列車滾子軸承是鐵路列車運輸安全的一個關(guān)鍵部件,它對列車的安全行駛起著相當(dāng)重要的作用,因此有關(guān)部門十分重視軸承的檢查與維修。傳統(tǒng)的檢測方法主要取決于員工的經(jīng)驗和責(zé)任心,長時間重復(fù)操作會導(dǎo)致視覺疲勞,這會使檢測結(jié)果的準(zhǔn)確性和效率降低。而且,這樣的檢修方法沒有將檢測到的數(shù)據(jù)存儲、上傳及統(tǒng)計,沒有完整的測試和數(shù)據(jù)報告,這就導(dǎo)致之后出現(xiàn)此類問題時很難根據(jù)先有的測試數(shù)據(jù)進(jìn)行分析。針對這種情況,本文對現(xiàn)有研究做出了改進(jìn),提出了一種基于機(jī)器視覺的列車滾子軸承表面缺陷檢測方法,主要的研究工作有:(1)圖像獲取及初次分類。為了實現(xiàn)軸承缺陷檢測的自動化處理,本文改進(jìn)了一種軸承圖像的獲取裝置,提出利用工業(yè)內(nèi)窺鏡代替人眼進(jìn)行圖像的獲取,將拍攝到的圖像存入數(shù)據(jù)庫系統(tǒng),以實現(xiàn)軸承缺陷的自動獲取。另外,根據(jù)圖像灰度值的標(biāo)準(zhǔn)差來判斷圖像是否有缺陷,對軸承進(jìn)行初次分類。(2)二值化及形態(tài)學(xué)濾波。文中提出一種根據(jù)缺陷圖像的灰度均值范圍確定閾值的方法,對有缺陷的圖像進(jìn)行二值化,與傳統(tǒng)方法相比,該方法更加準(zhǔn)確有效。由于圖像采集過程中光線不均勻,所采集的圖像中會有噪聲,文中對二值化圖像進(jìn)行了形態(tài)學(xué)濾波,既可以消除噪聲,又保留了缺... 

【文章來源】：內(nèi)蒙古科技大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

人工檢測方法[2]

內(nèi)蒙古科技大學(xué)碩士學(xué)位論文5圖1.2工作流程圖（1）圖像獲取及初次分類。文中改進(jìn)了一種軸承圖像的獲取裝置，根據(jù)圖像灰度值的標(biāo)準(zhǔn)差來判斷圖像是否有缺陷，從而對軸承進(jìn)行初次分類。（2）二值化及形態(tài)學(xué)濾波。文中提出了一種根據(jù)缺陷圖像的灰度均值范圍來確定閾值的方法，對帶有缺陷的圖像首先進(jìn)行二值化處理，然后進(jìn)行形態(tài)學(xué)濾波。（3）邊緣檢測。在比較了一些常見的邊緣檢測算法之后，文中最終選擇Canny算法進(jìn)行缺陷特征的邊緣檢測。（4）圖像標(biāo)記及特征提齲文中使用8連通區(qū)域標(biāo)記法來獲得標(biāo)記圖像，然后從標(biāo)記圖像中提取了一些可用于區(qū)分不同缺陷的特征，例如面積、周長等。（5）分類識別。采用分類識別決策樹的方法對缺陷圖像進(jìn)行了類型的識別，經(jīng)過實驗驗證，文中方法更加簡單實用。1.4研究目的及意義（1）研究目的本文提出的機(jī)器視覺檢測系統(tǒng)，主要通過傳感器來模擬人類的視覺功能，從列車滾子軸承表面圖像中獲得有用信息，進(jìn)行分析和處理后，以實現(xiàn)缺陷的自動檢測。（2）研究意義本課題所提出的將機(jī)器視覺技術(shù)應(yīng)用于列車滾子軸承的表面缺陷檢測的方法，旨在減輕工人的工作強(qiáng)度、提高工作效率和檢測精度，還可以將收集的數(shù)據(jù)設(shè)置為數(shù)據(jù)庫，以進(jìn)行統(tǒng)計、歸納和分析，并且保證了軸承的進(jìn)一步測試和改進(jìn)。隨著產(chǎn)品質(zhì)量檢驗需求的不斷增長，視覺檢測的優(yōu)勢使其在國內(nèi)外有著巨大的發(fā)展市場，我國必須實現(xiàn)與世界的產(chǎn)業(yè)融合，并處于有利地位。希望通過本文的研究，能夠?qū)ξ覈茖W(xué)技術(shù)的發(fā)展做出一點貢獻(xiàn)。

