技术领域本发明的涉及精密测量领域，具体是一种基于机器视觉的钢球表面缺陷智能环形循检的新型算法。
背景技术：
随着科学技术的日新月异，滚动轴承被广泛应用于机械制造、交通运输、航空航天及仪器仪表等领域，而钢球作为轴承的核心部件，其质量的优劣对于轴承的性能及安全性起着关键性作用。对于钢球检测的传统方法主要有：人工检测，机械检测及射线检测。其中，人工检测劳动强度大，而且效率低、质量差，检测可靠性多取决于主观因素；机械检测通常是接触式检测,检测过程需要对待测钢球进行位置调整,因而效率较低；射线检测其优点是能提高图像分辨率,但是结构复杂、成本高；而将计算机的高效精密可靠性与数字图像处理技术相结合进行视觉检测,具有全自动化、非接触、高精度等特点,可极大提高检测效率,具有广泛应用前景,目前在发达国家已得到广泛应用,但在国内的应用尚处于发展阶段。随着机器视觉检测技术的发展成熟，其在钢球检测领域的应用研究越来越受到国内外学者的重视，成为当前钢球检测领域的主流研究方向。随着机器视觉技术的不断发展，其在无损检测领域的优越性不断显现出来，例如，能够实现非接触测量；操作简单，检测精度高；对检测环境要求低等等。而在钢球检测领域，应用视觉方法进行钢球检测能够直接地获得钢球表面缺陷信息，突破了接触测量和逐点扫描的限制，因此受到研究者的青睐。根据机械行业标准《滚动轴承钢球表面缺陷图册及评定方法》，钢球表面缺陷划分为斑点、麻点、擦痕、划条和凹坑等。机械产品加工过程中产生的表面裂纹、划痕、污迹、凹坑、孔洞、毛刺等缺陷影响到产品使用性能，完整性，甚至安全性。综合国内外钢球检测仪器的发展，应用最多的是光学探伤法和涡流检测法。由于光学探伤法具有一定的局限性，现在应用逐渐减少，而涡流检测法经过不断发展已经逐渐成熟。在精密测量领域，对于仪器仪表的测量精度要求越来越高，但一般传感器都是针对单一被测参数服务于专用仪器或装置，只能实现单项参数的测量，且在精度及可靠性方面还存在一些不足之处。
技术实现要素：
发明目的：针对传统的钢球表面缺陷检测方法存在的问题，克服已有技术的不足，根据钢球表面有缺陷区域呈现的像素点灰度值异常，利用计算机视觉库，将计算机的高效性及可重复性与数字图像处理技术相结合，融合智能环形循检算法进行视觉检测，对视觉图像中所呈现的六个钢球进行高速处理，具有高精度、高可靠性、高效率等特点，能准确判断钢球的质量问题。经检测结果抽样统计，准确率高达98％，误检率3％，处于国内钢球检测技术先进水平。技术方案：为了解决现有技术的不足，本发明所述的一种基于机器视觉的钢球表面缺陷智能环形循检的新型算法，其处理步骤如下：步骤1，在VS2010软件中创建灰度图像的直方图，根据直方图创建直方图图像，并对图像进行直方图均衡化处理，从而扩大前景和背景灰度的级别，以达到增强图像局部对比度的目的；步骤2，利用改进的中值滤波消除噪声。中值滤波是将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。而改进的中值滤波方法是对含有噪声的图像上的每一点都以其为中心选取一个(M×M)区域,在该区域内查找灰度值的中值,并在区域内的每一点都以该中值为中心计算其权值,当某点的灰度值越接近中值，其权值就越大,反之权值就越小。通过这种方式给噪声点的赋值非常小,在累加求和时噪声点的值可以忽略不计,由此可以滤除一部分噪声点；步骤3，对图像进行二值化处理，将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果；步骤4，调用计算机视觉库，对钢球的圆形边缘进行检测；步骤5，找到钢球的圆心，计算钢球圆心距离钢球边缘的像素点个数；步骤6，采用CCD1图像传感器采集得到的钢球图像，利用智能环形循检算法进行检测，考虑到由于光照原因，圆心至外十个像素点的内环形区域的灰度值较大，且不在检测范围，故在各个圆形区域内，以钢球圆心为中心，以十个像素点为初始值，后每次增加五个像素点为半径画圆检测，直至其半径大于钢球半径时停止处理。