機(jī)器視覺背景下基于VisionPro的軸承滾動(dòng)體缺失檢測(cè)

祁玉梅　邵永生　黃山

摘 要：軸承在生產(chǎn)過程中的滾動(dòng)體缺失會(huì)影響機(jī)械設(shè)備的安全運(yùn)行，本文提出了機(jī)器視覺背景下基于VisionPro的軸承滾動(dòng)體缺失檢測(cè)。在獲得較好的打光圖像后，利用VisionPro的PMAlignTool進(jìn)行模板訓(xùn)練以及缺失識(shí)別，并結(jié)合C#腳本，將結(jié)果可視化，在圖片上顯示具體的檢測(cè)結(jié)果，包括產(chǎn)品合格與否、合格的滾動(dòng)體個(gè)數(shù)以及不合格的原因，便于后續(xù)的人機(jī)交互。通過實(shí)驗(yàn)，該方法確實(shí)取得了較好的檢測(cè)結(jié)果，能夠正確檢測(cè)軸承滾動(dòng)體的缺失情況，后續(xù)結(jié)合通信設(shè)備與機(jī)械手臂，可實(shí)現(xiàn)自動(dòng)分揀。相較于傳統(tǒng)的人工檢測(cè)，該方式具有效率高、準(zhǔn)確性高、安全性高的優(yōu)勢(shì)，是現(xiàn)代工業(yè)生產(chǎn)中亟需的檢測(cè)方式。

關(guān)鍵詞：機(jī)器視覺 缺失檢測(cè) VisionPro 軸承

1 引言

軸承是機(jī)械設(shè)備的關(guān)鍵零部件，決定著機(jī)械設(shè)備運(yùn)行的可靠性與穩(wěn)定性。一旦出現(xiàn)各種缺陷，極有可能會(huì)對(duì)機(jī)械設(shè)備的運(yùn)行造成惡劣的影響，導(dǎo)致設(shè)備的故障，帶來(lái)經(jīng)濟(jì)損失。而滾動(dòng)體又是軸承的核心部位，能夠起到很好的支撐作用，保障軸在旋轉(zhuǎn)過程中的穩(wěn)定性與精度。如果滾動(dòng)體存在缺陷，軸承在高速運(yùn)轉(zhuǎn)時(shí)會(huì)出現(xiàn)異常振動(dòng)與發(fā)熱，無(wú)法保證機(jī)器設(shè)備的平穩(wěn)運(yùn)行，甚者帶來(lái)人員傷亡[1-2]。因此對(duì)于滾動(dòng)體的健康檢測(cè)具有重要的意義，尤其是軸承出廠前的質(zhì)量檢測(cè)必不可少[3]。裝配過程中常見的滾動(dòng)體缺陷有滾動(dòng)體缺失以及滾動(dòng)體損傷，例如碰擦、劃痕、生銹等[4]。目前，常用的滾動(dòng)體缺陷檢測(cè)可分為兩大類：基于人工的檢測(cè)以及基于機(jī)器視覺的檢測(cè)[5]。相較于人工檢測(cè)，基于機(jī)器視覺的檢測(cè)方式具有如下優(yōu)勢(shì)[6]：（1）效率更高。機(jī)器能夠?qū)崿F(xiàn)更快的檢測(cè)速度，尤其在高速運(yùn)動(dòng)的生產(chǎn)線上，相機(jī)和鏡頭比人眼更有優(yōu)勢(shì)。（2）準(zhǔn)確性更高。人眼檢測(cè)會(huì)受到生理?xiàng)l件的約束，遠(yuǎn)遠(yuǎn)達(dá)不到相機(jī)和鏡頭的分辨率。另外，人眼檢測(cè)會(huì)受到主觀因素的影響，例如檢測(cè)員的心情很可能影響檢測(cè)結(jié)果，而機(jī)器不存在喜怒哀樂，結(jié)果更加可靠。此外，對(duì)于重復(fù)性的檢測(cè)過程，人眼會(huì)疲勞，而機(jī)器不會(huì)。（3）安全性更高。對(duì)于人工無(wú)法適應(yīng)的一些高溫高壓等惡劣環(huán)境或者危險(xiǎn)環(huán)境，機(jī)器可以實(shí)現(xiàn)非接觸式檢測(cè)，保障檢測(cè)質(zhì)量的同時(shí)也有效地保護(hù)了質(zhì)檢人員的安全。因此機(jī)器視覺在工業(yè)生產(chǎn)領(lǐng)域得到了廣泛的應(yīng)用。本文也在機(jī)器視覺背景下，利用VisionPro軟件實(shí)現(xiàn)軸承滾動(dòng)體的缺失檢測(cè)，并結(jié)合C#腳本在圖片上進(jìn)行檢測(cè)結(jié)果的顯示，便于后續(xù)的人機(jī)交互。

