CN114833648B - 液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法 - Google Patents

Abstract

本发明涉及数据处理领域，提出了一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，是一种应用电子设备进行识别的方法，包括：获取每个角度的轴承内圈顶部灰度图像；获取每张轴承内圈顶部灰度图像中的连通域；获取每个连通域及该连通域对应的虚拟连通域的灰度平均值和纹理特征值；确定每张轴承内圈顶部灰度图像中的磨削损伤连通域；判断磨削损伤连通域是否在其相邻角度的轴承内圈顶部灰度图像中存在；若不存在，获得磨削损伤连通域的旋转角度值；若存在，得到磨削损伤连通域的旋转角度值；对轴承内圈进行旋转打磨。本发明能够高效检测出磨削损伤区域，同时可确定旋转角度值，对磨削损伤区域进行打磨。

Description

液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法

技术领域

本发明涉及数据处理领域，具体涉及一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法。

背景技术

轴承是液压泵中的关键零部件之一，轴承内圈零部件是轴承工作时承受负荷的工作表面，其加工质量的好坏直接影响轴承使用时的工作性能与寿命，因而对轴承内圈表面的磨削精度要求较高。但是由于磨削加工过程复杂，且磨削速度较快，轴承内圈表面容易出现各种损伤，进而对轴承内圈表面质量造成影响。

现有的轴承内圈表面磨削质量检测方法多为人工检测，效率低且容易造成误检或漏检。此外，由于加工环境较为复杂，轴承内圈表面会形成加工环境的倒影区域，使得在对获取的轴承内圈图像进行分析时，这些倒影区域往往会对轴承内圈的磨削质量检测造成干扰，因此设计一种可以排除加工环境在轴承内圈表面形成干扰区域的方法是非常重要的。

本发明是一种应用电子设备进行识别的方法，根据倒影区域在轴承内圈旋转过程中的不变性以及磨削损伤区域会随着轴承内圈的转动而移动的特点，通过轴承内圈的旋转图像中各个区域的灰度以及纹理特征的差异程度，进行磨削损伤识别，以排除轴承内圈表面倒影区域的干扰，并根据磨削损伤区域的位置，得到使磨削损伤区域位于正上方时的旋转角度值，从而调整轴承内圈角度，对磨削损伤区域进行打磨，实现轴承内圈表面磨削损伤的识别以及磨削的自动控制。

发明内容

本发明提供一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，以解决现有的检测效率低的问题。

本发明的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，采用如下技术方案：

获取每个角度的轴承内圈顶部灰度图像；

获取每张轴承内圈顶部灰度图像中的所有连通域；

利用每张轴承内圈顶部灰度图像中的每个连通域获取该连通域在其他张轴承内圈顶部灰度图像中对应位置的虚拟连通域；获取每张轴承内圈顶部灰度图像中每个连通域及该连通域对应的所有虚拟连通域的灰度平均值和纹理特征值；

根据每张轴承内圈顶部灰度图像中每个连通域及该连通域对应的所有虚拟连通域的灰度平均值和纹理特征值计算该连通域为磨削损伤区域的损伤概率；根据获取的每张轴承内圈顶部灰度图像中每个连通域的损伤概率确定出每张轴承内圈顶部灰度图像中所有的磨削损伤连通域；

根据每张轴承内圈顶部灰度图像中磨削损伤连通域的中心点坐标和其相邻角度的轴承内圈顶部灰度图像中磨削损伤连通域的中心点坐标判断该磨削损伤连通域是否在其相邻角度的轴承内圈顶部灰度图像中存在；

若不存在，将当前轴承内圈顶部灰度图像所采集的角度作为该磨削损伤连通域的旋转角度值；

若存在，根据该磨削损伤连通域在不同轴承内圈顶部灰度图像中的面积确定出该磨削损伤连通域面积最大时所在的轴承内圈顶部灰度图像，将该磨削损伤连通域面积最大时的轴承内圈顶部灰度图像所采集的角度作为该磨削损伤连通域的旋转角度值；

根据磨削损伤连通域的旋转角度值对轴承内圈进行旋转打磨。

进一步的，所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，根据磨削损伤连通域的旋转角度值对轴承内圈进行旋转打磨的方法为：