內(nèi)蒙古科技大學(xué)碩士學(xué)位論文62.圖像獲取及初次分類2.1系統(tǒng)結(jié)構(gòu)設(shè)計2.1.1成像模型機(jī)器視覺檢測技術(shù)的核心是對獲取的圖像進(jìn)行處理和分析，以找到圖像的缺陷特征，因此被測圖像的質(zhì)量直接影響測試結(jié)果�；谶@種情況，這就要求機(jī)器視覺系統(tǒng)在實際的工作環(huán)境下，能夠自動連續(xù)地獲得高質(zhì)量的圖像[28]。高質(zhì)量圖像的獲取，對于光線照明的均勻一致性、對比度大小的選擇有著極其嚴(yán)格的要求[29]。如果光的強(qiáng)度不均勻或存在反光，則某些應(yīng)處于相同灰度級的像素，而在圖像上卻出現(xiàn)了或明或暗的現(xiàn)象，這樣的圖像顯然不符合要求。對于表面缺陷視覺檢測系統(tǒng)來說，通常采用主動照明的方式，成像模型如圖2.1所示[30]。由光源發(fā)出的光束，以一定的角度或方向投射到被檢測物體的表面上，表面吸收部分光能，反射或透射光能的其他部分，相機(jī)將接收這些由被測物體表面反射或透射的部分光能，這樣就形成了被測圖像。圖2.1表面缺陷視覺檢測成像模型在軸承的工作狀態(tài)下，滾動體和內(nèi)圈的外表面之間會發(fā)生嚴(yán)重磨損。由于特殊的尺寸和結(jié)構(gòu)設(shè)計，利用內(nèi)窺鏡的側(cè)視鏡頭進(jìn)行檢測，這樣便可以準(zhǔn)確、方便地觀察被測物體的結(jié)構(gòu)和磨損狀況，而無需改變被測物體的整體結(jié)構(gòu)。在光源的照射下，沒有缺陷的軸承內(nèi)圈外表面的灰度和紋理相對均勻，而存在缺陷的表面則在這兩個方面存在著或大或小的突變，這個特征便是本文對軸承進(jìn)行初次分類的主要依據(jù)。列車滾子軸承表面缺陷檢測系統(tǒng)的設(shè)計是為了提高鐵路相關(guān)部門對軸承的檢測效率和檢測精度，而為了實現(xiàn)這個目標(biāo)，對該系統(tǒng)的設(shè)計也提出了較高的要求，主要表現(xiàn)在以下幾點：

【參考文獻(xiàn)】：
期刊論文
[1]基于Canny算法的列車軸承表面缺陷邊緣檢測[J]. 石煒,張袁祥,黃迎久,張萬鍇.  測控技術(shù). 2019(11)
[2]基于深度學(xué)習(xí)特征和非線性支持向量機(jī)的板材表面缺陷識別方法[J]. 高琳明,徐風(fēng),李享,徐姍姍,竇立君.  林業(yè)工程學(xué)報. 2019(04)
[3]基于形態(tài)學(xué)多尺度多結(jié)構(gòu)的熔池圖像邊緣檢測[J]. 劉曉剛,閆紅方,張榮.  熱加工工藝. 2019(05)
[4]基于Otsu閾值分割的邊緣快速圖像插值算法[J]. 王震,杜進(jìn)楷,寇宏玉,陳世國.  現(xiàn)代電子技術(shù). 2019(02)
[5]焊縫缺陷圖像特征提取的研究[J]. 李金燕,李春祥,王錫嶺.  焊接技術(shù). 2018(11)
[6]軸承外觀缺陷檢測算法設(shè)計與仿真[J]. 高寧.  計算機(jī)與數(shù)字工程. 2018(11)
[7]人造板表面缺陷檢測圖像自適應(yīng)快速閾值分割算法[J]. 郭慧,王霄,劉傳澤,周玉成.  林業(yè)科學(xué). 2018(11)
[8]一種改進(jìn)的圖像邊緣提取方法[J]. 孫汝萍.  科技通報. 2018(10)
[9]改進(jìn)的Canny算子在裂縫檢測中的應(yīng)用[J]. 趙芳,周旺輝,陳岳濤,彭紅春.  電子測量技術(shù). 2018(20)
[10]基于特征提取與匹配的帶鋼缺陷檢測[J]. 洪奔奔,管聲啟,任浪,高磊.  軟件. 2018(09)

博士論文
[1]表面缺陷視覺在線檢測關(guān)鍵技術(shù)研究[D]. 韓芳芳.天津大學(xué) 2012

碩士論文
[1]高亮回轉(zhuǎn)表面缺陷識別方法的研究[D]. 郭皓然.西安理工大學(xué) 2018
[2]基于數(shù)學(xué)形態(tài)學(xué)的焊接熔池圖像邊緣檢測技術(shù)研究[D]. 吳凱.西安石油大學(xué) 2018
[3]基于機(jī)器視覺的缺陷檢測與識別方法研究[D]. 馬天嬌.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所) 2018
[4]基于機(jī)器視覺的軸承內(nèi)圈表面缺陷檢測系統(tǒng)研究[D]. 鄭越.沈陽工業(yè)大學(xué) 2017
[5]基于機(jī)器視覺的鐵路貨車滾動軸承表面缺陷檢測技術(shù)研究[D]. 郝永興.蘭州交通大學(xué) 2016
[6]微小精密軸承表面缺陷檢測關(guān)鍵技術(shù)[D]. 鮑剛.西安工業(yè)大學(xué) 2016
[7]基于紅外探測器的無人機(jī)地基視覺引導(dǎo)著陸關(guān)鍵技術(shù)研究[D]. 張宇.國防科學(xué)技術(shù)大學(xué) 2013
[8]基于機(jī)器視覺的鋼板表面缺陷檢測系統(tǒng)的關(guān)鍵技術(shù)研究[D]. 董保全.浙江理工大學(xué) 2013
[9]基于機(jī)器視覺的圓柱滾子表面缺陷檢測系統(tǒng)[D]. 王慧楠.河南科技大學(xué) 2012
[10]軸承外觀表面缺陷檢測技術(shù)研究[D]. 蔡巍巍.河南科技大學(xué) 2011



本文編號：2895560