[发明专利]用于滚动轴承保持架铆合缺陷的机器视觉检测方法

说明书

本发明公开一种用于滚动轴承保持架铆合缺陷的机器视觉检测方法，属于轴承检测技术领域，将待检测轴承放置于检测装置的检测工位上，采集轴承两面图像；对采集到的轴承灰度图像进行预处理；获取轴承图像的圆心坐标以及内、外圈半径；将轴承从笛卡尔坐标系展开到直角坐标系；对展开后的轴承图像进行二值化处理，对于处理后图像进行水平投影，并统计白色像素点的个数并绘制图像；提取保持架区域的梯度方向直方图算子构成特征矩阵，训练机器学习模型。本发明的方法和模型经过实验验证，可准确的判别保持架铆合缺陷轴承与铆合正常轴承，极大的提高了检测效率、判别正确率且可迁移性高。

技术领域

本发明属于互联网技术领域，具体涉及一种用于滚动轴承保持架铆合缺陷的机器视觉检测方法。

背景技术

以滚动轴承为研究对象，滚动轴承是旋转机械常用零部件，其制造缺陷将严重影响后续装配和服役性能。目前，在国内很多的中小型轴承生产企业对保持架铆合缺陷依然采用传统的检测方法，采用测振仪检测轴承振动信号以及测量铆压后铆钉高度配合人工抽检的方式，传统的检测方法工序繁多且需人工配合，效率低而且检测结果受质检员经验水平的影响，检测精度无法保证。而年来，人工智能设备正在加快脚步向企业迈进，简单的机械装配不在满足企业的要求，加工缺陷检测算法成为了企业的急需技术。

考虑到现有的缺陷检测技术很难充分满足工业检测需求，而基于图像的机器视觉检测方法具有非接触、实时可靠，成本低、自动化程度高的优势。现有技术已证明机器视觉方法在检测方向的可行性。而在滚动轴承保持架铆合缺陷检测中，目前已有的检测方法虽然可以实现检测但步骤复杂且可迁移性较低。本发明为该问题的解决提供了良好的替代方案和解决思路，并且取得较好的技术效果。

发明内容

本发明解决的技术问题：提供一种用于滚动轴承保持架铆合缺陷的机器视觉检测方法，将机器视觉方法引入到识别过程中，极大的提高了检测效率和判别正确率。

技术方案：为了解决上述技术问题，本发明采用的技术方案如下：

一种用于滚动轴承保持架铆合缺陷的机器视觉检测方法，包括以下步骤：

S1:将待检测轴承放置于检测装置的检测工位上，采集轴承两面图像；

S2:对采集到的轴承灰度图像进行预处理；

S3:获取轴承图像的圆心坐标以及内、外圈半径；

S4:将轴承从笛卡尔坐标系展开到直角坐标系；

S5:对展开后的轴承图像进行二值化处理，对于处理后图像进行水平投影，并统计白色像素点的个数并绘制图像；

S6:提取保持架区域的梯度方向直方图算子构成特征矩阵，训练机器学习模型。

进一步地，步骤S2中，图像的预处理为：对采集到的轴承灰度图像进行滤波，采用双边滤波方法，用以获取去除噪声干扰后的轴承图像。

进一步地，步骤S3中，利用霍夫变换算法获取轴承图像的圆心坐标以及内、外圈半径；并且在进行霍夫变换之前，将轴承图像进行形态学重建，去除污点以及模糊轴承保持架部分的复杂区域，仅保留轴承内外圈轮廓。

进一步地，步骤S3中，首先对原图像进行形态学重建-腐蚀操作，对原图中的高亮部分进行腐蚀，计算腐蚀核覆盖的区域(体现局部)的像素点的最小值，效果图拥有比原图更小的高亮区域。然后利用该腐蚀结果作为标记图像，原图像作为掩模图像，进行重建。然后对重建后的腐蚀图像进行形态学重建-膨胀操作，对图像中的高亮部分进行膨胀，计算膨胀核覆盖的区域(体现局部)的像素点的最大值，效果图拥有比原图更大的高亮区域。由此图像作为标记图像，之前腐蚀操作后的图像作为掩模图像；

进一步地，步骤S3中，使用Sobel算子获取形态学处理后的图像的边缘图像，最后，利用霍夫变换算法对边缘图像进行圆检测，通过反复检测，确定轴承圆心和内、外圈外轮廓的半径。