一种小微轴承表面凹痕缺陷在线检测方法及其系统与流程

本发明属于轴承表面缺陷检测领域，尤其是涉及一种小微轴承表面凹痕缺陷在线检测方法及其系统。

背景技术：

轴承是机械行业的一个非常重要的零件，其使用极其普遍。轴承的加工精度和质量关系到机械产品的使用性能和寿命，因此对轴承的加工质量检测一直是轴承生产厂家关心的问题。在工业生产过程中，为了排除次品和查明与故障有关的产品隐患等，要做产品的质量检查，以往多由检验人员来完成，这种方法有因人而异可靠性差等缺点。

近年来，随着我国轴承行业的发展，轴承已经成为重要的出口创汇产品。各生产企业通过技术改造，使轴承生产上采用了自动化单机或自动化生产线，并向现代化迈进，但唯有表面缺陷检测与剔除仍采用人工目测方法，不仅效率低，而且可靠性差，与自动化加工线极不相称，因此各企业也急需一种自动检测线来对轴承的加工质量进行检测。由于微小轴承表面上的压坑、划伤其大小、深度与分布位置都是随机的。因此，用接触式检测不仅难度大，而且效率低，而采用CCD图像识别技术做非接触检测，是解决这一问题的最好途径。

在现有的基于计算机视觉检测技术在轴承检测应用中，只能实现轴承单面自动在线检测，需要人工翻转另一面再进行检测，而且是抽检，无法实现在线的自动化全面检测。同时，由于微小轴承表面小，并刻印有标号，表面的压坑、划伤的缺陷十分微小，而且表面往往有一层油膜，影响光源的入射强度和方向，因此如何选择光源、如何屏蔽环境光的干扰以及如何恰当地将图形放大，并且不发生畸变，是进行缺陷识别的关键问题。

同时，轴承字符是所有轴承产品都不可或缺的重要标志，大部分情况下都标志在套圈的非基准端面上，也可以按照技术要求标在套圈基准端面、保持架、密封圈和防尘盖上等。从轴承字符中可以得到信息包括轴承型号和生产厂家名称，有些情况下还包括生产厂家与用户共同制定的其它附加信息。目前国内轴承生产厂家依然采用人工目测这种工作量大、效率低的方法完成对轴承字符的检测，与轴承企业生产规模化极为矛盾。轴承字符缺陷检测一直是轴承行业检测技术的薄弱环节，查阅各大公开文献数据库，目前对轴承字符缺陷检测的研究几乎没有，也没有相关检测系统用于轴承字符缺陷的检测。

因此，有必要根据微小轴承的特点，设计出一种小微轴承表面凹痕缺陷在线检测方法及其系统，能够高效快速的对产品表面的划伤、变形等缺陷进行检测，保证产品质量，提高检测精度和效率，彻底解决这一困扰企业的老大难问题，是很有必要的。

技术实现要素：

针对以上技术问题，本发明的目的在于突破现有检测方法的不足，提供了一种小微轴承表面凹痕缺陷在线检测方法及其系统，基于CCD图像识别技术实现微小轴承外表面缺陷自动检测，使微小轴承表面缺陷检测工序实现自动化，以替代目前企业普遍采用人工检测的方法，提高检测精度和效率，使缺陷识别率、不合格产品的去除率达到较高水平，提高出厂产品的总体质量，尽可能避免实际损失，提高企业的信誉度，提高企业的现代化水平。

为达到上述目的，本发明提供如下技术方案：

一种小微轴承表面凹痕缺陷在线检测方法，其具体检测步骤为：

1)图像数据采集

通过微小轴承自动传送系统将待检测轴承放置于在线检测系统，在线检测系统调整LED灯光，并利用CCD摄像头对待检测轴承的两端面和外圆表面图像进行同步抓取，并将采集到的图像通过图像采集卡传输到对应的计算机处理模块中；

2)图像信息预处理

a)对采集到的端面图像信息在端面图像处理模块和端面图像字符识别模块分别进行预处理，其中，端面图像处理模块的预处理包括图像滤波去噪和图像二值化处理，端面图像字符识别模块的预处理包括图像滤波去噪、图像二值化、字符归一化、字符细化处理；

b)对采集到的外圆表面图像信息在外圆表面图像处理模块进行图像滤波去噪、图像二值化处理；

3)轴承模板匹配缺陷识别

端面图像处理模块对预处理后的端面图像信息进行边缘提取和模板匹配，得到分析结果；端面图像字符处理模块对端面图像信息进行轴承字符识别和模板匹配，得到分析结果；外圆表面图像处理模块对外圆表面图像信息进行边缘提取和模板匹配，得到分析结果；

