“十二五規(guī)劃”期間,國家明確指出,軸承是加快振興裝備制造業(yè)的16個關鍵領域的核心基石,它在多個關鍵領域有著廣泛的應用。作為軸承核心零件之一的軸承滾子,其表面質量直接決定了軸承的質量。近年來隨著機器視覺技術的蓬勃發(fā)展,越來越多的學者將機器視覺技術應用于軸承滾子表面瑕疵檢測之中。但在軸承滾子瑕疵檢測中會受到光照不均的影響,導致誤檢或漏檢,從而降低系統(tǒng)檢測的準確性。針對這個問題,本文通過對工業(yè)相機、工業(yè)鏡頭和工業(yè)光源的選型完成瑕疵檢測系統(tǒng)圖像采集模塊的搭建,并對軸承滾子各表面的常見瑕疵進行整理和分析,依托實際項目進行了如下研究:(1)本文對傳統(tǒng)的Retinex光照校正算法進行了分析研究,并針對該算法在軸承滾子瑕疵檢測中出現(xiàn)的細節(jié)丟失問題,提出了一種基于中值濾波的改進型Retinex光照校正算法。該改進型算法使用中值濾波代替高斯環(huán)繞函數(shù)完成圖像光照分量的估計,并使用信息熵函數(shù)完成對原圖光照均勻性檢測,以此減少算法在實際應用中的冗余計算。仿真結果表明,該改進型算法與傳統(tǒng)Retinex光照校正算法相比,在處理時間相近的前提下,明顯改善傳統(tǒng)Retinex光照校正算法的細節(jié)丟失問題。(2)在光照校正算法基礎上設計了一套軸承滾子瑕疵檢測算法,并使用多線程技術對算法進行了實現(xiàn)和多工位結果融合。軸承滾子瑕疵檢測算法共5個步驟,分別是ROI定位、光照校正、預處理、疑似瑕疵定位以及瑕疵確認。此外,作者對影響系統(tǒng)處理速度的各向異性濾波算法進行了CUDA加速,將其算法速度提升了近20倍,最終使軸承滾子瑕疵檢測系統(tǒng)的檢測速度達到了400~500ms/個,滿足實際項目對于軸承滾子檢測速度的要求。經過現(xiàn)場測試,基于光照校正算法的軸承滾子瑕疵檢測系統(tǒng)相對于未加入光照校正的系統(tǒng)能夠較好地避免誤檢和漏檢瑕疵,相對于人工檢測方式具有更快的檢測速度和更穩(wěn)定的準確率。
【學位單位】：重慶郵電大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TH133.3;TP391.41
【部分圖文】：

重慶郵電大學碩士學位論文上幾種瑕疵主要存在于軸承滾子表面 除此之外還有一些瑕疵可能出現(xiàn)在，這種類型的瑕疵主要在軸承滾子鋼材生產環(huán)節(jié)中出現(xiàn) 如軸承滾子鋼材，由于原材料中某類礦物元素配比出錯，造成軸承滾子整體力學結構產生軸承滾子鋼材冷卻過程中出現(xiàn)內部擠壓而產生軸承滾子內部結構斷裂，出這種瑕疵難以通過機器視覺技術進行有效檢測，故此類瑕疵在檢測過程中據以上對軸承滾子瑕疵形成原因的分析和在實際工廠中的調研結果 如圖承滾子表面主要存在 6 種瑕疵類型 根據存在深度與否，可將幾種瑕疵類一類是以劃傷 凹坑為代表的具有深度的表面瑕疵；一類是以銹斑為代表但是灰度值偏低的表面瑕疵，這兩類瑕疵的視覺特征如表 2.1 所示

圖 2.3 軸承滾子各表面示意圖承滾子生產行業(yè)中，通常將軸承滾子大端面和側滾動面定義為工作端面 大倒角和小倒角定義為非工作面或非接觸面 工作面即在軸承動的軸承滾子表面；非工作面即不承擔軸承轉動而僅僅作為軸承滾子承滾子表面 因此在洛陽某軸承生產工廠進行軸承瑕疵調研時，發(fā)現(xiàn)作面和非工作面的差別，對軸承滾子不同表面的瑕疵檢測精度 差別行軸承滾子瑕疵檢測算法設計時，可根據客戶要求開放檢測精度調整質量等級的軸承滾子檢測情況 承滾子各表面進行分析后可得出各表面主要瑕疵及瑕疵特征 具體

圖 2.11 光源示意圖選型結果，具體的大/小端面，大/小倒角和側滾動面的照明集圖像如圖 2.3 所示 倒角照射方式面陣相機軸承滾子方形光源端面照射方式面陣相機軸承滾子

