基于機(jī)器視覺(jué)的軸承套圈檢測(cè)系統(tǒng)

盧滿(mǎn)懷，范帥，湯綺婷

(1.電子科技大學(xué) 中山學(xué)院，廣東 中山 528400；2.電子科技大學(xué) 機(jī)械電子工程學(xué)院，成都 611731)

目前，國(guó)內(nèi)軸承生產(chǎn)廠家大多采用人工目視的檢測(cè)方法對(duì)裝配前軸承套圈的工作表面缺陷進(jìn)行檢測(cè)，僅憑肉眼觀察并判定軸承套圈表面有無(wú)碰傷、裂紋等缺陷。雖然基于機(jī)器視覺(jué)的軸承檢測(cè)研究已基本成熟，且部分已投入實(shí)際生產(chǎn)線(xiàn)[1]。但研究熱點(diǎn)集中于組配后成品軸承的尺寸及表面缺陷檢測(cè)，如使用機(jī)器視覺(jué)檢測(cè)軸承直徑、圓度及表面缺陷等[2-5]；另一方面，線(xiàn)陣相機(jī)在環(huán)形表面檢測(cè)中也取得了良好效果，如使用線(xiàn)陣相機(jī)對(duì)密封圈進(jìn)行表面缺陷檢測(cè)、檢查軸類(lèi)零件表面質(zhì)量等[6-7]；文獻(xiàn)[8]還設(shè)計(jì)構(gòu)造了一種針對(duì)機(jī)械平整表面的自動(dòng)缺陷檢測(cè)分類(lèi)系統(tǒng)。

因此，為替代軸承套圈的人工終檢工序，進(jìn)一步提高生產(chǎn)效率和檢測(cè)精度，研究使用線(xiàn)陣相機(jī)采集軸承套圈環(huán)形內(nèi)外表面圖像，將機(jī)器視覺(jué)技術(shù)應(yīng)用于軸承環(huán)形表面缺陷的檢測(cè)。并結(jié)合某公司生產(chǎn)現(xiàn)狀，以滾動(dòng)軸承6006為例，針對(duì)組裝前的軸承外圈，設(shè)計(jì)了基于機(jī)器視覺(jué)的軸承套圈缺陷檢測(cè)系統(tǒng)，進(jìn)行尺寸及環(huán)形表面缺陷的檢測(cè)。

1 檢測(cè)裝置

為檢測(cè)軸承外圈尺寸和內(nèi)外環(huán)形表面，設(shè)計(jì)的檢測(cè)裝置如圖1所示，其主要由運(yùn)輸傳送裝置、控制系統(tǒng)、計(jì)算機(jī)、線(xiàn)陣相機(jī)、面陣相機(jī)、鏡頭、線(xiàn)陣光源和推桿組成。檢測(cè)過(guò)程為：首先，通過(guò)齒形卡槽的往復(fù)運(yùn)動(dòng)，保證輸送的套圈間距相等，使停靠在待檢區(qū)域的是單個(gè)套圈；其次，通過(guò)推桿1將套圈推至旋轉(zhuǎn)工作臺(tái)上的指定位置，旋轉(zhuǎn)工作臺(tái)表面粗糙且安裝具有一定磁力的永磁鐵，保證套圈與旋轉(zhuǎn)工作臺(tái)一起轉(zhuǎn)動(dòng)；同時(shí)，使用2部線(xiàn)陣相機(jī)在一定光照條件下分別采集軸承套圈的環(huán)形外表面圖像，使用計(jì)算機(jī)處理后判定軸承外圈是否合格并記錄；最后，通過(guò)推桿2將軸承推入尺寸檢測(cè)工作臺(tái)，使用面陣相機(jī)檢測(cè)套圈尺寸。