2 機(jī)器視覺概述

機(jī)器視覺指的就是利用機(jī)器代替人，從而實(shí)現(xiàn)視覺類操作，如引導(dǎo)、檢測(cè)、測(cè)量與識(shí)別。完整的機(jī)器視覺系統(tǒng)包括：（1）視覺硬件，如光源、相機(jī)和鏡頭等，負(fù)責(zé)拍攝清晰的圖片，類似于人眼。（2）圖像處理軟件，用于對(duì)拍攝的圖像進(jìn)行處理，提取有效信息，發(fā)出指令，類似于人腦。（3）執(zhí)行機(jī)構(gòu)，如機(jī)械手臂，接受指令，實(shí)現(xiàn)抓取等操作，類似于人的手臂。機(jī)器視覺系統(tǒng)的操作流程如圖1所示。

美國(guó)Cognex公司推出的VisionPro軟件是常用的機(jī)器視覺軟件之一，拖拽式操作，運(yùn)用靈活，功能強(qiáng)大，集合許多圖像處理算法，包括定位、測(cè)量以及圖像的預(yù)處理等。本文利用VisionPro8.2版本進(jìn)行軸承滾動(dòng)體的缺失檢測(cè)。

3 滾動(dòng)體缺失檢測(cè)

圖2所示是待分析的6個(gè)軸承產(chǎn)品的打光圖。檢測(cè)要求為：合格產(chǎn)品共包含14個(gè)滾動(dòng)體，如有滾動(dòng)體整個(gè)缺失（漏裝），或者滾動(dòng)體的正面缺失則為不合格，此處不涉及滾動(dòng)體的碰擦、磨損等檢測(cè)。圖3所示為合格與不合格產(chǎn)品的打光示意圖，（a）為合格產(chǎn)品，（b）為不合格產(chǎn)品，包含一個(gè)滾動(dòng)體漏裝和一個(gè)滾動(dòng)體的正面缺失。按照檢測(cè)要求，圖2（a）-2（e）均為不合格產(chǎn)品，缺失的部位均用紅色圓圈標(biāo)記出來(lái)。圖2（f）為合格產(chǎn)品，完整包含14個(gè)滾動(dòng)體。

具體的檢測(cè)流程為：

（1）采集圖像：首先利用Image Source加載如圖2所示已打光好的6幅產(chǎn)品圖，實(shí)際工業(yè)生產(chǎn)中可利用相機(jī)進(jìn)行實(shí)時(shí)圖像的采集。

（2）訓(xùn)練模板：利用三個(gè)CogPMAlignTool，分別訓(xùn)練三個(gè)模板：合格的滾動(dòng)體（PMAlignTool1）、滾動(dòng)體漏裝（PMAlignTool2）以及正面缺失（PMAlignTool3），訓(xùn)練好的模板如圖4所示。

（3）設(shè)置運(yùn)行參數(shù)：以PMAlignTool1為例進(jìn)行參數(shù)解釋，如圖5所示：a）鑒于合格產(chǎn)品含有14個(gè)滾動(dòng)體，因此，將查找概述設(shè)為14;b）考慮一些干擾，可適當(dāng)將接受閾值調(diào)整為0.33，并且不考慮雜斑的影響;c）允許一定的角度旋轉(zhuǎn);d）緊抓合格滾動(dòng)體正面與反面的灰度值差異，增大對(duì)比度閾值為49，避免誤判。PMAlignTool2和PMAlignTool3的參數(shù)設(shè)置一致，將查找概述設(shè)為14，其他參數(shù)為原始參數(shù)。

