CN108956618B - 一种基于频域视觉的圆锥滚子轴承表面检测方法 - Google Patents
一种基于频域视觉的圆锥滚子轴承表面检测方法 Download PDFInfo
- Publication number
- CN108956618B CN108956618B CN201810657779.2A CN201810657779A CN108956618B CN 108956618 B CN108956618 B CN 108956618B CN 201810657779 A CN201810657779 A CN 201810657779A CN 108956618 B CN108956618 B CN 108956618B
- Authority
- CN
- China
- Prior art keywords
- roller bearing
- gear
- tapered roller
- fixed
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000007797 corrosion Effects 0.000 claims abstract description 6
- 238000005260 corrosion Methods 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 230000007246 mechanism Effects 0.000 claims description 18
- 230000007547 defect Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 abstract description 8
- 239000002184 metal Substances 0.000 description 23
- 238000004519 manufacturing process Methods 0.000 description 10
- 230000010287 polarization Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于频域视觉的圆锥滚子轴承表面检测方法，属于成像检测技术领域。本基于频域视觉的圆锥滚子轴承表面检测方法，包括以下步骤：A、采集图像：通过图像扫描装置采集圆锥滚子轴承表面图像；B、图像处理：通过膨胀腐蚀算法对采集的图片去除噪声，利用阈值分割对图像进行二值化处理，通过二维快速傅里叶变换进行频域滤波并进行二维快速傅里叶反变换得到处理后的图像，并进行判断输出；C、纹理特征提取：通过Gabor滤波器来提取图像的纹理特征；D、分类识别：用网格法和K‑CV法对其实现寻优，并完成分类识别，得到分类结果。本发明具有更加便捷有效的实现对圆锥滚子轴承表面进行检测的优点。
Description
技术领域
本发明属于成像检测技术领域，涉及一种表面检测方法，特别是一种基于频域视觉的圆锥滚子轴承表面检测方法。
背景技术
切削金属工件广泛应用于机械、航天、汽车、电子等行业，是各种器械不可缺少的部件，随着生产力的发展，金属工件制造技术也随之提升，用户对其质量也有更高的要求，而表面质量是其最直观的体现，要求也往往更加严格。影响金属工件表面质量的主要因素是其在生产过程中，由于金属材质、制造设备和制造工艺等多方面的因素制约，导致其表面出现“划痕”、“擦伤”、“裂纹”、“粘连”、“砂眼”、“破洞”、“崩烂”、“锈迹”、“起级”、“麻点”等不同类型的瑕疵。
金属工件表面瑕疵使工件外表不美观的同时，更恶劣的是会影响工件的使用性能，使产品的安全性降低，严重的影响了金属工件的应用，也为其以后应用于器械上工作时埋下了安全隐患。金属工件表面瑕疵的大小以及严重程度是衡量金属制品质量的重要指标，也是客户最关心和产品最直观的质量指标，因此，必须加强对金属工件表面瑕疵的检测和控制，这对于减少原材料浪费、提高成材率都有良好的推动作用。
随着国际汽车轴承生产在向中国生产的转移，全球八大跨国轴承生产企业在中国建成了40个轴承厂，形成年产数亿套的生产能力，展开了中国国内汽车轴承市场数百亿的销售争夺，轴承市场的竞争向来是质量的对决。目前，我国现行滚子轴承用滚子的外观缺陷检测仍然是人工检测，随着劳动力成本的提高，人工检测已经不适合工业化、自动化生产的需求。另外，凭借人工目测的瑕疵检测方法已不能满足各生产厂家的发展要求，各金属工件制造厂家都急切需要可靠的表面瑕疵的检测技术和品质控制方案，以满足制造需求、提升产品竞争力。
