专利名称：基于机器视觉的轴承防尘盖品质监测系统的制作方法
技术领域：
本发明涉及一种基于机器视觉的轴承防尘盖实时检测方法，具体是指一种基于特定光源下，针对轴承防尘盖的机器视觉实时瑕疵检测的方法。
背景技术：
轴承是机械行业中至关重要的基础零件，广泛应用在各行各业中。近几年，随着我国工业自动化水平的不断提高、机械设备越来越精密，使得对轴承制造工艺水平的要求也越来越高，质量标准也越来越严格。轴承防尘盖的表面品质，影响着产品的质量。轴承生产过程中，由于各种因素，在轴承的内外圈表面、防尘盖端面等处可能会产生各种缺陷，如凹坑、压痕、划痕等，这些缺陷会对轴承的使用造成一定的影响，严重的可能会造成不可估量的事故。目前，国内对于轴承表面品质主要是人工检测，很容易出现误检和漏检，而且人工检测效率低。引入机器视觉技术进行缺陷检测具有非接触性、检测速度快、稳定性高的特点。针对轴承端面防尘盖的检测，本发明提出了基于机器视觉的实时检测方法
发明内容
本发明目的在于利用机器视觉对轴承生产中端面防尘盖进行品质监测。由于轴承端面防尘盖刻有字符，会对品质监测造成一定的干扰。本专利引入了字符识别的思想，对字符(或缺陷)进行识别，一方面判别有无缺陷，一方面判别刻印字符是否有错，从而实现轴承端面防尘盖的品质在线实时监测。按照本发明提供的技术方案，所述轴承端面防尘盖品质监测系统的算法包括以下步骤:第一步，在离线情况下，获取合格轴承的端面图像，通过预处理，分割出字符区域，根据分割出的字符区域的中心点坐标与轴承圆心坐标的关系，将字符区域通过旋转变换校正成垂直的字符，并提取字符特征，作为匹配模板。第二步，对采集图像先通过预处理分割出防尘盖区域，然后通过阈值分割将防尘盖区域的背景与字符(或缺陷)区域分割出来。第三步，对分割出来的字符(或缺陷)区域定位到阈值分割前的灰度图像中，并分割出相应的灰度图像。根据分割出的字符(或缺陷)区域的中心点坐标与轴承圆心坐标的关系计算出旋转角度。并通过双线性插值以及旋转角度将字符(或缺陷)区域旋转成为垂直方向。第四步，判断区域的大小，超过上限预设值和小于下限预设值的区域均为缺陷区域。对于处于预设大小范围内的区域进行阈值分割及归一化处理。第五步，提取区域的特征向量，与模板中的特征向量进行匹配。如果匹配度小于预设值，则该区域内有缺陷。第六步，如果正确匹配出来的字符串的长度与模板中的字符串的长度相等，则进行串匹配，根据上下文以及对应位置的特征匹配度对区域进行二次判别决策，最终输出结果。进一步的，所述第一步具体为:(1.1)在离线情况下采集合格轴承的端面图像f(x，y)，采用黑色非光滑面板作为轴承的背景。图像为640*480的灰度图像。(1.2)对采集的图像f (X, y)进行幂次灰度变换,生成g(x, y)。g(x, y) = cf(x, y) Y其中，一般取c = 1，根据所采集的图像，手动调节参数Y，获得视觉效果较好的图像即可。Y取值范围:1 3。(1.3)对图像g(x，y)进行中值滤波，滤波模板大小为3*3。(1.4)根据阈值Th将轴承与背景分离开，Th取15，根据实际情况进行调整。再通过四个方向的扫描，确定轴承的外轮廓。分别从左向右自上而下，从右向左自下而上逐行扫描，标记第一个灰度值超过阈值Th点为边界点，分别记录为p1、p2。然后根据p1、p2数组头尾位置，确定中间段的扫描范围。并根据所确定的左右范围，分别从上到下，自下而上从左到右，自上而下从右到左逐列扫描，标记第一个灰度值超过阈值Th点为边界点，分别记录为p3、p4。最后将p1、p3、p2、p4按顺序组合成一个数组P，该数组描述轴承的外轮廓。(1.5)计算圆心坐标。假设第i个采样点为P(Xpyi),轴承圆心坐标为^bhPUi,Yi)到轴承圆心坐标(a, b)的距离为巧，则P(Xi，Yi)与(a, b)构成了半径为巧的圆，其面积为Si，设s为拟合出的圆的面积，则圆的面积误差:
权利要求
1.轴承端面防尘盖品质监测系统，其特征是，包括以下步骤: 第一步，在离线情况下，获取合格轴承的端面图像，通过预处理，分割出字符区域，根据分割出的字符区域的中心点坐标与轴承圆心坐标的关系，将字符区域通过旋转变换校正成垂直的字符，并提取字符特征，作为匹配模板； 第二步，对采集图像先通过预处理分割出防尘盖区域，然后通过阈值分割将防尘盖区域的背景与字符(或缺陷)区域分割出来； 第三步，对分割出来的字符(或缺陷)区域定位到阈值分割前的灰度图像中，并分割出相应的灰度图像。根据分割出的字符(或缺陷)区域的中心点坐标与轴承圆心坐标的关系计算出旋转角度，并通过双线性插值以及旋转角度将字符(或缺陷)区域旋转成为垂直方向； 第四步，判断区域的大小，超过上限预设值和小于下限预设值的区域均为缺陷区域，对于处于预设大小范围内的区域进行阈值分割及归一化处理； 第五步，提取区域的特征向量，与模板中的特征向量进行匹配，如果匹配度小于预设值，则该区域内有缺陷； 第六步，如果正确匹配出来的字符串的长度与模板中的字符串的长度相等，则进行串匹配，根据上下文以及对应位置的特征匹配度对区域进行二次判别决策，最终输出结果。
2.如权利要求1所述轴承端面防尘盖品质监测系统，其特征是，所述第一步具体为: (1)在离线情况下采集合格 轴承的端面图像f(x，y)，采用黑色面板作为轴承的背景，图像为640*480的灰度图像； (2)对采集的图像f(x，y)进行幂次灰度变换，生成g(x，y): g(x, y) = cf (x, y) Y 其中，一般取c = 1，根据所采集的图像，人为调教参数Y，获得视觉效果较好的图像即可，一般取I 3 ; (3)对图像g(x，y)进行中值滤波，滤波模板大小为3*3； (4)根据阈值Th将轴承与背景分离开，Th取15，根据实际情况进行调整；再通过四个方向的扫描，确定轴承的外轮廓，分别从左向右自上而下，从右向左自下而上逐行扫描，标记第一个灰度值超过阈值Th点为边界点，分别记录为p1、p2 ;然后根据p1、p2数组头尾位置，确定中间段的扫描范围，并根据所确定的左右范围，分别从上到下，自下而上从左到右，自上而下从右到左逐列扫描，标记第一个灰度值超过阈值Th点为边界点，分别记录为p3、p4 ;最后将p1、p3、p2、p4按顺序组合成一个数组p，该数组描述轴承的外轮廓； (5)计算圆心坐标:假设第i个采样点为P(Xi，yi)，轴承圆心坐标为(a，b)，P(Xi，yi)至Ij轴承圆心坐标(a,b)的距离为!Ti,则P(X^yi)与(a, b)构成了半径为A的圆,其面积为Si,设s为拟合出的圆的面积，则圆的面积误差:S1 =S1-S = nrf -7tr2 = r[(x, - a)2 Jr{yt -b)2 ~r2\ 设面积误差平方和函数为J:J(a,b,r) = ^/ =tt2X[(x, - a)2 +(y, -b)2 -r2\1=0 1=0 然后由最小二乘原理:J(a, b, c) = min J是关于a、b和r的函数，参数a、b、r根据求函数极值的方法来计算，所以当参数a、b和r满足公式条件:
