基于机器视觉的轴承防尘盖表面缺陷检测方法

摘要

本发明涉及一种基于机器视觉的轴承防尘盖表面缺陷检测方法，其包括如下步骤：a、获取待检测轴承的灰度图像，b、分离得到轴承防尘盖圆环图像；c、进行灰度变换、自适应中值滤波的预处理；d、利用最大类间方差法进行阈值分割，并利用Roberts边缘检测算子提取阈值分割后轴承防尘盖圆环图像的边缘；e、对上述轴承防尘盖圆环图像每隔2°时计算图像区域内数值为1的数目；f、提供模板轴承图像，并计算得到偏转角度σ；g、分离得到轴承防尘盖圆环图像的字符区域与非字符区域；h、对轴承防尘盖圆环图像中对应字符区域、非字符区域根据连通域数量及缺陷面积进行表面缺陷判定。本发明能实现自动检测，降低人工检测目测工作量，提高检测效率，安全可靠。

主权项

1.一种基于机器视觉的轴承防尘盖表面缺陷检测方法，其特征是，所述轴承防尘盖表面缺陷检测方法包括如下步骤：（a）、将待检测轴承（130）放置于黑色背景上，并获取所述待检测轴承（130）的灰度图像，且以所述灰度图像的左上角为坐标原点建立坐标系；（b）、对上述灰度图像利用边界跟踪、最小二乘法和轴承防尘盖内、外径占待检测轴承（130）外圆半径的比例，分离得到以待检测轴承（130）的圆心为中心的轴承防尘盖圆环图像；（c）、对上述分离得到的轴承防尘盖圆环图像进行灰度变换、自适应中值滤波的预处理；（d）、对上述预处理后的轴承防尘盖圆环图像利用最大类间方差法进行阈值分割，并利用Roberts边缘检测算子提取阈值分割后轴承防尘盖圆环图像的边缘；（e）、对上述轴承防尘盖圆环图像每隔2°时计算图像区域内数值为1的数目，得到1×180的一维向量数据；（f）、提供模板轴承图像，并计算得到上述轴承防尘盖圆环图像与模板轴承图像旋转重合时的偏转角度σ；（g）、根据模板轴承图像的字符区域、非字符区域与上述偏转角度σ，分离得到上述轴承防尘盖圆环图像的字符区域与非字符区域；（h）、对上述轴承防尘盖圆环图像中对应字符区域、非字符区域根据连通域数量及缺陷面积进行表面缺陷判定，并输出轴承防尘盖表面缺陷判断信息；所述步骤（a）中，以黑色绒布（140）为黑色背景，待检测轴承（130）位于检测支架（150）上；待检测轴承（130）的正上方设有安装于检测支架（150）上的CCD相机（100）及位于所述CCD相机（100）正下方的蓝色同轴光源（120）；所述CCD相机（100）邻近蓝色同轴光源（120）的端部安装有定焦镜头（110）；所述步骤（b）中，包括如下步骤：（b1）、在获取待检测轴承（130）的灰度图像上寻找灰度值大于25的点，得到位于待检测轴承（130）最左上方的边缘点A；（b2）、在边缘点A的右侧、右下侧、下侧及左下侧中寻找邻接边缘点B，并以边缘点B为起点按照与待检测轴承（130）边缘相对应的方向寻找邻接灰度值大于25的边缘点C；（b3）、当边缘点C与边缘点A为同一点时，则上述跟踪边界为待检测轴承（130）的边缘；当边缘点C与边缘点A不是同一点时，则以边缘点C为起点，以与边缘点B至边缘点C相反的方向寻找邻接灰度值大于25的点，直至寻找回到边缘点A为止，以搜索确定待检测轴承（130）的边缘轮廓；（b4）、上述搜索确定待检测轴承（130）边缘轮廓的点集为(x_i,y_i)，利用最小二乘法得到：F=(N∑x_i²-∑x_i∑x_i)；D=(N∑x_iy_i-∑x_i∑y_i)；E=N∑x_i³+N∑x_iY_i²-∑(x_i²+y_i²)∑x_i G=(N∑y_i²-∑y_i∑y_i)H=N∑x_i²y_i+N∑Y_i³-∑(x_i²+y_i²)∑y_i从而得到$a=\frac{\mathrm{HD}-\mathrm{EG}}{\mathrm{FG}-D^2};$$b=\frac{\mathrm{HF}-\mathrm{ED}}{D^2-\mathrm{GF}};$$c=-\frac{\Sigma ({x_i}^2+{y_i}^2)+\mathrm{a\Sigma }{x}_i+\mathrm{b\Sigma }{y}_i}{N},$则得到拟合的圆曲线为R²=(x-P)²+(y-Q)²，圆心坐标（P，Q）和外圆半径R：$P=\frac{a}{-2}$$Q=\frac{b}{-2}$$a=\frac{\mathrm{HD}-\mathrm{EG}}{\mathrm{FG}-D^2};$（b5）、根据待检测轴承（130）的先验知识得知轴承防尘盖的内、外径占待检测轴承（130）外圆半径的比例，以得到待检测轴承（130）的灰度图像中轴承防尘盖的内径与外径，（b6）、根据上述得到待检测轴承（130）的灰度图像中轴承防尘盖内径与外径参数，截取上述灰度图像，以得到轴承防尘盖圆环图像；所述步骤（c）中，包括如下步骤：（c1）、对得到的轴承防尘盖圆环图像采用线性拉伸的灰度变换，以提高轴承防尘盖圆环图像的亮度；所述线性拉伸函数为s=T（w）；其中，w为轴承防尘盖圆环图像灰度变换前点（x，y）的亮度值，s为轴承防尘盖圆环图像灰度变换后点（x，y）的亮度值，T为拉伸函数；（c2）、对上述灰度变换后的轴承防尘盖圆环图像进行自适应中值滤波；所述步骤（d）中，包括如下步骤：（d1）、对上述预处理后的轴承防尘盖圆环图像，利用最大类间方差法进行阈值分割，所述分割阈值为T，以获得相应的前景像素点与背景像素点；（d2）、所述前景像素点占轴承防尘盖圆环图像的比例为ω₀，其平均灰度为μ₀；所述背景像素点占轴承防尘盖圆环图像的比例为ω₁，其平均灰度为μ₁；轴承防尘盖圆环图像的总平均灰度记为类间方差记为g；则有$g={\omega }_0{({\mu }_0-\bar{\mu })}^2+{\omega }_1{({\mu }_1-\bar{\mu })}^2;$（d3）、根据上述公式求取类间方差g的最大值，以得到最优的分割阈值T，并根据获得最优的分割阈值T对轴承防尘盖圆环图像进行分割；（d4）、利用Roberts边缘检测算子检测上述阈值分割后的轴承防尘盖圆环图像，Roberts边缘检测算子的水平、垂直方向检测算子为：$g_x=\left[\begin{array}{cc}-1& 0\\ 0& 1\end{array}\right],$$g_y=\left[\begin{array}{cc}0& -1\\ 1& 0\end{array}\right];$其中，g_x为水平方向检测算子，g_y为垂直方向检测算子；所述步骤（e）中，包括如下步骤：（e1）、以轴承防尘盖圆环图像的圆心为中心，水平方向0°开始，每隔2°计算相应轴承防尘盖圆环图像中数值为1的点数目；（e2）、上述进行计算一周后，得到1×180维的数据Ψ1；所述步骤（f）中，包括如下步骤：（f1）、提供模板轴承图像，并以模板轴承图像的圆心为中心，水平方向为0°开始，每个2°计算模板轴承图像中轴承防尘盖内数值为1的点数目，并在进行计算一周后，得到1×180维的数据Ψ2；（f2）、将数据Ψ1内的元素与数据Ψ2内对应的元素做作差后进行平方，并将180个平方值求和，得到误差a₀；（f3）、将数据Ψ1内的元素每次移动步长p，以形成新数据Ψ1^p，数据Ψ1^p与数据Ψ2内对应的元素做作差后进行平方，并将180个平方值求和，得到误差a_p；所述移动步长p∈[1,2,…,179]；（f4）、当移动步长p取到1～179中的任意一个数值后，得到180个误差，所述误差为a₀、a₁、a₂、……、a₁₇₉；（f5）、比较并取上述误差a₀～a₁₇₉中的最小值，所述最小误差对应的移动步长为p，根据移动步长p得到偏转角度σ=p×2⁰；所述步骤（g）中，根据模板轴承图像中字符区域覆盖的角度(α,β)及偏转角度σ，得到待检测轴承（130）的轴承防尘盖圆环图像中字符区域覆盖的角度(α+σ,β+σ)；所述步骤（h）中，包括如下步骤：（h1）、对上述分离出的轴承防尘盖字符区域与轴承防尘盖非字符区域进行区域标记，并根据标记区域内的像素值计算对应区域的面积，以得到轴承防尘盖字符区域内连通域是Φ个，轴承防尘盖非字符区域内连通域是Γ个；（h2）、当轴承防尘盖字符区域内超过面积S的连通域是Θ个，当Θ与Φ不相等时，则轴承防尘盖字符区域表面存在缺陷；（h3）、当轴承防尘盖非字符区域内超过面积S的连通域是Κ个，且Κ不等于0时，则轴承防尘盖非字符区域表面存在缺陷；所述CCD相机（110）采用30万像素的CCD相机；定焦焦头（120）的焦距为25mm。