專利名稱：基于機(jī)器視覺(jué)的軸承防塵蓋品質(zhì)監(jiān)測(cè)系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于機(jī)器視覺(jué)的軸承防塵蓋實(shí)時(shí)檢測(cè)方法，具體是指一種基于特定光源下，針對(duì)軸承防塵蓋的機(jī)器視覺(jué)實(shí)時(shí)瑕疵檢測(cè)的方法。
背景技術(shù)：
軸承是機(jī)械行業(yè)中至關(guān)重要的基礎(chǔ)零件，廣泛應(yīng)用在各行各業(yè)中。近幾年，隨著我國(guó)工業(yè)自動(dòng)化水平的不斷提高、機(jī)械設(shè)備越來(lái)越精密，使得對(duì)軸承制造工藝水平的要求也越來(lái)越高，質(zhì)量標(biāo)準(zhǔn)也越來(lái)越嚴(yán)格。軸承防塵蓋的表面品質(zhì)，影響著產(chǎn)品的質(zhì)量。軸承生產(chǎn)過(guò)程中，由于各種因素，在軸承的內(nèi)外圈表面、防塵蓋端面等處可能會(huì)產(chǎn)生各種缺陷，如凹坑、壓痕、劃痕等，這些缺陷會(huì)對(duì)軸承的使用造成一定的影響，嚴(yán)重的可能會(huì)造成不可估量的事故。目前，國(guó)內(nèi)對(duì)于軸承表面品質(zhì)主要是人工檢測(cè)，很容易出現(xiàn)誤檢和漏檢，而且人工檢測(cè)效率低。引入機(jī)器視覺(jué)技術(shù)進(jìn)行缺陷檢測(cè)具有非接觸性、檢測(cè)速度快、穩(wěn)定性高的特點(diǎn)。針對(duì)軸承端面防塵蓋的檢測(cè)，本發(fā)明提出了基于機(jī)器視覺(jué)的實(shí)時(shí)檢測(cè)方法
發(fā)明內(nèi)容
本發(fā)明目的在于利用機(jī)器視覺(jué)對(duì)軸承生產(chǎn)中端面防塵蓋進(jìn)行品質(zhì)監(jiān)測(cè)。由于軸承端面防塵蓋刻有字符，會(huì)對(duì)品質(zhì)監(jiān)測(cè)造成一定的干擾。本專利引入了字符識(shí)別的思想，對(duì)字符(或缺陷)進(jìn)行識(shí)別，一方面判別有無(wú)缺陷，一方面判別刻印字符是否有錯(cuò)，從而實(shí)現(xiàn)軸承端面防塵蓋的品質(zhì)在線實(shí)時(shí)監(jiān)測(cè)。按照本發(fā)明提供的技術(shù)方案，所述軸承端面防塵蓋品質(zhì)監(jiān)測(cè)系統(tǒng)的算法包括以下步驟:第一步，在離線情況下，獲取合格軸承的端面圖像，通過(guò)預(yù)處理，分割出字符區(qū)域，根據(jù)分割出的字符區(qū)域的中心點(diǎn)坐標(biāo)與軸承圓心坐標(biāo)的關(guān)系，將字符區(qū)域通過(guò)旋轉(zhuǎn)變換校正成垂直的字符，并提取字符特征，作為匹配模板。第二步，對(duì)采集圖像先通過(guò)預(yù)處理分割出防塵蓋區(qū)域，然后通過(guò)閾值分割將防塵蓋區(qū)域的背景與字符(或缺陷)區(qū)域分割出來(lái)。第三步，對(duì)分割出來(lái)的字符(或缺陷)區(qū)域定位到閾值分割前的灰度圖像中，并分割出相應(yīng)的灰度圖像。根據(jù)分割出的字符(或缺陷)區(qū)域的中心點(diǎn)坐標(biāo)與軸承圓心坐標(biāo)的關(guān)系計(jì)算出旋轉(zhuǎn)角度。并通過(guò)雙線性插值以及旋轉(zhuǎn)角度將字符(或缺陷)區(qū)域旋轉(zhuǎn)成為垂直方向。第四步，判斷區(qū)域的大小，超過(guò)上限預(yù)設(shè)值和小于下限預(yù)設(shè)值的區(qū)域均為缺陷區(qū)域。對(duì)于處于預(yù)設(shè)大小范圍內(nèi)的區(qū)域進(jìn)行閾值分割及歸一化處理。第五步，提取區(qū)域的特征向量，與模板中的特征向量進(jìn)行匹配。如果匹配度小于預(yù)設(shè)值，則該區(qū)域內(nèi)有缺陷。