（4）運(yùn)行程序，并添加終端顯示檢測(cè)得到的合格滾動(dòng)體的個(gè)數(shù)、滾動(dòng)體漏裝的個(gè)數(shù)以及滾動(dòng)體正面缺失的個(gè)數(shù)，便于后續(xù)進(jìn)行產(chǎn)品是否合格的判斷。

4 結(jié)果顯示與分析

為了直觀地顯示更清晰的檢測(cè)結(jié)果，便于后續(xù)的人機(jī)交互，利用C#編程語(yǔ)言，添加腳本，在圖片上顯示如下4方面信息：正常滾動(dòng)體的個(gè)數(shù)、產(chǎn)品合格與否、不合格原因以及用紅色圓圈標(biāo)記出不合格的部分。圖6所示為腳本運(yùn)行后的檢測(cè)與顯示結(jié)果。

可見，每張圖片都清晰給出檢測(cè)結(jié)果OK或者NG。若產(chǎn)品不合格，則給出不合格的原因。例如圖6（a）-6（d），合格的滾動(dòng)體個(gè)數(shù)均為13，均有一個(gè)滾動(dòng)體的正面缺失，且圖上均用紅色圓圈標(biāo)記缺失所在的位置，因此這些產(chǎn)品均被檢測(cè)為不合格。圖6（e）亦為不合格產(chǎn)品，既有滾動(dòng)體漏裝，又有滾動(dòng)體正面缺失。而6（f）則為合格產(chǎn)品。檢測(cè)結(jié)果與實(shí)際相一致。根據(jù)檢測(cè)結(jié)果是NG或者OK，后續(xù)可通過增加執(zhí)行機(jī)構(gòu)，進(jìn)行產(chǎn)品的挑揀。本文只對(duì)6個(gè)軸承產(chǎn)品的6張打光圖進(jìn)行檢測(cè)，正確率達(dá)到100%，雖然實(shí)際情況可能更加復(fù)雜，但是思路是可行的，只要結(jié)合較好的打光方案，更豐富的預(yù)處理算法，均能取得較好的檢測(cè)效果。

5 結(jié)語(yǔ)

針對(duì)軸承滾動(dòng)體的缺失檢測(cè)，本文采用了基于機(jī)器視覺的方式，利用VisionPro進(jìn)行檢測(cè)，并結(jié)合C#腳本進(jìn)行清晰顯示。該方法能夠?qū)崿F(xiàn)非接觸式下的檢測(cè)，通過結(jié)合較好的打光，以及豐富的圖像處理工具，能夠?qū)崿F(xiàn)效率高、準(zhǔn)確性高、安全性高的缺失檢測(cè)，在工業(yè)生產(chǎn)中具有較高的應(yīng)用價(jià)值。

致謝：論文中所采用的軸承打光圖得到蘇州德創(chuàng)測(cè)控科技有限公司的大力支持。

參考文獻(xiàn)：

[1]陳賢，夏建春.軸承滾子表面缺陷檢測(cè)技術(shù)的研究[J].科技創(chuàng)新導(dǎo)報(bào)，2018，15（28）：88-89.

[2]溫學(xué)軍，葛動(dòng)元，姚錫凡，陳岳坪，王健.基于機(jī)器視覺的軸承滾動(dòng)體缺失檢測(cè)[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2020（12）：116-120+124.

[3]崔明，顧啟民，黃震.基于機(jī)器視覺的軸承滾動(dòng)體缺陷檢測(cè)算法研究[J]. 組合機(jī)床與自動(dòng)化加工技術(shù)， 2015（11）： 74-78.

[4]段志達(dá).基于機(jī)器視覺的軸承缺陷檢測(cè)[D]. 安徽工程大學(xué)，2020.

[5]張奔.基于機(jī)器視覺的軸承滾子表面缺陷檢測(cè)研究[D].南昌航空大學(xué)，2018.

[6]秦鐘偉，陳捷，洪榮晶.基于機(jī)器視覺的滾動(dòng)軸承滾動(dòng)體檢測(cè)[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2019（01）：118-121.