基于Hough變換圓檢測和邊緣模板匹配的軸承缺陷檢測與定位

段志達，魏利勝*，劉小琿，2，丁 坤

(1.安徽工程大學 電氣工程學院，安徽 蕪湖 241000；2.上海歐朔智能包裝科技有限公司，上海 201416)

軸承作為日常生活中大量使用的元件，在生產過程中其表面可能會產生磕碰、劃痕、銹斑等缺陷，且軸承滾子也存在漏裝、缺失等現象。如果采用人工檢測方式對軸承缺陷進行檢測，不僅速度慢、效率低，且影響檢測精度的因素多。機器視覺技術在很多領域已被廣泛應用，基于其快捷、靈活、抗干擾能力強的特點，可實現對不同檢測任務快速準確的定位和識別。將機器視覺引入軸承表面缺陷和滾子漏裝缺陷的自動檢測中，以提高軸承缺陷檢測速度和精度，具有十分重要的意義。

國內外相關學者對基于機器視覺技術的軸承滾子檢測方法已進行了廣泛的研究，并取得了豐富的成果。尚軍[1]等提出了基于預測匹配差與全局-局部閾值化的軸承缺陷檢測與定位算法，實現了對滾動體缺失、破損的準確檢測與定位；崔明[2]等針對軸承圖像的特點，在對圖像進行濾波、灰度增強和二值化的基礎上，采用了一種基于環形區域的邊緣搜索和最小二乘圓擬合相結合的圓檢測法；秦鐘偉[3]等提出一種將機器視覺應用于軸承滾動體數目和尺寸檢測的檢測方法；鄧耀力[4]通過將圖像預處理法、基于區域灰度值分割法和基于區域形態學的最小二乘法等方法相結合，實現了對輪轂軸承缺陷的有效檢測；陳昊[5]等針對軸承滾子表面缺陷人工檢測效率低、誤檢率高的問題，提出了一種基于圖像光流的軸承滾子表面缺陷的檢測方法；李龍[6]等針對軸承滾子表面缺陷的特點及檢測條件，提出了一種將圖像形態學濾波、多項式擬合、二值圖像處理相結合的方法，實現了滾子表面缺陷的在線實時檢測；Wei[7]等針對SSDA匹配算法易受噪聲和光照影響的問題，通過進一步結合CLD和EHD算法，提出了一種混合信息匹配方法，增強了模板匹配算法的魯棒性；陳金貴[8]等為了提高軸承滾子表面缺陷檢測的效率，采用改進的Niblack算法對軸承滾子表面圖像進行處理以分割出缺陷區域。實驗表明，該方法不僅可以有效地檢測出軸承滾子的各類缺陷，且在檢測效率和精度上優于傳統閾值分割算法；張天飛[9]等提出了一種改進模板匹配算法，實現了對物體的正確匹配，且算法具備一定的魯棒性和實時性；李偉[10]等針對工業檢測中球柵陣列(BGA)檢測易受遮擋、橋接、變形等因素影響，難以進行大批量高精度自動化檢測的問題，提出了一種基于形狀的自適應模板匹配方法進行BGA焊點檢測的算法，實現了對復雜背景情況下的BGA焊點進行準確提取和檢測；馮春貴[11]等針對傳統的模板匹配法對于限速標志的識別容易出現拒識和誤識的問題，提出一種改進的模板匹配算法應用于限速標志的識別中；安培源[12]等為了解決機器視覺系統對具有小直徑特征的多圓進行定位時計算量過大的問題，提出一種基于邊緣檢測和Hough變換的圓定位改進方法，檢測精度可達0.06 mm；魏利勝[13]等針對工業流水線中軸承工件人工檢測及裝配效率低的問題，提出一種基于高斯加權均值分割的軸承滾子檢測和軸承保持架支柱定位方法，實現了軸承滾子的準確檢測，推導出目標輪廓的重心坐標，實現軸承保持架的準確定位；韓美林[14]等針對傳統同態濾波算法對彩色圖像的改善效果并不理想的問題，提出了一種結合有限對比度自適應直方圖均衡(CLAHE)和改進型同態濾波的算法，有效提升了彩色圖像的亮度和對比度；田原嫄[15]等為了準確、快速地定位行進中的車牌，采用HSV空間色彩劃分法，保持圖像的色度不變，并對圖像的飽和度和亮度分別做相應的同態濾波處理，從而對行進中的車牌進行定位檢測。