通过磨削损伤连通域的旋转角度值对应的轴承内圈顶部灰度图像中磨削损伤连通域的像素点坐标和轴承内圈半径得到该磨削损伤连通域的分布角度范围；

通过磨削损伤连通域的旋转角度值和分布角度范围得到磨削损伤连通域的最佳旋转角度范围；

根据磨削损伤连通域的最佳旋转角度范围对磨削损伤连通域进行旋转打磨。

进一步的，所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，连通域为磨削损伤区域的损伤概率的表达式为：

式中：P_ij表示第i张轴承内圈顶部灰度图像中第j个连通域为磨削损伤区域的损伤概率，k表示第k张轴承内圈顶部灰度图像，n表示轴承内圈顶部灰度图像的个数，H′_kj表示第i张轴承内圈顶部灰度图像中第j个连通域在第k张轴承内圈顶部灰度图像对应位置的虚拟连通域的灰度均值，H_ij表示第i张轴承内圈顶部灰度图像中第j个连通域的灰度均值，W′_kj表示第i张轴承内圈顶部灰度图像中第j个连通域在第k张轴承内圈顶部灰度图像对应位置的虚拟连通域的纹理特征值，W_ij表示第i张轴承内圈顶部灰度图像中第j个连通域的纹理特征值。

进一步的，所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，根据获取的每张轴承内圈顶部灰度图像中每个连通域的损伤概率确定出每张轴承内圈顶部灰度图像中所有的磨削损伤连通域的方法为：

若轴承内圈顶部灰度图像中的连通域的损伤概率大于或等于概率阈值，判断该连通域为磨削损伤连通域；若轴承内圈顶部灰度图像中的连通域的损伤概率小于概率阈值，判断该连通域不是磨削损伤连通域。

进一步的，所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，若存在，根据该磨削损伤连通域在不同轴承内圈顶部灰度图像中的面积确定出该磨削损伤连通域面积最大时所在的轴承内圈顶部灰度图像，将该磨削损伤连通域面积最大时的轴承内圈顶部灰度图像所采集的角度作为该磨削损伤连通域的旋转角度值包括：

获取存在当前磨削损伤连通域的所有轴承内圈顶部灰度图像对应的角度；

获取存在该磨削损伤连通域的所有轴承内圈顶部灰度图像中该磨削损伤连通域的面积；

利用存在该磨削损伤连通域的所有轴承内圈顶部灰度图像对应的角度和磨削损伤连通域的面积进行曲线拟合，得到该磨削损伤连通域面积最大时的轴承内圈顶部灰度图像所采集的角度，将该角度作为磨削损伤连通域的旋转角度值。

进一步的，所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，获取每张轴承内圈顶部灰度图像中每个连通域及该连通域对应的所有虚拟连通域的纹理特征值的方法为：

获取每个连通域和该连通域对应的所有虚拟连通域的频谱图像；

获取频谱图像中每个像素点的亮度；

通过频谱图像中每个像素点到频谱图像中心点的距离得到每个像素点的亮度权重；

通过频谱图像中每个像素点的亮度和该像素点的亮度权重得到频谱图像对应的连通域和虚拟连通域的纹理特征值。

进一步的，所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，所述每个角度的轴承内圈顶部灰度图像为每隔固定角度采集的轴承内圈顶部灰度图像。

本发明的有益效果是：本发明是一种应用电子设备进行识别的方法，通过轴承内圈顶部灰度图像中各个区域的灰度以及纹理特征的差异程度，进行磨削损伤识别，利用磨削损伤区域所在的轴承内圈顶部灰度图像得到使磨削损伤区域位于正上方时的旋转角度值，从而调整轴承内圈角度对磨削损伤区域进行打磨，实现轴承内圈表面磨削损伤的识别以及磨削的自动控制，相对于现有技术，本发明具有更高的检测效率，且节省人力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法的实施例的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本发明的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法的实施例，如图1所示，包括：

本发明所针对的主要场景为：均匀光照下，将相机设置在轴承内圈的正上方，轴承每旋转10°获取一次轴承内圈顶部图像，对图像进行处理，根据图像内的特征信息变化情况识别磨削损伤区域，并对该区域进行磨削的自动控制。

101、获取每个角度的轴承内圈顶部灰度图像。

在轴承旋转过程中，每旋转10°使用相机获取一次轴承内圈顶部图像，该图像为轴承内圈表面的顶部图像。

由于实际加工环境较为复杂，相机获取的图像中不仅包含了生产的轴承，还包含了其他加工环境，为了得到轴承内圈顶部图像，本实施例使用DNN语义分割网络对获取的图像进行预处理，对图像中的轴承内圈顶部图像进行识别；具体过程如下：

