本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及基于圖像視覺的軸承表面瑕疵檢測方法。

背景技術(shù)：

軸承在工業(yè)設(shè)備、家用電器上必不可少，應(yīng)用非常廣泛，具有重要地位。然而帶有缺陷的軸承會降低使用性能、損壞機器甚至出現(xiàn)事故，因而其產(chǎn)品合格非常重要。當(dāng)前，隨著工業(yè)自動化趨勢進展，軸承生產(chǎn)企業(yè)迫切需要缺陷自動檢測技術(shù)，以滿足市場需求實現(xiàn)高效益。隨著圖像處理技術(shù)的蓬勃發(fā)展，基于機器視覺的軸承表面缺陷檢測技術(shù)研究越來越深入，現(xiàn)有一些復(fù)雜的圖像處理技術(shù)使得檢測效率低，因此急需一種檢測方法，使得在保證檢測效果的前提下，盡量減小檢測算法的復(fù)雜度，同時又具有非接觸、不干擾生產(chǎn)過程的特點，這樣的方法才具有很好的實用推廣價值。

技術(shù)實現(xiàn)要素：

針對滾動軸承生產(chǎn)裝配過程中出現(xiàn)的缺失滾動體、鉚釘?shù)膯栴}，本發(fā)明提供了一種基于圖像視覺的軸承表面瑕疵檢測方法，具體技術(shù)方案如下。

一種基于圖像視覺的軸承表面瑕疵檢測方法，其包括如下步驟：

1、將采集到的圖像讀取到計算機內(nèi)存，對軸承圖像進行預(yù)處理，將色彩空間從RGB轉(zhuǎn)換到LAB，取A分量圖作為下一步處理對象；

2、對上一步取得的圖像進行二值化處理，通過對比分析，決定采用具有統(tǒng)計意義上最佳分割的OTSU算法進行閾值選取，進行二值化分割。

3、二值圖像區(qū)域標(biāo)記。通過對二值圖像中白色像素(也即目標(biāo))的標(biāo)記，使它們分別形成一個個被標(biāo)識的塊，進一步去獲得這些塊的質(zhì)心、面積、圓度值等參數(shù)。

4、邊緣檢測。對二值圖像進行邊緣檢測是為進行下一步處理，它可以大幅度減少數(shù)據(jù)量，而只保留軸承圖像必要結(jié)構(gòu)屬性。經(jīng)過對比分析，選擇Sobel算子處理即可以滿足需求。

5、霍夫變換檢測圓，本發(fā)明利用Hough變換獲得軸承內(nèi)圓圓心和半徑參數(shù)。

6、缺失判斷：(1)鉚釘缺失判斷，采用的辦法是把內(nèi)外圈之間的圓環(huán)截取出來，進行區(qū)域標(biāo)記之后，對每個標(biāo)記的塊進行圓度值的檢測，圓度值也即接近圓形的程度，此為判據(jù)1；接著獲取區(qū)域像素面積，設(shè)定閾值T進行對比，此為判據(jù)2；二者結(jié)合共同判斷是否存在鉚釘缺失。(2)滾動體缺失判斷，判斷方法采取分別截取內(nèi)、外圓環(huán)，獲取每個連通的圓環(huán)小區(qū)域的像素面積，正常情況下，每個圓環(huán)區(qū)域面積近似相等；若出現(xiàn)漏裝滾動體的情況，則圓環(huán)區(qū)域面積明顯會比正常情況下大接近一倍。將所得每個圓環(huán)面積與預(yù)先設(shè)定的閾值T比較，若大于T，面積異常，此為判據(jù)1；將內(nèi)、外圓環(huán)面積異常位置進行對比，若內(nèi)、外圓環(huán)面積異常部位一致，此為判據(jù)2，此時可以判斷缺失滾動體。