第六步，如果正確匹配出來(lái)的字符串的長(zhǎng)度與模板中的字符串的長(zhǎng)度相等，則進(jìn)行串匹配，根據(jù)上下文以及對(duì)應(yīng)位置的特征匹配度對(duì)區(qū)域進(jìn)行二次判別決策，最終輸出結(jié)果。進(jìn)一步的，所述第一步具體為:(1.1)在離線情況下采集合格軸承的端面圖像f(x，y)，采用黑色非光滑面板作為軸承的背景。圖像為640*480的灰度圖像。(1.2)對(duì)采集的圖像f (X, y)進(jìn)行冪次灰度變換,生成g(x, y)。g(x, y) = cf(x, y) Y其中，一般取c = 1，根據(jù)所采集的圖像，手動(dòng)調(diào)節(jié)參數(shù)Y，獲得視覺(jué)效果較好的圖像即可。Y取值范圍:1 3。(1.3)對(duì)圖像g(x，y)進(jìn)行中值濾波，濾波模板大小為3*3。(1.4)根據(jù)閾值Th將軸承與背景分離開(kāi)，Th取15，根據(jù)實(shí)際情況進(jìn)行調(diào)整。再通過(guò)四個(gè)方向的掃描，確定軸承的外輪廓。分別從左向右自上而下，從右向左自下而上逐行掃描，標(biāo)記第一個(gè)灰度值超過(guò)閾值Th點(diǎn)為邊界點(diǎn)，分別記錄為p1、p2。然后根據(jù)p1、p2數(shù)組頭尾位置，確定中間段的掃描范圍。并根據(jù)所確定的左右范圍，分別從上到下，自下而上從左到右，自上而下從右到左逐列掃描，標(biāo)記第一個(gè)灰度值超過(guò)閾值Th點(diǎn)為邊界點(diǎn)，分別記錄為p3、p4。最后將p1、p3、p2、p4按順序組合成一個(gè)數(shù)組P，該數(shù)組描述軸承的外輪廓。(1.5)計(jì)算圓心坐標(biāo)。假設(shè)第i個(gè)采樣點(diǎn)為P(Xpyi),軸承圓心坐標(biāo)為^bhPUi,Yi)到軸承圓心坐標(biāo)(a, b)的距離為巧，則P(Xi，Yi)與(a, b)構(gòu)成了半徑為巧的圓，其面積為Si，設(shè)s為擬合出的圓的面積，則圓的面積誤差:
權(quán)利要求
1.軸承端面防塵蓋品質(zhì)監(jiān)測(cè)系統(tǒng)，其特征是，包括以下步驟: 第一步，在離線情況下，獲取合格軸承的端面圖像，通過(guò)預(yù)處理，分割出字符區(qū)域，根據(jù)分割出的字符區(qū)域的中心點(diǎn)坐標(biāo)與軸承圓心坐標(biāo)的關(guān)系，將字符區(qū)域通過(guò)旋轉(zhuǎn)變換校正成垂直的字符，并提取字符特征，作為匹配模板； 第二步，對(duì)采集圖像先通過(guò)預(yù)處理分割出防塵蓋區(qū)域，然后通過(guò)閾值分割將防塵蓋區(qū)域的背景與字符(或缺陷)區(qū)域分割出來(lái)； 第三步，對(duì)分割出來(lái)的字符(或缺陷)區(qū)域定位到閾值分割前的灰度圖像中，并分割出相應(yīng)的灰度圖像。根據(jù)分割出的字符(或缺陷)區(qū)域的中心點(diǎn)坐標(biāo)與軸承圓心坐標(biāo)的關(guān)系計(jì)算出旋轉(zhuǎn)角度，并通過(guò)雙線性插值以及旋轉(zhuǎn)角度將字符(或缺陷)區(qū)域旋轉(zhuǎn)成為垂直方向； 第四步，判斷區(qū)域的大小，超過(guò)上限預(yù)設(shè)值和小于下限預(yù)設(shè)值的區(qū)域均為缺陷區(qū)域，對(duì)于處于預(yù)設(shè)大小范圍內(nèi)的區(qū)域進(jìn)行閾值分割及歸一化處理； 第五步，提取區(qū)域的特征向量，與模板中的特征向量進(jìn)行匹配，如果匹配度小于預(yù)設(shè)值，則該區(qū)域內(nèi)有缺陷； 第六步，如果正確匹配出來(lái)的字符串的長(zhǎng)度與模板中的字符串的長(zhǎng)度相等，則進(jìn)行串匹配，根據(jù)上下文以及對(duì)應(yīng)位置的特征匹配度對(duì)區(qū)域進(jìn)行二次判別決策，最終輸出結(jié)果。
