下载文档原格式
基于视觉检测技术的轴承表面质量检测发表时间：2019-11-20T10:02:16.063Z 来源：《基层建设》2019年第24期作者：姚清华[导读] 摘要：针对机械加工零件表面质量检测的特殊性，提出了基于机器视觉的缺陷检测方法，并设计了一套完整的缺陷自动检测系统。
天津天筑建材有限公司摘要：针对机械加工零件表面质量检测的特殊性，提出了基于机器视觉的缺陷检测方法，并设计了一套完整的缺陷自动检测系统。
利用视觉检测技术代替人工检测的方法对机械加工表面进行缺陷检测，从而可以快速的获得高精度，高准确度的测量图像。
利用CCD传感器获得清晰的零件图像，然后通过预处理算法对图像进行去噪处理。
通过聚类方法快速定位检测区域，并利用目标识别的方法对零件表面的缺陷进行灰度值的定位检测，分辨出不合格的区域。
关键词：机器视觉；缺陷检测；图像处理；引言机械加工的工件的表面缺陷有很多种，其中包括加工中的划痕损伤、材料本身的加工缺陷、油污、裂纹以及认为碰撞损伤等等。
在针对这类的缺陷进行测试时，通常是利用人工方式进行肉眼的检测，但这类的方法很难标准化，依赖人的主观方式进行判断，检测误差较大，并且漏检与误检的概率很高。
人为检测的效率低时间长，当人到达疲劳状态时会对检测结果造成错误判断，检测过程中工具也会对工件本身造成一定程度的二次伤害。
针对许多特种机械传动零件如轴承与齿轮此类形状特殊的零件更是只能使用肉眼的测量方法针对缺陷进行检测，在此种检测方法中更多的依靠人眼的感官和视觉敏感度，在某种程度上依靠工人的检测经验来检测诸如：转配表面的油污、表面的裂纹。
在这种检测中还要依靠一些辅助光源进行照射，以较强的光线照射轴承，以此方法突出零件表面的缺陷，在特殊的运动面上也只能进行简单的抽检进行运行测试。
1检测原理与系统方案1.1检测原理机器视觉可由单个或多相机在不同的位置或也可在同一位置不同方向对被测物体进行图像采集。
通过快速图像采集形同转化为数字信息，并利用图像处理系统进行底层快速处理从而得到由系统可分析处理的信息。
一、研究意义轴承是当代机械设备中一种重要零部件。
它的主要功能是支撑机械旋转体，降低其运动过程中的摩擦系数，并保证其回转精度。
轴承在航空武器装备中的使用十分广泛，是使用数量较多的标准件之一。
除了使用数量多之外，轴承所使用的部位也十分重要，大量应用于飞机的动力系统（发动机），传动系统，操纵系统以及执行系统等飞机的关键和重要系统中，这些系统的可靠性对型号的安全有着关键的影响。
轴承一旦失效往往带来发动机停车、电机停止供电、液压系统故障等严重后果，是很多飞行事故和征候发生的重要源。
我国某型发动机在研制试验过程中出现过十几起轴承故障，其中2 起导致发动机整机毁坏。
由于航空轴承的使用环境恶劣，技术要求高，寿命和可靠性要求也非常高，因此对其产品的质量和可靠性要求极高。
轴承的质量和可靠性与轴承的设计、制造、试验、选用、安装、使用、维护、运输、包装、保存等各环节都密切相关，忽略了任何一个环节都有可能造成轴承的失效或无法满足使用要求。
因此，针对航空轴承的内外径检测，设计一个精密的光电检测系统是十分重要的。
二、研究目的目前国内轴承检测系统相对比较落后，生产中所使用的专用检测仪器多达200种以上，其中大部分为机械式，并通过标准件进行比较测量，这些仪器的弊端主要表现在以下几个方面：首先，生产和质检环节完全分离，不是在生产过程中对产品质量进行修正。
其次，信息化并未在检测技术中完全实现，这样在生产过程中，信息反馈跟不上检测系统节奏，不能真实有效地反应出被测件质量。
再次，这些机械式轴承专用仪器在轴承测量时对检查员操作技术水平要求高。
最后，对于一些特殊轴承，测量力对测量精度也有一定影响。
由以上所列举这些弊端可以看出，国内轴承检测行业还存在着不足。
非接触式测量技术光学测量技术在光机电一体化发展的大趋势下被更多的应用于高精度检测领域。
非接触测量可以在不接触工件的情况下对工件进行高精度测量，既不损伤工件测量表面，又具有高效率的特点。
因此，在光学测量技术的基础上，向非接触测量方向发展十分重要。
基于机器视觉的轴承尺寸测量技术2013-01-25 14:12:25 作者：徐海利张海杰周海波宋晓东来源：CAD/CAM与制造业信息化本文基于机器视觉测量方法，采用六点法对摄像机进行标定，同时结合图像处理技术，对滚动轴承图像进行预处理，采用点Hough变换的圆形图像检测算法，实现轴承尺寸的无接触、无损伤测量。
