本發(fā)明涉及軸承缺陷檢測(cè)，具體為一種基于計(jì)算機(jī)視覺的軸承缺陷檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、隨著工業(yè)化的發(fā)展，軸承作為機(jī)械設(shè)備中不可或缺的部件，在各種機(jī)械設(shè)備中起著支持和傳遞動(dòng)力的關(guān)鍵作用，并且能夠減少機(jī)械部件之間的摩擦，可以很好地提升設(shè)備的可靠性和穩(wěn)定性，軸承作為關(guān)鍵的機(jī)械傳動(dòng)部件，其外圈側(cè)面與內(nèi)圈側(cè)面起到主要的傳導(dǎo)作用，但是由于在機(jī)械運(yùn)轉(zhuǎn)中，軸承在長(zhǎng)期使用過(guò)程中，滾動(dòng)體和滾道不斷摩擦，導(dǎo)致材料疲勞破壞，當(dāng)疲勞逐漸累積到一定程度時(shí)，可能導(dǎo)致軸承內(nèi)外側(cè)面的微觀變形或不平整，所以軸承的側(cè)面健康狀態(tài)直接關(guān)系到設(shè)備的安全、可靠性和經(jīng)濟(jì)性。因此，定期檢查和維護(hù)軸承，及時(shí)處理發(fā)現(xiàn)的軸承缺陷，對(duì)于確保設(shè)備長(zhǎng)期穩(wěn)定運(yùn)行和提高生產(chǎn)效率至關(guān)重要。

2、現(xiàn)有技術(shù)中的，公開號(hào)為cn115147407a公開了一種基于計(jì)算機(jī)視覺的軸承質(zhì)量檢測(cè)方法，采用圖像細(xì)化操作得到單像素輪廓線，均分每個(gè)單像素輪廓線，得到最小外接矩形作為套圈線段檢測(cè)區(qū)域；計(jì)算套圈線段檢測(cè)區(qū)域線性度，通過(guò)線性度與設(shè)定閾值對(duì)比、輪廓線的方向角均值與設(shè)定閾值對(duì)比來(lái)判斷軸承套圈的破損情況。

3、現(xiàn)有技術(shù)不足：

4、在采集圖像進(jìn)行細(xì)化操作時(shí)，圖像中存在的噪聲、光照不均和背景干擾，可能會(huì)影響到輪廓的清晰度和細(xì)化的精度，會(huì)導(dǎo)致采集到的輪廓線不完整或者出現(xiàn)多余的細(xì)節(jié)，并且選擇最小外接矩形作為套圈檢測(cè)，當(dāng)輪廓形狀復(fù)雜或者有重疊部分的情況下，需要確保選擇的外接矩形能夠準(zhǔn)確地包圍套圈，并且不誤判非套圈區(qū)域。

5、在設(shè)定線性度和方向角的閾值時(shí)候，要充分考慮軸承不同部位的特征差異以及可能存在的噪聲和干擾因素，不同類型和規(guī)格的軸承可能具有不同的幾何形狀和表面特征，要考慮到線段的直線程度以及邊緣的平滑性，這對(duì)于判斷破損的準(zhǔn)確性至關(guān)重要，而單閾值檢測(cè)方法可能會(huì)出現(xiàn)誤判，導(dǎo)致無(wú)法完成對(duì)軸承的質(zhì)量檢測(cè)。

6、因此有必要提供一種基于計(jì)算機(jī)視覺的軸承缺陷檢測(cè)方法及系統(tǒng)來(lái)解決所述問(wèn)題。

7、在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對(duì)本公開的背景的理解，因此它可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于計(jì)算機(jī)視覺的軸承缺陷檢測(cè)方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于計(jì)算機(jī)視覺的軸承缺陷檢測(cè)方法，具體步驟包括：

4、步驟1：采集待評(píng)估軸承側(cè)面的表面圖像，將采集的表面圖像進(jìn)行灰度化處理并進(jìn)行去噪處理，獲得軸承內(nèi)表面的第一識(shí)別圖像，應(yīng)用梯度算子計(jì)算第一識(shí)別圖像的水平方向上和垂直方向上的灰度值的梯度分量幅值，在兩類梯度方向上執(zhí)行非極大值抑制，得到邊緣像素點(diǎn)；

5、步驟2：計(jì)算各個(gè)邊緣像素點(diǎn)的邊緣強(qiáng)度，并設(shè)立雙閾值檢測(cè)，分化出強(qiáng)邊緣像素點(diǎn)和弱邊緣像素點(diǎn)，將相鄰的強(qiáng)邊緣像素與連接到它們的弱邊緣像素結(jié)合起來(lái)，形成連續(xù)的邊緣曲線，將第一識(shí)別圖像分割為缺陷區(qū)域和非缺陷區(qū)域；