4)反馈筛选

各计算机处理模块将分析结果进行反馈给计算机控制模块，计算机控制模块控制存储模块进行结果存储，并控制筛选开关进行筛选，以实现小微轴承表面凹痕缺陷的在线检测及不合格产品的自动分拣处理。

作为优选，在步骤2)中，端面图像处理模块的预处理包括图像滤波去噪和图像二值化处理，其图像滤波采用BLPF算法对轴承图像进行去噪处理，图像二值化处理采用迭代阈值法实现轴承图像的二值化。

作为优选，在步骤2)中，端面图像字符识别模块的预处理的具体步骤为：选用5×5中值滤波法进行去噪，并采用投影法提取出单个轴承字符并进行以Otsu法实现其局部二值化，将得到的单个二值化字符进行归一化和细化处理。

作为优选，在步骤2)中，外圆表面图像处理模块以中值滤波进行图像滤波去噪，并以最小误差法进行图像二值化处理。

作为优选，在步骤3)中，端面图像字符处理模块首先对特殊字符进行处理，然后采用网格和交叉点特征实现对字符特征的提取，并采用基于改进的模板匹配法进行匹配分析，得到检测结果。

一种小微轴承表面凹痕缺陷在线检测系统，所述的在线检测系统主要包括CCD摄像机，图像采集卡，计算机，控制单元，推进机构，传送带，筛选开关，光源，其中，在线检测系统的传送带与生产线相连，CCD摄像机和光源设置在传送带上方，CCD摄像机通过图像采集卡与计算机相连，计算机通过控制单元与推进机构和筛选开关相连。

作为优选，所述的计算机包括端面图像处理模块、端面图像字符识别模块、外圆表面图像处理模块、存储模块和计算机控制模块，端面图像处理模块、端面图像字符识别模块、外圆表面图像处理模块并行工作，并将分析结果传输至存储模块和计算机控制模块。

作为优选，所述的CCD选择Basler数字摄像机A102f。

本发明的有益效果：

本发明替代目前企业普遍采用人工检测的方法，提高检测精度和效率，使缺陷识别率、不合格产品的去除率达到较高水平，提高出厂产品的总体质量，尽可能避免实际损失，提高企业的信誉度，提高企业的现代化水平，其具体表现在：

1、本发明基于CCD图像识别技术实现微小轴承外表面缺陷自动检测，其根据采到的不同部位的集轴承图像的特点，设计出一种可并行识别检测轴承两端面、轴承外圆表面和端面图像字符的小微轴承表面凹痕缺陷在线检测系统，可同时对轴承不同部位进行并行分析检测，处理效率高。

2、本发明针对对轴承不同部位进行并行的分析检测，其选用的分析检测算法是根据轴承的各部位的特点进行优化的，如对轴承两端面和外圆表面的图像采用了不同的滤波去噪和图像二值化处理，针对性更高，处理效率和准确度也更高。

3、针对现有系统中轴承字符检测准确度不高的问题，本发明使用5×5中值滤波法去除图像中的噪声，采用一种快速Otsu法进行图像二值化，利用拟合圆的办法确定轴承的圆心进而对轴承进行定位，研究了字符的归一化和细化算法，采用网格和交叉点特征提取出字符特征，最后选择一种改进的模板匹配法识别轴承字符，这些算法使系统的检测效率和精度有了很大的提高，其识别率达到了99.375％，分析轴承字符正常和缺陷的情况，对产生误差进行了分析，并使微小轴承表面缺陷检测工序实现自动化。

附图说明

图1为本发明的结构示意图。

具体实施方式

下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种小微轴承表面凹痕缺陷在线检测系统，所述的在线检测系统主要包括CCD摄像机，图像采集卡，计算机，控制单元，推进机构，传送带，筛选开关，光源，其中，在线检测系统的传送带与生产线相连，CCD摄像机和光源设置在传送带上方，CCD摄像机通过图像采集卡与计算机相连，计算机通过控制单元与推进机构和筛选开关相连，其中，所述的计算机包括端面图像处理模块、端面图像字符识别模块、外圆表面图像处理模块、存储模块和计算机控制模块，端面图像处理模块、端面图像字符识别模块、外圆表面图像处理模块并行工作，并将分析结果传输至存储模块和计算机控制模块。