由于存在上述的问题，经检索，如中国专利文献公开了一种基于正交偏振的高反光金属表面视觉检测系统【专利号：ZL 201420024706.7 ；授权公告号：CN203643361U】。这种基于正交偏振的高反光金属表面视觉检测系统，包括成像装置和与其连接的图像控制器，在成像装置一侧设置光源发生装置，光源发生装置可与竖直方向旋转成一定角度，在光源发生装置的出光口处设有起偏器，在成像装置入光口竖直下方设置有与起偏器偏振方向不同的检偏器，光源发生装置射出的光线先经过起偏器后在被检测金属表面反射，再通过检偏器进入成像装置成像，成像装置将成出的像传送给图像控制器，图像控制器将收到的像处理后得到高清的高反光金属表面检测图像。
但是，这种基于正交偏振的高反光金属表面视觉检测系统需要前期繁多的准备，操作复杂，环境要求高。所以，本领域的技术人员提出了一种基于频域视觉对圆锥滚子轴承表面进行检测的方法。
发明内容
本发明的目的是针对现有的技术存在上述问题，提出了一种基于频域视觉的圆锥滚子轴承表面检测方法，基于频域视觉的圆锥滚子轴承表面检测方法具有更加便捷有效的实现对圆锥滚子轴承表面进行检测的特点。
本发明的目的可通过下列技术方案来实现：
一种基于频域视觉的圆锥滚子轴承表面检测方法，其特征在于，包括以下步骤：
A、采集图像：通过图像扫描装置采集圆锥滚子轴承表面图像，搭建缺陷图像集；
B、图像处理：通过膨胀腐蚀算法对采集的图片去除噪声，利用阈值分割对图像进行二值化处理，同时，通过二维快速傅里叶变换进行频域滤波并进行二维快速傅里叶反变换得到处理后的图像，并进行判断输出；
C、纹理特征提取：通过 Gabor滤波器来提取图像的纹理特征，特定尺度特定方向上的 Gabor小波系数反映该方向上的形状和纹理特征，采用Gabor小波来提取图像在多个尺度和多个方向上的特征；
D、分类识别：用网格法和K-CV法对其实现寻优，并完成分类识别，得到分类结果。
在上述基于频域视觉的圆锥滚子轴承表面检测方法中，在步骤A中，所述的图像扫描装置包括支架、同轴光源、CMOS相机安装机构和圆锥滚子轴承放置机构，所述的支架包括底板、竖板、横板一和横板二，所述竖板固定在底板上，横板一和横板二的一端均滑动设置在竖板上；所述的CMOS相机安装机构设置在横板一上，CMOS相机安装机构包括安装环、电机一、齿轮一、齿轮二、齿轮三、齿轮四和齿圈；所述的圆锥滚子轴承放置机构包括安装板、圆锥滚子轴承放置板、电机二和转盘，同轴光源水平固定在横板二的另一端，且同轴光源位于CMOS相机安装机构和圆锥滚子轴承放置机构之间。
在上述基于频域视觉的圆锥滚子轴承表面检测方法中，所述的安装环的外圈固定在横板一的另一端，所述齿圈固定在安装环的内圈上，所述电机一上固定有连杆一，连杆一的另一端固定在横板一上，电机一的输出轴竖直向下，所述齿轮一键连接在电机一的输出轴端部，所述齿轮二、齿轮三、齿轮四均与齿轮一啮合，且齿轮二、齿轮三、齿轮四还均与齿圈啮合，电机一输出轴上固定有行星架，齿轮二、齿轮三、齿轮四的上表面分别固定有轴一、轴二和轴三，且轴一、轴二和轴三的另一端均固定在行星架下表面，所述的齿轮二、齿轮三、齿轮四的下表面分别固定有用于连接CMOS相机的锁扣一、锁扣二和锁扣三。
齿轮二、齿轮三、齿轮四上分别固定的锁扣一、锁扣二和锁扣三，最多能够实现夹紧三种不同像素CMOS相机，从而能够实现采集多种不同像素的图像；同时，齿轮二、齿轮三、齿轮四不仅均与齿轮一啮合，而且还与齿圈啮合，齿轮二、齿轮三、齿轮四均固定在行星架上，行星架固定在电机一输出轴，从而在电机一带动齿轮一转动时，齿轮二、齿轮三、齿轮四不仅能够自转还能够以齿轮一为中心进行转动，从而不仅能够对CMOS相机进行切换，而且还能够调整CMOS相机以电机一输出轴为轴心进行周向角度转动，更好的使圆锥滚子轴承表面图像进行读入。
在上述基于频域视觉的圆锥滚子轴承表面检测方法中，所述的安装板水平固定在竖板上，安装板上开设有通孔，所述的转盘的上表面固定支撑柱，所述圆锥滚子轴承放置板固定在支撑柱上，支撑柱上水平焊接有连杆二，所述安装板通孔的内壁上开设有环形滑槽，环形滑槽内滑动设置有与条形滑槽相匹配的调节块，且调节块与连杆二相固定。