6、步驟3：采集缺陷區(qū)域邊緣曲線的長(zhǎng)度并計(jì)算每個(gè)邊緣像素點(diǎn)相應(yīng)的邊緣曲率，通過(guò)計(jì)算曲率的平均值來(lái)評(píng)估平滑度，由平滑度表征缺陷區(qū)域形狀的形狀特征系數(shù)，通過(guò)局部二值模式，將缺陷區(qū)域中的中心像素的灰度值與每個(gè)鄰域像素的灰度值進(jìn)行比較，生成編碼數(shù)，并將編碼數(shù)經(jīng)過(guò)進(jìn)制轉(zhuǎn)化后構(gòu)成紋理特征系數(shù)；

7、步驟4：遍歷缺陷區(qū)域內(nèi)部所有像素點(diǎn)的灰度值，計(jì)算缺陷區(qū)域內(nèi)部像素點(diǎn)的灰度方差，將得到的形狀特征系數(shù)、紋理特征系數(shù)以及像素灰度方差綜合生成軸承缺陷指數(shù)；

8、步驟5：將生成的軸承缺陷指數(shù)與軸承缺陷閾值進(jìn)行比較，軸承缺陷指數(shù)小于閾值則表明軸承不存在缺陷，反之，軸承存在缺陷。

9、進(jìn)一步地，在步驟1中，獲得軸承內(nèi)表面的第一識(shí)別圖像，所依據(jù)的方法為：

10、在軸承表面圖像中，像素點(diǎn)分布稀疏的圖像區(qū)域通過(guò)在圖像上應(yīng)用高斯核來(lái)平滑圖像，高斯核半徑大于表面圖像中像素點(diǎn)半徑，在利用高斯模糊時(shí)保留平面圖像光滑度同時(shí)去除噪聲；在像素點(diǎn)分布密集的圖像區(qū)域，通過(guò)邊緣保持濾波處理像素點(diǎn)分布密集圖像區(qū)域，去除噪聲調(diào)整平滑度，依據(jù)水平方向和豎直方向上的像素點(diǎn)灰度值之間的差異來(lái)判斷圖像區(qū)域的疏密，所依據(jù)的公式為：

11、；

12、；

13、；

14、其中，表示圖像在像素點(diǎn)處的灰度梯度，表示圖像中第行、第列像素點(diǎn)的灰度值，即在水平方向上的灰度值；表示圖像中第行、第列像素點(diǎn)的灰度值，即在豎直方向上的灰度值，表示灰度閾值。

15、進(jìn)一步地，在步驟2中，計(jì)算各個(gè)邊緣像素點(diǎn)的邊緣強(qiáng)度，所依據(jù)的方法為：

16、使用算子應(yīng)用到圖像的每一個(gè)像素點(diǎn)上，其中算子的中心與當(dāng)前像素對(duì)齊，然后對(duì)應(yīng)元素相乘得到新的像素點(diǎn)灰度值，通過(guò)計(jì)算邊緣方向來(lái)確定每一個(gè)像素點(diǎn)的所屬方向，并且比較該梯度方向上相鄰像素的灰度值，若該像素點(diǎn)不是在該方向上的局部最大值，則將其灰度值設(shè)為0，以抑制非邊緣，所依據(jù)的邏輯為：

17、；

18、；

19、；

20、；

21、其中，表示像素點(diǎn)經(jīng)算子卷積后在水平方向上的灰度幅值，表示像素點(diǎn)經(jīng)算子卷積后在垂直方向上的灰度幅值，為水平方向上像素點(diǎn)的灰度值，為垂直方向上像素點(diǎn)的灰度值，表示像素點(diǎn)的邊緣強(qiáng)度，表示像素點(diǎn)的邊緣方向，均取正整數(shù)。

22、進(jìn)一步地，在步驟2中，將圖像分割為缺陷區(qū)域和非缺陷區(qū)域，所依據(jù)的方法為：

23、設(shè)立雙閾值檢測(cè)，即設(shè)立兩個(gè)梯度閾值，用于區(qū)分強(qiáng)邊緣像素點(diǎn)和弱邊緣像素點(diǎn)，高梯度分量閾值用于標(biāo)記強(qiáng)邊緣像素點(diǎn)，超過(guò)此閾值的像素點(diǎn)被標(biāo)記為強(qiáng)邊緣像素點(diǎn)；低梯度分量閾值用于標(biāo)記弱邊緣像素點(diǎn)，低于此閾值的像素點(diǎn)被標(biāo)記為弱邊緣像素點(diǎn)；介于兩者之間的像素點(diǎn)被標(biāo)記為非邊緣像素點(diǎn)，通過(guò)強(qiáng)邊緣像素點(diǎn)出發(fā)，使用邊緣跟蹤技術(shù)將相鄰的強(qiáng)邊緣像素與連接到它們的弱邊緣像素結(jié)合起來(lái)，形成連續(xù)的邊緣曲線，作為分界線區(qū)分缺陷區(qū)域和非缺陷區(qū)域，對(duì)檢測(cè)到的缺陷區(qū)域進(jìn)行分類識(shí)別，所依據(jù)的邏輯為：