统计每次圆周采样到的像素点，求取最大灰度值HDmax与最小灰度值HDmin的差值并与阀值f比较，若大于阀值f，即HDmax-HDmin>f，则被记为不合格钢球；步骤7，采用CCD2图像传感器再次采集得到的图像做步骤6相同处理，若步骤6中被记为不合格钢球在第二次检测中仍被标为不合格钢球，则将此钢球标记为最终不合格钢球；步骤8，对于最终不合格的钢球用电机驱动相关执行机构对其进行另操作，与无质量问题的钢球分开处理，从而达到了对钢球进行质检并分类的目的；作为本发明的进一步优选，步骤六中，在工控机的展开盘内钢球在执行机构的带动下做不规则运动，在五十毫秒内循环画圆检测能保证检测的圆弧遍布钢球表面。作为本发明的进一步优选，在步骤六的算法中所读取的是两个CCD相机所拍摄的图像，CCD的分辨率为1280*1024。有益效果是：本发明所述的一种基于机器视觉的钢球表面缺陷智能环形循检的新型算法，郁现有技术相比，具有以下优点：1、能有效提高钢球质检的精度，具有很高的可靠性，经试验验证，准确率高达98％，误检率3％，处于国内钢球检测技术先进水平。2、此检测算法可推广到对其他工业产品的质检研究之中，对于灵活应用数字图像处理技术,有良好的借鉴意义；3、钢球作为轴承的核心部件，其质量的优劣对于轴承的性能及安全性起着关键性作用。运用此算法能够对钢球质量好坏进行有效分类，对于延长工控设备的使用寿命，提高工业生产效率和促进社会主义现代化具有积极作用。附图说明图1智能环形循检算法流程图；图2算法处理标识示意图；图3展开盘及相关设备安装示意图；图4是经过方图均衡化、改进的中值滤波、二值化处理后的钢球图像；图5是检测到钢球的圆心及轮廓后的钢球图像；图6是经过智能环形循检算法处理后的钢球图像。具体实施方式下面结合附图和实例对本发明作进一步说明。如附图所示，在通过直方图均衡化、改进的中值滤波和二值化处理后，可以清晰地观察到右1钢球表面存在明显缺陷。算法很精确地找到钢球的圆心及钢球的轮廓，以此来计算图像中钢球的圆心距离钢球轮廓的像素点个数。运用智能环形循检算法后，钢球表面缺陷能够被很精确地标记出来，此后在电机执行机构的驱动下做分类处理。实施例本发明所述的一种基于机器视觉的钢球表面缺陷智能环形循检的新型算法的处理步骤如下：步骤1，创建灰度图像的直方图，根据直方图创建直方图图像，并对图像进行直方图均衡化处理，从而扩大前景和背景灰度的级别，以达到增强图像局部对比度的目的；步骤2，利用改进的中值滤波消除噪声；步骤3，对图像进行二值化处理，将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果；步骤4，调用计算机视觉库，对钢球的圆形边缘进行检测；步骤5，找到钢球的圆心，计算钢球圆心距离钢球边缘的像素点个数；步骤6，采用CCD1图像传感器采集得到的钢球图像，利用智能环形循检算法进行检测，考虑到由于光照原因，圆心至外十个像素点的内环形区域的灰度值较大，且不在检测范围，故在各个圆形区域内，以钢球圆心为中心，以十个像素点为初始值，后每次增加五个像素点为半径画圆检测，直至其半径大于钢球半径时停止处理。统计每次圆周采样到的像素点，求取最大灰度值HDmax与最小灰度值HDmin的差值并与阀值f比较，若大于阀值f，即HDmax-HDmin>f，则被记为不合格钢球；步骤7，采用CCD2图像传感器再次采集得到的图像做步骤6相同处理，若步骤6中被记为不合格钢球在第二次检测中仍被标为不合格钢球，则将此钢球标记为最终不合格钢球；步骤8，对于最终不合格的钢球用电机驱动相关执行机构对其进行另操作，与无质量问题的钢球分开处理，从而达到了对钢球进行质检并分类的目的；上面所述改进的中值滤波，对含有噪声的图像上的每一点都以其为中心选取一个(M×M)区域,在该区域内查找灰度值的中值,并在区域内的每一点都以该中值为中心计算其权值,当某点的灰度值越接近中值，其权值就越大,反之权值就越小。通过这种方式给噪声点的赋值非常小,在累加求和时噪声点的值可以忽略不计,由此可以滤除一部分噪声点，从而达到了抑制噪声且保护图像细节的良好效果。两个CCD相机MVC1000SAM_GE30ST2以完成全分辨率(1280*1024)的速率为30fps，8bit采样位数。两个相机可同步连续采集，全方位采集监控区域图像，并采用一条千兆网线传输，最多能同时传输两台相机的图像，较大的节省采集控制设备，延长了传输的距离。上述实施例只为说明本发明的技术构思及特点，其目的是让熟悉该技术领域的技术人员能够了解本发明的内容并据以实施，并不能以此来限制本发明的保护范围。凡根据本发明精神实质所做出的等同变换或修饰，都应涵盖在本发明的保护范围之内。