网络结构为Encoder-Decoder结构，使用的数据集为轴承内圈顶部图像数据集；

需要分割的像素共分为两类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于轴承内圈的标注为1；

网络的任务是分类，所有使用的loss函数为交叉熵损失函数。

对所得轴承内圈图像进行灰度化处理，得到轴承内圈顶部灰度图像序列，记所得图像个数为n，本实施例中n＝36。

至此，通过上述步骤得到轴承内圈顶部灰度图像。

102、获取每张轴承内圈顶部灰度图像中的所有连通域。

在轴承的旋转过程中，倒影区域不会发生变化，磨削损伤区域会发生移动。而正常情况下，倒影区域由于不会发生位置变化，所以该区域在其他角度图像所对应的区域中灰度差异较小；而磨削损伤区域由于位置发生变化，使得磨削损伤区域与其他角度图像所对应的区域之间的灰度差异较大。因此当磨削损伤区域处于正常区域时，更容易识别。

但是在轴承的旋转过程中，磨削损伤区域可能会进入倒影区域，此时的磨削损伤区域同样满足灰度差异较小，导致磨削损伤区域的不易识别，在后续调整轴承状态时，无法将磨削损伤区域置于轴承上方，而轴承内圈表面存在细微的纹理，倒影区域只会对图像表面灰度造成影响而不会破坏倒影区域内轴承内圈本身的纹理特征；但是磨削损伤区域是轴承内圈的表面纹理遭到了破坏，使得磨削损伤区域内的纹理特征发生变化。

对于存在于倒影区域内的磨削损伤区域，其与纯倒影区域的不同之处在于，该磨削损伤区域内的纹理特征会因为损伤的存在而发生变化，即在其他角度图像中，倒影区域的灰度差异较小，纹理特征差异也较小；磨削损伤区域灰度差异性较大，纹理差异也较大；处于倒影区域的磨削损伤区域的灰度差异较小，但纹理特征差异较大。因此可以根据各个区域在不同角度图像中的特征变化判断各个区域是否为磨削损伤区域。

使用Seed-Filling算法对所得序列图像进行连通域分析，由此得到多个连通域，此时的连通域包含倒影区域，可能包含磨削损伤区域以及倒影损伤的混合区域。

103、利用每张轴承内圈顶部灰度图像中的每个连通域获取该连通域在其他张轴承内圈顶部灰度图像中对应位置的虚拟连通域；获取每张轴承内圈顶部灰度图像中每个连通域及该连通域对应的所有虚拟连通域的灰度平均值和纹理特征值；

根据各个连通域中所有像素点的灰度值计算各个连通域的灰度均值，用以表征区域的灰度特征值。

使用傅里叶变换将各个区域转换到频域空间中，根据频谱图像中各个像素点的亮度，并利用频谱图像中各个像素点到频谱图像中心点的距离得到权重，得到所有像素点的亮度和权重乘积的和，用以表征该区域的高频信息含量，由此得到各个区域的纹理特征值。其中像素点到频谱中心点的距离越大，所对应的权重越大。

则序列图像中第i张图像中的第j个连通域的特征描述可表示为(H_ij,W_ij)，H_ij表示第i张轴承内圈顶部灰度图像中第j个连通域的灰度均值，W_ij表示第i张轴承内圈顶部灰度图像中第j个连通域的纹理特征值。获取其他角度所对应的图像中，与第i张图像中的第j个连通域所对应的区域的特征描述为(H′_1j,W′_1j),(H′_2j,W′_2j),…,(H′_ij,W′_ij),…,(H′_nj,W′_nj)，由此得到第i张图像中的第j个连通域所对应的特征序列I_ij＝{(H′_1j,W′_1j),(H′_2j,W′_2j),…,(H′_ij,W′_ij),…,(H′_nj,W′_nj)}。

上述(H′_ij,W′_ij)＝(H_ij,W_ij)，(H′_1j,W′_1j),(H′_2j,W′_2j),…,(H′_ij,W′_ij),…,(H′_nj,W′_nj)为其他图像中与第i张图像中的第j个连通域对应位置处的虚拟连通域的特征描述，其他图像中相同位置处的连通域为虚拟连通域，不代表真实存在该连通域，只是为了后续方便计算第i张图像中的第j个连通域属于磨削损伤区域的概率构建出来的虚拟连通域。