在上述基于频域视觉的圆锥滚子轴承表面检测方法中，所述的电机二固定在底板上，电机二的输出轴竖直向上，电机二的输出轴与通孔共圆心，所述电机二的输出轴固定转盘的下表面，且电机二的输出轴与转盘的固定点偏离转盘圆心，所述的转盘的直径大于通孔的半径。
电机二能够带动转盘转动，圆锥滚子轴承放置板通过支撑柱与转盘相固定，从而能够根据实际情况对圆锥滚子轴承放置板以电机二输出轴为轴心进行周向角度转动，更好对使圆锥滚子轴承放置板上的圆锥滚子轴承入镜；同时，安装板通孔内壁上的环形滑槽内滑动设有调节块，且滑块与支撑柱通过连杆二相固定，从而能够保证转盘转动过程中，避免转盘发生晃动，影响图像读入。
在上述基于频域视觉的圆锥滚子轴承表面检测方法中，所述的同轴光源采用蓝色同轴光源，且所述的圆锥滚子轴承放置板的内底面铺设有黑色绒布。由于蓝色光源波长短、扩散能力强，对表面的细微特征敏感，适合检测对比不够明显的地方，从而选用蓝色同轴光源作为系统所用光源；且圆锥滚子轴承放置板的内底面上的黑色绒布，从而能够增加背景与金属表面以及背景产生更好的对比。
在上述基于频域视觉的圆锥滚子轴承表面检测方法中，所述的竖板上竖直开设有条形滑槽，条形滑槽内滑动设置有滑块一和滑块二，滑块一与横板一相固定，滑块二与横板二相固定，且竖板上竖直固定有气缸一和气缸二，气缸一和气缸二的活塞杆相对，气缸一的活塞杆固定在滑块一上，气缸二的活塞杆固定在滑块二上，且气缸一和气缸二的活塞杆相对。
气缸一能够带动滑块一沿着沿着条形滑槽上、下运动，从而能够调整CMOS相机与蓝色同轴光源之间的间距，以及CMOS相机与圆锥滚子轴承放置板之间的间距，气缸二能够带动滑块二沿着沿着条形滑槽上、下运动，从而能够调整蓝色同轴光源与圆锥滚子轴承放置板之间的间距，从而能够更好的根据实际检测情况，以便于采集更好的圆锥滚子轴承表面图像。
在上述基于频域视觉的圆锥滚子轴承表面检测方法中，在步骤B中，具体包括以下子步骤：
a、读入缺陷图像；
b、通过高低交换的串行组合滤波；
c、梯度变换；
d、梯度修改图像；
e、分水岭分割；
f、区域合并；
g、标色显示区域。
与现有技术相比，本基于频域视觉的圆锥滚子轴承表面检测方法具有以下优点：
1、本发明通过蓝色同轴光源以及黑色背景来克服金属反光，利用膨胀腐蚀算法对采集的图片去除噪声，然后利用阈值分割对图像进行二值化处理，同时利用二维快速傅里叶变换进行频域滤波并进行二维快速傅里叶反变换得到处理后的图像，与模板轴承比较并进行判断输出，以此提高后续识别效率。
2、本发明中由于纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力，通过对 Gabor 滤波器去除数据相关性和冗余性，拟运用主成分分析法和独立成分分析对提取到的特征进行降维。
3、本发明中锁扣一、锁扣二和锁扣三上最多能够实现夹紧三种不同像素CMOS相机，从而能够实现采集多种不同像素的图像；同时，在电机一带动齿轮一转动时，齿轮二、齿轮三、齿轮四不仅能够自转还能够以齿轮一为中心进行转动，从而不仅能够对CMOS相机进行切换，而且还能够调整CMOS相机以电机一输出轴为轴心进行周向角度转动，更好的使圆锥滚子轴承表面图像进行读入。
4、本发明中的电机二能够带动转盘转动，圆锥滚子轴承放置板通过支撑柱与转盘相固定，从而能够根据实际情况对圆锥滚子轴承放置板以电机二输出轴为轴心进行周向角度转动，更好对使圆锥滚子轴承放置板上的圆锥滚子轴承入镜；同时，安装板环形滑槽内的滑块与支撑柱通过连杆二相固定，从而能够保证转盘转动过程中，避免转盘发生晃动，影响图像读入。
附图说明
图1是本发明的流程框图；
图2是本发明中图像扫描装置的立体结构示意图；
图3是本发明中图像扫描装置的立体结构示意图；
图4是本发明中锁扣一的立体结构示意图。
图中，1、底板；2、竖板；3、横板一；4、横板二；5、安装环；6、电机一；7、连杆一；8、齿轮一；9、齿轮二；10、齿轮三；11、齿轮四；12、齿圈；13、行星架；14、锁扣一；15、锁扣二；16、锁扣三；17、安装板；18、支撑柱；19、环形滑槽；20、调节块；21、连杆二；22、圆锥滚子轴承放置板；23、电机二；24、蓝色同轴光源；25、条形滑槽；26、滑块一；27、滑块二；28、气缸一；29、气缸二；30、转盘。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
如图1所示，一种基于频域视觉的圆锥滚子轴承表面检测方法，包括以下步骤：