该方法具有很高的通用性，可以广泛应用于其他行业的产品检测。
轴承普遍应用于机械行业中，其种类多、精度要求高。
因此，轴承制造过程中的质量检测成了关键问题。
目前，大部分轴承生产厂家还是采用人力随机抽样检测的方法对轴承尺寸精度进行检测，这种方法不仅效率低，而且容易引进人为误差，这也是轴承质量控制的重要问题。
为了更好地适应轴承大批量生产、同时满足100%检测目标的要求，需要引进新的产品检测技术。
机器视觉是用计算机来代替人眼的视觉功能进行工作，机器视觉测量技术具有非接触、速度快等特点，能很好地满足现代制造业的测量需求，同时，还可以应用于航空航天、医疗等方面，具有很好的发展前景。
一、摄像机标定摄像机的成像实际上就是将目标在客观世界的3D场景投影到摄像机2D成像平面上的过程。
在计算机视觉测量中，常用的成像变换是一种简单、理想的模型。
如图1所示。
图1小孔成像模型本文选择一个已知物理尺寸的合格轴承作为标定参照物，选取轴承外径上的六个点作为特征点对系统进行标定。
首先，通过精密测量仪器测量出参照物上六个特征点的实际尺寸，然后用图像处理软件计算出个特征点尺寸在图像坐标系中的坐标(单位像素)，再求解出每个像素的实际物理尺寸，并将其作为系统的标定值。
二、图像预处理在机器视觉测量系统中，图像采集采用的是CCD元件，采集到的图像是彩色图像，所以需要对其进行预处理以利于后续的边缘检测。
图像的预处理主要有图像灰度化、图像二值化以及图像的边缘检测。
1.图像灰度化图像灰度化是把彩色图像转化为灰度图像的方法。
CCD采集到的彩色通常是RGB模式的图像，即图像都是由R(红色)、G(绿)和B(蓝)三原色组成。
基于机器视觉的滑动轴承内表面缺陷自动检测系统设计杜克飞（马鞍山钢铁股份公司，安徽马鞍山243000）摘要：滑动轴承生产过程中，有少量滑动轴承因内表面会产生划痕、凹坑、凸点、涂覆层剥落等成为废品，出厂前必须将这些废品识别并剔除。
目前检验这些缺陷的方法主要为人工目测，效率低，缺乏准确性和规范化。
文中介绍一种基于机器视觉的滑动轴承内表面缺陷自动检测系统，该系统应用机器视觉技术，结合被测工件自动给料、定轴回转、自动剔除等装置，对滑动轴承的内表面缺陷、尺寸等多个参数实现高速自动检测，可以提高检测精度，节约劳动力。
该自动检测系统可以实现滑动轴承内外径尺寸测量、内表面缺陷检测以及轴承型号判别等多指标高度动态检测，无需装夹，检测速度高达120~180个/min，满足滑动轴承大批量生产的要求。
关键词：滑动轴承；内表面；缺陷；机器视觉；自动检测中图分类号：TP274.5;TH133.31文献标志码：A文章编号：1002-2333（2018）01-0126-04 Design of Automatic Detection System for Inner Surface Defect of Sliding Bearing Based on Machine VisionDU Kefei(Magang(Group)Holding Co.,Ltd.,Maanshan243000,China)Abstract:In the process of sliding bearing production,a small amount of sliding bearing inner surface will produce scratches,pits,bumps,coating peeling.The waste must be identified and removed before leaving the factory.At present, the main test method of these defects is artificial visualization,which is inefficient and lack of accuracy and standardization.Based on machine vision technology,this system uses automatic feeding of the workpiece,fixed axis rotation,automatic removal and other devices to achieve high-speed automatic detection