以上研究主要探索了穩定光源環境下的軸承缺陷檢測，缺少對缺失滾子區域的精確定位，同時檢測精度受軸承源圖像閾值分割精度的影響，魯棒性較差。為此，在以上研究的基礎上，提高檢測算法的魯棒性，實現缺失滾子的精確定位，提出了融合Hough圓檢測算法和邊緣模板匹配算法的軸承滾子檢測方法。首先通過同態濾波算法增強源圖像后，對灰度圖像進行自適應閾值分割；在此基礎上利用Hough圓檢測算法進行滾子區域粗定位，提取出感興趣區域；然后利用邊緣模板匹配算法篩選出真正的滾子區域，剔除非滾子區域；最后結合最小二乘擬合算法定位缺失滾子區域，實現缺失滾子的檢測與精確定位，避免由于光照環境變化導致的誤檢率，提高了軸承滾子在不同環境下的檢測精度。

1 軸承滾子檢測與定位算法

為了提高軸承滾子檢測的精度和穩定性，研究一種基于Hough變換和邊緣模板匹配的軸承滾子檢測方法，主要分為四步：第一步，圖像預處理階段，利用同態濾波算法對圖像進行光照矯正，提高圖像對比度；第二步，利用Hough變換進行圓檢測，對軸承滾子進行粗定位，提取感興趣區域；第三步，利用邊緣模板匹配算法對每一個粗定位區域和匹配模板進行匹配，去除誤檢區域，實現精確定位；第四步，利用檢測到的滾子定位點進行圓擬合，進一步對缺失滾子進行定位。算法流程圖如圖1所示。

1.1 同態濾波預處理

針對軸承圖像存在的光照不均勻和低對比度的問題，研究采用同態濾波算法對獲取的軸承圖像進行濾波增強。實驗效果圖如圖2所示。由圖2可知，圖2a和圖2c分別為強光下和弱光下的軸承圖像，圖2b和圖2d分別為其對應的同態濾波圖像。從圖2可以發現，不同光照背景下的圖像經過同態濾波后對比度得到增強，滾子區域與其他區域的區分度更高，并且與原始圖像相比，光照分布比較均勻，避免了由于光照不均勻引起的圖像降質。

1.2 軸承滾子粗定位

由于軸承滾子的邊緣形狀是圓形，和軸承的其他部件形狀有明顯的區別。采用Hough圓檢測算法粗定位滾子位置，相關實驗效果圖如圖3所示。圖3a是經過同態濾波處理的圖像，圖3b是Hough圓檢測算法檢測到的滾子輪廓的圖像，可以發現圖中的噪聲點很少，檢測效果較為理想，依據這些輪廓點進行圓擬合可以得到相應的圓心坐標(對應圖3c中小圓圈所在位置)。當所檢測到的滾子圓心位置不在滾子輪廓的中心位置時，會導致基于Hough圓檢測方法直接對軸承滾子的誤檢發生，其原因主要是圖3b中存在的噪聲點或檢測到的相鄰滾子輪廓點距離較近。為了進一步分析基于Hough圓檢測算法的軸承滾子粗定位中出現的誤檢問題，根據Hough圓檢測算法計算出檢測到的滾子輪廓圓心坐標和滾子半徑，并在原始圖像中提取出對應的矩形區域作為感興趣區域，以降低誤檢率。具體方法為：以檢測出的輪廓圓心坐標為矩形感興趣的中心坐標，兩倍滾子半徑為該矩形區域的邊長，然后在原圖像上截取出該感興趣區域，結果如圖4所示。圖4中是提取的感興趣區域的圖像，為了便于顯示，對實驗結果圖進行適當地縮放。圖4a表示有效的軸承滾子區域，圖4b表示無效的軸承滾子區域，即需要進一步剔除的感興趣區域。由圖4可以發現，基于Hough圓檢測算法定位到的區域中不僅具有滾子區域，還含有非滾子區域，需要篩選出有效的滾子區域。因此，針對基于Hough圓檢測的結果，結合邊緣模板匹配的方法對無效的軸承滾子區域進行篩選，以進一步提高滾子的準確檢測和精確定位。

圖3 軸承滾子的圓檢測結果

圖4 感興趣區域獲取

1.3 軸承滾子精確定位

由于軸承滾子邊緣形狀是圓形的，在滾子邊緣處變化比較明顯，和軸承其他部分具有明顯差別。因此，針對提取出的感興趣區域，運用邊緣模板匹配算法對軸承滾子圖像進行匹配篩選，具體如下：