圖1 檢測(cè)裝置Fig.1 Detecting device

該系統(tǒng)采用2部型號(hào)為SG-14-02K40的黑白CCD工業(yè)線(xiàn)陣相機(jī)，相機(jī)分辨率為2 048×2，行頻18 kHz，與計(jì)算機(jī)通過(guò)以太網(wǎng)接口連接。針對(duì)不同型號(hào)的套圈和旋轉(zhuǎn)速度，在確定物距和焦距后，可以調(diào)節(jié)線(xiàn)陣相機(jī)的分辨率和行頻，以采集包含完整套圈表面的圖像。采集環(huán)形外表面的線(xiàn)陣相機(jī)，其光軸與軸承套圈處于同一平面；采集環(huán)形內(nèi)表面的線(xiàn)陣相機(jī)，其光軸與工作平面成15°～ 20°。尺寸檢測(cè)工作臺(tái)為透明玻璃，下有均勻的面陣LED光板，面陣相機(jī)位于檢測(cè)平臺(tái)正上方，通過(guò)USB接口與計(jì)算機(jī)相連，通過(guò)采集的圖像對(duì)套圈尺寸進(jìn)行檢測(cè)。

光照系統(tǒng)在機(jī)器視覺(jué)檢測(cè)系統(tǒng)中尤為重要[9]。在線(xiàn)陣試驗(yàn)中，分別選取白色條形光源、紅色面陣光源、白色面陣光源、白色環(huán)形光源和同軸光源，在不同角度的照明方式下采集圖像。通過(guò)對(duì)比分析發(fā)現(xiàn)：在紅色面陣光源和同軸光源下，所采集圖像的表面光照均勻，但光強(qiáng)低，容易掩蓋銹斑和油漬等表面缺陷；白色面陣光源和條形光源下所采集圖像的質(zhì)量較好。由于使用線(xiàn)陣相機(jī)進(jìn)行圖像采集，套圈只需要局部照明，但對(duì)溝道照明時(shí)需要強(qiáng)光，且需避免強(qiáng)光掩蓋軸承套圈表面劃痕、碰傷等缺陷。因此，選取強(qiáng)度可調(diào)的條形光源搭建檢測(cè)系統(tǒng)，在尺寸檢測(cè)部分則采用背光光源以達(dá)到突出套圈輪廓的目的。

2 檢測(cè)方法

2.1 環(huán)形表面缺陷檢測(cè)

針對(duì)環(huán)形表面缺陷檢測(cè)，設(shè)計(jì)的檢測(cè)方法如圖2所示：將抓拍到的圖像按照設(shè)計(jì)的圖像矯正法進(jìn)行扭曲判斷，若發(fā)生扭曲，則進(jìn)行圖像矯正，然后再提取感興趣的區(qū)域(ROI)；若未發(fā)生扭曲，則直接提取ROI；同時(shí)，將原圖等分為4段，再進(jìn)行邊緣缺陷檢測(cè)和表面缺陷檢測(cè)，最終判定套圈是否合格。

圖2 缺陷檢測(cè)Fig.2 Defect inspection

2.1.1 圖像矯正

在搭建的檢測(cè)平臺(tái)上，若套圈定位有偏移，套圈隨旋轉(zhuǎn)工作臺(tái)一起轉(zhuǎn)動(dòng)會(huì)使已聚焦相機(jī)所采集的圖像有一定變形。當(dāng)采集的圖像發(fā)生較大扭曲時(shí)，針對(duì)扭曲圖像的處理算法將變得繁雜，且實(shí)用性不強(qiáng)。因此，為解決軸心偏移導(dǎo)致的不對(duì)焦問(wèn)題，提出了一種圖像矯正方法。

1)對(duì)扭曲的圖片進(jìn)行3×3的中值濾波。

2)對(duì)濾波后的圖像采用Otsu閥值化處理，得到二值圖。

3)對(duì)二值圖采用形態(tài)學(xué)的開(kāi)運(yùn)算，來(lái)去除二值圖中的孤立點(diǎn)。

4)對(duì)除孤立點(diǎn)的二值圖，檢測(cè)每行從左到右第1個(gè)像素值為1的像素點(diǎn)列坐標(biāo)值ci(i=1，2，…，m)。然后計(jì)算出列平均值并取整為cu，并計(jì)算其最大值cmax和最小值cmin，以及每行的偏移量xi=ci-cu。

5)令扭曲度u為u=cmax-cmin。由經(jīng)驗(yàn)設(shè)定u的閾值為6，當(dāng)u≤6時(shí)，套圈表面圖像未發(fā)生扭曲；當(dāng)u>6時(shí)，認(rèn)定表面圖像發(fā)生扭曲。