CCD选择：CCD选用Basler数字摄像机A102f，其主要技术特点为：超高解析度1392(水平)*1040(垂直)像素、每像素尺寸6.45m*6.45m、电子式全画面快门、高感光度，高信噪比、快门控制时间20s～1.31s、可通过RS-232编程控制，完全可以满足图像识别的要求。图像放大采用TEC-M55焦阑镜头：焦距55mm、最大孔径比1﹕2.8、在CCD上成像的图像最大尺寸为8.8mm×6.6mm或Ф11mm、放大率为无穷远～0.5*。

计算机选择：计算机所需配置为：CPU 2.8G以上，内存512M，显卡128M，硬盘80G。计算机包括端面图像处理模块、端面图像字符识别模块、外圆表面图像处理模块、存储模块和计算机控制模块，端面图像处理模块、端面图像字符识别模块、外圆表面图像处理模块并行工作，并将分析结果传输至存储模块和计算机控制模块。本发明的系统应用了图像采集、分析、判别的实时处理技术以及光机电一体化技术，可实现轴承的在线自动化检测及不合格产品的自动分拣处理，较好满足了检测的实时性与准确性要求。该系统操作简便、界面友好、运行可靠，同时还可结合数据库技术，将检测结果数据实时存储，以进行质量分析处理。同时，本发明可并行识别检测轴承两端面、轴承外圆表面和端面图像字符的小微轴承表面凹痕缺陷在线检测系统，可同时对轴承不同部位进行并行分析检测，处理效率高。

一种小微轴承表面凹痕缺陷在线检测方法，其具体检测步骤为：

1)图像数据采集

通过微小轴承自动传送系统将待检测轴承放置于在线检测系统，在线检测系统调整LED灯光，并利用CCD摄像头对待检测轴承的两端面和外圆表面图像进行同步抓取，并将采集到的图像通过图像采集卡传输到对应的计算机处理模块中；

2)图像信息预处理

a)对采集到的端面图像信息在端面图像处理模块和端面图像字符识别模块分别进行预处理。

端面图像处理模块的预处理包括图像滤波去噪和图像二值化处理，其图像滤波采用BLPF对轴承图像进行去噪处理，巴特沃斯低通滤波器BLPF为最大平坦滤波器，它的通带与阻带之间没有明显的不连续性，因此它的空域响应没有“振铃”现象发生，模糊程度减少，本发明针对端面图像信息使用BLPF对轴承图像进行去噪处理，其图像质量得到极大的提高。由于轴承缺陷与字符的灰度值非常接近，难以直接从图像中识别缺陷特征；而缺陷特征周围区域的灰度值与背景的灰度值差异较大。为了提高检测效率和精度，系统以缺陷特征周围区域为检测目标，对图像进行二值化处理，把轴承端面图像分为缺陷特征周围高亮区域与背景区域两部分。因此，图像二值化处理采用迭代阈值法实现轴承图像的二值化，其具体步骤为：选择一个近似阈值作为估计值的初始值，然后进行分割，产生子图像，并根据子图像的特性来选取新的阈值，再用新的阈值分割图像，经过几次循环，使错误分割的图像像素点降到最少。经过预处理之后的轴承图像，其轴承端面的灰度与缺陷周围区域的灰度都具有很明显的反差。因此，经过以上预处理，为实现计算机的识别、检测提供了可靠的依据。

端面图像字符识别模块的预处理包括图像滤波去噪、图像二值化、字符归一化、字符细化处理；端面图像字符识别模块的预处理的具体步骤为：

i.选用5×5中值滤波法进行去噪，中值滤波法不会造成图像细节变得模糊，确保后续提取出的字符特征效果，有利用实现对字符的精确识别。窗口大小的选择有3×3、5×5、7×7等，窗口的大小根据噪声的大小相应选择。通过反复试验，本发明选用窗口为5×5中值滤波法；

ii.采用投影法提取出单个轴承字符并进行以Otsu法实现其局部二值化，由于轴承图像不能覆盖从0到255的所有灰度，因此在Otsu法基础上进行了算法优化，该方法可以大大减少所需方差计算的次数，从而提高程序效率，具体实现过程如下：

设一幅图像的灰度值有0到m-1级，m为图像包含的灰度级数；n_i为灰度值为i的像素数，则像素总数为：

$N=\underset{i=0}{\overset{m-1}{\Σ}}{n}_i---(1-1)$

各灰度值的概率：

$p_i=\frac{n_i}{N}---(1-2)$

使用一个k值把0到m-1级分成两组：C₀＝[0，1，2，...，k]和C₁＝[k+1，...，m-1],则计算C₀和C₁的改进类间方差公式为:

σ²(k)＝ω₀(k)×ω₁(k)×[μ₀ω(k)-μ₁(k)]² (1-3)

