一种基于机器视觉的滚动轴承质量检测方法

一种基于机器视觉的滚动轴承质量检测方法

作者：郑 龙 徐红霞 王厅列 赵晓东 李方洲 来源：《科技传播》2010年第01期

摘要 本文介绍了一种基于机器视觉对滚动轴承的质量进行检测的方法。将采集到的轴承图像进行预处理后,对图像进行边缘检测、选定所需轮廓、中心检测、半径测量、判断内外圈是否有缺口,以便检测轴承是否合格。

关键词 机器视觉;边缘检测;轮廓选取;半径测量

中图分类号 TP302文献标识码 A文章编号 1674-6708(2010)11-0022-03 0 引言

滚动轴承在旋转机械中应用极为广泛,其运行状态往往直接影响到整台机器的精度、可靠性及寿命。据统计,由于滚动轴承损坏而引起的机械故障约占总故障的70%,所以对轴承的质量进行检测是至关重要的。

机器视觉又称计算机视觉,是用计算机来实现人的视觉功能,也就是用机器代替人眼来做测量和判断,通过机器视觉代替传统的人工目测法检测滚动轴承,可以较大的提高轴承检测的效率和轴承使用的可靠性。

本文提出一种通过机器视觉检测滚动轴承质量的方法,用于测量滚动轴承的内外圈直径及滚动体直径和判断轴承内圈是否有缺陷。

1 滚动轴承质量的检测

质量检测的流程如下图所示: 1.1 边缘检测

龙源期刊网 http://www.qikan.com.cn

传统的边缘检测算法一般利用梯度极大值或二阶导数过零点值来检测边缘,对噪声比较敏感,在处理含有噪声的图像时,易造成检测出的边缘模糊,效果不太理想。Canny边缘检测算子,采用与Gaussion函数的一阶导数相似的滤波函数,性能优于一般的边缘检测算子。

canny算法是通过寻找图像梯度的局部极大值,用高斯函数的一阶微分来计算梯度。算法中具体通过 2 个阈值来分析检测强边缘和弱边缘,当弱边与强边缘连接时,弱边缘才被输出,所以,Canny算子不容易受噪声影响,能够在噪声和边缘检测间取得较好的平衡,能检测出真正的弱边缘。Canny边缘检测算子步骤如下:1)用高斯滤波器平滑图像;2)用一阶偏导的有限差分来计算梯度的幅值和方向;3)对梯度幅值进行非极大值抑制;4)用双阈值算法检测和连接边缘。用 I[ i,j ]表示图像。使用可分离滤波方法求图像与高斯平滑滤波器卷积,得到结果是一个平滑数据表达式

S [i,j] = G[i,j:σ] I{i,j}(2-1)

其中σ是高斯函数的散布参数,控制着平滑程度系数。平滑数据表达式S[ i,j]的梯度可以使用2×2一阶有限差分近似式来计算 X 与 Y 偏导的2个阵列 P[i,j]与 Q[i,j] (2-2) (2-3)

在这个2×2正方形内求有限差分的均值,以便在图像中同一点计算 X 和 Y 的偏导数梯度。幅值和方位角可用直角坐标到极坐标的坐标转换公式来计算 (2-4) (2-5)

其中的反正切函数用两个参量表示一个角度,其取值范围是整个圆周。梯度值的幅度和方向也可以通过查表由偏导计算[i]。

将原始图像通过canny算子进行滤波所得到的结果如图1-3所示: 1.2 轮廓提取

检测到边缘后,对图像进行轮廓提取,对于滚动轴承图像,在此首先需要检测圆的轮廓,通过判断圆的轮廓可以判断轴承内外圈是否有缺陷并计算其误差。在此采用一种简单的Circularity算子,具体的算法如下:

假设F是一个闭合区域的面积,max这个区域内中心点到边界或轮廓的最大距离,那么: circularity=F/(max^2*π)(2-6)

龙源期刊网 http://www.qikan.com.cn

根据式2-6可得圆的circularity为1。由此可知对于一个轮廓或多边形包围的区域如果其circularity接近与1,那么这个轮廓近似于一个圆。可以通过一个阈值选取出与圆的相似的轮廓,例如可以选取circularity在[0.8,1]范围内的轮廓。如果有多个轮廓符合,则将这些轮廓所对应的区域存放入一个数组之内。 1.3 中心检测

将已提取的轮廓作为一个图像,可以统计这个轮廓上各个点在图像上的的坐标,取其坐标的平均值,可以得到这个轮廓的中心点坐标。

设center为中心点坐标,g(x,y)为一个有A个像素的轮廓上各点的坐标。那么: Center=1/x∑g(x,y) (2-7)

经过轮廓提取及中心检测步骤后,再选取合适的轮廓,得到的结果如图1-4所示: 1)轴承第一圈2)轴承第二圈 3)轴承第三圈 4)轴承第四圈

1.4内外圈半径检测及是否有缺陷的判断

确定轮廓及其中心点后,不难统计该轮廓上的各点到中心点的距离,若该轮廓为圆,则中心点到轮廓的距离即为半径。对于滚动轴承的内外圈轮廓,统计出中心点到轮廓上各点的距离后,提取最大和最小距离,判断和计算内外圈的半径。

如果外(内)圈有缺陷,则轮廓上到中心点的最小距离将小于最大距离,设最大距离为max,最小距离为min,令err=(max-min)/max×100%,那么通过err的值判断是否出现缺口,由于相机像素和图像识别的误差较大,如果err的值小于10%,可以认为该外(内)圈没有缺口。 可以大致算出该外(内)圈半径r=(max+min)/2。所得到的结果如图1-5所示。

2 实验结果

经过上述步骤,得到滚动轴承内外圈的半径测量结果如表2-1所示。 1)第一圈检测结果 2)第二圈检测结果

龙源期刊网 http://www.qikan.com.cn

3)第三圈检测结果 4)第四圈检测结果 图2-3轴承的检测结果:

表2-1滚动轴承内外圈各个轮廓的半径测量结果 3 结论

本文成功将机器视觉技术应用于滚动轴承的内外半径测量,这比传统的人工检测效率更高。但是也存在一定的不足之处。比如说,图片中所有圆形都会被检测出来,列如图片的阴影造成的圆形也会被检测出来,再加上图片如果模糊,则会造成一定的误差,这都是有待改进的地方。随着技术的不断发展和完善,相信机器视觉技术将会在轴承检测中得到更广泛的应用。 参考文献

[1]陈果.滚动轴承早期故障的特征提取与智能诊断[J].航空学报,2009,30(2):362. [2]刘启胜.5号高炉无料钟炉顶布料传动系统运动分析[J].武钢技术,1995(11):40-45. [3]赵杰文,陈振涛,邹小波.机器视觉实现方便面破损在线检测的研究[J].微计算机信息,2007,23(10):238-240.

[4]席斌,钱峰.机器视觉测量系统在工业在线检测中的应用[J].工业控制计算机,2005,18(11):75-76.

[5]卢成静,黄桂平,李广云,等.视觉检测中圆形标志的定位方法研究[J].宇航计测技术,2008,4(28).

[6]冯新宇,方伟林,杨栋.基于中值滤波与Sobel、Canny 算子的图像边缘检测研究[J].黑龙江水专学报,2009,36(1):102-103.

注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文