104、根据每张轴承内圈顶部灰度图像中每个连通域及该连通域对应的所有虚拟连通域的灰度平均值和纹理特征值计算该连通域为磨削损伤区域的损伤概率；根据获取的每张轴承内圈顶部灰度图像中每个连通域的损伤概率确定出每张轴承内圈顶部灰度图像中所有的磨削损伤连通域。

由于磨削损伤区域的位置存在两种情况，位于正常区域或位于倒影区域，而磨削损伤会造成轴承内圈表面的光泽度下降。

当磨削损伤区域位于正常区域时，经过轴承的旋转，在其他角度图像中该磨削损伤区域对应的是正常区域，进而导致不同角度图像中的灰度差异较大；而当磨削损伤区域处于倒影区域中时，由于倒影区域中的光亮程度差异可能较小，但是仍然存在纹理差异。

即，在不同图像的对应区域中的灰度差异越大，其属于磨削损伤的概率越大；当灰度差异越大时，属于磨削损伤的概率越大；而当灰度差异较小时，需要进一步根据纹理差异判断其属于磨削损伤区域的概率。

本模块通过对各个区域的纹理特征以及灰度特征进行抽取，通过分析各个区域在不同旋转角度所得图像中的特征变化情况，不仅可以对处于正常区域的磨削损伤区域进行识别，也可以识别出处于倒影区域内的磨削损伤区域，从而避免环境倒影区域对损伤区域的干扰。

具体识别过程如下：

根据其他图像上的对应区域与当前区域的灰度差异以及纹理差异，判断各个区域属于磨削损伤区域的概率，则第i张图像中的第j个连通域属于磨削损伤区域的概率P_ij可表示为：

式中：k表示第k张轴承内圈顶部灰度图像，n表示轴承内圈顶部灰度图像的个数，H′_kj表示第i张图像中的第j个连通域在第k张轴承内圈顶部灰度图像对应位置的虚拟连通域的灰度均值，W′_kj表示第i张图像中的第j个连通域在第k张轴承内圈顶部灰度图像对应位置的虚拟连通域的纹理特征值。

当P_ij≥0.8时，认为该区域为磨削损伤区域；否则认为其为非磨削损伤区域。

105、根据每张轴承内圈顶部灰度图像中磨削损伤连通域的中心点坐标和其相邻角度的轴承内圈顶部灰度图像中磨削损伤连通域的中心点坐标判断该磨削损伤连通域是否在其相邻角度的轴承内圈顶部灰度图像中存在；若不存在，将当前轴承内圈顶部灰度图像所采集的角度作为该磨削损伤连通域的旋转角度值；若存在，根据该磨削损伤连通域在不同轴承内圈顶部灰度图像中的面积确定出该磨削损伤连通域面积最大时所在的轴承内圈顶部灰度图像，将该磨削损伤连通域面积最大时的轴承内圈顶部灰度图像所采集的角度作为该磨削损伤连通域的旋转角度值。

由于所得轴承内圈图像是旋转过程中得到的，多张图像所得到的损伤可能属于同一个损伤，为实现磨削损伤区域的准确定位，需要根据存在磨削损伤区域的图像所对应的角度范围，对轴承内圈的旋转角度自适应进行调整，使得磨削损伤区域的各个位置均可以位于轴承内圈的最上方，从而实现对各个磨削损伤区域的自动磨削。

具体过程如下：

对灰度序列图像中，各个图像上的各个磨削损伤区域作最小包围框(即最小外接矩形)，以包围框对角线的交点作为该磨削损伤区域的中心点，并获取磨削损伤区域中像素点的个数作为磨削损伤区域的面积，由此得到该磨削损伤区域的状态二元组，该状态二元组由磨削损伤区域的中心点坐标和磨削损伤区域的面积组成。

由于同一个磨削损伤区域在轴承的旋转过程中会随着旋转方向进行移动，因此其中心点的纵坐标不会发生变化，而横坐标会随着旋转过程每次移动的距离，其中R为轴承内圈半径，因此根据当前图像中磨削损伤区域的纵坐标，在下一张图像中与当前图像中磨削损伤区域中心点的纵坐标相同的所有磨削损伤区域中，选取中心点横坐标与当前磨削损伤区域的横坐标之间的差值为/>的区域作为同一磨削损伤区域，其中最后一张图像的下一张图像为第一张图像，即轴承内圈的序列图像是循环的。

