轴承圆锥滚子外观缺陷检测研究

针对目前基于目视法的轴承滚子表面缺陷检测效率低且容易受人为因素影响的问题,基于光学单缝衍射原理搭建圆锥滚子外观缺陷检测系统。利用CMOS摄像头采集轴承滚子表面的衍射条纹图像,与无缺陷衍射条纹图像进行了差分运算,实现了对由于圆锥滚子表面存在缺陷引起衍射条纹局部弯曲导致图像变化的检测。采用形态学运算有效去除噪点并增强衍射条纹,达到了改善图像质量的目的,便于实现对轴承滚子表面缺陷有效检测和识别。利用了旋转圆柱体的摩擦力带动圆锥滚子的转动,实现了圆锥滚子锥面所有区域的缺陷。研究结果表明,基于单缝衍射原理的检测系统为轴承外观缺陷检测提供了一种高效、可靠、实时性好的工具,可推荐应用于轴承工业中圆锥滚子外观缺陷的在线检测。     

基于图像光流的轴承滚子表面缺陷检测

针对轴承滚子表面缺陷人工检测效率低、误检率高的问题,以及现有机器视觉检测方法存在的不足。基于上述情况,提出了一种基于图像光流的轴承滚子表面缺陷的检测方法。首先设计了一套图像采集装置,用于获取轴承滚子表面图像;其次采用全局和局部相结合的平滑策略,建立光流误差估计模型,同时为了增强缺陷位置的光流边界,在此模型中引入各项异性的扩散张量;在光流求解策略上,先对原始图像进行奇异值分解,消除灰度值异常对光流计算的影响,再引入金字塔分层细化方法,提高光流计算的准确性;最后根据光流生成的伪彩色图像,完成对缺陷区域的粗略定位,分割出缺陷区域。实验表明,所提方法在轴承滚子表面缺陷检测方面的可行性和有效性。     

轴承端面缺陷的视觉检测方法

针对轴承端面缺陷的在线检测要求及传统人工检测方法的不足,提出了一种基于机器视觉检测技术的轴承端面缺陷检测方法,能够通过对轴承端面图像的处理与分析,快速、准确地实现轴承端面缺陷的识别。首先使用CCD数字摄像机作为图像传感器进行图像采集;然后通过二值化处理、边缘检测处理对图像进行快速定位与分割;最后采用8连通域标记法进行缺陷识别。试验表明:该系统运行稳定,运算速度快,抗噪能力强,实时性好,可有效检测出轴承端面缺陷。     

基于数字滤波的圆锥滚子倒装识别算法北大核心

为避免圆锥滚子倒装缺陷,提出了一种基于数字滤波的圆锥滚子倒装识别算法。首先,通过图像预处理提取圆锥滚子所在环带区域的信息,并根据轴承本身的固有特性及所采集环带区域中滚子的像素统计信号,对圆锥滚子自身结构、倒装缺陷及其他干扰在像素统计信号中的频响特性进行分析;然后,采用FIR数字低通滤波滤除像素统计信号中滚子自身结构所对应的高频信号,对像素统计信号进行FFT,滤除信号中的低频干扰信息;最后,由IFFT得到仅包含倒装缺陷的信号,基于此信号数据实现缺陷位置的准确识别定位。试验表明:该算法能够消除检测因素的干扰,实现滚子倒装缺陷的准确定位。     

基于数字滤波的圆锥滚子倒装识别算法

为避免圆锥滚子倒装缺陷,提出了一种基于数字滤波的圆锥滚子倒装识别算法。首先,通过图像预处理提取圆锥滚子所在环带区域的信息,并根据轴承本身的固有特性及所采集环带区域中滚子的像素统计信号,对圆锥滚子自身结构、倒装缺陷及其他干扰在像素统计信号中的频响特性进行分析;然后,采用FIR数字低通滤波滤除像素统计信号中滚子自身结构所对应的高频信号,对像素统计信号进行FFT,滤除信号中的低频干扰信息;最后,由IFFT得到仅包含倒装缺陷的信号,基于此信号数据实现缺陷位置的准确识别定位。试验表明:该算法能够消除检测因素的干扰,实现滚子倒装缺陷的准确定位。     

基于机器视觉的轴承套圈检测系统

设计了一套轴承套圈缺陷检测系统,以替代效率低、成本高的人工检测。首先,由线阵相机采集轴承套圈内外表面图像,经过图像扭曲矫正后进行分段处理,结合区域提取方法检测套圈的边缘缺陷;其次,通过对比原图与均值图的差异,快速凸显出表面是否存在缺陷;然后,采用面阵相机采集轴承套圈上下端面图像。通过对图像进行滤波及二值化、相机和镜头的标定、形态学去除内壁和大小径边缘提取等步骤,达到尺寸检测、分类的目的。     

轴承外圈侧面缺陷的视觉检测算法研究

针对轴承外圈侧面缺陷的在线检测要求及传统人工检测方法的不足,提出了一种基于差影法的轴承外圈侧面缺陷检测的新方法。该方法通过对轴承外圈侧面图像进行处理与分析,快速、准确地实现了轴承外圈侧面缺陷的识别。首先,使用CCD数字摄像机作为图像传感器进行图像采集;然后,对图像进行滤波去噪、图像分割、边缘检测处理,以对轴承外圈侧面进行快速定位;最后,采用差影法进行缺陷检测,并采用8-连通域法对缺陷进行标记。实验表明,该系统运行稳定,实时性好,抗噪能力强,运算速度快,并可有效检测出轴承外圈侧面缺陷。     

基于视觉的铁路货车滚动轴承表面缺陷分类研究

用CCD代替人眼对轴承表面缺陷进行图像采集,采用卷积滤波与开、闭运算相结合的图像处理方法,有效去除了缺陷周围边缘点的干扰。在提取传统特征基础上增加了压缩度、线度、距离极值比、NMI特征和不变矩等特征量,增强了缺陷分类的依据;对BP神经网络的输入矩阵和归一化方法的改进,提高了神经网络的记忆能力及识别速度;通过试验对缺陷分类系统识别结果进行检测,确定了该系统的可靠性。     

基于差影和模板匹配的微小轴承表面缺陷检测

针对轴承表面缺陷的位置、面积、深度等随机变化导致图像采集具有不确定性的特点，设计了一套采用光电耦合器图像识别技术进行缺陷自动检测的系统。该系统光源恒定、处理速度快、图像精度高，能长时间稳定工作，显著提高了图像采集质量。经过深入研究图像分割、图像差影、模板匹配等模式识别理论与技术及微小轴承图像特征发现，要检测轴承的表面缺陷，需将轴承表面分割成两部分进行识别，轴承表面的均匀分布区域直接采用差影法，文字刻印区域采用模板匹配法，结果表明该方法识别正确率达98％。     

基于支持向量机的轴承表面缺陷检测

提出一种基于支持向量机的轴承表面缺陷检测算法,该算法把轴承中的非缺陷区域和缺陷区域分别看作两种不同的纹理模式,利用主成分分析法(PCA)对图像进行降维处理,然后用支持向量机方法对两类不同的样本采样学习,进行分类判断。实验结果表明,该算法能够较好地实现轴承缺陷的检测分类,有着深入研究的价值。     

基于机器视觉的齿轮端面缺陷检测方法

为了更好的识别齿轮端面在加工过程中所出现的表面缺陷,本文提出了一种基于机器视觉的齿轮端面缺陷检测方法,该方法将会通过对齿轮端面图像的预处理及识别过程,对端面上缺陷的存在性及缺陷类型进行快速且准确的识别。同时,为了实现检测方法所需的图像多分类任务,本文对一般的支持向量机分类算法进行了改进,同时,利用多线程编程方法加速了对缺陷图像的分类过程。最后,本文还通过控制单元实现了对不同类型缺陷的识别反馈。经图像分类测试,本文所述的缺陷检测方法对本文所涉及的工件表面缺陷图像的识别准确率可达100%。     

机器视觉在圆锥滚子轴承内圈外表面缺陷检测中的应用

针对圆锥滚子轴承内圈外表面位置的特殊性,提出了一种新的缺陷检测方法,并设计了一套完整的缺陷自动检测系统。利用机器代替人眼完成轴承内圈外表面缺陷的检测,该系统光源恒定,可获取高精度的图像,处理速度快,可以长时间不间断的工作。首先对获取的图像进行图像预处理,去除图像噪声。利用MATLAB图像处理工具箱中的函数对预处理后的图像进行图像分析,统计图像中灰度值的分布情况,即计算出灰度图像的均值,标准差,利用图像灰度值的标准差判别出图像的表面质量是否合格。经过实验测试取得了96%的检测成功率,证明了其可行性。     

基于机器视觉的笔芯球珠表面缺陷检测系统研究

针对笔芯球珠表面缺陷检测识别问题,设计并实现了基于机器视觉的笔芯球珠表面缺陷检测系统。笔芯球珠在球面展开机构作用下,通过图像采集模块获取5张可以完全覆盖整个球面的图像。通过对每幅图像进行缺陷图像提取后,采用基于轮廓角点匹配的方法实现对每幅图像中缺陷图像的拼接;基于提取的有效特征组合通过KNN分类算法对完整的缺陷图像进行缺陷识别。试验结果表明,该方法能够对笔芯球珠表面缺陷进行精确有效的检测与识别。     

滚动轴承保持架缺陷的图像处理及模式识别方法研究

轻系列滚动轴承保持架由于兜孔直径小、两半保持架之间钉孔距离相对较大等因素导致在铆压过程中易出现变形,造成铆压歪斜缺陷。为此,本文提出了基于图像纹理特征的模式识别方法用于保持架歪斜缺陷的准确识别。首先,改进了轴承图像归一化展开算法,实现了轴承图像展开起点的自动优化选择以避免误分割保持架、铆钉和滚动体;其次,设计了轴承图像保持架区域定位分割算法,准确分离出7个保持架区域;最后,分别提取保持架区域的Hu矩和旋转不变均匀局部二值模式(LBPrPiu,2R)作为纹理特征,并结合PCA降维方法构建轴承保持架缺陷识别的SVM分类模型。结果表明,基于Hu矩和LBPrPiu2,R的SVM模型的正确识别率分别为85%和100%。因此,轴承LBPrPiu2,R特征结合SVM模型对轴承保持架歪斜缺陷具有较好的识别效果。该方法有望为滚动球轴承保持架铆压工艺缺陷的自动识别提供参考。     

基于YOLOv3的轴表面荧光磁粉缺陷检测

在荧光磁粉缺陷检测中,为快速有效地对金属轴上的点状、线型以及摩擦型缺陷进行分类检测,引入了深度学习技术,并与图像处理技术结合设计了一种改进型金属轴表面缺陷检测系统,克服了传统识别方式人工选定处理区域的局限性。利用基于YOLOv3算法的神经网络模型,对CCD相机获取的轴表面图像数据集进行训练和测试,对不同缺陷进行精确目标识别;采用图像处理技术对识别的目标进行缺陷定量分析。实验结果表明:该方法对不同缺陷类型能进行有效识别,在检测精度与检测效率上具有较高的提升。     

对基于支持向量机的轴承表面缺陷检测研究

在以往传统的轴承检测中,主要是通过目测或者手感的方式,对轴承内部、外圈的缺陷程度进行判断,但此种方式的工作量较大,检测结果也很难得到切实保障。基于此,本文将在支持向量机的基础上,对轴承表面缺陷的检测方式进行分析,利用检测算法将缺陷区域划分成两种纹理模式,利用PCA分析法对图像进行降维处理,然后针对不同类型的样本进行采样学习与判断。从实验研究结果中能够看出,本文所研究的算法能够对轴承缺陷进行精确的分类检测,具有较强的现实意义。     

基于微分几何的柔性电路板图像区域识别方法

目前柔性电路板(FPC)的表面缺陷检测方案大多缺少对轮廓进行分类这一步骤,而直接对特定区域如镀通孔、线路部位进行缺陷检测,难以直接应用到实际生产中。为解决这一问题,提出一种能有效提取柔性电路板表面轮廓并进行特定区域识别分类的方法。在该方法中,为精确地提取FPC图像整体轮廓,并有效过滤掉图像前景和背景相互夹杂的部分,针对FPC表面图像光照不均匀以及斑点杂质较多的问题,采用区域生长法提取图像轮廓,并利用中心邻域灰度法来消除欠生长的问题;为有效地识别图像不同区域的轮廓类型,利用双向差分法来计算图像轮廓的离散曲率,利用陆地移动距离(EMD)来评价各个轮廓的曲率特征与模板轮廓的区别,实现了FPC图像特定区域的识别。     

基于单幅图像的三维视觉测量与缺陷检测技术研究

研究了一种基于明暗恢复形状的三维视觉测量方法,可以通过单幅灰度图像获取表面三维形貌信息,进而对工件表面加工质艇或缺陷进行检测.本文采用了轴承表面质量进行检测分析,实验证明该三维测量方法能够精确获取工件表面的深度信息,并可以检测出轴承工件的表面缺陷区域的深度信息.同时,该方法具有操作简单,硬件成本低,处理速度快,精度较高的特点,能够用于工业在线检测.     

基于机器视觉的玻璃缺陷检测

随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注。传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求。研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别。最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84%,表明此检测方法具有一定的应用价值。     

基于LabVIEW的圆锥滚子内组件倒装、漏装视觉检测研究

介绍了一种基于LabVIEW的圆锥滚子轴承内组件滚子倒装和漏装视觉检测系统。首先,采用CCD相机获取待检测内组件的图像信息并传输给计算机;其次,借助视觉处理软件NI-IMAQ对获取的原始图像进行区域分割,灰度直方图修正,中值滤波等预处理操作,得到目标区域与背景区域对比度明显的清晰图像;然后,提取滚子分布位置所在环带的中线,通过坐标变换将环带中线上的像素坐标值转换成极坐标值并在直角坐标系中表示;最后,根据环带中线的灰度值绘制波形图,通过波形图中波峰的宽度和个数判断该内组件是否存在滚子倒装、漏装缺陷。