A、采集图像：通过图像扫描装置采集圆锥滚子轴承表面图像，搭建缺陷图像集；
B、图像处理：通过膨胀腐蚀算法对采集的图片去除噪声，利用阈值分割对图像进行二值化处理，同时，通过二维快速傅里叶变换进行频域滤波并进行二维快速傅里叶反变换得到处理后的图像，并进行判断输出；
C、纹理特征提取：通过 Gabor滤波器来提取图像的纹理特征，特定尺度特定方向上的 Gabor小波系数反映该方向上的形状和纹理特征，采用Gabor小波来提取图像在多个尺度和多个方向上的特征；
D、分类识别：用网格法和K-CV法对其实现寻优，并完成分类识别，得到分类结果。
在步骤B中，具体包括以下子步骤：
a、读入缺陷图像；
b、通过高低交换的串行组合滤波；
c、梯度变换；
d、梯度修改图像；
e、分水岭分割；
f、区域合并；
g、标色显示区域。
本发明通过蓝色同轴光源24以及黑色背景来克服金属反光，利用膨胀腐蚀算法对采集的图片去除噪声，然后利用阈值分割对图像进行二值化处理，同时利用二维快速傅里叶变换进行频域滤波并进行二维快速傅里叶反变换得到处理后的图像，与模板轴承比较并进行判断输出，以此提高后续识别效率。由于纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力，通过对 Gabor 滤波器去除数据相关性和冗余性，拟运用主成分分析法和独立成分分析对提取到的特征进行降维。
如图2和图3所示，在步骤A中，图像扫描装置包括支架、同轴光源、CMOS相机安装机构和圆锥滚子轴承放置机构，支架包括底板1、竖板2、横板一3和横板二4，竖板2固定在底板1上，横板一3和横板二4的一端均滑动设置在竖板2上；CMOS相机安装机构设置在横板一3上，CMOS相机安装机构包括安装环5、电机一6、齿轮一8、齿轮二9、齿轮三10、齿轮四11和齿圈12；圆锥滚子轴承放置机构包括安装板17、圆锥滚子轴承放置板22、电机二23和转盘30，同轴光源水平固定在横板二4的另一端，且同轴光源位于CMOS相机安装机构和圆锥滚子轴承放置机构之间。
如图4所示，安装环5的外圈固定在横板一3的另一端，齿圈12固定在安装环5的内圈上，电机一6上固定有连杆一7，连杆一7的另一端固定在横板一3上，电机一6的输出轴竖直向下，齿轮一8键连接在电机一6的输出轴端部，齿轮二9、齿轮三10、齿轮四11均与齿轮一8啮合，且齿轮二9、齿轮三10、齿轮四11还均与齿圈12啮合，电机一6输出轴上固定有行星架13，齿轮二9、齿轮三10、齿轮四11的上表面分别固定有轴一、轴二和轴三，且轴一、轴二和轴三的另一端均固定在行星架13下表面，齿轮二9、齿轮三10、齿轮四11的下表面分别固定有用于连接CMOS相机的锁扣一14、锁扣二15和锁扣三16。
齿轮二9、齿轮三10、齿轮四11上分别固定的锁扣一14、锁扣二15和锁扣三16，最多能够实现夹紧三种不同像素CMOS相机，从而能够实现采集多种不同像素的图像；同时，齿轮二9、齿轮三10、齿轮四11不仅均与齿轮一8啮合，而且还与齿圈12啮合，齿轮二9、齿轮三10、齿轮四11均固定在行星架13上，行星架13固定在电机一6输出轴，从而在电机一6带动齿轮一8转动时，齿轮二9、齿轮三10、齿轮四11不仅能够自转还能够以齿轮一8为中心进行转动，从而不仅能够对CMOS相机进行切换，而且还能够调整CMOS相机以电机一6输出轴为轴心进行周向角度转动，更好的使圆锥滚子轴承表面图像进行读入。
安装板17水平固定在竖板2上，安装板17上开设有通孔，转盘30的上表面固定支撑柱18，圆锥滚子轴承放置板22固定在支撑柱18上，支撑柱18上水平焊接有连杆二21，安装板17通孔的内壁上开设有环形滑槽19，环形滑槽19内滑动设置有与条形滑槽25相匹配的调节块20，且调节块20与连杆二21相固定；电机二23固定在底板1上，电机二23的输出轴竖直向上，电机二23的输出轴与通孔共圆心，电机二23的输出轴固定转盘30的下表面，且电机二23的输出轴与转盘30的固定点偏离转盘30圆心，转盘30的直径大于通孔的半径。
电机二23能够带动转盘30转动，圆锥滚子轴承放置板22通过支撑柱18与转盘30相固定，从而能够根据实际情况对圆锥滚子轴承放置板22以电机二23输出轴为轴心进行周向角度转动，更好对使圆锥滚子轴承放置板22上的圆锥滚子轴承入镜；同时，安装板17通孔内壁上的环形滑槽19内滑动设有调节块20，且滑块与支撑柱18通过连杆二21相固定，从而能够保证转盘30转动过程中，避免转盘30发生晃动，影响图像读入。