2.如權(quán)利要求1所述軸承端面防塵蓋品質(zhì)監(jiān)測(cè)系統(tǒng)，其特征是，所述第一步具體為: (1)在離線情況下采集合格 軸承的端面圖像f(x，y)，采用黑色面板作為軸承的背景，圖像為640*480的灰度圖像； (2)對(duì)采集的圖像f(x，y)進(jìn)行冪次灰度變換，生成g(x，y): g(x, y) = cf (x, y) Y 其中，一般取c = 1，根據(jù)所采集的圖像，人為調(diào)教參數(shù)Y，獲得視覺(jué)效果較好的圖像即可，一般取I 3 ; (3)對(duì)圖像g(x，y)進(jìn)行中值濾波，濾波模板大小為3*3； (4)根據(jù)閾值Th將軸承與背景分離開(kāi)，Th取15，根據(jù)實(shí)際情況進(jìn)行調(diào)整；再通過(guò)四個(gè)方向的掃描，確定軸承的外輪廓，分別從左向右自上而下，從右向左自下而上逐行掃描，標(biāo)記第一個(gè)灰度值超過(guò)閾值Th點(diǎn)為邊界點(diǎn)，分別記錄為p1、p2 ;然后根據(jù)p1、p2數(shù)組頭尾位置，確定中間段的掃描范圍，并根據(jù)所確定的左右范圍，分別從上到下，自下而上從左到右，自上而下從右到左逐列掃描，標(biāo)記第一個(gè)灰度值超過(guò)閾值Th點(diǎn)為邊界點(diǎn)，分別記錄為p3、p4 ;最后將p1、p3、p2、p4按順序組合成一個(gè)數(shù)組p，該數(shù)組描述軸承的外輪廓； (5)計(jì)算圓心坐標(biāo):假設(shè)第i個(gè)采樣點(diǎn)為P(Xi，yi)，軸承圓心坐標(biāo)為(a，b)，P(Xi，yi)至Ij軸承圓心坐標(biāo)(a,b)的距離為!Ti,則P(X^yi)與(a, b)構(gòu)成了半徑為A的圓,其面積為Si,設(shè)s為擬合出的圓的面積，則圓的面積誤差:S1 =S1-S = nrf -7tr2 = r[(x, - a)2 Jr{yt -b)2 ~r2\ 設(shè)面積誤差平方和函數(shù)為J:J(a,b,r) = ^/ =tt2X[(x, - a)2 +(y, -b)2 -r2\1=0 1=0 然后由最小二乘原理:J(a, b, c) = min J是關(guān)于a、b和r的函數(shù)，參數(shù)a、b、r根據(jù)求函數(shù)極值的方法來(lái)計(jì)算，所以當(dāng)參數(shù)a、b和r滿足公式條件:
3.如權(quán)利要求1所述軸承端面防塵蓋品質(zhì)監(jiān)測(cè)系統(tǒng)，其特征是，所述第二步具體為: (1)保持與模板制作時(shí)的相同采集環(huán)境，采集被檢測(cè)軸承的端面圖像； (2)對(duì)采集的圖像f(x，y)進(jìn)行冪次灰度變換，生成g(x，y): g(x, y) = cf (x, y) Y 其中，一般取c = 1，根據(jù)所采集的圖像，人為調(diào)教參數(shù)Y，獲得視覺(jué)效果較好的圖像即可，一般取I 3 ; (3)與第一步中的(3)到(7)相同，對(duì)圖像進(jìn)行中值濾波，提取軸承的外輪廓，計(jì)算圓心坐標(biāo)，分割出防塵蓋區(qū)域，通過(guò)OTSU法計(jì)算分割閾值，并根據(jù)第一步(7)中的偏移量a對(duì)閾值進(jìn)行調(diào)整，最后進(jìn)行閾值分割，并做反色處理，最終字符(或缺陷)標(biāo)記為1，背景標(biāo)記為O。
4.如權(quán)利要求1所述軸承端面防塵蓋品質(zhì)監(jiān)測(cè)系統(tǒng)，其特征是，所述第三步具體為: (1)對(duì)圖像進(jìn)行閾值分割后，根據(jù)連通域?qū)⒆址?或缺陷)部分標(biāo)記出來(lái)，計(jì)算每個(gè)連通域的最大矩形框，對(duì)分割出來(lái)的字符(或缺陷)區(qū)域定位到閾值分割前的灰度圖像中，并分割出相應(yīng)的灰度圖像； (2)計(jì)算矩形框的中心坐標(biāo)與軸承圓心坐標(biāo)的角度。根據(jù)角度對(duì)分割出的灰度圖像通過(guò)雙線性插值旋轉(zhuǎn)變換后，字符(或缺陷)區(qū)域變?yōu)樗健?br> 5.