【摘要】：軸承作為機械行業(yè)重要的基礎(chǔ)零件,其質(zhì)量的優(yōu)劣影響著裝備的使用性能、可靠性和壽命。軸承生產(chǎn)企業(yè)為了適應(yīng)市場的需求,也愈加重視對軸承質(zhì)量的把控,其中對軸承內(nèi)、外套圈端面外觀的檢測便是關(guān)鍵的一環(huán)。然而,傳統(tǒng)的人工目測方式不僅效率低下,還極易出現(xiàn)誤檢和漏檢,已經(jīng)無法滿足企業(yè)提高生產(chǎn)率的需求。因此,企業(yè)迫切需要一種自動化檢測設(shè)備來替代人工完成軸承套圈端面的檢測,減少人為因素的影響,實現(xiàn)對產(chǎn)品質(zhì)量的嚴(yán)格控制。本課題根據(jù)合作企業(yè)的實際需求,設(shè)計了基于機器視覺技術(shù)的軸承套圈端面在線檢測系統(tǒng),實現(xiàn)對套圈端面缺陷的自動檢測和次品剔除。該檢測系統(tǒng)由硬件與軟件兩大部分組成。硬件部分主要包括視覺系統(tǒng)的搭建與配套硬件的設(shè)計與選型。軟件部分包括檢測系統(tǒng)的權(quán)限管理、參數(shù)設(shè)置等功能模塊及缺陷檢測算法的設(shè)計與實現(xiàn)。通過分析套圈端面各類缺陷的特點,本課題將缺陷分為三大類:外形缺陷、低于目標(biāo)灰度的缺陷(簡稱低灰度缺陷)及高于目標(biāo)灰度的缺陷(簡稱高灰度缺陷)。缺陷檢測算法依據(jù)缺陷類型及檢測次序,分為外形缺陷檢測算法、低灰度缺陷檢測算法及高灰度缺陷檢測算法。在外形缺陷檢測算法中,提出一種能快速自適應(yīng)閾值的Canny算法用于邊緣檢測,并利用邊緣數(shù)目完成了部分外形缺陷的檢測,再通過最小二乘法擬合端面內(nèi)外圓,完成端面定位與提取,最后根據(jù)擬合結(jié)果及先驗知識實現(xiàn)對其余外形缺陷的檢測;在低灰度缺陷檢測算法中,基于Otsu法獲取套圈端面環(huán)形區(qū)域的最佳閾值,實現(xiàn)對低灰度缺陷的分割提取,針對光照不均可能使算法產(chǎn)生誤檢的情況,將端面劃分成八塊區(qū)域,引入了各分區(qū)域的端面最低灰度值與缺陷面積共同作為判別標(biāo)準(zhǔn),提升了算法的檢測準(zhǔn)確率;在高灰度缺陷檢測算法中,為減弱光照不均影響,同時考慮到算法效率,將端面劃分成四塊區(qū)域,基于各區(qū)域的種子像素,采用區(qū)域生長算法實現(xiàn)目標(biāo)區(qū)域提取,并根據(jù)各區(qū)域的形狀特征完成缺陷判別。本文設(shè)計的基于機器視覺的軸承套圈端面在線檢測系統(tǒng)實現(xiàn)了軸承套圈端面外觀檢測過程的自動化,提高了檢測效率和檢測質(zhì)量,有助于我國軸承行業(yè)產(chǎn)品的品質(zhì)提升。離線測試結(jié)果表明,系統(tǒng)的綜合檢測準(zhǔn)確率可達99.1%,且檢測平均耗時不超過300ms,能夠?qū)崿F(xiàn)對套圈的100%檢測,具有較高的工程應(yīng)用價值。
【圖文】：

外觀的檢測便是關(guān)鍵的一環(huán)。逡逑軸承內(nèi)、外套圈在加工制造過程中受各種不確定因素的影響，部分套圈端面可逡逑能會出現(xiàn)凹坑、劃痕、鍛廢、大小邊等缺陷，幾種常見的缺陷類型如圖１－１所示。逡逑缺陷的存在不僅影響到軸承外觀，更重要的是，軸承套圈大端面作為后續(xù)加工的定逡逑位面，若缺陷嚴(yán)重，則可能導(dǎo)致精度不達標(biāo)，，影響與其它零件間的配合，使其性能逡逑大大下降，埋下安全隱患。因此，對于端面外觀存在缺陷的軸承套圈，必須在其進逡逑入下一道工序前剔除掉，減少后續(xù)工時和材料浪費。目前，國內(nèi)軸承生產(chǎn)企業(yè)還主逡逑要依賴人工目測的方式完成端面外觀缺陷檢測與次品剔除，不僅效率低下，還很容逡逑易出現(xiàn)誤檢和漏檢，人為因素影響大，軸承質(zhì)量的穩(wěn)定性與可靠性較差Ｍ。此外，逡逑因漏檢造成的退換貨現(xiàn)象時有發(fā)生，給企業(yè)造成經(jīng)濟上的損失之余，也降低了客戶逡逑對其產(chǎn)品的信任度