of the sliding bearing inner surface defects,size and other parameters.It can improve the detection accuracy,saving labor.Automatic detection system can achieve the sliding bearing inner and outer diameter measurement,the internal surface defect detection and bearing type identification and other indicators of high dynamic detection.Without clamping,detection speed reaches 120~180/min,which can meet the requirements of mass production of sliding bearings.Keywords:sliding bearing;inner surface;defect;machine vision;automatic detection0引言滑动轴承生产和装配过程中，有少量滑动轴承的内表面会有压坑、划伤等缺陷成为废品，出厂前必须将这些废品识别并剔除。
科学技术创新基于机器视觉的轴承外径尺寸大小检测彭悦蓉田亚铃彭丽罗亚琴(成都工业学院,四川成都611730)随着中国制造2025的发展,智能制造是目前发展的必要趋势。
其中利用机器视觉来提高制造智能化也是重要的一个关键技术。
机器视觉是指利用计算机代替人眼对目标对象进行检测,包括图像采集、图像处理、结果输出与控制[1-3]。
机器视觉现在在各制造行业均有利用,技术在一定程度上也比较稳定。
比如:2008年,陈志鸿,进行了基于机器学习的轴承滚子表面缺陷视觉检测系统研究与设计[4];陈廉清,进行了基于计算机视觉的微小轴承外表面缺陷检测研究[5];2020年,张春伟等人,进行基于机器视觉的轨道车辆零部件形位尺寸检测方法研究[6];王蒙,进行了基于机器视觉的微小零件检测分类[7]。
本文的检测对象是轴承,轴承的内、外径是轴承的重要检测参数之一。
在生产实际中,检测过程中会选择千分尺、游标卡尺和三坐标测量机等仪器对轴承进行测量[6]。
其检测精度和准确率与操作者的操作过程相关性较高,未能客观保证检测的有效性。
为提高轴承的检测速度与准确率,减少人工检测带来的检测误差和损伤,降低人工检测的高成本,使用机器视觉进行检测是很有必要的一种选择。
1检测系统的组成系统设计是基于机器视觉,对生产线工作平台上的零件进行识别与定位并对零件进行尺寸测量。
系统整体结构包括硬件和软件系统,在所测零件为规则几何体时,通过获取零件表面的二维信息,得到零件的位置参数,完成零件的定位和尺寸测量。
其中硬件系统包括:背光源、面阵CCD 相机、镜头、视觉控制器,软件系统包括:视觉软件。
利用上述硬件和软件系统完成图像的采集、处理及检测结果的输出,技术路线图如图1所示。
图1技术路线图2检测原理外界光照对图像效果影响较大,一般采集到的图像均需先进行图像预处理,提高图像质量。
本次检测中,利用到的处理技术有:图像增强、二值图像分割和模板匹配。
2.1图像预处理图像增强的方法有空间域和变换域两种。
基于机器视觉的轴承质量检测技术研究近年来，基于机器视觉的轴承质量检测技术逐渐成为轴承行业中的一项重要技术。
传统的轴承质量检测方法存在许多缺点，如检测效率低、准确度不高、易受人为因素影响等，而基于机器视觉的轴承质量检测技术通过高速图像采集、图像处理、模式识别等多个环节，可以实现自动化、高效率、高精度的轴承质量检测。
一、基于机器视觉的轴承质量检测技术的原理机器视觉系统主要由图像采集、图像处理和模式识别三部分组成。
其中，图像采集是整个系统的基础，主要通过高速相机对轴承图像进行实时采集；图像处理主要是对采集到的图像进行滤波、边缘检测、二值化等处理，使图像更加清晰，以便更好地进行后续的分析和处理；模式识别主要是通过机器学习算法对处理后的图像进行特征提取和分类，实现轴承的质量判断。
二、基于机器视觉的轴承质量检测技术的优点和应用相比传统的轴承质量检测方法，基于机器视觉的轴承质量检测技术具有以下优点：1. 自动化程度高。
