在工業(yè)生產(chǎn)中,軸承是一個重要的關(guān)鍵零部件,各大軸承生產(chǎn)與裝配企業(yè)對軸承的合格率都極其重視。目前,裝配軸承缺陷的檢測主要采用人工檢測方法,但人工檢測的方法不僅效率低下,同時檢測人員的經(jīng)驗也會對檢測結(jié)果有較大的影響,使得缺陷檢測的準確率較低。因此,將機器視覺技術(shù)與軸承缺陷檢測相結(jié)合不僅可以提高軸承缺陷檢測的準確率,同時可以減輕檢測工人的工作負擔,提升軸承生產(chǎn)線的自動化水平。本文主要工作包括:（1）針對裝配軸承所處環(huán)境復(fù)雜而導致圖像存在噪點,圖像對比度低這類問題。運用圖像灰度化進行處理,再用圖像增強,圖像平滑等方式對圖像進一步處理,這些步驟能提高利用改進的RANSAC圓檢測進行軸承定位的準確度,進行圓檢測之后再對處理完的灰度圖像進行二值處理。（2）通過對裝配軸承圖像的特征進行分析之后,采用了一種改進的基于RANSAC的圓檢測算法對圖像進行圓檢測,找到裝配軸承的圓心。在裝配軸承缺陷檢測階段,基于二值圖像對六種裝配軸承的缺陷進行分析,對獲得的像素線圖進行缺陷特征提取與分類,最后對圖像信息擾動設(shè)計了重組,去干擾和填充縫隙這三種方法進行處理。（3）針對現(xiàn)場檢測的需求,對圖像采集環(huán)境進行搭建,將本文設(shè)... 

【文章來源】：遼寧科技大學遼寧省

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

研究框架

遼寧科技大學碩士學位論文15圖2.10鄰域平均法的處理效果Fig.2.10ProcessingeffectofNeighborhoodaveraging圖2.10中，左圖是處理前的裝配軸承圖像，右圖是鄰域平均法處理過的裝配軸承圖像。該方法雖然對裝配軸承的圖像質(zhì)量有一定幅度的提升，但是卻使?jié)L子變得模糊。中值濾波是一種非線性平滑技術(shù)，傳統(tǒng)的中值濾波一般采用含有奇數(shù)個點的滑動窗口，將圖像的每一個像素點的灰度值設(shè)置為該點某鄰域窗口內(nèi)所有像素點灰度值的中值[47]。中值濾波在一定條件下可以克服線性濾波帶來的圖像細節(jié)模糊問題。標準一維中值濾波器定義為：={,+1,…,+1,+}（2.17）中值濾波適合過濾椒鹽噪聲和脈沖式干擾，它和鄰域平均法都可以對圖像進行平滑濾波[13]。鄰域平均法在消除或抑制圖像中噪聲的時會使圖像中景物邊緣變的模糊，中值濾波可以去除雜散噪聲點并且基本不會使邊緣變的模糊。（1）中值濾波處理前的圖像(2)中值濾波處理后的圖像圖2.11中值濾波的平滑效果Fig.2.11Smoothingresultsofmedianfiltering

遼寧科技大學碩士學位論文294.1.2裝配軸承缺陷檢測規(guī)則本節(jié)介紹一下裝配軸承的缺陷檢測規(guī)則，缺陷檢測界面如圖4.2所示。圖4.2缺陷檢測界面Fig.4.2Defectdetectioninterface裝配軸承圖像經(jīng)二值化處理后，綠色線為用戶根據(jù)圓檢測之后的圓心以及設(shè)置的固定半徑得到的條特征線。圖中紅色部分為裝配軸承的金屬部分以及裝配軸承滾子，內(nèi)部的實心圓部分為平臺的反光，該部分不會對判斷結(jié)果產(chǎn)生任何影響。黑色部分為裝配軸承結(jié)構(gòu)以及滾子之間的間隙，然后通過測量裝配軸承滾子以及滾子之間間隙的寬度來進行缺陷的檢測。各項檢測參數(shù)根據(jù)待檢測裝配軸承型號填寫。主要檢測規(guī)則如下所述：檢測時，特征線上連通的棍型紅色區(qū)域個數(shù)（棍型紅色區(qū)域個數(shù)為裝配軸承滾子的個數(shù)）為，每個連通棍型紅色區(qū)域的寬度（裝配軸承滾子的寬度，在像素線圖上以高電平的形式表示）為Xm，其中=1,2,…,。每個連通黑色區(qū)域的寬度（裝配軸承滾子間隙的寬度，以低電平的形式表示）為1。用戶設(shè)置的規(guī)范裝配軸承滾子個數(shù)為，裝配軸承滾子的寬度上限為上限，下限為下限，裝配軸承滾子間隙的寬度上限為上限，下限為下限。檢測到的裝配軸承滾子的個數(shù)應(yīng)當與用戶設(shè)置的裝配軸承滾子個數(shù)保持一致，即=。檢測到的每個連通紅色區(qū)域的寬度（裝配軸承滾子的寬度）Xm應(yīng)滿足下限<<上限，檢測到的每個連通黑色區(qū)域的寬度（裝配軸承滾子間隙的寬度）下限<1<上限滿足上述要求，則可判定裝配軸承無缺陷。


本文編號：3004196