同轴光源采用蓝色同轴光源24，且圆锥滚子轴承放置板22的内底面铺设有黑色绒布。由于蓝色光源波长短、扩散能力强，对表面的细微特征敏感，适合检测对比不够明显的地方，从而选用蓝色同轴光源24作为系统所用光源；且圆锥滚子轴承放置板22的内底面上的黑色绒布，从而能够增加背景与金属表面以及背景产生更好的对比。
竖板2上竖直开设有条形滑槽25，条形滑槽25内滑动设置有滑块一26和滑块二27，滑块一26与横板一3相固定，滑块二27与横板二4相固定，且竖板2上竖直固定有气缸一28和气缸二29，气缸一28和气缸二29的活塞杆相对，气缸一28的活塞杆固定在滑块一26上，气缸二29的活塞杆固定在滑块二27上，且气缸一28和气缸二29的活塞杆相对。气缸一28能够带动滑块一26沿着沿着条形滑槽25上、下运动，从而能够调整CMOS相机与蓝色同轴光源24之间的间距，以及CMOS相机与圆锥滚子轴承放置板22之间的间距，气缸二29能够带动滑块二27沿着沿着条形滑槽25上、下运动，从而能够调整蓝色同轴光源24与圆锥滚子轴承放置板22之间的间距，从而能够更好的根据实际检测情况，以便于采集更好的圆锥滚子轴承表面图像。
本图像扫描装置的工作原理如下：将CMOS相机夹紧于锁扣一14、锁扣二15和锁扣三16上，根据实际检测情况可以实现夹紧三种不同像素CMOS相机，将圆锥滚子轴承放置于圆锥滚子轴承放置板22；通过气缸一28调整CMOS相机与蓝色同轴光源24之间的间距，以及CMOS相机与圆锥滚子轴承放置板22之间的间距，通过气缸二29调整蓝色同轴光源24与圆锥滚子轴承放置板22之间的间距，从而能够更好的根据实际检测情况，以便于采集更好的圆锥滚子轴承表面图像；此外，电机一6能够带动齿轮二9、齿轮三10、齿轮四11不仅能够自转还能够以齿轮一8为中心进行转动，从而不仅能够对CMOS相机进行切换，而且还能够调整CMOS相机以电机一6输出轴为轴心进行周向角度转动，更好的使圆锥滚子轴承表面图像进行读入，同时，电机二23能够根据实际情况对圆锥滚子轴承放置板22以电机二23输出轴为轴心进行周向角度转动，更好对使圆锥滚子轴承放置板22上的圆锥滚子轴承入镜，且安装板17环形滑槽19内的滑块与支撑柱18通过连杆二21相固定，能够避免转盘30发生晃动，影响图像读入。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了1、底板；2、竖板；3、横板一；4、横板二；5、安装环；6、电机一；7、连杆一；8、齿轮一；9、齿轮二；10、齿轮三；11、齿轮四；12、齿圈；13、行星架；14、锁扣一；15、锁扣二；16、锁扣三；17、安装板；18、支撑柱；19、环形滑槽；20、调节块；21、连杆二；22、圆锥滚子轴承放置板；23、电机二；24、蓝色同轴光源；25、条形滑槽；26、滑块一；27、滑块二；28、气缸一；29、气缸二；30、转盘等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (7)
1.一种基于频域视觉的圆锥滚子轴承表面检测方法，其特征在于，包括以下步骤：
A、采集图像：通过图像扫描装置采集圆锥滚子轴承表面图像，搭建缺陷图像集；
B、图像处理：通过膨胀腐蚀算法对采集的图片去除噪声，利用阈值分割对图像进行二值化处理，同时，通过二维快速傅里叶变换进行频域滤波并进行二维快速傅里叶反变换得到处理后的图像，并进行判断输出；
C、纹理特征提取：通过 Gabor滤波器来提取图像的纹理特征，特定尺度特定方向上的Gabor小波系数反映该方向上的形状和纹理特征，采用Gabor小波来提取图像在多个尺度和多个方向上的特征；
D、分类识别：用网格法和K-CV法对其实现寻优，并完成分类识别，得到分类结果。
2.根据权利要求1所述的基于频域视觉的圆锥滚子轴承表面检测方法，其特征在于，在步骤A中，所述的图像扫描装置包括支架、同轴光源、CMOS相机安装机构和圆锥滚子轴承放置机构，所述的支架包括底板、竖板、横板一和横板二，所述竖板固定在底板上，横板一和横板二的一端均滑动设置在竖板上；所述的CMOS相机安装机构设置在横板一上，CMOS相机安装机构包括安装环、电机一、齿轮一、齿轮二、齿轮三、齿轮四和齿圈；所述的圆锥滚子轴承放置机构包括安装板、圆锥滚子轴承放置板、电机二和转盘，同轴光源水平固定在横板二的另一端，且同轴光源位于CMOS相机安装机构和圆锥滚子轴承放置机构之间。