２．１．１檢測內(nèi)容逡逑本課題主要針對經(jīng)研磨加工后的圓錐滾子軸承內(nèi)、外套圈大端面外觀進行檢測。逡逑圓錐滾子軸承由外圈、內(nèi)圈、滾動體以及保持架構(gòu)成，俗稱“四大件”，如圖２－１所逡逑示。本課題所涉及的內(nèi)、外套圈的具體介紹如圖２－２所示。逡逑內(nèi)圈；持架逡逑／衣動體逡逑＇邋＾邋－外圈逡逑圖２－１圓錐滾子軸承逡逑套圈端面的缺陷類型主要包含凹坑、劃痕、裂紋、鍛廢、車痕、磨痕、黑皮、逡逑磕碰傷、切割過大、磨削過量、銹斑、大小邊等。缺陷的形成主要來源于兩個渠道，逡逑加工制造過程及物料搬運過程［３６］。逡逑凹坑的存在主要是由于在鑄造過程中有空氣混入，裂紋則形成于鍛造過程中材逡逑料各部分溫度的差異。車削加工過程中，由于套圈在車床主軸夾具的帶動下高速旋逡逑轉(zhuǎn)，刀具進給稍有不慎便可能導(dǎo)致劃痕或切割過大等缺陷的出現(xiàn)。在研磨加工過程逡逑中，由于兩側(cè)砂輪未調(diào)整至合適間隔或位置稍有傾斜，便可能導(dǎo)致套圈磨削過量而逡逑８逡逑
【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TH133.3

【相似文獻】

相關(guān)期刊論文 前10條

1 宋慧欣;;3D視覺，機器視覺未來藍海[J];自動化博覽;2019年12期

2 文曉;;臺達：機器視覺“智造”未來[J];自動化博覽;2019年12期

3 ;機器視覺對線纜市場的影響及趨勢[J];功能材料信息;2018年04期

4 鄭植;席先鵬;王楠;蔣欣燎;夏山淋;;機器視覺在網(wǎng)球撿球機器人中的應(yīng)用研究[J];科技創(chuàng)新與應(yīng)用;2019年16期

5 宋春華;彭泫知;;機器視覺研究與發(fā)展綜述[J];裝備制造技術(shù);2019年06期

6 田壯;劉富成;;基于機器視覺的果園噴藥機器人設(shè)計[J];湖北農(nóng)機化;2019年16期

7 迎九;;國內(nèi)機器視覺產(chǎn)業(yè)的技術(shù)市場[J];電子產(chǎn)品世界;2019年09期

8 朱陽芬;銀冬平;鄒舜章;王海文;周為;;機器視覺在汽車行業(yè)中的發(fā)展與應(yīng)用[J];汽車實用技術(shù);2017年22期

9 吳東明;王麗娟;;基于GPS和機器視覺的自主導(dǎo)航定位農(nóng)機設(shè)備研究[J];農(nóng)機化研究;2018年02期

10 ;機器視覺時代,最好的時代![J];智能機器人;2018年02期

相關(guān)會議論文 前10條

1 易鴻;;借助機器視覺提升實驗室本質(zhì)安全[A];2017中國化工學(xué)會年會——第二屆化工安全論壇資料匯編[C];2017年

2 何愛龍;陳美娟;;基于智能運動體和機器視覺的火災(zāi)檢測與偵查系統(tǒng)[A];物聯(lián)網(wǎng)與無線通信-2018年全國物聯(lián)網(wǎng)技術(shù)與應(yīng)用大會論文集[C];2018年

3 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

4 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應(yīng)用研究[A];中國糧油學(xué)會第三屆學(xué)術(shù)年會論文選集（下冊）[C];2004年

5 張超;徐建瑜;王文靜;;基于機器視覺的梭子蟹質(zhì)量估計方法研究[A];浙江省信號處理學(xué)會2013學(xué)術(shù)年會論文集——信號處理在海洋[C];2013年

6 劉炎艷;;基于機器視覺的卷煙32位碼識別系統(tǒng)研究[A];中國煙草學(xué)會2014年學(xué)術(shù)年會入選論文摘要匯編[C];2014年

7 王海寬;張銳;周志境;費敏銳;;基于機器視覺的智能醫(yī)療吊塔系統(tǒng)的設(shè)計與實現(xiàn)[A];2015全國嵌入式儀表及系統(tǒng)技術(shù)會議程序冊[C];2015年