6)當(dāng)發(fā)生扭曲時(shí)，若xi>0，則將原圖像第i行的像素點(diǎn)整體向左平移xi個(gè)像素；若xi=0,則該行像素點(diǎn)不做平移；若xi<0，則原圖像第i行整體向右平移xi個(gè)像素。平移以后左右邊界空隙填充灰度值為0的像素點(diǎn)。反之,未發(fā)生扭曲時(shí)不對(duì)原圖進(jìn)行校正處理。

由于套圈表面具有高亮特性，因此與背景反差較大。使用二值化和形態(tài)學(xué)處理圖像后，套圈左邊界曲線(xiàn)可以近似以最左端端點(diǎn)描述(也可以是右邊界)。以扭曲的外圈溝道表面圖像為例，依據(jù)上述圖像矯正方法，在對(duì)采集的原圖進(jìn)行二值化和形態(tài)學(xué)處理后，提取出每行的扭曲參數(shù)。再將扭曲參數(shù)帶入原圖，對(duì)原圖進(jìn)行矯正處理，處理前后的圖像如圖3所示。

圖3 矯正前后的圖像Fig.3 Image before and after correction

2.1.2 提取ROI

為采集完整的套圈表面圖像，設(shè)定的相機(jī)視場(chǎng)一般大于套圈表面寬度，需要從采集到的圖像中提取套圈表面圖像。研究發(fā)現(xiàn)，若對(duì)整個(gè)套圈圖像進(jìn)行區(qū)域提取，由于圖片微小變形或邊緣缺陷等原因，會(huì)導(dǎo)致提取的套圈表面不完整，因此需對(duì)圖片進(jìn)行分段處理。比較將圖像分為2段和4段的處理結(jié)果發(fā)現(xiàn)，若邊界存在缺陷，將圖像分割為2段比將圖像分割為4段時(shí)產(chǎn)生的誤差大，故將原圖分割為4段圖像后分別進(jìn)行ROI提取。提取方法為：

1)將m×n的原圖以長(zhǎng)邊尺寸為基準(zhǔn)，等分為尺寸相等的4幅子圖。

2)對(duì)4幅子圖分別進(jìn)行5×5中值濾波及Otsu二值化。

3)計(jì)算二值圖中每行第1個(gè)不為零的點(diǎn)的行坐標(biāo)之和p，由|p/m|得到截取圖片的左邊界。同理計(jì)算出每行最后一個(gè)不為零的點(diǎn)的行坐標(biāo)之和q(水平鏡像)，由|q/m|得到右邊界。最終可以提取出大小為|p/m|×|q/m|的ROI。

由于計(jì)算出來(lái)的邊界為小數(shù)點(diǎn)后2位數(shù)，對(duì)圖像的裁剪最終會(huì)得到整數(shù)位像素，故以0.5像素精度截取圖片，左邊采取進(jìn)一法，右邊采用舍去法。這樣截取后盡可能地保證了提取區(qū)域全部為外圈表面。以外圈表面圖像為例，將圖像分割為2段和4段，對(duì)比分析發(fā)現(xiàn)，分段越少，該區(qū)域提取越精準(zhǔn)。按照表1的尺寸對(duì)原圖進(jìn)行裁剪，得到的分割區(qū)域如圖4所示。

表1 邊界像素值Tab.1 Boundary pixel value

圖4 提取ROIFig.4 Extraction of ROI

2.1.3 邊緣碰傷

按上述方法進(jìn)行邊界劃定后，由表1可知，對(duì)于分割所得4副圖的寬度尺寸，若最小尺寸與最大尺寸相差太大，那么外圈邊緣一定存在缺陷。通過(guò)對(duì)比同一幅圖所分割的4段圖像發(fā)現(xiàn)，若圖片寬度尺寸大小相差3個(gè)及3個(gè)以上像素，即可以判定邊緣有刀具損傷或其他缺陷存在，該套圈被判定為不合格，反之則繼續(xù)進(jìn)行表面缺陷檢測(cè)。表1中,最大尺寸差達(dá)14個(gè)像素，故外圈存在明顯的刀具碰傷；若僅比較1/4段和2/4段，則最大尺寸差僅為1.5個(gè)像素，若用1/4段和2/4段代表整個(gè)套圈外圈輪廓，則判定該套圈外圈沒(méi)有碰傷，與實(shí)際情況不符。