式中，ω₀(k)和ω₁(k)分别为C₀和C₁组中所包含的总像素数；μ₀(k)和μ₁(k)分别为C₀和C₁组全部像素的平均灰度值。

将k从0到m-1依次取值，选择使σ(k)²达到最大值的k作为阈值。则(1-3)式可推导成下式：

${\mathrm{\σ}}^2\left(k\right)=\frac{{\[{\mathrm{\μ}}_k\mathrm{\ω}\left(k\right)-\mathrm{\μ}\left(k\right)\]}^2}{\mathrm{\ω}\left(k\right)\[1-\mathrm{\ω}\left(k\right)\]}---(1-4)$

其中：

${\mathrm{\μ}}_K=\underset{i=0}{\overset{m-1}{\Σ}}{p}_i\×i---(1-5)$

$\mathrm{\μ}\left(k\right)=\underset{i=0}{\overset{k}{\Σ}}{p}_i\×i---(1-6)$

$\mathrm{\ω}\left(k\right)=\underset{i=0}{\overset{k}{\Σ}}{p}_i---(1-7)$

式中，i和P_i分别为图像中各灰度级和其出现概率。

在这里假设图像中灰度级为k′的像素个数为零，即P_k′＝0，如果选择k’-1为阈值时：

$\mathrm{\μ}(k^{\′}-1)=\underset{i=0}{\overset{k^{\′}-1}{\Σ}}{p}_i\×i---(1-8)$

$\mathrm{\ω}(k^{\′}-1)=\underset{i=0}{\overset{k^{\′}-1}{\Σ}}{p}_i---(1-9)$

${\mathrm{\μ}}_{K-1}=\underset{i=0}{\overset{m-1}{\Σ}}{p}_i\×i---(1-10)$

如果选择图像中灰度级k′作为阈值时：

$\mathrm{\μ}\left(k^{\′}\right)=\underset{i=0}{\overset{k^{\′}}{\Σ}}{p}_i\×i=\underset{i=0}{\overset{k^{\′}-1}{\Σ}}{p}_i\×i+k^{\′}{p}_{k^{\′}}=\underset{i=0}{\overset{k^{\′}-1}{\Σ}}{p}_i\×i=\mathrm{\μ}(k^{\′}-1)---(1-11)$

$\mathrm{\ω}\left(k^{\′}\right)=\underset{i=0}{\overset{k^{\′}}{\Σ}}{p}_i=\underset{i=0}{\overset{k^{\′}-1}{\Σ}}{p}_i+p_{k^{\′}}=\underset{i=0}{\overset{k^{\′}-1}{\Σ}}{p}_i=\mathrm{\ω}(k^{\′}-1)---(1-12)$

${\mathrm{\μ}}_K=\underset{i=0}{\overset{m-1}{\Σ}}{p}_i\×i---(1-13)$

由上述分析可知：

σ²(k′-1)＝σ²(k′) (1-14)

再次假设图像中有连续灰度级,K₁,K₂,K₃…K_n…的像素数为零，参考上述方法可以得到：

σ²(k₁-1)＝σ²(k₁)＝σ²(k₂-1)＝σ²(k₂)...＝σ²(k_n-1)＝σ²(k_n) (1-15)

由于受到轴承生产工况的影响，每次检测时被检轴承在摄像机视野中的位置都会有细小差异，为了方便后续的分析，在检测之前需要确定轴承的准确位置。从轴承图像的特征可知，轴承字符一般标志在防尘盖或套圈的侧面，由于轴承是轴对称的，并且正常检测所拍摄图像的中心都会在轴承内圈里，在此采用多点拟合圆的方法确定轴承圆心的坐标从而定位图像,在得定位图像后，对定位图像进行字符带展开和字符分割，得到单个字符。

将得到的单个二值化字符进行归一化和细化处理，由于光照、硬件和算法等因素的影响，经过上述处理得到的单个字符大小不一样，本文中采用的字符识别方法是模板匹配法，相同类型的字符只在计算机中存储一种尺寸的模板，这就要求对提取出来的单个字符进行归一化处理。字符归一化又称字符正规化，它的作用在于使不同尺寸的字符在经过缩放处理后大小统一，在对字符进行归一化的过程中，采用的是邻近插值法。

b)对采集到的外圆表面图像信息在外圆表面图像处理模块进行图像滤波去噪、图像二值化处理，外圆表面图像处理模块以中值滤波进行图像滤波去噪，并以最小误差法进行图像二值化处理；