3.根据权利要求2所述的基于频域视觉的圆锥滚子轴承表面检测方法，其特征在于，所述的安装环的外圈固定在横板一的另一端，所述齿圈固定在安装环的内圈上，所述电机一上固定有连杆一，连杆一的另一端固定在横板一上，电机一的输出轴竖直向下，所述齿轮一键连接在电机一的输出轴端部，所述齿轮二、齿轮三、齿轮四均与齿轮一啮合，且齿轮二、齿轮三、齿轮四还均与齿圈啮合，电机一输出轴上固定有行星架，齿轮二、齿轮三、齿轮四的上表面分别固定有轴一、轴二和轴三，且轴一、轴二和轴三的另一端均固定在行星架下表面，所述的齿轮二、齿轮三、齿轮四的下表面分别固定有用于连接CMOS相机的锁扣一、锁扣二和锁扣三。
4.根据权利要求2所述的基于频域视觉的圆锥滚子轴承表面检测方法，其特征在于，所述的安装板水平固定在竖板上，安装板上开设有通孔，所述的转盘的上表面固定支撑柱，所述圆锥滚子轴承放置板固定在支撑柱上，支撑柱上水平焊接有连杆二，所述安装板通孔的内壁上开设有环形滑槽，环形滑槽内滑动设置有与条形滑槽相匹配的调节块，且调节块与连杆二相固定。
5.根据权利要求4所述的基于频域视觉的圆锥滚子轴承表面检测方法，其特征在于，所述的电机二固定在底板上，电机二的输出轴竖直向上，电机二的输出轴与通孔共圆心，所述电机二的输出轴固定转盘的下表面，且电机二的输出轴与转盘的固定点偏离转盘圆心，所述的转盘的直径大于通孔的半径。
6.根据权利要求4或5所述的基于频域视觉的圆锥滚子轴承表面检测方法，其特征在于，所述的同轴光源采用蓝色同轴光源，且所述的圆锥滚子轴承放置板的内底面铺设有黑色绒布。
7.根据权利要求2所述的基于频域视觉的圆锥滚子轴承表面检测方法，其特征在于，所述的竖板上竖直开设有条形滑槽，条形滑槽内滑动设置有滑块一和滑块二，滑块一与横板一相固定，滑块二与横板二相固定，且竖板上竖直固定有气缸一和气缸二，气缸一和气缸二的活塞杆相对，气缸一的活塞杆固定在滑块一上，气缸二的活塞杆固定在滑块二上，且气缸一和气缸二的活塞杆相对。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810657779.2A CN108956618B (zh) | 2018-06-25 | 2018-06-25 | 一种基于频域视觉的圆锥滚子轴承表面检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810657779.2A CN108956618B (zh) | 2018-06-25 | 2018-06-25 | 一种基于频域视觉的圆锥滚子轴承表面检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108956618A CN108956618A (zh) | 2018-12-07 |
| CN108956618B true CN108956618B (zh) | 2020-08-11 |
Family
ID=64486174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810657779.2A Expired - Fee Related CN108956618B (zh) | 2018-06-25 | 2018-06-25 | 一种基于频域视觉的圆锥滚子轴承表面检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108956618B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110006920B (zh) * | 2018-12-27 | 2021-06-15 | 浙江大学台州研究院 | 一种复杂表面红宝石轴承缺陷检测的装置及方法 |
| CN109754442B (zh) * | 2019-01-10 | 2023-02-21 | 重庆大学 | 一种基于机器视觉的齿轮点蚀检测系统 |
| CN114018580B (zh) * | 2021-11-08 | 2024-03-22 | 合肥一高知识产权运营管理有限公司 | 一种用于检测汽车轴承缺损的检测系统 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7336078B1 (en) * | 2003-10-04 | 2008-02-26 | Seektech, Inc. | Multi-sensor mapping omnidirectional sonde and line locators |