3.如权利要求1所述轴承端面防尘盖品质监测系统，其特征是，所述第二步具体为: (1)保持与模板制作时的相同采集环境，采集被检测轴承的端面图像； (2)对采集的图像f(x，y)进行幂次灰度变换，生成g(x，y): g(x, y) = cf (x, y) Y 其中，一般取c = 1，根据所采集的图像，人为调教参数Y，获得视觉效果较好的图像即可，一般取I 3 ; (3)与第一步中的(3)到(7)相同，对图像进行中值滤波，提取轴承的外轮廓，计算圆心坐标，分割出防尘盖区域，通过OTSU法计算分割阈值，并根据第一步(7)中的偏移量a对阈值进行调整，最后进行阈值分割，并做反色处理，最终字符(或缺陷)标记为1，背景标记为O。
4.如权利要求1所述轴承端面防尘盖品质监测系统，其特征是，所述第三步具体为: (1)对图像进行阈值分割后，根据连通域将字符(或缺陷)部分标记出来，计算每个连通域的最大矩形框，对分割出来的字符(或缺陷)区域定位到阈值分割前的灰度图像中，并分割出相应的灰度图像； (2)计算矩形框的中心坐标与轴承圆心坐标的角度。根据角度对分割出的灰度图像通过双线性插值旋转变换后，字符(或缺陷)区域变为水平。
5.如权利要求1所述轴承端面防尘盖品质监测系统，其特征是，所述第四步具体为: (I)判断分割出的字符(或缺陷)区域的大小，根据模板中分割出来的字符区域的大小来设置长度的上下阈值Thl_L、Th2_L和宽度的上下限阈值Thl_W、Th2_W ;当分割出来的字符(或缺陷)区域长宽超出预设值Thl_L、Thl_W，或者小于预设值1112_1、1112_1时，可以判断该区域为缺陷，将该部分标记出来，输出结果为轴承有缺陷； (2)判断分割出的字符(或缺陷)区域的个数，如果与模板中分割出来的字符个数不相符，则也判定轴承有缺陷； (3)当字符(或缺陷)区域满足大小条件，以及个数条件时，对字符(或缺陷)区域进行大小归一化，同第一步中的(1.9)，归一化为32*24像素大小的图像，然后进入第五步。
6.如权利要求1所述轴承端面防尘盖品质监测系统，其特征是，所述第五步具体为: (1)与第一步中的(10)相同，对灰度图像进行二值化后，提取字符(或缺陷)的二次轮廓特征，特征维数为224; (2)与第一步中的(11)相同，通过2次小波分解，将二次轮廓特征向量进行分解，最终获得维数为56的小波二次轮廓特征； (3)依次计算提取到的特征向量与模板中的特征向量的相关系数D(x，y):
7.如权利要求1所述轴承端面防尘盖品质监测系统，其特征是，所述第六步具体为: (1)与第一步中的(12)相同，计算每个字符区域的中心坐标与轴承圆心坐标连接线的斜率，通过斜率对区域按顺时针方向进行排序； (2)排序过后进行移位匹配，匹配度最高的排列顺序即和模板中的排列顺序是一致的，然后选出和模板中不一致的字符，并根据与对应位置的模板特征匹配度来判断是否存在缺陷，如果对应位置的模板特征匹配度超过预设值，则该区域为字符，反之则为缺陷，输出检测结果。
全文摘要
本发明提供一种基于机器视觉的轴承端面防尘盖品质监测的方法。通过工业相机采集轴承端面图像，进行预处理，提取防尘盖区域，通过阈值分割将该区域背景与字符(或缺陷)分离。根据字符(或缺陷)与圆心的位置通过旋转校正转换为垂直图像。对区域的大小以及数量进行第一次决策。提取字符(或缺陷)的二次轮廓特征，并与离线采集的模板进行匹配来判别分割出的区域内对象是字符还是缺陷，再通过联系上下文的方法判别印刻的字符是否有漏印或错印，从而实现轴承端面防尘盖品质的在线实时监测。本发明可有效提取出字符(或缺陷)区域，并准确判别缺陷及漏印或错印。算法复杂度低，运算速度快，能满足现场的实时性要求。
文档编号G01N21/88GK103226106SQ20131008483
公开日2013年7月31日 申请日期2013年3月15日 优先权日2013年3月15日
发明者白瑞林, 温振市, 吉峰 申请人:江南大学, 无锡信捷电气股份有限公司