整个检测过程不需要人工干预，自动化程度高，可以提高检测效率和准确度。
2. 检测精度高。
采用高速相机进行图像采集，并通过图像处理和模式识别等多个环节来分析和处理，可以做到高精度的检测。
3. 适应性强。
机器视觉系统可以灵活地适应不同型号、不同规格的轴承进行质量检测，不需要针对每种轴承单独进行配置。
基于机器视觉的轴承质量检测技术已经在轴承行业中得到广泛应用。
通过机器视觉技术进行轴承质量检测，可以大大提高质量检测效率和准确度，并且可以有效地避免人为因素对质量检测结果的影响。
三、基于机器视觉的轴承质量检测技术的挑战和发展方向随着我国制造业的快速发展，轴承质量检测技术也面临着新的挑战。
其中，最主要的挑战包括：1. 大规模高效率生产的需求。
随着制造业转型升级的推进，对于轴承高效率生产的需求也越来越大，因此需要更快速、更有效的轴承质量检测技术。
2. 复杂工况下的质量检测。
现代机械设备的使用条件越来越恶劣，轴承零部件很容易出现损坏，如何在复杂工况下进行轴承质量检测也是一个亟待解决的问题。
一种基于机器视觉的轴承内外径和同心度检测方法崔灿;景文博;闫娜;王晓曼【摘要】The inner and outer diameter and concentricity of the bearing is an important parameter for evaluation of bearing quality, machine vision-based bearing inspection technology has a bright future in industrial production. For bearing inner and outer edges pixels, setting bearing images of benchmarks, the sample circle is constructed with the reference position as the center, sampling is performed on the sampling circle to obtain the edge sampling points, And Combined with least square method and iterative method for fitting circle. Finally,the inner and outer circle parameters are obtained and the bearing concentricity is calculated. The experimental results show that compared with the traditional method,the average speed is improved by 10.2 times,which meet industrial Inspection requirements.%轴承的内外径和同心度是评价轴承质量的重要参数,基于机器视觉的轴承检测技术在工业生产中具有广阔前景.针对轴承内外边缘像素,设置轴承图像的基准参数,以基准位置为圆心构造采样圆,在采样圆上进行机械抽样获得边缘采样点,并使用最小二乘法结合迭代法进行拟合圆,最终获得内外圆参数并计算出轴承同心度.实验结果表明:与传统方法相比,检测速度平均提高了10.2倍,符合工业检测要求.【期刊名称】《长春理工大学学报（自然科学版）》【年(卷),期】2017(040)003【总页数】5页(P75-79)【关键词】轴承;机械抽样;最小二乘法;迭代法;圆拟合【作者】崔灿;景文博;闫娜;王晓曼【作者单位】长春理工大学电子信息工程学院,长春 130022;长春理工大学光电工程学院,长春 130022;长春理工大学电子信息工程学院,长春 130022;长春理工大学电子信息工程学院,长春 130022【正文语种】中文【中图分类】TP391.41近些年，机器视觉蓬勃发展。
基于机器视觉的在线轴承检测系统
商俊敏;宫闽军;雷良育;周晓军
【期刊名称】《组合机床与自动化加工技术》
【年(卷),期】2004(000)008
【摘要】文章在分析机器视觉系统应用的基础上,利用CCD摄像头、图像采集卡,
运动控制卡,运动平台,计算机等组成在线轴承尺寸检测系统.介绍了系统的工作原理、软硬件的设计、实现.