8 王穩(wěn);郭文成;葉宇翔;;基于機器視覺的激光光斑位置測量[A];2015年工業(yè)設(shè)計與協(xié)同創(chuàng)新學(xué)術(shù)會議暨第20屆全國工業(yè)設(shè)計學(xué)術(shù)年會論文集[C];2015年

9 吳遠峰;金翠娥;劉穎卓;;基于機器視覺的智能檢測方法研究[A];第十一屆全國磁粉滲透檢測技術(shù)年會論文集[C];2017年

10 胡慶新;王偉;顧愛華;;基于機器視覺的農(nóng)產(chǎn)品物料分級檢測系統(tǒng)關(guān)鍵技術(shù)研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

相關(guān)重要報紙文章 前10條

1 本報記者 曹衛(wèi)新;掘金機器視覺百億元市場 天準(zhǔn)科技65天過會[N];證券日報;2019年

2 本報記者 胡雨;天準(zhǔn)科技發(fā)力機器視覺工業(yè)應(yīng)用[N];中國證券報;2019年

3 MEB記者 張?zhí)m;貝加萊一體化機器視覺:站在全局的視野[N];機電商報;2019年

4 宜賓 李定川;機器視覺光源基礎(chǔ)及選型指導(dǎo)(一)[N];電子報;2018年

5 本報記者 駱軼琪;機器視覺的產(chǎn)業(yè)化演進：半導(dǎo)體打開想象空間[N];21世紀(jì)經(jīng)濟報道;2018年

6 中國電子信息產(chǎn)業(yè)發(fā)展研究院信息化研究中心智慧城市研究室主任 劉鵬宇;智能技術(shù)：呈現(xiàn)八大趨勢[N];中國電子報;2017年

7 賽迪智庫信息化中心助理研究員 劉鵬宇;2017年智能技術(shù)發(fā)展趨勢[N];中國計算機報;2017年

8 經(jīng)濟日報·中國經(jīng)濟網(wǎng)記者 周明陽;給機器一雙“慧眼”[N];經(jīng)濟日報;2017年

9 本報記者 胡心媛;機器視覺展推動智能制造落地[N];中國貿(mào)易報;2017年

10 本報記者 蔡煒;書寫“東方工匠”傳奇的黑牡丹集團技術(shù)總監(jiān)鄧建軍：“創(chuàng)新，只有起點沒有終點”[N];新華日報;2017年

相關(guān)博士學(xué)位論文 前10條

1 侯杰;飛行器機器視覺框架設(shè)計及算法研究[D];西安電子科技大學(xué);2017年

2 郭依正;基于機器視覺的俯視群養(yǎng)豬個體識別與飲水行為分析研究[D];江蘇大學(xué);2018年

3 李晨;基于機器視覺的不同屬性表面中微弱缺陷的檢測技術(shù)研究[D];浙江大學(xué);2018年

4 陶丹;基于機器視覺的家蠶蛹雌雄識別研究[D];西南大學(xué);2019年

5 胡志新;基于機器視覺的鋼軌踏面磨耗剝落檢測技術(shù)研究[D];南昌大學(xué);2018年

6 吳衡;機器視覺鬼成像理論與實驗研究[D];華南理工大學(xué);2017年

7 項森偉;高溫單晶硅液位和直徑視覺檢測關(guān)鍵技術(shù)及應(yīng)用研究[D];浙江大學(xué);2018年

8 胡越黎;目的機器視覺研究及其在皮膚癥狀識別中的應(yīng)用[D];上海大學(xué);2005年

9 韓彥芳;機器視覺中的聚類檢測新方法[D];上海交通大學(xué);2006年

10 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 楊晗;融合機器視覺和CAN總線的生物質(zhì)形態(tài)檢測系統(tǒng)研發(fā)[D];揚州大學(xué);2019年

2 楊永強;基于機器視覺的蘑菇自動采摘系統(tǒng)關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2019年

3 李紅偉;基于機器視覺的智能輸煤檢測系統(tǒng)[D];哈爾濱工業(yè)大學(xué);2019年

4 羅啟峰;基于機器視覺的零件三維尺寸全方位測量技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

5 王磊;基于機器視覺的路面裂縫分類與檢測方法研究[D];哈爾濱工業(yè)大學(xué);2019年

6 楊晶;基于機器視覺平板多孔定位系統(tǒng)研究[D];安徽工業(yè)大學(xué);2019年

7 鄔甜甜;基于機器視覺的海上可疑船舶識別研究[D];浙江海洋大學(xué);2019年

8 唐凡;基于機器視覺的絨毛織物表面質(zhì)量檢測系統(tǒng)研究[D];西安工程大學(xué);2019年

9 李理;基于機器視覺的雙黃鴨蛋無損識別技術(shù)研究[D];華中農(nóng)業(yè)大學(xué);2019年

10 冀永樂;基于機器視覺的紡織布品色差檢測研究[D];西安工程大學(xué);2019年

本文編號：2614687