【相似文獻】

相關期刊論文 前10條

1 周悅;;基于Retinex理論的霧靄天氣圖像增強[J];內燃機與配件;2017年01期

2 任榮;張小伍;;改進Retinex在紅外圖像增強中的應用[J];激光雜志;2016年08期

3 滿晨龍;史再峰;徐江濤;姚素英;;基于區(qū)域分割的快速隨機噴灑Retinex方法[J];南開大學學報(自然科學版);2017年02期

4 孔登峰;;關于Retinex算法對刑事模糊圖像增強的適用性探討[J];數(shù)字技術與應用;2012年11期

5 凌敏;;基于Retinex理論的圖像增強算法研究[J];計算機光盤軟件與應用;2014年01期

6 譚躍;;基于Retinex理論的圖像增強算法研究[J];技術與市場;2009年12期

7 吳振中;;基于Retinex理論的圖像增強算法的研究[J];現(xiàn)代計算機(專業(yè)版);2016年26期

8 袁洪;湯輝;;基于Retinex理論圖像增強的邊緣檢測[J];昆明冶金高等專科學校學報;2015年03期

9 程耀瑜;王宇;;基于Retinex可變框架的X射線圖像增強方法研究[J];激光與紅外;2008年10期

10 王彥臣;李樹杰;黃廉卿;;基于多尺度Retinex的數(shù)字X光圖像增強方法研究[J];光學精密工程;2006年01期

相關會議論文 前6條

1 陳亮;;一種快速的基于自適應尺度Retinex的圖像增強算法[A];第九屆全國光電技術學術交流會論文集（下冊）[C];2010年

2 陳云善;盛磊;李一芒;高世杰;;Retinex圖像增強算法的GPU實現(xiàn)[A];儀器儀表學報（2015（增刊）第36卷）[C];2015年

3 詹潔;嚴非;;一種新的變分Retinex圖像增強方法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

4 張肅;饒順斌;王海葳;趙紅蕊;;基于模糊Retinex的高空間分辨率遙感影像陰影消除方法[A];第四屆海峽兩岸GIS發(fā)展研討會暨中國GIS協(xié)會第十屆年會論文集[C];2006年

5 江興方;陶純堪;;Retinex彩色圖像增強理論及其研究進展[A];2004全國光學與光電子學學術研討會、2005全國光學與光電子學學術研討會、廣西光學學會成立20周年年會論文集[C];2005年

6 孫勁光;李揚;;基于Mean-Shift的Retinex算法在人臉識別中的應用[A];第七屆和諧人機環(huán)境聯(lián)合學術會議（HHME2011)論文集【oral】[C];2011年

相關博士學位論文 前7條

1 趙曉霞;基于RETINEX理論的視頻圖像增強系統(tǒng)研究[D];中國礦業(yè)大學（北京）;2011年

2 潘天工;面向PACS系統(tǒng)的圖像增強和圖像加密算法研究[D];哈爾濱理工大學;2014年

3 許欣;圖像增強若干理論方法與應用研究[D];南京理工大學;2010年

4 胡勇;面向室外場景的圖像紋理分析與應用研究[D];南京理工大學;2010年

5 呂國豪;面向鐵路運行環(huán)境檢測的圖像復原、增強及配準方法研究[D];北京交通大學;2017年

6 嵇曉強;圖像快速去霧與清晰度恢復技術研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2012年

7 王志偉;航空圖像的增強及其道路的提取和分析[D];長安大學;2017年

相關碩士學位論文 前10條

1 劉超;基于改進型Retinex算法的軸承滾子瑕疵檢測技術研究[D];重慶郵電大學;2019年

2 劉彤;基于粒子群優(yōu)化的Retinex圖像增強[D];重慶師范大學;2016年

3 肖燕峰;基于Retinex理論的圖像增強恢復算法研究[D];上海交通大學;2007年

4 趙清楠;基于Retinex理論的圖像增強凸優(yōu)化模型研究[D];電子科技大學;2016年

5 吳偉玉;基于局部雙邊濾波的實時Retinex圖像增強[D];安徽大學;2013年

6 儲昭輝;基于Retinex理論的小波域圖像增強方法研究[D];合肥工業(yè)大學;2010年

7 孫天;基于Retinex理論的復雜光照下的人眼檢測系統(tǒng)研究[D];西安電子科技大學;2012年

8 何瑋;基于Retinex的紅外圖像預處理系統(tǒng)的研究與實現(xiàn)[D];南京理工大學;2015年

9 傅雪陽;基于變分框架的Retinex圖像增強方法研究[D];廈門大學;2014年

10 朱磊;Retinex圖像增強算法的研究與FPGA實現(xiàn)[D];清華大學;2012年

本文編號：2830636