| US7472372B1 (en) * | 2005-11-08 | 2008-12-30 | Peter J. Fiekowsky | Fast image simulation for photolithography |
| JP2008164437A (ja) * | 2006-12-28 | 2008-07-17 | Amatsuji Steel Ball Mfg Co Ltd | 球の液中外観検査装置 |
| US7764382B2 (en) * | 2008-01-15 | 2010-07-27 | Xerox Corporation | Illuminator for specular measurements |
| CN101957313B (zh) * | 2010-09-21 | 2012-07-04 | 吉林大学 | 鲜玉米果穗质量的计算机视觉检测分级方法及装置 |
| CN102411007B (zh) * | 2011-08-08 | 2014-05-14 | 长春理工大学 | 微小的圆或圆环形零件表面缺陷检测系统 |
| CN203981605U (zh) * | 2014-07-18 | 2014-12-03 | 株洲硬质合金集团有限公司 | 圆柱形棒材外观自动检测装置 |
| CN104766344B (zh) * | 2015-03-31 | 2018-01-02 | 华南理工大学 | 基于运动边缘提取器的车辆检测方法 |
| CN104850861B (zh) * | 2015-05-27 | 2016-04-13 | 山东大学 | 基于rx异常探测和纹理分析的真菌性角膜炎图像识别方法 |
| CN104966300B (zh) * | 2015-06-19 | 2017-09-12 | 浙江理工大学 | 轴承滚子图像检测系统及方法及图像检测装置 |
| CN204855408U (zh) * | 2015-06-19 | 2015-12-09 | 浙江理工大学 | 轴承滚子图像检测装置 |
| CN105427323B (zh) * | 2015-12-07 | 2019-05-21 | 湖南大学 | 一种基于相位一致性的激光熔覆熔池边缘提取方法 |
| CN106908444B (zh) * | 2017-03-20 | 2023-10-10 | 辽宁科技大学 | 一种基于图像处理的圆锥滚子轴承端面识别系统及方法 |
| CN107941808B (zh) * | 2017-11-10 | 2024-04-12 | 中国计量大学 | 基于机器视觉的3d打印成型质量检测系统及方法 |
-
2018
- 2018-06-25 CN CN201810657779.2A patent/CN108956618B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN108956618A (zh) | 2018-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108956618B (zh) | 一种基于频域视觉的圆锥滚子轴承表面检测方法 | |
| CN108230324B (zh) | 磁瓦表面微缺陷视觉检测方法 | |
| CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
| US6983065B1 (en) | Method for extracting features from an image using oriented filters | |
| Xu et al. | Application of Shearlet transform to classification of surface defects for metals | |
| Boukouvalas et al. | Ceramic tile inspection for colour and structural defects | |
