基于数字滤波的圆锥滚子倒装缺陷检测方法
【技术领域】
[0001] 本发明设及一种轴承缺陷的检测方法，尤其是基于数字滤波的圆锥滚子倒装缺陷 检测方法。
【背景技术】
[0002] 轴承作为机械传动的主体部件，其质量问题直接决定工业生产效率，甚至直接造 成生产现场安全事故。其中，滚动体缺失、圆锥滚子倒装等轴承装配缺陷是影响轴承质量的 重要因素，对其进行检测是提高轴承企业产品质量的重要环节。
[0003] 随着计算机科学和数字图像处理技术的发展，机器视觉检测技术逐渐成为轴承装 配检测的方向。现有视觉检测方法大多采用图像处理算法将采集的轴承图像处理后，通过 缺陷位置的模板匹配或W缺陷面积大小和可能出现位置作为检测标准实现轴承缺陷定位。 上述方法仅W图像处理结果为缺陷识别依据，易受环境中光强、检测角度及轴承状态等因 素影响，无法满足复杂的工业现场检测要求。
【发明内容】
[0004] 本发明的主要目的是提供一种基于数字滤波的圆锥滚子倒装缺陷检测方法，采用 数字滤波方法定位圆锥滚子倒装缺陷的位置，提高检测正确率。
[0005]本发明是采用W下技术方案及技术措施来实现的。
[0006] 本发明提出基于数字滤波的圆锥滚子倒装缺陷检测方法，包括如下步骤： 步骤1、采集圆锥滚子轴承图像，并对其进行预处理； 步骤2、定位圆锥滚子轴承的滚动体环带区域：首先，定位圆锥滚子轴承的圆屯、，然后，W圆锥滚子轴承的圆屯、为基点确定滚动体环带区域的外半径及内半径，由外半径和内半径 定位滚动体环带区域； 步骤3、在极坐标系中，提取滚动体环带区域图像信息的像素统计信号； 步骤4、对所述像素统计信号用FIR低通滤波器进行高频滤波，FIR低通滤波器的单位 抽样响应是对理想低通滤波器的抽样响应加上海明窗W截断成有限长； 步骤5、对高频滤波后的像素统计信号用高通滤波器滤除其中的低频干扰信息，先进行FFT变换将像素统计信号变换到频域，在频域内剔除低频数据点，再经IFFT变换将低频点 剔除的频域像素统计信号变换到时域，重构时域的像素统计信号； 步骤6、设定阔值，对重构的像素统计信号分割缺陷部分与其他部分，提取出轴承中缺 陷滚动体的准确位置与个数。
[0007] 较佳的，步骤1中所述预处理是对圆锥滚子轴承图像进行二值化处理，再增强二 值化后图像的边缘轮廓信息。
[0008] 较佳的，所述二值化处理的阔值是采用自适应二值化阔值的方法确定的。
[0009] 较佳的，步骤2定位圆锥滚子轴承的滚动体环带区域的方法是： 步骤2. 1、定位圆锥滚子轴承的圆屯、：对步骤1预处理后的圆锥滚子轴承图像按米字形 定位8个黑白突变点，根据运8个点的坐标，确定圆锥滚子轴承的圆屯、坐标； 步骤2. 2、确定滚动体环带的外半径：W圆锥滚子轴承的圆屯、到图像边界的最小距离 作为初始半径，统计对应半径所在圆周的黑色像素数，若圆周上的黑色像素数大于0,则当 前半径为轴承滚动体环带的外半径，否则W1个像素为步长减小半径并继续统计圆周上黑 色像素的个数，直到黑色像素数大于0,得到外半径； 步骤2. 3、确定滚动体环带的内半径，并定位滚动体环带区域：继续W1个像素为步长 减小半径并统计圆周上白色像素的个数，当圆周上全部为白色像素时，当前半径为滚动体 环带的内半径，外半径与内半径之间的区域即是滚动体环带区域。
[0010] 较佳的，所述像素统计信号是化於为步长，均匀采集圆周角度上滚动体环带区域 内的黑色像素个数得到的。
[0011] 较佳的，所述FIR低通滤波器的单位抽样响应是：
其中，,,为抽样响应的中屯、点，且《。，啤是截至角频率，n表示FIR低通滤波器 錢 ;.若： 单位抽样响应的当前序列，N表示序列总数。
[001引较佳的，步骤5中所述像素统计信号变换到频域的FFT变换的表达式为：
其中，店为高频滤波后的像素统计信号中角度与像素个数序列， 蘇；.:阵..3魏，妓我为旋转因子。
[0013] 较佳的，步骤5中将低频点剔除的频域像素统计信号变换到时域的IFFT变换的表 达式为：
其中，-引为剔除低频点后的频域像素统计信号，为 经过高通滤波器重构的时域像素统计信号。
[0014] 与现有技术相比，本发明至少具有下述优点及有益效果：本发明采用FIR的高频 滤波和基于FFT变换的低频滤波分别去除滚子自身结构和其他干扰，实现滚动体倒装缺陷 的准确定位，解决了传统方法中存在的缺陷和不足，检测率高，检测速度快，成本低，具有较 强的灵活性和实用性。