與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和技術(shù)效果：本發(fā)明對事先采集好的軸承圖像進行處理，并最終識別缺陷，實現(xiàn)高準(zhǔn)確率、高效率的自動檢測。該發(fā)明結(jié)合機器視覺技術(shù)應(yīng)用在軸承生產(chǎn)行業(yè)，可以滿足企業(yè)需求，為企業(yè)帶來很大的效益。本發(fā)明選用了非常簡單的基于像素灰度值處理的算法，在保證檢測效果的前提下，較好地控制算法的復(fù)雜度，盡量減小檢測算法的復(fù)雜度。本發(fā)明能夠?qū)崿F(xiàn)軸承表面缺陷的自動檢測及識別，因為具有非接觸、不干擾生產(chǎn)過程的特點，具有很好的實用推廣價值。

附圖說明

圖1為示范采集的缺陷軸承圖像。

圖2為轉(zhuǎn)換色彩空間后獲得的A分量圖。

圖3為otsu方法獲得的二值圖像。

圖4為二值圖像的連通區(qū)域標(biāo)記圖。

圖5為二值圖像的邊緣檢測結(jié)果圖。

圖6為Hough變換檢測圓心及半徑標(biāo)記圖。

圖7為圓度值標(biāo)記以及判斷鉚釘缺失處理圖。

圖8為截取內(nèi)圓環(huán)區(qū)域標(biāo)記判斷滾動體缺失圖。

圖9為截取外圓環(huán)區(qū)域標(biāo)記判斷滾動體缺失圖。

圖10為判斷結(jié)果綜合標(biāo)記示意圖(滾動體缺失和鉚釘缺失)。

圖11為基于圖像視覺的軸承表面瑕疵檢測方法的流程示意圖。

具體實施方式

下面結(jié)合附圖和示范圖實例對本發(fā)明進行詳細(xì)的描述，需指出的是，以下若有未特別詳細(xì)說明之過程或參數(shù)，均是本領(lǐng)域技術(shù)人員可參照現(xiàn)有技術(shù)實現(xiàn)的。

如圖11，基于圖像視覺的軸承表面瑕疵檢測方法，包括：

1、首先將圖像信息直接讀取到計算機內(nèi)存。由于彩色圖像常用的RGB三顏色模型中兩點間的歐幾里德距離(Euclidean distance)與顏色距離呈非線性關(guān)系，不便于進行后期處理時的圖像的二值化，而在LAB色彩空間中，顏色之間視覺上的距離與顏色坐標(biāo)上的歐幾里德距離成正比，具有一定距離的兩點之間的色彩均勻分布。將RGB圖像轉(zhuǎn)換成LAB顏色空間圖像，LAB顏色空間各個顏色分量的自相關(guān)性最小。處理圖像后發(fā)現(xiàn)A分量圖像背景與目標(biāo)有較強的對比度。因此采取A分量圖進行處理。

2、經(jīng)過Lab空間轉(zhuǎn)換處理后，圖像的對比度較強，灰度直方圖上峰與峰之間的距離明顯，便于選取分割閾值及后續(xù)圖像二值化。OTSU算法是在灰度直方圖的基礎(chǔ)上采用最小二乘法原理推導(dǎo)出來的，具有統(tǒng)計意義上的最佳分割，它是一種自適應(yīng)的閾值確定方法，以最佳閾值將圖像的灰度值分割成兩部分，使兩部分之間的方差最大。本發(fā)明中采用此法即可取得良好的二值化效果圖。

3、對上一步取得的二值圖像進行連通區(qū)域標(biāo)記，本發(fā)明使用圖像處理工具中的連通區(qū)域標(biāo)記函數(shù)，處理后顯示為附圖4的偽彩色索引圖像，再使用圖像分析函數(shù)，獲得標(biāo)記矩陣的每個區(qū)域的面積、質(zhì)心。