【总页数】2页(P51-52)
【作者】商俊敏;宫闽军;雷良育;周晓军
【作者单位】浙江大学,机械系,浙江,杭州,310027;浙江大学,机械系,浙江,杭
州,310027;浙江大学,机械系,浙江,杭州,310027;浙江大学,机械系,浙江,杭
州,310027
【正文语种】中文
【中图分类】TP242
【相关文献】
1.基于机器视觉的滑动轴承缺陷检测系统设计 [J], 陈琦;阮鸿雁
2.基于机器视觉的滑动轴承内表面缺陷自动检测系统设计 [J], 杜克飞
3.基于机器视觉的轴承套圈检测系统 [J], 卢满怀;范帅;汤绮婷
4.基于机器视觉的推力轴承垫圈缺陷检测系统研究 [J], 项新建;王乐乐;曾航明
5.基于机器视觉的滚动轴承外径检测系统 [J], 刘良江;王耀南
因版权原因，仅展示原文概要，查看原文内容请购买。
第28卷第5期2007年10月河南科技大学学报:自然科学版Journal of Henan University of Science and Technol ogy:Natural Science Vol . 28No . 5Oct . 2007 基金项目:河南省自然科学基金项目(0311053400作者简介:孙伟(1980- , 男, 河南内乡人, 硕士生; 韩建海(1961- , 男, 河南偃师人, 教授, 研究方向为机电一体化.收稿日期:2007-02-01文章编号:1672-6871(2007 05-0010-03轴承内径尺寸机器视觉在线检测技术孙伟, 韩建海, 赵书尚, 张小瑞, 肖亮子(河南科技大学机电工程学院, 河南洛阳摘要:利用计算机图像处理技术, 对预处理后的边缘图像, 法, 。
抗干扰性强、成本低、通用性好等优点, 关键词:; ; . . 33文献标识码:A0前言轴承是机械行业中非常重要且应用十分广泛的转动部件, 其生产批量大、精度要求高。
但目前, 我国大多数轴承生产厂家在轴承尺寸的检测方面还是依靠机械式、光学式等测量仪器, 不能做到100%的检测比例和“零废品率”的检测目标, 人工检验易产生视觉疲劳, 因此检测效率低、精度低, 应用范围窄[1]。
本文把机器视觉亚像素检测技术应用于检测系统中, 实现对轴承内径几何尺寸的测量, 该检测系统具有非接触、速度快、精度高、现场抗干扰能力强, 成本相对低廉等特点, 可广泛用于各种实时、在线的精密测量, 尤其适合零件几何参数的动态实时精密测量[2]。
1硬件系统及工作原理基于机器视觉的轴承尺寸检测系统由5部分组成:(1 光源和光学成像器件; (2 图像采集卡; (3 计算机; (4 运动控制卡; (5 机械运动平台, 系统结构如图1所示。
图1轴承内径在线检测系统硬件构成框图该检测系统应用于生产线中, 被测轴承按照设定的节拍在载物台上运动, 已调整好位置的CCD 摄像头, 结合图像采集卡获取轴承的内径信息, 计算机运用各种算法对图像数据运算处理,计算出轴承的内径, 按预设的标准把轴承分成不同的等级, 由分类机构将其放置到特定的位置,同时计算机自动生成统计报表, 可供打印输出结果。
2005年3月农业机械学报第36卷第3期基于机器视觉的轴承内外径尺寸检测系统雷良育 周晓军 潘明清 【摘要】 开发了适应大批量流水线生产和检测需要的轴承内外径机器视觉检测系统。
对系统的机械及运动控制部分以及光学成像系统等进行了设计,提出了一种利用多项式插值精确测量轴承边缘点位置的方法,分析提出了将锐化图像进行再滤波的技术,优化了轴承图像内外径尺寸的边缘获取的技术路线。
检测结果表明,系统具有非接触、在线实时、速度快、精度合适、现场抗干扰能力强等优点,能实现产品的零废品生产的目标。
关键词:轴承 直径 自动检测 机器视觉中图分类号:T P 391;TH 13313文献标识码:AM ach i ne V ision System for I nner and OuterD i am eters I n spection of a Bear i ngL ei L iangyu Zhou X iao jun Pan M ingqing(Z hej iang U n iversity )AbstractA m ach ine visi on system fo r in specti on of inner and ou ter diam eters of bearings w as developed fo r a p i peline p roducti on and in sp ecti on .T he m echan ical