由于轴承内圈未必只存在一个损伤，所以需要对损伤进行判断，确定不同角度的图像中哪些损伤实际为同一损伤，由于相邻图像对应的角度相差10度，同一个损伤区域中心点的纵坐标在相邻图像中不发生改变，横坐标随着角度变化一次，移动的距离，故上述步骤根据该逻辑可以确定所有图像中的同一损伤区域。

根据相机近大远小的成像原理，当同一个磨削损伤区域位于轴承的最上方时，距离相机光心的距离最近，对应该区域在图像中的面积最大，即磨削损伤区域在不同旋转角度对应的图像中的面积存在一个最大值，因此可以根据旋转过程中面积大小的变化情况，确定磨削损伤区域位于轴承最上方时的旋转角度，结合损伤区域的分布范围，从而得到对磨削损伤区域进行打磨时的旋转角度范围。

具体过程如下：

按照前述对同一磨削损伤区域进行判断的方法，得到同一磨削损伤区域所对应的图像。将同一个磨削损失区域所对应图像的角度值划分为一组，得到该磨削损伤区域所对应的角度序列。

按照上述操作依次处理各个磨削损伤区域，得到各个磨削损伤区域的角度序列，此时所得角度序列的个数即为轴承上所包含的磨削损伤区域的总个数。

使用最小二乘法对不同角度的图像上该磨削损伤区域所对应的面积大小进行曲线拟合，得到曲线极大值点所对应的旋转角度值。其中第t个磨削损伤区域对应的旋转角度值为θ_t。

106、根据磨削损伤连通域的旋转角度值对轴承内圈进行旋转打磨。

根据已获取的角度图像中最接近θ_t的图像中，该磨削损伤区域中像素点的横坐标分布范围，结合轴承内圈半径R，得到该磨削损伤区域分布的角度范围θ_tf，通过磨削损伤区域的旋转角度值和该磨削损伤区域分布的角度范围得到该磨削损伤区域的最佳旋转角度范围

上述步骤获取磨削损伤区域面积最大时的角度作为旋转角度值，再结合磨削损伤区域的横坐标分布范围确定最佳旋转角度范围。

根据上述步骤处理各个磨削损伤区域，得到各个磨削损伤区域所对应的最佳旋转角度范围。

根据上述步骤所得最佳旋转角度范围进行调整，可以使轴承内圈表面的磨削损伤区域的各个位置依次与砂轮进行接触，从而对轴承内圈磨削损伤区域进行精确打磨，实现轴承磨削工艺中表面损伤区域的识别以及磨削智能化控制，进而提高产品的合格率。

具体步骤如下：

根据各个磨削损伤区域的最佳旋转角度范围，调节轴承的旋转角度，向上移动轴承内圈，使轴承内圈磨削损伤区域的各个位置可以依次与砂轮进行接触，直到该损伤区域打磨完成。

向下移动轴承内圈，调节轴承的旋转角度，重复上述操作，直到处理完所有磨削损伤区域。

对处理完成后的轴承再次进行检测，直到轴承表面不存在磨削损伤区域。

本发明是一种应用电子设备进行识别的方法，通过轴承内圈顶部灰度图像中各个区域的灰度以及纹理特征的差异程度，进行磨削损伤识别，利用磨削损伤区域所在的轴承内圈顶部灰度图像得到使磨削损伤区域位于正上方时的旋转角度值，从而调整轴承内圈角度对磨削损伤区域进行打磨，实现轴承内圈表面磨削损伤的识别以及磨削的自动控制，相对于现有技术，本发明具有更高的检测效率，且节省人力。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，其特征在于，包括：

获取每个角度的轴承内圈顶部灰度图像；

获取每张轴承内圈顶部灰度图像中的所有连通域；

利用每张轴承内圈顶部灰度图像中的每个连通域获取该连通域在其他张轴承内圈顶部灰度图像中对应位置的虚拟连通域；获取每张轴承内圈顶部灰度图像中每个连通域及该连通域对应的所有虚拟连通域的灰度平均值和纹理特征值；

根据每张轴承内圈顶部灰度图像中每个连通域及该连通域对应的所有虚拟连通域的灰度平均值和纹理特征值计算该连通域为磨削损伤区域的损伤概率；根据获取的每张轴承内圈顶部灰度图像中每个连通域的损伤概率确定出每张轴承内圈顶部灰度图像中所有的磨削损伤连通域；

