钢球表面缺陷里面小的空洞。经过与多种边缘检测算法相比较表明，得出采用Krisch算子作钢球图像边缘检测的效果比较理想，检出的边缘完整、清晰，不需要进一步细化。
3.本文提出了采用缺陷数、缺陷目标的面积、缺陷目标的长/短径比、缺陷椭圆度、缺陷等效直径等五种特征作为钢球表面缺陷输入特征参数的提取方案，同时也将等效直径的概念引入到钢球表面缺陷的特征提取中。本文构建了钢球表面缺陷识别模型，提出了多个数字判别边界值方法的概念并给出了实例，解决了缺陷种类个数归一化后多个数的缺陷误差分类问题。开发了BP神经网络检测程序，并对斑点缺陷、麻点缺陷、擦痕缺陷、划条缺陷和凹坑缺陷进行训练并测试，实验结果表明，基于BP神经网络的钢球表面缺陷识别法识别效果良好，准确率达94％。
4.本文设计并开发了基于图像识别技术的钢球表面缺陷识别的软件系统，开发工具为MatLAB R2006a和Microsoft Msual C++6.0，系统软件包括文件管理、图像处理、缺陷特征提取和缺陷类型判别4个功能模块。