【附图说明】
[0015] 图1是本发明基于数字滤波的圆锥滚子倒装缺陷检测方法的检测流程图。
[0016] 图2A是工业相机采集的圆锥滚子原始图像。
[0017] 图2B是对图2A进行二值化处理后的图像。
[001引图2C是对图2B进行闭运算处理后的图像。
[0019] 图3是将图2C转换到极坐标系下的圆锥滚子展开图。
[0020] 图4是极坐标系下滚动体环带的像素统计图。
[0021] 图5是图4的像素统计信号经FIR高频滤波后的效果图。
[0022] 图6是滤除图5中低频干扰信息后的滚动体缺陷定位结果示意图。
【具体实施方式】
[0023] 为使本发明的内容更明显易懂，W下结合具体实施例，对本发明进行详细描述。
[0024] 由本发明圆锥滚子倒装缺陷检测方法设计的圆锥滚子轴承倒装缺陷检测系统包 括对轴承图像进行采集的图像采集单元和对采集的图像进行处理并输出图像识别结果的 图像处理单元。图像采集单元主要包括摄像机和光源，针对轴承表面金属材质反光特性，选 用红色环形低角度光源作为轴承缺陷检测的前端光源。摄像机位于环形光源中屯、，W获取 最佳的图像采集角度。图像处理单元可W采用四核主频为900MHz的ARMCcxrtex-A7作为 处理器平台，用带硬件浮点加速ARM架构的Raspbian作为运行操作系统，具有极强的处理 性能和高度的灵活性。与采用PC机的检测系统相比，不仅成本得到极大降低，而且系统安 装方便，可移植性强。
[00巧]基于上述检测系统的圆锥滚子倒装缺陷检测方法主要包括图像预处理、提取滚动 体环带像素统计信号和基于数字滤波器的缺陷检测方法。图像预处理是通过图像采集单元 获取二维轴承图像，对图像进行二值化和闭运算后得到清晰的轴承部分图像信息，为后续 的滚动体倒装缺陷识别提供清晰准确的图像信息。提取滚动体环带像素统计信号是对提取 的环带区域展开，采用环带像素信号。基于数字滤波的圆锥滚子倒装缺陷检测方法主要是 采用基于FIR的高频滤波和基于FFT变换的低频滤波分别去除滚子自身结构和其他干扰， 再设定阔值提取缺陷的个数和位置，定位滚动体的缺陷位置，实现圆锥滚子轴承倒装缺陷 的识别。
[0026] 具体的，图1是本发明基于数字滤波器的圆锥滚子倒装缺陷的检测流程图。参考 图1，本发明包括如下步骤： 步骤一、采集圆锥滚子轴承图像，并对采集到的圆锥滚子轴承图像进行预处理。
[0027] 图像处理主要是将获得的轴承图像经过二值化和闭运算后得到清晰的轴承部分 图像信息，根据轴承圆屯、提取轴承滚动体环带的信息。
[0028] 本发明W化69349型轴承作为实施例。由于轴承表面油污分布不均、自然光线干 扰等因素的影响，采集到的轴承图像亮暗分布不均，工业相机采集的图像如图2A所示。为 得到高质量的二值化图像，二值化阔值的选取需要根据当前图像的亮度来选取，采用局部 自适应阔值的方法能够最大程度的保留轴承滚动体中的图像信息，效果如图2B所示。
[0029] 为了有效的提取轴承图像中滚动体边缘轮廓，需对二值化后的图像进行滤波并增 强滚动体图像信息。通过分析及试验验证，本发明采用闭运算来处理图像W凸显滚动体轮 廓信息。采用闭运算得到的增强图像如图2C所示。JL69349型轴承滚动体个数为22个，标 准轴承在图像滚动体区域上会有44个黑白相间的区域。每个滚动体在增强图像上会形成 左右黑白相间隔的区域，倒装位置的滚子在相应位置形成内外黑白相间隔区域。
[0030] 步骤二、定位圆锥滚子的滚动体环带区域。
[0031] 为得到轴承滚动体信息，需要定位轴承中屯、在图像中的位置。W闭运算后图像的 中屯、为中屯、，按米字形在图上找到8个黑白突变点，根据运8个点的坐标，确定轴承圆屯、 (，兵)及圆屯、到轴承内圈的半径资。 CN105115987A 说明书 4/6 页
[0032]假设运8个点在像面上的坐标为！
和 r之间的关系为
，利用最小二乘法可W解得轴承圆屯、坐标
[0033] 为了有效地定位滚动体所在环带的图像区域，W轴承圆屯、为滚动体所在环带的圆 必，W轴承圆必到图像边界的最小距离縱作为初始半径，统计对应半径所在圆周上黑色像 素的个数，若圆周上黑色像素的个数