(1)根據模板圖像的邊緣檢測結果計算邊緣點的水平方向梯度值Gx、豎直方向上的梯度值Gy，以及所有邊緣點的梯度強度，其梯度強度的計算公式為：

(1)

式中，G表示邊緣點的梯度強度。

(4)計算模板圖像T邊緣梯度和感興趣區域圖像S邊緣梯度的相似性度量，根據相似性度量的大小實現感興趣區域圖像和模板圖像的匹配。相似性度量的計算可以表示為：

(2)

式中，E表示模板圖像T邊緣梯度和感興趣區域圖像S邊緣梯度的相似性度量，如果模板模型與感興趣區域圖像之間存在完美匹配，則此函數將返回分數1，如果搜索圖像中不存在該對象，則分數將為0。

假設感興趣區域的個數為z，閾值為T，研究將軸承滾子模板邊緣點的中心坐標(Tix,Tiy)(i=1,2,…,z)和感興趣區域中心坐標(Six,Siy)(i=1,2,…,z)之間的歐氏距離作為篩選標準，計算公式為：

(3)

式中，Di表示軸承滾子模板邊緣點的中心坐標和第i個感興趣區域中心坐標之間的歐氏距離。

至此將進行感興趣區域的篩選，具體流程如圖5所示。

圖5 感興趣區域篩選算法流程圖

經過邊緣模板匹配后的感興趣區域中可有效剔除不符合要求的部分，如圖6所示。圖6a為不同光照下的原始圖像，圖6b中矩形框區域是Hough檢測算法粗定位到的滾子區域，可以發現檢測結果存在誤檢情況，而利用邊緣模板匹配算法剔除感興趣區域中的無效滾子區域后，誤檢情況得到有效消除，如圖6c所示，實現了對已裝配滾子的準確檢測。相關實驗數據如表1所示。從表1可以發現，在不同背景下的軸承圖像中，Hough圓檢測算法均可檢測到所有的已裝配滾子，但是會產生誤檢情況，對源圖像A和源圖像B檢測到的滾子數量分別為18和20，經過邊緣模板匹配算法進一步篩選后，檢測到的滾子數與實際滾子數相同，均為15，由此可見，引入邊緣模板匹配算法有效提高了軸承滾子檢測的準確率。

圖6 裝配滾子檢測定位結果

檢測滾子數目源圖像A源圖像B實際滾子數目1515傳統Hough圓檢測法1820本文方法1515

1.4 漏裝滾子區域定位

在工業中，軸承生產過程中出現滾子漏裝的問題時，需要對缺失位置進行滾子的再次裝配。下面將針對實際檢測結果中存在缺失滾子的位置進行自動定位，具體過程如下：

(1)獲取所有檢測到的已裝配滾子的定位點，利用最小二乘法進行圓擬合，從而得到擬合圓的圓心坐標(a,b)以及擬合圓的半徑R。

(2)在擬合圓上找出相鄰點的圓心角為2π/16的16個點，分別記為(x1,y1),(x2,y2),…,(x16,y16),確定漏裝滾子定位點的坐標。設已裝配滾子定位點的個數為m，坐標表示為(p1,q1),(p2,q2),…,(p16,q16)，從所有已裝配滾子的定位點中選出任意一個點作為擬合圓上的點(x1,y1)，并令(c,d)=(x1,y1)，與該點相鄰的兩個點滿足下式：

(4)

式中，(x,y)是擬合圓上與點(c,d)相鄰的點的坐標，與點(c,d)在擬合圓上形成的夾角大小為2π/16，符合條件的點共有16個。在此基礎上，可以進一步確定漏裝滾子的位置，漏裝滾子位置定位的具體實現方法如下：

算法1：漏裝滾子位置定位算法

Begin

(c,d)=(x1,y1)

c,d代入式(4)求解得點(x2,y2)和(x16,y16)

fork=3∶15

(c,d)=(xk-1,yk-1);

c,d代入式(4),求解得點(xk,yk);/*點(xk,yk)表示擬合圓上與點(c,d)相鄰的點*/

end for

/*得到擬合圓上剩下的14個點后結束循環*/

/*將擬合圓上的16個點與每個軸承滾子定位點進行對比*/

fori=1∶16

forj=1∶m/*m為漏裝滾子定位點的個數*/

判斷擬合圓上該點是否與所有軸承滾子定位點都不重合，若都不重合，則記該點

為軸承滾子漏裝定位點并保存該點

end for

end for

end

圖7 漏裝滾子區域中心點定位圖

通過上述步驟可以確定漏裝滾子區域定位點的坐標，結果如圖7所示。由圖7可見，*符號代表已裝配滾子定位點，圓圈表示根據已裝配的軸承滾子定位點進行圓擬合的結果，正方形符號代表漏裝滾子區域定位點。