and m ovem en t con tro l un its ,as w ell as its op tical i m aging system ,w ere designed .A p recisi on m easu ring m ethod w ith po lynom ial in terpo lati on w as develop ed to m easu re bearing edges .B esides ,a re 2filteringtechn ique w as adop ted to op ti m ize the techn ical rou te .T he m easu ring resu lts show ed that the system had advan tages of non 2con tact ,on 2line ,real ti m e and rap id speed ,as w ell as app rop riate p recisi on and strong an ti 2jamm ing .Key words B earing ,D iam eter ,A u tom atic m easu ring ,M ach ine visi on收稿日期:20030922雷良育 浙江大学现代制造工程研究所 博士生 副教授(江苏技术师范学院),310027 杭州市周晓军 浙江大学现代制造工程研究所 教授 博士生导师潘明清 浙江大学现代制造工程研究所 博士生 引言目前,我国大多数轴承生产厂家在轴承尺寸精度的检测方面还是依靠机械式、光学式等测量仪器,手段比较落后。
这种依靠人力的随机抽样检测方法检测效率低、精度低、易于引进人为误差。
随着现代制造业的发展,传统的检测技术已不能满足其需要,现代制造强调实时、在线、非接触检测,因而对轴承尤其是精密轴承的测量提出了越来越高的要求。
为了适应轴承制造业生产批量大、质量要求严格、检测任务繁重的特点以及自动化流水线作业、实现产品100%检测目标的要求,需要研究新型的产品检测技术。
机器视觉检测技术具有非接触、速度快、精度合适、现场抗干扰能力强等突出的优点,能很好地满足现代制造业的需求,在实际中显示出广阔的应用前景。
应用机器视觉检测技术,研制了基于机器视觉的轴承内外径尺寸检测系统[1～4]。
1 系统工作原理与设计111 工作原理轴承内外径机器视觉检测系统由线阵CCD 传感器、光学系统、计算机图像采集和处理系统、机械运动工作平台等部分组成,其系统结构框图如图1所示。
系统的工作原理:被测轴承在机械运动工作平台上,在计算机的控制下,以一定的速度和节拍在传输带上运动,轴承在光源的照射下,其影像被投射到光学成像系统,经透镜放大聚焦在CCD的光敏阵列面上,CCD摄像头将其接收的光学影像转换成视频信号输出到图像采集卡,图像采集卡再将视频信号转换成数字图像信息供计算机处理和CR T显示。
计算机运用各种算法对图像数据进行运算处理,计算出待检测轴承的内外径,最后与预置的标准尺寸相比较判断其是否合格,通过机械运动平台的分类机构进行合格和不合格工件的分类,同时计算机自动统计生成报表,可打印输出结果。
112 机械及运动控制部分设计为了实现轴承的内外径的实时在线检测,必须满足以下基本要求:①在计算机的控制下,使待检测轴承以一定的节拍和速度运动以实现准确定位、传输、分类等自动化功能。
②针对不同品种的待测轴承,要求方便及时的调整摄像头镜头和方位,从而获得精确、清晰的待测量图像。
③能够实现机械运动单元的越位保护与报警功能。
根据上述基本要求,采用研华PC I8164型4轴步进电机控制卡(配套端子板为ADAM3952),3个通道控制三维运动平台(X、Y、Z)方便及时地调整摄像头镜头和方位,1个通道控制传输带传输轴承的运动节拍,在每个通道上均设置限位开关,对机械运动平台实现越位保护与报警。
传输带的表面选择为黑色(即轴承图像的背景),要求轴承在传输带上不能并排交叠传输以保证每次只有一个轴承通过导向机构而进入CCD视区,导向机构的宽度可调以适应不同外径的轴承;为了得到轴承的完整清晰图像,必须使CCD和轴承均处于静止状态,所以当针对某一型号的轴承测量时,通过调整三维运动平台使CCD光轴与轴承中心轴线同轴而获得理想的图像后,锁定CCD的位置,计算出待测轴承从进入CCD视区开始到轴承达到光轴中心时步进电机在一定频率下所需的步数(对确定的对象为一定值),一旦待测轴承停留在视区的中心位置,图像采集卡即开始采集图像,从而得到一幅单一背景的轴承完整图像,随即进行图像处理和判断合格与否等,完成一个轴承的检测;接着步进电机启动输入下一个轴承,周而复始。