根据每张轴承内圈顶部灰度图像中磨削损伤连通域的中心点坐标和其相邻角度的轴承内圈顶部灰度图像中磨削损伤连通域的中心点坐标判断该磨削损伤连通域是否在其相邻角度的轴承内圈顶部灰度图像中存在；

若不存在，将当前轴承内圈顶部灰度图像所采集的角度作为该磨削损伤连通域的旋转角度值；

若存在，根据该磨削损伤连通域在不同轴承内圈顶部灰度图像中的面积确定出该磨削损伤连通域面积最大时所在的轴承内圈顶部灰度图像，将该磨削损伤连通域面积最大时的轴承内圈顶部灰度图像所采集的角度作为该磨削损伤连通域的旋转角度值；

根据磨削损伤连通域的旋转角度值对轴承内圈进行旋转打磨；

连通域为磨削损伤区域的损伤概率的表达式为：

式中：表示第/>张轴承内圈顶部灰度图像中第/>个连通域为磨削损伤区域的损伤概率，表示第/>张轴承内圈顶部灰度图像，/>表示轴承内圈顶部灰度图像的个数，/>表示第/>张轴承内圈顶部灰度图像中第/>个连通域在第/>张轴承内圈顶部灰度图像对应位置的虚拟连通域的灰度均值，/>表示第/>张轴承内圈顶部灰度图像中第/>个连通域的灰度均值，/>表示第/>张轴承内圈顶部灰度图像中第/>个连通域在第/>张轴承内圈顶部灰度图像对应位置的虚拟连通域的纹理特征值，/>表示第/>张轴承内圈顶部灰度图像中第/>个连通域的纹理特征值。

2.根据权利要求1所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，其特征在于，根据磨削损伤连通域的旋转角度值对轴承内圈进行旋转打磨的方法为：

通过磨削损伤连通域的旋转角度值对应的轴承内圈顶部灰度图像中磨削损伤连通域的像素点坐标和轴承内圈半径得到该磨削损伤连通域的分布角度范围；

通过磨削损伤连通域的旋转角度值和分布角度范围得到磨削损伤连通域的最佳旋转角度范围；

根据磨削损伤连通域的最佳旋转角度范围对磨削损伤连通域进行旋转打磨。

3.根据权利要求1所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，其特征在于，根据获取的每张轴承内圈顶部灰度图像中每个连通域的损伤概率确定出每张轴承内圈顶部灰度图像中所有的磨削损伤连通域的方法为：

若轴承内圈顶部灰度图像中的连通域的损伤概率大于或等于概率阈值，判断该连通域为磨削损伤连通域；若轴承内圈顶部灰度图像中的连通域的损伤概率小于概率阈值，判断该连通域不是磨削损伤连通域。

4.根据权利要求1所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，其特征在于，若存在，根据该磨削损伤连通域在不同轴承内圈顶部灰度图像中的面积确定出该磨削损伤连通域面积最大时所在的轴承内圈顶部灰度图像，将该磨削损伤连通域面积最大时的轴承内圈顶部灰度图像所采集的角度作为该磨削损伤连通域的旋转角度值的方法包括：

获取存在当前磨削损伤连通域的所有轴承内圈顶部灰度图像对应的角度；

获取存在该磨削损伤连通域的所有轴承内圈顶部灰度图像中该磨削损伤连通域的面积；

利用存在该磨削损伤连通域的所有轴承内圈顶部灰度图像对应的角度和磨削损伤连通域的面积进行曲线拟合，得到该磨削损伤连通域面积最大时的轴承内圈顶部灰度图像所采集的角度，将该角度作为磨削损伤连通域的旋转角度值。

5.根据权利要求1所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，其特征在于，获取每张轴承内圈顶部灰度图像中每个连通域及该连通域对应的所有虚拟连通域的纹理特征值的方法为：

获取每个连通域和该连通域对应的所有虚拟连通域的频谱图像；

获取频谱图像中每个像素点的亮度；

通过频谱图像中每个像素点到频谱图像中心点的距离得到每个像素点的亮度权重；

通过频谱图像中每个像素点的亮度和该像素点的亮度权重得到频谱图像对应的连通域和虚拟连通域的纹理特征值。

6.根据权利要求1所述的一种液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法，其特征在于，所述每个角度的轴承内圈顶部灰度图像为每隔固定角度采集的轴承内圈顶部灰度图像。