2 實驗結果與分析

為了進一步說明所提算法的有效性和優越性，研究與傳統預測匹配差閾值化法和高斯加權均值分割法進行對比實驗。實驗平臺為Window 7操作系統，CPU為2.3 GHZ，內存2 G，編程環境Matlab R2016，相關實驗效果如圖8所示。由圖8可以看見，圖8a表示不同光照條件下的待檢測圖像，圖8b表示使用文獻[1]對檢測圖像進行軸承滾子定位的結果，圖8c表示使用文獻[13]對檢測圖像進行軸承滾子定位的結果，圓形框表示對已裝配滾子定位結果；圖9d表示使用文中方法對檢測圖像進行軸承滾子定位的結果，其中正方形框表示已裝配和漏裝滾子區域。從圖8b、圖8c、圖8d第一幅圖中可以看出，當光照較強并且比較均勻時，原始圖像的閾值分割效果較好，文獻[1]和文中所提方法的檢測效果均比較好。從圖8b、圖8c、圖8d第三幅圖中可以看出，當光照較暗時，閾值分割效果稍差，文獻[1]和文獻[13]的檢測結果會出現漏檢現象，且無法對漏裝滾子進行定位。從圖8b、圖8c、圖8d第三幅圖中可以看出，當光照不均現象比較嚴重并且圖像中背景有陰影干擾時，文獻[1]和文獻[13]兩種策略的檢測效果較差。分析其主要原因為：文獻[1]方法先通過局部閾值分割和全局閾值分割的方法獲得滾動體邊界，然后提出利用圓驗證機制結和種子填充法提取感興趣區域，最后計算滾動體區域中封閉輪廓的面積，并通過設置合理的面積閾值篩選出滾動體，但是由于圖像閾值分割后很難區分軸承部分與陰影部分，閾值分割結果中軸承的輪廓不明顯，從而導致基于預測匹配差與全局-局部閾值化的檢測方法失效；而文獻[13]先通過高斯加權均值分割獲得軸承滾子二值圖像,再利用邊界追蹤算法得到二值圖像中的所有封閉輪廓，最后，根據所提輪廓篩選算法對非軸承滾子輪廓進行消除，但是由于通過高斯加權均值分割的二值圖像的分割效果較差，所提輪廓篩選算法無法區分滾子和陰影部分，從而導致基于高斯加權均值分割的檢測方法失效。文中所提方法在閾值分割效果較差的情況下，可以通過Hough圓檢測算法實現軸承滾子的檢測，雖然會產生誤檢情況，但是檢測出的感興趣區域中包含所有的滾子區域，產生的誤檢區域可以利用邊緣模板匹配算法篩選得到有效的滾子區域，最后結合最小二乘擬合算法實現缺失滾子位置定位，實驗結果表明所提方法在不同的光照環境下都可以實現軸承滾子的有效檢測。

圖8 軸承滾子檢測效果對比圖

軸承滾子檢測結果對比效果實驗數據如表2所示。由表2可知，文獻[1]和文獻[13]的方法在不同光照條件下的軸承滾子檢測準確率波動較大，無法在不同檢測條件下實現穩定準確的檢測。而文中所提方法的軸承滾子檢測準確率相比于文獻[1]方法提高了29%，與文獻[13]方法相比提高了37%，充分說明所提方法對光照變化的抗干擾能力較強，在不同環境下具備良好的適應性，因此對不同光照條件下的軸承滾子均能實現準確、穩定的檢測，并且檢測速度在0.3 s左右，能夠滿足軸承滾子在線檢測的實時性。

表2 軸承滾子檢測結果對比效果實驗數據

3 結論

在軸承實際的生產過程中，人工進行軸承滾子檢測效率較低，為了提高不同檢測環境下軸承滾子自動檢測的效率以及對缺失滾子進行再次裝配，提出了融合Hough圓檢測和邊緣模板匹配的軸承滾子檢測方法，實現了對不同環境下軸承工件中已裝配滾子的準確、穩定檢測和漏裝滾子的精確定位。如何進一步提高邊緣模板匹配算法的魯棒性使其具備旋轉不變性和尺度不變性，以滿足復雜場景下的實際檢測要求，將是進一步重點研究工作。