2.1.4 表面缺陷

若沒(méi)有邊緣缺陷，則繼續(xù)對(duì)4幅圖像同時(shí)進(jìn)行5×5中值濾波，計(jì)算分割后圖像的灰度值，得到原圖的3維灰度如圖5a所示。然后，計(jì)算原圖像每列的灰度平均值，用該列的灰度平均值代替該列所有像素的灰度值，通過(guò)該算法得到一幅均值圖像，如圖5b所示。從圖5可以看出，有缺陷區(qū)域與周?chē)幕叶戎迪嗖钶^大。基于差異化標(biāo)準(zhǔn)灰度值法[6]，再用原圖減去均值圖得到的差值圖如圖6所示，在表面有缺陷的地方猶如孤立的山峰一樣凸起，其缺陷處灰度值將會(huì)被凸顯出來(lái)。觀察差值圖的三維直方圖發(fā)現(xiàn)，若表面存在缺陷，在三維差值灰度圖上缺陷處將與周?chē)床詈艽螅钪翟酱螅蛊鹪矫黠@。

圖5 原圖及均值圖的3維灰度Fig.5 Three dimensional grayscale of original and mean value graph

圖6 差值圖的3維灰度Fig.6 Three dimensional grayscale of difference graph

大量試驗(yàn)表明，以150進(jìn)行閥值化便可以判別圖像是否有缺陷。該方法的具體步驟為：

1)計(jì)算每列的灰度平均值u(i)

式中：f(i,j)代表m×n圖像位于點(diǎn)(i,j)的灰度值。

2)構(gòu)造均值圖(G)

G(i,j)=u(i);

i=1,2,3，…，m;j=1,2,3，…，n。

3)得到差值圖(S)

S(i,j)=f(i,j)-G(i,j)。

4)將差值圖進(jìn)行閥值化，統(tǒng)計(jì)超出閥值的像素點(diǎn)總數(shù)K。按照預(yù)先設(shè)定的經(jīng)驗(yàn)值判定圖像是否存在缺陷。

2.2 尺寸檢測(cè)

2.2.1 圖像預(yù)處理

首先，對(duì)采集的圖像進(jìn)行中值濾波，去除系統(tǒng)所帶來(lái)的噪聲，并采用Otsu閾值法獲取二值圖像；其次，通過(guò)采集10幅不同距離和不同視角的圖片，得到相機(jī)參數(shù)及鏡頭畸變參數(shù)(徑向)并帶入圖像進(jìn)行修正；然后，通過(guò)形態(tài)學(xué)去除內(nèi)壁(圖7)，并采用Laplace邊緣提取算法對(duì)去除內(nèi)壁的圖像進(jìn)行處理，得到如圖8所示的單像素邊緣(邊緣點(diǎn)灰度值為255)；最后，通過(guò)設(shè)計(jì)的算法檢測(cè)尺寸是否合格。

圖7 原圖及去除內(nèi)壁后的圖像Fig.7 Original image and remove the inner wall of the image

圖8 單像素邊緣圖Fig.8 Single pixel edge map

2.2.2 尺寸檢測(cè)及分析

通過(guò)Laplace邊緣提取后，得到了外圈的內(nèi)外邊緣。為分離內(nèi)外邊緣，需先填充整個(gè)圖像后再提取外邊界，然后將Laplace處理后的圖像減去外邊界就可以得到內(nèi)邊界圖像。

為檢測(cè)外圈或內(nèi)圈的半徑，需要進(jìn)行標(biāo)定以獲得每個(gè)像素所代表的實(shí)際尺寸。將標(biāo)塊置于被檢套圈的同一高度平面上，使用標(biāo)準(zhǔn)的Hough變換檢測(cè)法檢測(cè)標(biāo)塊中的圓及其半徑。通過(guò)實(shí)際的半徑與像素的比例作為檢測(cè)圖像與實(shí)際尺寸的比例因子c。

為達(dá)到區(qū)別變形和分類(lèi)的目的，以外邊界圖像為例進(jìn)行分析說(shuō)明：

1) 計(jì)算邊界圖像的邊界面積，可知圖像的面積就是周長(zhǎng)l。

2) 由周長(zhǎng)l=2πr可知，ra=l/2π。

4) 設(shè)點(diǎn)C到點(diǎn)(xmin,ymin)的距離為最小值rmin，到點(diǎn)(xmax,ymax)的距離為最大值rmax。若(x0,y0),(xmin,ymin)和(xmax,ymax)在一條直線(xiàn)上，則半徑rb=(rmin+rmax)/2；若這3點(diǎn)不在同一條直線(xiàn)上，則減去0.5個(gè)像素(由于誤差比為1/450)作為修正值，即rb=(rmin+rmax)/2-0.5(通過(guò)大量數(shù)據(jù)驗(yàn)證后，選擇是否進(jìn)行修正)。

5) 若有微小變形，由橢圓周長(zhǎng)為l=2πb+4(a-b)知，變形周長(zhǎng)可近似表示為l=2πr+4Δ。則r=l/2π-2Δ/π。設(shè)誤差μ=|ra-rb|。經(jīng)過(guò)多次試驗(yàn)，設(shè)定μ=3，若超過(guò)該值則剔除，進(jìn)行人工檢測(cè)。

6) 以rb乘以比例因子c作為實(shí)際檢測(cè)尺寸r。同時(shí)，在實(shí)際檢測(cè)線(xiàn)上，由于標(biāo)定可能帶來(lái)誤差，可通過(guò)一次性的加入標(biāo)定修正常量ε得最終的實(shí)際尺寸，即d=2r=2rb/(c+ε)。

3 試驗(yàn)結(jié)果及分析

3.1 表面缺陷檢測(cè)試驗(yàn)

使用所研發(fā)的檢測(cè)系統(tǒng)對(duì)邊緣有刀具碰傷及表面有銹斑、劃痕、碰傷和油污等缺陷的外圈進(jìn)行檢測(cè)。在外圈定位良好情況下，以原外圈圖像的2/4段表面為例，經(jīng)過(guò)扭曲辨別、區(qū)域提取、邊緣缺陷辨別及表面缺陷判別后的處理結(jié)果如圖9所示。從圖中可以看出，外圈表面的劃痕、銹斑和碰傷都被清晰的檢測(cè)出來(lái)。另外，使用該方法對(duì)無(wú)缺陷外圈進(jìn)行檢測(cè)，結(jié)果如圖10所示，所得到的差值圖上沒(méi)有凸顯出任何缺陷。

圖9 有缺陷表面Fig.9 Defective surface

圖10 無(wú)缺陷表面Fig.10 Non-defective surface

對(duì)50個(gè)外圈樣品進(jìn)行測(cè)試，其中邊緣刀具碰傷的3個(gè)，表面有銹斑的6個(gè)，表面有劃痕的3個(gè)，表面有碰傷及污漬的4個(gè)。分別在定位良好和偏心2種情況下采集圖像，再使用該檢測(cè)系統(tǒng)進(jìn)行檢測(cè)，結(jié)果表明，常見(jiàn)且明顯的表面缺陷都能夠被100%檢測(cè)出來(lái)。

3.2 尺寸檢測(cè)試驗(yàn)

另外，還可以使用ra進(jìn)行測(cè)量，但需要對(duì)比例因子作出修正。對(duì)于外圈，主要考慮其外徑尺寸D；而對(duì)于內(nèi)圈，則主要考慮內(nèi)徑尺寸d。幾個(gè)型號(hào)外圈的檢測(cè)結(jié)果見(jiàn)表2。

表2 軸承外圈檢測(cè)結(jié)果Tab.1 Bearing outer ring detection results

4 結(jié)束語(yǔ)

該檢測(cè)系統(tǒng)可實(shí)現(xiàn)不同尺寸軸承套圈的尺寸及表面缺陷檢測(cè)，但該方法在保證精度時(shí)需要提前進(jìn)行人工標(biāo)定和參數(shù)修正，并在實(shí)際應(yīng)用中保證光照條件的穩(wěn)定性。雖然，該檢測(cè)系統(tǒng)實(shí)現(xiàn)了軸承套圈表面缺陷的智能檢測(cè)，但在缺陷分類(lèi)和尺寸精度上仍需繼續(xù)研究，可通過(guò)引入模式識(shí)別來(lái)達(dá)到分類(lèi)目的。另外，可結(jié)合人工智能和大數(shù)據(jù)，分析歷史檢測(cè)數(shù)據(jù)，給出常見(jiàn)的缺陷出現(xiàn)頻率，并分析造成該缺陷的緣由，從而更進(jìn)一步地優(yōu)化生產(chǎn)線(xiàn)。