如權(quán)利要求1所述軸承端面防塵蓋品質(zhì)監(jiān)測(cè)系統(tǒng)，其特征是，所述第四步具體為: (I)判斷分割出的字符(或缺陷)區(qū)域的大小，根據(jù)模板中分割出來(lái)的字符區(qū)域的大小來(lái)設(shè)置長(zhǎng)度的上下閾值Thl_L、Th2_L和寬度的上下限閾值Thl_W、Th2_W ;當(dāng)分割出來(lái)的字符(或缺陷)區(qū)域長(zhǎng)寬超出預(yù)設(shè)值Thl_L、Thl_W，或者小于預(yù)設(shè)值1112_1、1112_1時(shí)，可以判斷該區(qū)域?yàn)槿毕荩瑢⒃摬糠謽?biāo)記出來(lái)，輸出結(jié)果為軸承有缺陷； (2)判斷分割出的字符(或缺陷)區(qū)域的個(gè)數(shù)，如果與模板中分割出來(lái)的字符個(gè)數(shù)不相符，則也判定軸承有缺陷； (3)當(dāng)字符(或缺陷)區(qū)域滿足大小條件，以及個(gè)數(shù)條件時(shí)，對(duì)字符(或缺陷)區(qū)域進(jìn)行大小歸一化，同第一步中的(1.9)，歸一化為32*24像素大小的圖像，然后進(jìn)入第五步。
6.如權(quán)利要求1所述軸承端面防塵蓋品質(zhì)監(jiān)測(cè)系統(tǒng)，其特征是，所述第五步具體為: (1)與第一步中的(10)相同，對(duì)灰度圖像進(jìn)行二值化后，提取字符(或缺陷)的二次輪廓特征，特征維數(shù)為224; (2)與第一步中的(11)相同，通過(guò)2次小波分解，將二次輪廓特征向量進(jìn)行分解，最終獲得維數(shù)為56的小波二次輪廓特征； (3)依次計(jì)算提取到的特征向量與模板中的特征向量的相關(guān)系數(shù)D(x，y):
7.如權(quán)利要求1所述軸承端面防塵蓋品質(zhì)監(jiān)測(cè)系統(tǒng)，其特征是，所述第六步具體為: (1)與第一步中的(12)相同，計(jì)算每個(gè)字符區(qū)域的中心坐標(biāo)與軸承圓心坐標(biāo)連接線的斜率，通過(guò)斜率對(duì)區(qū)域按順時(shí)針?lè)较蜻M(jìn)行排序； (2)排序過(guò)后進(jìn)行移位匹配，匹配度最高的排列順序即和模板中的排列順序是一致的，然后選出和模板中不一致的字符，并根據(jù)與對(duì)應(yīng)位置的模板特征匹配度來(lái)判斷是否存在缺陷，如果對(duì)應(yīng)位置的模板特征匹配度超過(guò)預(yù)設(shè)值，則該區(qū)域?yàn)樽址?，反之則為缺陷，輸出檢測(cè)結(jié)果。
全文摘要
本發(fā)明提供一種基于機(jī)器視覺(jué)的軸承端面防塵蓋品質(zhì)監(jiān)測(cè)的方法。通過(guò)工業(yè)相機(jī)采集軸承端面圖像，進(jìn)行預(yù)處理，提取防塵蓋區(qū)域，通過(guò)閾值分割將該區(qū)域背景與字符(或缺陷)分離。根據(jù)字符(或缺陷)與圓心的位置通過(guò)旋轉(zhuǎn)校正轉(zhuǎn)換為垂直圖像。對(duì)區(qū)域的大小以及數(shù)量進(jìn)行第一次決策。提取字符(或缺陷)的二次輪廓特征，并與離線采集的模板進(jìn)行匹配來(lái)判別分割出的區(qū)域內(nèi)對(duì)象是字符還是缺陷，再通過(guò)聯(lián)系上下文的方法判別印刻的字符是否有漏印或錯(cuò)印，從而實(shí)現(xiàn)軸承端面防塵蓋品質(zhì)的在線實(shí)時(shí)監(jiān)測(cè)。本發(fā)明可有效提取出字符(或缺陷)區(qū)域，并準(zhǔn)確判別缺陷及漏印或錯(cuò)印。算法復(fù)雜度低，運(yùn)算速度快，能滿足現(xiàn)場(chǎng)的實(shí)時(shí)性要求。
文檔編號(hào)G01N21/88GK103226106SQ20131008483
公開(kāi)日2013年7月31日 申請(qǐng)日期2013年3月15日 優(yōu)先權(quán)日2013年3月15日
發(fā)明者白瑞林, 溫振市, 吉峰 申請(qǐng)人:江南大學(xué), 無(wú)錫信捷電氣股份有限公司