微小精密轴承表面缺陷检测关键技术

• 作 者: 鲍刚
• 出 处: 西安工业大学
• 发表日期: 2016年期
• 关键词: 精密轴承 图像处理 缺陷提取 缺陷分类 在线检测

精密轴承应用广泛,精度要求高。轴承表面缺陷对其销售和使用影响很大。因此,对轴承缺陷的检测很有必要。目前的检测以人工为主,但当缺陷小于0.075mm时人眼就很难识别。本文以CCD摄像机为视觉结合图像处理技术,研究并设计了一种轴承在线检测方法,能够在很大程度上提高检测效率和检测精度。通过对研究工作的总体安排可分为三个部分。1、由待测对象和检测要求设计总体研究方案,并对系统进行硬件设备选取和图像采集平台搭建。根据实验要求分别对CCD摄像机的像素,镜头的视场角、分辨率和景深以及光源的特点做了详细的分析和计算,选取能够满足要求的硬件设备,搭建实验平台,对轴承进行图像采集。2、对采集得到图像的一系列处理工作,并对处理后缺陷特征的提取。本文对图像噪声的来源、特点和去噪进行了分析,研究了图像展开和拼接,且重点研究比值比较法的图像对准和直接融合法、线性加权融合法的图像融合,还考虑到轴承侧表面上的点距光源不等而会受光照影响的因素提出了非线性加权融合法的图像融合。实验结果表明利用这三种融合法得到的图像和直接采集图像之间的均方差分别为4.5、1.3和1.1单位为灰度值,这就说明与其它两种融合法相比较非线性融合法的融合效果最好。经过图像差影、阂值分割和二值形态学处理后提取了缺陷的几何特征,并对检测系统进行了相机畸变标定和尺寸标定。分别对公称直径为2mm、5mm和9mm的精密轴承进行缺陷检测得出数据。结果表明可以实现9umm缺陷的检测,达到了本文的设计指标。3、对轴承表面缺陷的分类设计。设计了三输入、三输出的三层BP神经网络分类器实现对锈斑、划痕和裂纹的分类。分类器的输入变量是缺陷的长宽比、矩形度和圆形度,输出为锈斑、划痕和裂纹。分别对公称直径为2mm、5mm和9mm的精密轴承进行缺陷分类可得其对锈斑、划痕和裂纹的正确识别率分别为94%,90%和94%,平均缺陷类型识别率为92.7%。此外,设计了GUI界面。可以将分散的操作集中处理,提高检测效率,并直观地将检测结果和数据简明、清晰、便捷地显示在界面上。