基于机器视觉的齿轮轴承漏针缺陷检测方法

《基于机器视觉的齿轮轴承漏针缺陷检测方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第24卷第1期湖北工业大学学报2009年02月Vol.24No.1JournalofHubeiUniversityofTechnologyFeb.2009[文章编号]1003-4684(2009)0120026203基于机器视觉的齿轮轴承漏针缺陷检测方法1,231,21,21,2程志辉,杨胜先,黄俊敏,吴庆华,何涛(1湖北省现代制造质量工程重点实验室,湖北武汉430068;2湖北工业大学机械工程学院,湖北武汉430068;3襄樊市机电工程学校,湖北襄樊441000)[摘要]为了满足制造业自动化生产装配中完全在线检测的要求,利用模式匹配

2、的方法来对齿轮轴承的漏针缺陷进行检测.检测算法主要包括图像预处理、二值化、感兴趣区域提取、圆中心获取、基于模式匹配的缺陷检测、缺陷量值的计算与存储.该算法由VisualC++6.0编成实现,并经过一系列实验,结果表明:基于这种旋转模式匹配的轴承缺陷检测方法的准确率能够达到99.5%,一个轴承的检测时间在300ms以内,达到既定的要求与目标.[关键词]缺陷检测;模式匹配;轴承[中图分类号]TH17[文献标识码]:A轴承是各种转动机械不可缺少的零件,如果齿轮本身有缺陷,安装不良,使用不当以及维护保养不1漏针检测算法周,都会影响轴承的使用寿

3、命,甚至引发设备故障,造成重大经济损失.齿轮轴承是一种附在机械传动漏针是轴承结构缺陷中很重要的一种.识别轴件上的新型轴承.在齿轮装配线上,经常会出现齿轮承漏针,一般采用机器视觉的方法.这种方法需对采[12]装配漏针,以及滚针短缺等不良现象.因此,在未集的图像进行一系列的处理才能完成对其漏针的识投入使用之前,使用者还是厂方都希望轴承在投入别与分类.缺陷识别流程框图如图2所示.在对此类使用之前能检测到轴承漏针缺陷并予以剔除,所以轴承的处理中,要先进行相应的预处理,去掉非特征[3]轴承漏针等缺陷检测成为研究和应用开发的热点.的区域,并使图像

4、的缺陷特征明显地表现出来,然本文选用行星齿轮轴承为研究对象(图1),提出了后利用模式匹配的方法来对图像的缺陷进行检测.图像处理领域中一种利用模式匹配的方法来对齿轮轴承的漏针缺陷进行检测,检测算法主要包括图像预处理、二值化、感兴趣区域提取、圆中心获取、基于模式匹配的缺陷检测、缺陷量值的计算与存储,利用VisualC++软件作为开发环境,自行开发出识别软件,来实现轴承漏针缺陷图像的视觉功能.图2缺陷识别流程1.1二值化图像处理算法(a)行星齿轮轴承实物图(b)行星齿轮轴承灰度图要通过图像检测一个物体的缺陷就必须要进行图1检测对象-行星齿轮

5、轴承图像识别,而图像分割是图像识别工作的基础.二值[收稿日期]2008-10-20[基金项目]武汉市科技攻关计划(200810321157),湖北省自然科学基金项目(2006ABA032).[作者简介]程志辉(1981-),男,湖北应城人,湖北工业大学硕士研究生,研究方向:计算机应用.第24卷第1期程志辉等基于机器视觉的齿轮轴承漏针缺陷检测方法27图像在图像处理中有广泛的应用.目标图像和背景1.3基于模式匹配的漏针缺陷检测之间的灰度对比度很大,极容易从背景中通过灰度对于该齿轮轴承,所有滚针圆心应大致落在同值的不同分割出目标图像.对目标

6、图像标记为0(或一个圆的圆周上.基于模式匹配的缺陷检测的基本[3]者255),而对背景标记为255(或者0),这样就将一思想是:利用最小二乘法计算出滚针外圆所在圆幅灰度图像变成了二值图像.设f(x)为图像中像周的圆心(x1,y1)和其半径r1,计算结果如图5(b)素点的灰度值,灰度阈值的变换函数所示.用一圆形区域选择一个滚针作为匹配的模板,0x

7、个像素)形成的环形区从式(1)可以看出,如果像素的灰度值小于阈值域内进行旋转模式匹配,在匹配的过程中,设置匹配T,则将此像素的灰度值设为0;如果大于阈值T,的精度T0(T1≤1).如果匹配度T≥T0,说明匹配则设为255,相当于只有黑白两种颜色.阈值的选择成功;如果匹配度T

8、模式匹配的算法对其检测的结果图.(a)图像直方图(b)二值图像图3图像直方图与二值图像1.2感兴趣区域提取为了减小后续的处理量,同时只保留要处理的目标,采用感兴趣区域提取的方法.首先设置一个大概的区域将目标物包含在区域内