4、本發(fā)明使用Sobel算子進行邊緣檢測。Sobel算子根據(jù)像素點上下、左右鄰點灰度加權(quán)差，在邊緣處達到極值這一現(xiàn)象檢測邊緣。對噪聲具有平滑作用，提供較為精確的邊緣方向信息，邊緣定位精度不夠高。Sobel邊緣檢測算法比較簡單，實際應(yīng)用中效率比Canny邊緣檢測效率要高，雖然邊緣不如Canny算子檢測的準(zhǔn)確，但是很多實際應(yīng)用的場合，Sobel邊緣卻是首選，尤其是對效率要求較高，而對細(xì)紋理不太關(guān)心的時候。正好適合處理要求，效果良好，見附圖5。

5、本發(fā)明使用Hough變換法，獲得軸承內(nèi)圓圓心和半徑。Hough變換是圖像處理中從圖像中識別幾何形狀的基本方法之一。Hough變換利用點與線的對偶性，將原始圖像空間的給定的曲線通過曲線表達形式變?yōu)閰?shù)空間的一個點，把原始圖像中給定曲線的檢測問題轉(zhuǎn)化為尋找參數(shù)空間中的峰值問題。也即把檢測整體特性轉(zhuǎn)化為檢測局部特性。上一步用Sobel算子提取邊緣圖像，接下來在邊緣曲線上進行Hough變換檢測圓。

6、缺失判斷

(1)鉚釘缺失判斷：采取的辦法是把內(nèi)外圈之間的圓環(huán)截取出來，檢測圓度值，即接近圓形的程度，越接近圓則越可能是鉚釘缺失處；再經(jīng)過掃描連通區(qū)域像素面積，預(yù)先根據(jù)鉚釘面積設(shè)定一個合理的閾值，若圓度值接近1的白色區(qū)域，像素面積又超過此閾值T，雙重判據(jù)下判斷存在鉚釘缺失。小于閾值T則認(rèn)為是噪聲、誤差。圓度值標(biāo)記及缺失與否標(biāo)記圖見附圖7。

(2)滾動體缺失判斷：采取的方法是分別截取內(nèi)、外圓環(huán)，用圖像分析函數(shù)獲取每個圓環(huán)連通小區(qū)域的像素面積。分析得知，合格軸承的內(nèi)、外圓環(huán)每個連通小區(qū)域面積是近似相等的；如果出現(xiàn)漏裝滾動體的情況，則缺失處的連通區(qū)域面積明顯會比其它區(qū)域面積大一倍左右。同鉚釘判斷，預(yù)先根據(jù)合格軸承圖像的圓環(huán)連通小區(qū)域面積設(shè)置一個合理的判斷閾值T，將所得每個連通區(qū)域面積與該閾值T比較，若大于T，則面積異常，給予標(biāo)記；內(nèi)、外圓環(huán)分別標(biāo)記之后，對比標(biāo)記位置，如果內(nèi)、外圓環(huán)異常部位一致，則可以判斷缺失滾動體。圖10為判斷結(jié)果綜合標(biāo)記示意圖(滾動體缺失和鉚釘缺失)。

考慮到缺陷檢測實際的應(yīng)用背景，在設(shè)計算法時摒棄了一些復(fù)雜的圖像處理技術(shù)，選用了非常簡單的基于像素灰度值處理的算法，在保證檢測效果的前提下，較好地控制算法的復(fù)雜度，盡量減小檢測算法的復(fù)雜度。本發(fā)明能夠?qū)崿F(xiàn)軸承表面缺陷的自動檢測及識別，因為具有非接觸、不干擾生產(chǎn)過程的特點，具有很好的實用推廣價值。利用otsu算法選取的閾值對軸承表面的圖像進行二值化分割，再進行Hough變換確定圖像中的軸承位置、尺寸信息，實現(xiàn)了自動測量。

本發(fā)明中應(yīng)用了各種圖對具體實施方式進行了闡述，以上所述僅為本發(fā)明較佳可行的實施例子而已。對于本領(lǐng)域的技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應(yīng)用范圍上均有改善之處。綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。