蔡玨

（無錫市億濤自動化設(shè)備有限公司，江蘇 無錫 214000）

1 引言

眾所周知，機(jī)械設(shè)備中的機(jī)械旋轉(zhuǎn)體主要依靠軸承來支撐，降低轉(zhuǎn)動過程中的摩擦系數(shù)。機(jī)械設(shè)備的可靠性、壽命、性能以及精度在很大程度上都受軸承的精準(zhǔn)度、壽命、性能以及精度的影響。因此，軸承的質(zhì)量及其裝配質(zhì)量，對機(jī)械設(shè)備而言都有著十分重要的作用。

2 軸承鉚釘缺陷的相關(guān)研究

滾動體、鉚釘漏裝以及軸承表面的缺陷是軸承缺陷檢測研究的主要內(nèi)容。相關(guān)學(xué)者提出了一種采用小波變化以及紋理特征的軸承防塵蓋缺陷檢測方式，在軸承防塵蓋的缺陷檢測中應(yīng)用小波變化，并且也將紋理特征應(yīng)用其中。還有一種方法能夠快速地對軸承表面的缺陷進(jìn)行檢測，就是在軸承表面曲線檢測的過程中應(yīng)用OSTU多次閾值。有學(xué)者對軸承表面缺陷進(jìn)行了深入地分析研究，將軸承表面反光以及圖像不均勻的問題徹底地解決，并且對定位方法也進(jìn)行重新測驗(yàn)定義，采用SUSAN算子對微小軸承表面曲線圖像進(jìn)行分割，取得了良好的應(yīng)用效果。還有相關(guān)人員深入地研究了齒輪軸承漏針缺陷的檢測方式。由此可見，當(dāng)下對于軸承缺陷的研究，我國已經(jīng)有相當(dāng)一部分學(xué)者以及科研人員在進(jìn)行研究。但是我們可以發(fā)現(xiàn)，對于軸承鉚釘缺陷的研究幾乎沒有，我們應(yīng)當(dāng)肯定鉚釘在軸承裝配中的重要作用，軸承各項(xiàng)功能的發(fā)揮都受鉚釘質(zhì)量的直接影響。在工業(yè)領(lǐng)域已經(jīng)廣泛地應(yīng)用機(jī)器視覺的大環(huán)境下，一個(gè)能夠代替人工檢測鉚釘裝配缺陷的方法或者系統(tǒng)，對于許多軸承生產(chǎn)企業(yè)來說是十分重要的。介于目前學(xué)術(shù)界對于鉚釘裝配缺陷的研究較少情況以及市場的迫切需求，本文就軸承鉚釘裝配的缺陷進(jìn)行深入研究，有機(jī)結(jié)合邊緣特征模板和金字塔相結(jié)合的算法以及Blob算法，檢測軸承裝配時(shí)鉚釘?shù)娜毕荩攸c(diǎn)敘述算法的原理以及算法在軸承鉚釘檢測中的詳細(xì)實(shí)現(xiàn)步驟。經(jīng)過科學(xué)的驗(yàn)證，這些方法都能夠起到良好的檢測效果，可靠性較高，能夠適用于實(shí)際的檢測中。

3 Blob算法

使用Blob算法的根本原因就是為了找出區(qū)域內(nèi)出現(xiàn)的灰度突變的范圍，并將其面積、形狀、大小以及準(zhǔn)確的位置找出來。使用這種算法能夠有效地進(jìn)行閾值分割圖像，實(shí)效性強(qiáng)并且速度快，能夠充分滿足工業(yè)檢測對于速度的要求。因此，該算法在工業(yè)、生物學(xué)以及農(nóng)產(chǎn)品行業(yè)中被廣泛地應(yīng)用。

首先要對圖像進(jìn)行預(yù)處理，采用均值濾波的方式對圖像進(jìn)行去噪，直方圖均衡化的方式對圖像進(jìn)行增強(qiáng)。隨后對軸承鉚釘缺陷進(jìn)行檢測。第一步，對軸承的原始圖像進(jìn)行二值化處理，須采用分塊取閾值和行灰度去平均相結(jié)合的方式進(jìn)行，對目標(biāo)的強(qiáng)度進(jìn)行初步增強(qiáng)，隨后對圖像進(jìn)行分割。第二步，以連通域面積結(jié)合圓形度為基礎(chǔ)將軸承內(nèi)外圈區(qū)域提取出來，并對區(qū)域進(jìn)行開運(yùn)算的方法，改善圖像質(zhì)量[1]。第三步，根據(jù)圖像取補(bǔ)和做差的方法提取軸承的保持架區(qū)域。第四步，對上一步的結(jié)果進(jìn)行二值化，提取出鉚釘?shù)膮^(qū)域圖像。最后，對上一步的結(jié)果進(jìn)行圓模板開運(yùn)算以及腐蝕運(yùn)算之后做差，提取出結(jié)果，并在原始圖中將缺陷進(jìn)行標(biāo)記。

4 邊緣特征模板與金字塔相結(jié)合的匹配算法

由于在目標(biāo)出現(xiàn)旋轉(zhuǎn)或者光照不均勻的情況下，準(zhǔn)確地匹配結(jié)果存在一定的難度，因此，采用邊緣特征模板與金字塔相結(jié)合的匹配算法對軸承鉚釘缺陷進(jìn)行檢測，方法如下：

第一步，采用Sobel算法提取軸承圖像的邊緣點(diǎn)位置以及梯度方向。第二步，利用圖像金字塔搜索相應(yīng)的策略加速算法進(jìn)行運(yùn)算。第三步，同時(shí)使用金字塔對軸承圖像鉚釘位置進(jìn)行定位。第四步，將各個(gè)鉚釘區(qū)域位置進(jìn)行提取，并且對輪廓的封閉性以及輪廓的長度進(jìn)行篩選，與完好的軸承鉚釘輪廓圖像自動對比，進(jìn)而找到鉚釘?shù)娜毕輀2]。

5 檢測結(jié)果

我們采用以上兩種算大對于40顆存在鉚釘缺陷的軸承進(jìn)行檢測，結(jié)果顯示在這40副圖像中，Blob算法以及邊緣特征模板與金字塔相結(jié)合算法，都能夠準(zhǔn)確地檢測出存在缺陷的鉚釘，不存在誤檢，正確率均達(dá)到百分之百。因此，本文所提出的兩種算法都能有效地檢測出軸承鉚釘中的殘次品。

6 結(jié)語

軸承鉚釘缺陷是影響軸承正常使用的重要原因之一，但是當(dāng)下我國針對于軸承鉚釘缺陷的研究非常有限，相關(guān)企業(yè)無法獲取有價(jià)值的檢測方法。因此，本文就結(jié)合邊緣特征模板與金字塔相匹配的算法與Blob算法進(jìn)行實(shí)際的軸承鉚釘檢測，最后的驗(yàn)證出這兩種方法能夠準(zhǔn)確地檢測出軸承鉚釘存在的缺陷。