24、；

25、其中，、分別表示高梯度分量閾值和低梯度分量閾值，、、分別表示強(qiáng)邊緣像素點(diǎn)、非邊緣像素點(diǎn)、弱邊緣像素點(diǎn)。

26、進(jìn)一步地，在步驟3中，采集缺陷區(qū)域邊緣曲線的長(zhǎng)度并計(jì)算每個(gè)邊緣像素點(diǎn)相應(yīng)的邊緣曲率，通過(guò)計(jì)算曲率的平均值來(lái)評(píng)估平滑度，由平滑度表征缺陷區(qū)域形狀的形狀特征系數(shù)具體所依據(jù)的邏輯為：

27、；

28、；

29、其中，表示用離散的點(diǎn)集計(jì)算曲線長(zhǎng)度，表示邊緣曲線上的離散點(diǎn)總數(shù)，表示用相鄰三個(gè)點(diǎn)之間的最小角度，代表邊緣曲線上的第個(gè)點(diǎn)的橫坐標(biāo)，代表邊緣曲線上的第個(gè)點(diǎn)的縱坐標(biāo)、表示相鄰的兩個(gè)點(diǎn)的坐標(biāo)，表示第個(gè)邊緣像素點(diǎn)的邊緣曲率，表示用平滑度表征的形狀特征系數(shù)，取正整數(shù)，1，2，3，表示邊緣曲線上像素點(diǎn)的總數(shù)。

30、進(jìn)一步地，在步驟3中，通過(guò)局部二值模式生成編碼數(shù)，并將編碼數(shù)經(jīng)過(guò)進(jìn)制轉(zhuǎn)化后構(gòu)成紋理特征系數(shù)，所依據(jù)的方法為：

31、以中心像素為中心、鄰域半徑為擺線形成區(qū)域中定義為鄰域，選擇八個(gè)鄰域像素?cái)?shù)與中心像素點(diǎn)灰度值進(jìn)行比較，若鄰域像素值大于或者等于中心像素點(diǎn)灰度值，則對(duì)應(yīng)位置的二進(jìn)制位被設(shè)為1，否則設(shè)為0，將得到的二進(jìn)制串按順時(shí)針組合成一個(gè)二進(jìn)制數(shù)，經(jīng)過(guò)十進(jìn)制轉(zhuǎn)化后表征該缺陷區(qū)域的紋理特征系數(shù)，所依據(jù)的邏輯為：

32、；

33、其中，表示第個(gè)鄰域像素點(diǎn)灰度值，依次取值1-8，表示中心像素點(diǎn)灰度值，表示紋理特征系數(shù)，表示第個(gè)鄰域像素點(diǎn)灰度大小的判斷值，當(dāng)時(shí)，表示第個(gè)鄰域像素點(diǎn)灰度值大于中心像素點(diǎn)灰度值；當(dāng)時(shí)，表示第個(gè)鄰域像素點(diǎn)灰度值小于中心像素點(diǎn)灰度值。

34、進(jìn)一步地，在步驟4中，計(jì)算缺陷區(qū)域內(nèi)部像素點(diǎn)的灰度方差，利用灰度方差、缺陷特征系數(shù)和紋理特征系數(shù)綜合生成軸承缺陷指數(shù)，所依據(jù)的邏輯為：

35、；

36、；

37、；

38、其中，表示缺陷區(qū)域內(nèi)像素灰度點(diǎn)的均值，表示缺陷區(qū)域內(nèi)像素灰度的方差，表示缺陷區(qū)域內(nèi)第個(gè)像素灰度點(diǎn)的灰度值，表示軸承缺陷指數(shù)，表示缺陷區(qū)域內(nèi)像素點(diǎn)的總數(shù)，取正整數(shù)，1，2，3，表示二進(jìn)制數(shù)經(jīng)過(guò)十進(jìn)制轉(zhuǎn)化后得到的紋理系數(shù)特征值。

39、進(jìn)一步地，在步驟5中，將生成的軸承缺陷指數(shù)與閾值比較，所依據(jù)的方法為：

40、通過(guò)分析正常的軸承和已知存在缺陷的軸承的歷史數(shù)據(jù)來(lái)設(shè)立軸承缺陷閾值，如果缺陷指數(shù)小于閾值，則認(rèn)為軸承當(dāng)前沒有缺陷，如果缺陷指數(shù)大于或等于閾值，則表明軸承存在缺陷，需要進(jìn)一步檢查或更換。

41、本發(fā)明另外還提供一種基于計(jì)算機(jī)視覺的軸承缺陷檢測(cè)系統(tǒng)，所述檢測(cè)系統(tǒng)用于執(zhí)行上述的軸承缺陷檢測(cè)方法，包括：

42、軸承圖像采集模塊，所述軸承圖像采集模塊用于采集待評(píng)估軸承側(cè)面的表面圖像，將采集的表面圖像進(jìn)行灰度化處理并進(jìn)行去噪處理，獲得軸承內(nèi)表面的第一識(shí)別圖像，應(yīng)用梯度算子計(jì)算第一識(shí)別圖像的水平方向上和垂直方向上的灰度值的梯度分量幅值，在兩類梯度方向上執(zhí)行非極大值抑制，得到邊緣像素點(diǎn)；

43、邊緣檢測(cè)模塊，所述邊緣檢測(cè)模塊計(jì)算各個(gè)邊緣像素點(diǎn)的邊緣強(qiáng)度，并設(shè)立雙閾值檢測(cè)，分化出強(qiáng)邊緣像素點(diǎn)和弱邊緣像素點(diǎn)，將相鄰的強(qiáng)邊緣像素與連接到它們的弱邊緣像素結(jié)合起來(lái)，形成連續(xù)的邊緣曲線，將第一識(shí)別圖像分割為缺陷區(qū)域和非缺陷區(qū)域；

44、圖像特征提取模塊，所述圖像特征提取模塊采集缺陷區(qū)域邊緣曲線的長(zhǎng)度并計(jì)算每個(gè)邊緣像素點(diǎn)相應(yīng)的邊緣曲率，通過(guò)計(jì)算曲率的平均值來(lái)評(píng)估平滑度，由平滑度表征缺陷區(qū)域形狀的形狀特征系數(shù)，通過(guò)局部二值模式，將缺陷區(qū)域中的中心像素的灰度值與每個(gè)鄰域像素的灰度值進(jìn)行比較，生成編碼數(shù)，并將編碼數(shù)經(jīng)過(guò)進(jìn)制轉(zhuǎn)化后構(gòu)成紋理特征系數(shù)；

45、軸承缺陷評(píng)估模塊，所述軸承缺陷評(píng)估模塊用于遍歷缺陷區(qū)域內(nèi)部所有像素點(diǎn)的灰度值，計(jì)算缺陷區(qū)域內(nèi)部像素點(diǎn)的灰度方差，將得到的形狀特征系數(shù)、紋理特征系數(shù)以及像素灰度方差綜合生成軸承缺陷指數(shù)；

46、軸承缺陷判定模塊，所述軸承缺陷判定模塊用于將生成的軸承缺陷指數(shù)與軸承缺陷閾值進(jìn)行比較，軸承缺陷指數(shù)小于閾值則表明軸承不存在缺陷，反之，軸承存在缺陷。

47、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

48、本發(fā)明通過(guò)對(duì)梯度計(jì)算和在兩類梯度方向上非極大值抑制，結(jié)合雙閾值檢測(cè)和邊緣連接，能夠有效地檢測(cè)出軸承表面的邊緣，并將圖像分割成缺陷區(qū)域和非缺陷區(qū)域，這種精確的邊緣檢測(cè)有助于在復(fù)雜的軸承表面環(huán)境中準(zhǔn)確地定位缺陷，避免了單閾值方法可能出現(xiàn)的誤判問(wèn)題；

49、本發(fā)明還通過(guò)計(jì)算邊緣曲率、長(zhǎng)寬比、紋理特征系數(shù)和像素灰度方差，能夠綜合生成軸承缺陷指數(shù)，這些特征不僅考慮了軸承形狀和表面特征的多樣性，還考慮了圖像的灰度變化和紋理信息，從而提高了對(duì)軸承缺陷的全面評(píng)估能力，這種綜合特征分析方法可以有效地減少噪聲和光照不均對(duì)檢測(cè)結(jié)果的影響，提高了質(zhì)量檢測(cè)的準(zhǔn)確性和可靠性；

50、本發(fā)明能夠更好地處理復(fù)雜的軸承表面圖像，準(zhǔn)確地檢測(cè)出缺陷，并提供詳盡的評(píng)估指標(biāo)，有助于制造業(yè)中的質(zhì)量控制和故障診斷工作。