实现这一过程的流程图如图2所示。
113 光学成像系统设计线阵CCD由一系列等距离光电二极管构成,当目标成像在CCD光敏面上时,相应的像元上将获得一系列的光电脉冲输出。
由于光电二极管的尺寸在制作时已经确定,所以输出脉冲的个数就代表着目标尺寸的大小。
为了确定光学系统对测量尺寸的影响,采用一个已精确标定过的样品来进行校正。
也就是经过光学系统将标准样品在线阵CCD上成像,根据所占像元的数目求得该系统每一像元所对应目标尺寸的大小,再用同一系统测量未知目标时,即可根据输出信号像元的数目(脉冲个数)来确定待测目标的尺寸,完成测量工作[5]。
研究示例中,轴承外径为Υ22mm,每个像元希望达到的物方分辨率为0101mm。
则根据N=W D(1)式中 N——像素数 W——物方尺寸D——物方分辨率求得:N=W D=2200。
即选用2200像元的线阵CCD可以满足本轴承检测系统的精度要求,选择TCD1206UD型线阵CCD(像敏单元数2160、像元总长为30124mm、像元中心距14Λm,感光单元尺寸为14Λm×14Λm、行周期215m s、驱动频率1M H z,同步脉冲频率为100H z)[6]。
根据计算公式[7]d=a∃NΒ(2)式中 d——被测工件直径,本系统测量范围为5～100mma——CCD光敏元尺寸,a=14ΛmΒ——光学成像系统放大率,Β=d f,实际中通过标定来确定∃N——被测件经光学系统成像后在CCD光敏区所遮挡的光敏元数目采用平行光照、远心成像法并在成像物镜的后焦面上放置一个孔径光阑,以形成物方远心光路的线阵CCD成像系统,这样,待测轴承在平行光的照射下,通过成像物镜、孔径光阑而在线阵CCD上成231农 业 机 械 学 报2005年 像,根据待测轴承内外径所占据的光敏元数目,由式(2)即可求出待测轴承内外径。
线阵CCD 检测轴承内外径的原理图如图3所示。
图3 线阵CCD 检测轴承内外径的原理图F ig .3 Schem atic diagram of linear 2CCD inspecti on ofbearing diam eters2 轴承边缘点位置确定算法利用多项式插值法采集边缘点数据,对轴承的连续图像f (x )求导,得R (x ),图像的边缘坐标X B 即在R (x )的极点上。
为了得到亚像元图像分辨精度,利用最大梯度值所提供的信息求R (x )的插值函数<(x ),那么<(x )最大值点的坐标即为边缘点的坐标[5]。
利用差分法找到边缘点N i ,对梯度图像R (x )取3点N i -1、N i 、N i +1,求R (x )的二次多项式插值函数<(x ),令<′(x )=0即可求出X B ,同理可求出另一侧边缘坐标。
计算方法为插值函数 g (x )=∑nk =0l(n )kfi(3)插值基函数 l (n )k (x )=(x -x 0)…(x -x n )(x k -x 0)…(x k -x n )(4)式中 f i ——第i 幅图像函数值x k ——插值基点在本系统中,<(x )为插值函数,R (i -1)、R (i )、R (i +1)即为图像函数值,N i -1、N i 、N i +1为插值基点,分别代入式(3)、(4),令<′(x )=0即可求得X B =X i +12R (i -1)-R (i +1)R (i -1)-2R (i )+R (i +1)(5)3 图像的预处理和边缘提取原始图像由于受到种种条件限制和随机干扰,必须在视觉的早期阶段进行灰度校正、噪声过滤等图像预处理。
在对图像进行锐化处理后发现:图像对比度增强,轮廓清晰,边界灰度跳变明显,感观上利于边缘提取(见图4)。
如果先对原始图像进行3×3均值滤波再分别进行锐化,可见其锐化效果明显改善,图像变得更清晰,如图5所示。
但是仅采用高频增强,不但有用的信息会被增强,而且图像内的噪声也同时被增强。
由于噪声具有空间不相关性,图像中的噪声都比一般图像分量具图4 对原始图像直接进行锐化的效果图F ig .4 D irect sharpening results fo r o riginal i m age(a )梯度锐化 (b )拉普拉斯锐化图5 先均值滤波再进行锐化的效果图F ig .5 Sharpening results after m ean 2filtering(a )改进的梯度锐化 (b )改进的拉普拉斯锐化有更高的空间频谱,因此去除噪声通常采用低通滤波器[8]。