| US20130022260A1 (en) | Wafer edge inspection and metrology | |
| US20130304399A1 (en) | Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools | |
| CN106600593B (zh) | 一种中铝瓷球表面缺陷检测方法 | |
| Huang et al. | A novel automatic surface scratch defect detection for fluid-conveying tube of Coriolis mass flow-meter based on 2D-direction filter | |
| CN109378279B (zh) | 晶圆检测方法及晶圆检测系统 | |
| CN112489042B (zh) | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 | |
| Liu et al. | An automatic system for bearing surface tiny defect detection based on multi-angle illuminations | |
| Lawrence. K et al. | An accurate and robust method for the honing angle evaluation of cylinder liner surface using machine vision | |
| Fu et al. | Medicine glass bottle defect detection based on machine vision | |
| CN110084768A (zh) | 基于背景滤波的lcd导光板的缺陷检测方法 | |
| CN112014407A (zh) | 一种集成电路晶圆表面缺陷检测的方法 | |
| CN111551568A (zh) | 一种基于机器视觉的镜片缺陷检测与分类方法 | |
| CN109584212B (zh) | 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法 | |
| Xu et al. | Bearing Defect Detection with Unsupervised Neural Networks | |
| Feng et al. | Image processing of the grinding wheel surface | |
| JP2001034762A (ja) | 画像処理検査方法および画像処理検査装置 | |
| CN117495791A (zh) | 一种表面缺陷定位方法 | |
| Li Vigni et al. | Coupling 2D‐wavelet decomposition and multivariate image analysis (2D WT‐MIA) | |
| Balasubramani et al. | Defect identification in casting surface using image processing techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221230 Address after: 311100 Room 101, Building 2, No. 9-1, Yuda Road, Yuhang Street, Yuhang District, Hangzhou City, Zhejiang Province Patentee after: HANGZHOU ZHONGXUN TECHNOLOGY Co.,Ltd. Address before: 324000 North China Road No. 78, Quzhou, Quzhou, Zhejiang Patentee before: QUZHOU University |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200811 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |