軸承鉚釘缺陷檢測(cè)方法分析

蔡玨

（無(wú)錫市億濤自動(dòng)化設(shè)備有限公司，江蘇 無(wú)錫 214000）

1 引言

眾所周知，機(jī)械設(shè)備中的機(jī)械旋轉(zhuǎn)體主要依靠軸承來(lái)支撐，降低轉(zhuǎn)動(dòng)過(guò)程中的摩擦系數(shù)。機(jī)械設(shè)備的可靠性、壽命、性能以及精度在很大程度上都受軸承的精準(zhǔn)度、壽命、性能以及精度的影響。因此，軸承的質(zhì)量及其裝配質(zhì)量，對(duì)機(jī)械設(shè)備而言都有著十分重要的作用。

2 軸承鉚釘缺陷的相關(guān)研究

滾動(dòng)體、鉚釘漏裝以及軸承表面的缺陷是軸承缺陷檢測(cè)研究的主要內(nèi)容。相關(guān)學(xué)者提出了一種采用小波變化以及紋理特征的軸承防塵蓋缺陷檢測(cè)方式，在軸承防塵蓋的缺陷檢測(cè)中應(yīng)用小波變化，并且也將紋理特征應(yīng)用其中。還有一種方法能夠快速地對(duì)軸承表面的缺陷進(jìn)行檢測(cè)，就是在軸承表面曲線檢測(cè)的過(guò)程中應(yīng)用OSTU多次閾值。有學(xué)者對(duì)軸承表面缺陷進(jìn)行了深入地分析研究，將軸承表面反光以及圖像不均勻的問(wèn)題徹底地解決，并且對(duì)定位方法也進(jìn)行重新測(cè)驗(yàn)定義，采用SUSAN算子對(duì)微小軸承表面曲線圖像進(jìn)行分割，取得了良好的應(yīng)用效果。還有相關(guān)人員深入地研究了齒輪軸承漏針缺陷的檢測(cè)方式。由此可見(jiàn)，當(dāng)下對(duì)于軸承缺陷的研究，我國(guó)已經(jīng)有相當(dāng)一部分學(xué)者以及科研人員在進(jìn)行研究。但是我們可以發(fā)現(xiàn)，對(duì)于軸承鉚釘缺陷的研究幾乎沒(méi)有，我們應(yīng)當(dāng)肯定鉚釘在軸承裝配中的重要作用，軸承各項(xiàng)功能的發(fā)揮都受鉚釘質(zhì)量的直接影響。在工業(yè)領(lǐng)域已經(jīng)廣泛地應(yīng)用機(jī)器視覺(jué)的大環(huán)境下，一個(gè)能夠代替人工檢測(cè)鉚釘裝配缺陷的方法或者系統(tǒng)，對(duì)于許多軸承生產(chǎn)企業(yè)來(lái)說(shuō)是十分重要的。介于目前學(xué)術(shù)界對(duì)于鉚釘裝配缺陷的研究較少情況以及市場(chǎng)的迫切需求，本文就軸承鉚釘裝配的缺陷進(jìn)行深入研究，有機(jī)結(jié)合邊緣特征模板和金字塔相結(jié)合的算法以及Blob算法，檢測(cè)軸承裝配時(shí)鉚釘?shù)娜毕荩攸c(diǎn)敘述算法的原理以及算法在軸承鉚釘檢測(cè)中的詳細(xì)實(shí)現(xiàn)步驟。經(jīng)過(guò)科學(xué)的驗(yàn)證，這些方法都能夠起到良好的檢測(cè)效果，可靠性較高，能夠適用于實(shí)際的檢測(cè)中。

3 Blob算法

使用Blob算法的根本原因就是為了找出區(qū)域內(nèi)出現(xiàn)的灰度突變的范圍，并將其面積、形狀、大小以及準(zhǔn)確的位置找出來(lái)。使用這種算法能夠有效地進(jìn)行閾值分割圖像，實(shí)效性強(qiáng)并且速度快，能夠充分滿(mǎn)足工業(yè)檢測(cè)對(duì)于速度的要求。因此，該算法在工業(yè)、生物學(xué)以及農(nóng)產(chǎn)品行業(yè)中被廣泛地應(yīng)用。

首先要對(duì)圖像進(jìn)行預(yù)處理，采用均值濾波的方式對(duì)圖像進(jìn)行去噪，直方圖均衡化的方式對(duì)圖像進(jìn)行增強(qiáng)。隨后對(duì)軸承鉚釘缺陷進(jìn)行檢測(cè)。第一步，對(duì)軸承的原始圖像進(jìn)行二值化處理，須采用分塊取閾值和行灰度去平均相結(jié)合的方式進(jìn)行，對(duì)目標(biāo)的強(qiáng)度進(jìn)行初步增強(qiáng)，隨后對(duì)圖像進(jìn)行分割。第二步，以連通域面積結(jié)合圓形度為基礎(chǔ)將軸承內(nèi)外圈區(qū)域提取出來(lái)，并對(duì)區(qū)域進(jìn)行開(kāi)運(yùn)算的方法，改善圖像質(zhì)量[1]。第三步，根據(jù)圖像取補(bǔ)和做差的方法提取軸承的保持架區(qū)域。第四步，對(duì)上一步的結(jié)果進(jìn)行二值化，提取出鉚釘?shù)膮^(qū)域圖像。最后，對(duì)上一步的結(jié)果進(jìn)行圓模板開(kāi)運(yùn)算以及腐蝕運(yùn)算之后做差，提取出結(jié)果，并在原始圖中將缺陷進(jìn)行標(biāo)記。

4 邊緣特征模板與金字塔相結(jié)合的匹配算法

由于在目標(biāo)出現(xiàn)旋轉(zhuǎn)或者光照不均勻的情況下，準(zhǔn)確地匹配結(jié)果存在一定的難度，因此，采用邊緣特征模板與金字塔相結(jié)合的匹配算法對(duì)軸承鉚釘缺陷進(jìn)行檢測(cè)，方法如下：

第一步，采用Sobel算法提取軸承圖像的邊緣點(diǎn)位置以及梯度方向。第二步，利用圖像金字塔搜索相應(yīng)的策略加速算法進(jìn)行運(yùn)算。第三步，同時(shí)使用金字塔對(duì)軸承圖像鉚釘位置進(jìn)行定位。第四步，將各個(gè)鉚釘區(qū)域位置進(jìn)行提取，并且對(duì)輪廓的封閉性以及輪廓的長(zhǎng)度進(jìn)行篩選，與完好的軸承鉚釘輪廓圖像自動(dòng)對(duì)比，進(jìn)而找到鉚釘?shù)娜毕輀2]。

5 檢測(cè)結(jié)果

我們采用以上兩種算大對(duì)于40顆存在鉚釘缺陷的軸承進(jìn)行檢測(cè)，結(jié)果顯示在這40副圖像中，Blob算法以及邊緣特征模板與金字塔相結(jié)合算法，都能夠準(zhǔn)確地檢測(cè)出存在缺陷的鉚釘，不存在誤檢，正確率均達(dá)到百分之百。因此，本文所提出的兩種算法都能有效地檢測(cè)出軸承鉚釘中的殘次品。

6 結(jié)語(yǔ)

軸承鉚釘缺陷是影響軸承正常使用的重要原因之一，但是當(dāng)下我國(guó)針對(duì)于軸承鉚釘缺陷的研究非常有限，相關(guān)企業(yè)無(wú)法獲取有價(jià)值的檢測(cè)方法。因此，本文就結(jié)合邊緣特征模板與金字塔相匹配的算法與Blob算法進(jìn)行實(shí)際的軸承鉚釘檢測(cè)，最后的驗(yàn)證出這兩種方法能夠準(zhǔn)確地檢測(cè)出軸承鉚釘存在的缺陷。