轴承端面缺陷自动检测研究

针对微小轴承端面字符与缺陷两者的灰度值相差无几,对缺陷的直接检测造成干扰,提出了基于缺陷周围高亮度特征的检测方法;通过对图像的迭代法阈值分割,定义检测目标的像素数作为缺陷识别的主要依据.结合PLC控制系统,开发的缺陷自动检测程序系统,可实现不合格轴承的在线分拣处理.实验结果表明,系统检测误检率不超过1‰,满足了高精度、高效率检测轴承端面缺陷的要求.     

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。     

列车滚子轴承表面缺陷机器视觉检测方法研究

针对列车滚子轴承内圈外表面缺陷人工检测方法的不足,提出了一种基于机器视觉的表面缺陷检测方法,通过对缺陷图像的处理和分析,快速、准确地实现了轴承表面缺陷的分类识别.这里使用工业内窥镜进行轴承图像的获取,通过对图像的灰度直方图分析,判断其是否为缺陷轴承;对缺陷图像分别进行二值化处理、形态学滤波和图像标记,以准确获得图像的缺...     

轴承端面缺陷自动检测研究

针对微小轴承端面字符与缺陷两者的灰度值相差无几,对缺陷的直接检测造成干扰,提出了基于缺陷周围高亮度特征的检测方法通过对图像的迭代法阈值分割,定义检测目标的像素数作为缺陷识别的主要依据.结合PLC控制系统,开发的缺陷自动检测程序系统,可实现不合格轴承的在线分拣处理.实验结果表明,系统检测误检率不超过1‰,满足了高精度、高效率检测轴承端面缺陷的要求.     

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。     

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%。     

基于机器视觉算法的轴承套端面缺陷检测研究

针对目前人工检测轴承套端面缺陷存在的效率低、人为因素影响大等诸多问题,提出了一种应用机器视觉技术实现轴承套端面缺陷检测的方法。首先,对采集到的图像进行了平滑处理,并运用自适应阈值的Canny算子完成了边缘检测;其次,利用最小二乘法拟合了轮廓圆,从而提取出了轴承端面的圆环区域;然后,通过Otsu算法计算出了圆环区域的最佳阈值,实现了阈值分割;最后,通过提取各连通域的特征来检测和判别缺陷。实验结果表明:该方法能有效地检测出轴承套端面存在的缺陷,且误检率低于3%,漏检率低于1%,检测时间不超过50 ms,可满足在线检测要求。     

轴承套圈端面缺陷在线视觉检测的研究与实现

针对轴承生产企业套圈生产过程中普遍存在端面缺陷的问题与人工目检的现状,提出了基于机器视觉的轴承套圈端面缺陷在线检测方法.首先,对套圈图像预处理后进行边缘检测,采用四连通域定位套圈端面区域;其次,采用最小二乘法拟合端面轮廓以判别外形缺陷,采用极坐标变换将套圈环形端面拉伸成矩形,采用Sauvola局部二值化算法对矩形图进行...     

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。     

基于机器视觉的轮毂轴承缺陷检测方法研究

本文针对人工检测轮毂轴承缺陷效率低、人为因素影响大的问题,提出了一种基于机器视觉的轮毂轴承缺陷检测的方法。首先,对采集到的轮毂轴承的图片进行预处理,对预处理后的图像进行匹配,实现对目标与缺陷区域的快速粗定位;然后采用基于区域灰度值的图像分割和基于区域形态学的最小二乘法进行缺陷提取。实验表明,采用本方法提取的轮毂轴承缺陷与实际的缺陷图像相似度高,验证了该方法的有效性。     

基于图像高频增强的塑料齿轮黑点缺陷高精度检测方法

针对现有塑料齿轮端面黑点缺陷检测方法存在对较小黑点识别困难、误检和检测精度不足等问题,提出一种基于图像高频增强的塑料齿轮黑点缺陷高精度检测方法。对塑料齿轮图像的高低频信息进行提取与分离,再将高频信息乘以一定系数与低频信息线性叠加,实现图像高频部分的增强,从而使齿轮黑点更加突出;利用引导滤波进行降噪处理,将与黑点一同增强的其他无关信息(如纹理、噪声等)进行滤除或模糊,避免造成误检;使用LoG＿Blob算法对处理后的图像进行斑点检测,进而获取齿轮黑点信息。实验结果表明,该方法能有效提升塑料齿轮黑点缺陷检测的精度。     

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％。     

轴承标志缺陷检测系统的设计与实现

针对目前国内对轴承标志缺陷在线检测的要求及传统人工检测方法的不足,设计了一套基于TMS320DM642的轴承标志缺陷在线检测系统。该系统硬件平台主要包括视频编解码芯片、可编程逻辑控制器CPLD和核心处理器DSP;软件设计主要有图像采集、图像预处理、标志识别等;现场控制系统则通过PLC进行控制。工业现场检测结果表明,该系统的正确率高达99%,可满足轴承标志缺陷的在线实时检测。     

基于Matlab的转向轴承珠碗的检测技术研究

针对目前转向轴承生产过程中人工工作效率低的问题,提出一种基于Matlab的转向轴承珠碗的检测方法。该方法通过相机对轴承珠碗表面图像进行处理和分析,快速、准确的实现了轴承珠碗的正反面检测。首先,使用CCD数字相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,图像分割处理,获取轴承珠碗的中心坐标;最后,通过统计法获取两面凸起面积的不同,确定区分正反面的临界值。使用该方法确定工件的正反面,准确度高,效率高。为轴承自动化生产打下理论基础。     

基于机器视觉的轴承识别与定位算法研究

针对运用视觉技术对轴承进行质量检测与尺寸测量时,能够准确地识别定位到目标轴承,提出一种基于机器视觉的轴承识别与定位算法。通过对采集到的轴承图像进行预处理,分割出目标图像并提取图像的外轮廓边缘特征;设置轴承的模板图像,结合图像的Hu不变矩特征对轴承进行识别匹配;通过最小二乘法对图像边缘点进行圆拟合并采用迭代法进行修正,通过计算圆心的位置坐标,实现对轴承的定位。实验结果为：轴承的识别匹配度在0～0.03之间,定位误差在0.5像素以内,满足系统对轴承的识别定位精度要求。     

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。     

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。     

轴承外观缺陷检测系统的设计与实现

针对目前国内对轴承外观在线检测系统的要求和传统人工检测方法的不足,设计一套基于TMS320DM642的轴承外观缺陷在线检测系统。该系统硬件平台主要包括视频编解码模块、存储器模块、可编程逻辑控制器CPLD模块及核心DSP芯片;软件设计包括轴承图像采集、图像预处理、图像定位与剪裁、差影处理、形态学运算及缺陷标记识别等。实验结果表明,该系统稳定、识别率高、实时性好且可满足轴承外观缺陷的在线实时检测。     

基于显微成像法的机加工零件表面质量检测

介绍一种基于显微成像法的快速检测机加工零件表面质量的方法。通过对切削加工零件表面纹理图像进行灰度信息统计分析并与传统方法检测粗糙度结果做曲线拟合,建立加工表面轮廓高度特性与图像灰度特性之间的相关关系,从而根据图像灰度分析得到粗糙度值;用适当大小的窗口逐行扫描图像,通过检测窗口内波峰线的连续长度而识别纹理缺陷,并以窗口轮廓作为缺陷的标记。实验验证了该方法检测粗糙度等级准确度达83.3%,可识别并标记的纹理缺陷大小为30μm。     

基于机器视觉与YOLO算法的马铃薯表面缺陷检测

针对马铃薯表面缺陷检测快速准确的需求,提出一种基于机器视觉与YOLO算法的马铃薯表面缺陷检测方法.应用这一方法,构建马铃薯表面缺陷图片数据集,对原始数据集进行图像增广;通过二分K均值聚类算法进行目标框聚类分析,采用分步训练方式优化学习权重.试验结果表明,所提出的基于机器视觉与YOLO算法的马铃薯表面缺陷检测方法可以有效实现马铃薯表面缺陷的快速、准确检测,平均识别精度达到99.46％,对腐烂、发芽、机械损失、虫眼、病斑检测的精度均高于98％,单幅图片识别时间约为29 ms.