3)轴承模板匹配缺陷识别

a.端面图像处理模块对预处理后的端面图像信息进行边缘提取和模板匹配，得到分析结果；

b.端面图像字符处理模块对端面图像信息进行轴承字符识别和模板匹配，得到分析结果；字符特征提取是字符识别之前一个很关键的阶段，目的是从字符中提取到最具代表性的特征。特征选取是否合适，关系到字符识别的正确率、检测系统的速度和精度。选取的特征必须满足以下条件：一是相似性原则，所选取的特征应该是具有某种不变形的相同类型；二是唯一性原则，所选取的特征应该可以对应起来；三是稳定性原则，所选取的特征应该是在每幅图像和图像变换中保持一致。在步骤3)中，端面图像字符处理模块首先对特殊字符进行处理，然后采用网格和交叉点特征实现对字符特征的提取，利用网格和交叉点特征得到关于字符的29维特征数据向量，将每个字符特征向量存入字符标准特征库中，最后根据这些具有代表性的特征进行后续的识别；

模板匹配法属于一种离散输入模式分类的识别模式，实质是实现输入数据与样本之间的相似性对比，根据相似性大小决策输入数据的所属类别。本发明采用的是一种改进的模板匹配法进行字符识别，该方法是在模板匹配法的基础上进行两次匹配实现。具体方法如下：

(1)粗略匹配过程。在原图和模板中都隔行隔列提取数据进行匹配，即1/4的原图和模板数据。本次匹配过程减少了大量所要处理的信息，有效提高匹配效率。

(2)精确匹配过程。对粗略匹配中过程出现的误差最小点在其邻域内进行第二次搜索匹配，进而得到识别结果。

根据上述改进的模板匹配法基本原理，将归一化和细化后25×25的待识别字符和模板字符二值化，提取两者二值化后字符的网格和交叉点两类特征，得到29维的特征向量，对待识别字符与各个模板进行两次特征匹配，最后相似度最大的即为识别出的字符。对识别出来的字符和标准字符进行比对，如果不一致则判断字符存在缺陷。经过实验表明，改进的模板匹配法较传统的模板匹配法实现简单，识别率高，检测速度快，受外界干扰小。本系统采用基于改进的模板匹配法使轴承字符缺陷检测达到较高的水平，其识别率达到了99.375％。

对外圆表面图像处理模块对外圆表面图像信息进行边缘提取和模板匹配，得到分析结果；经过实验表明，改进的模板匹配法较传统的模板匹配法实现简单，识别率高，检测速度快，受外界干扰小，本系统采用基于改进的模板匹配法使轴承字符缺陷检测达到较高的水平。

4)反馈筛选

各计算机处理模块将分析结果进行反馈给计算机控制模块，计算机控制模块控制存储模块进行进行结果存储，并控制筛选开关进行筛选，以实现小微轴承表面凹痕缺陷的在线检测及不合格产品的自动分拣处理。

利用本系统对轴承进行字符识别，测试多种型号不同字符情况的轴承各200次，检测速率小于1s/套，识别率达到99.375％，从中选取10个实验数据(其它编号的图像数据略)如表1所示。检测结果统计表如表2所示。

表1

表2

本发明使用5×5中值滤波法去除图像中的噪声，采用一种快速Otsu法进行图像二值化，利用拟合圆的办法确定轴承的圆心进而对轴承进行定位，研究了字符的归一化和细化算法，采用网格和交叉点特征提取出字符特征，最后选择一种改进的模板匹配法识别轴承字符，这些算法使系统的检测效率和精度有了很大的提高，其识别率达到了99.375％，提高检测精度和效率。

本发明基于CCD图像识别技术实现微小轴承外表面缺陷自动检测，其根据采到的不同部位的集轴承图像的特点，设计出一种可并行识别检测轴承两端面、轴承外圆表面和端面图像字符的小微轴承表面凹痕缺陷在线检测系统，可同时对轴承不同部位进行并行分析检测，处理效率高；本发明针对对轴承不同部位进行并行的分析检测，其选用的分析检测算法是根据轴承的各部位的特点进行优化的，如对轴承两端面和外圆表面的图像采用了不同的滤波去噪和图像二值化处理，针对性更高，处理效率和准确度也更高，同时，针对现有系统中轴承字符检测准确度不高的问题，本发明使用5×5中值滤波法去除图像中的噪声，采用一种快速Otsu法进行图像二值化，利用拟合圆的办法确定轴承的圆心进而对轴承进行定位，研究了字符的归一化和细化算法，采用网格和交叉点特征提取出字符特征，最后选择一种改进的模板匹配法识别轴承字符，这些算法使系统的检测效率和精度有了很大的提高。

最终，以上实施例和附图仅用以说明本发明的技术方案而非限制，尽管通过上述实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。