本發(fā)明實(shí)施例涉及機(jī)器視覺技術(shù)領(lǐng)域，特別涉及一種基于視覺的軸承密封件缺陷檢測方法。

背景技術(shù)：

當(dāng)前我國的軸承制造業(yè)仍以傳統(tǒng)產(chǎn)品為主，技術(shù)水平并不高，由此帶來的影響是，國內(nèi)軸承生產(chǎn)仍然是勞動(dòng)力密集型為主，總體產(chǎn)量高，但技術(shù)含量低、精度低、產(chǎn)品附加值低，且質(zhì)量無法保證。盡管少數(shù)國內(nèi)軸承生產(chǎn)企業(yè)，從國外引進(jìn)了一些自動(dòng)化、半自動(dòng)化軸承制造裝備，形成了部分高精密軸承產(chǎn)品的生產(chǎn)產(chǎn)能，但由于檢測手段以人工檢測、離線抽查為主，使得產(chǎn)品質(zhì)量無法得到保證，無法滿足國外用戶的質(zhì)量要求，在出現(xiàn)質(zhì)量問題時(shí)，往往面臨著巨額的罰款。同時(shí)，由于無法實(shí)現(xiàn)精密軸承的實(shí)時(shí)在線檢測，生產(chǎn)線自動(dòng)化、智能化控制水平無法提高，生產(chǎn)效率無法與國外企業(yè)相比，國內(nèi)處在前列的幾家國內(nèi)企業(yè)，生產(chǎn)效益還無法與一家國外大型企業(yè)相比。在線檢測技術(shù)可實(shí)現(xiàn)制造、檢測的自動(dòng)化和一體化，還可以實(shí)現(xiàn)檢測手段的標(biāo)準(zhǔn)化。隨著我國高精密軸承產(chǎn)品需求的增加，產(chǎn)能的擴(kuò)大，以及出口量的加大，特別是軸承產(chǎn)品領(lǐng)域國際標(biāo)準(zhǔn)的貫徹實(shí)施，使得對高精密軸承的在線檢測技術(shù)的需求越來越迫切。

在軸承及其配件的制造加工過程中，可能出現(xiàn)毛刺、色差、溢膠、銹蝕、裂紋、刮傷、結(jié)疤、孔洞、表面分層、麻點(diǎn)、缺珠、倒角未加工、倒角過大或過小、壓傷、端面未加工等缺陷，這將降低軸承的抗腐蝕性、耐磨性和抗疲勞強(qiáng)度等性能。目前國內(nèi)外軸承制造企業(yè)通常采用人工目視抽檢的方式來進(jìn)行質(zhì)量評估，缺乏檢測的一致性和科學(xué)性，且效率較低，而以信息技術(shù)為基礎(chǔ)研制的智能檢測設(shè)備可解決此類問題。伴隨著高精度圖像傳感器件、數(shù)字信號處理器技術(shù)、計(jì)算機(jī)視覺、模式識別等相關(guān)領(lǐng)域的理論探索和應(yīng)用研究日臻完善和實(shí)用化，基于視覺的軸承缺陷自動(dòng)檢測系統(tǒng)的研制受到越來越多軸承廠家的重視。

基于計(jì)算機(jī)視覺的缺陷檢測具有非接觸、快速、精確和可靠性高等優(yōu)點(diǎn)，因此已經(jīng)在食品分級、印刷品、玻璃、鋼鐵、液晶顯示器等表面的缺陷檢測獲得了廣泛的研究和應(yīng)用。然而，現(xiàn)有的視覺檢測系統(tǒng)無法應(yīng)用于軸承密封件的在線檢測，其主要原因在于：1)軸承密封件的模式比較復(fù)雜，顏色多樣，有正反面之分，且反面密封件金屬區(qū)域的面積差別很大，2)軸承密封件上存在的缺陷種類很多，包括毛刺、色差、溢膠、銹蝕等，3)軸承密封件缺陷檢測的精度要求很高，對毛刺的檢測精度通常要求在0.1mm²甚至更高，因此需要采用高分辨率的圖像傳感器(300萬象素或500萬象素)，這就對視覺圖像處理方法的效率提出了較高的要求。

有鑒于此，特提出本發(fā)明。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的主要目的在于提供一種基于視覺的軸承密封件缺陷檢測方法，用以解決軸承密封件上可能存在的毛刺、色差、溢膠和銹蝕缺陷的在線檢測問題。

為實(shí)現(xiàn)上述目的，提供了以下技術(shù)方案：

一種基于視覺的軸承密封件缺陷檢測方法，所述方法包括：

獲取軸承密封件圖像；

對所述軸承密封件圖像運(yùn)用圖像分割和目標(biāo)關(guān)聯(lián)方法，得到所述軸承密封件的工件圖像；

對所述工件圖像運(yùn)用工件范圍計(jì)算，得到所述軸承密封件的有效工件圖像；

對所述有效工件圖像運(yùn)用工件范圍比對和方向差異判定方法，得到毛刺缺陷；

對所述有效工件圖像運(yùn)用直方圖分析方法，得到正面工件圖像和反面工件圖像；

對所述正面工件圖像運(yùn)用顏色顯著性和矩形特征判定方法，得到色差缺陷；

對所述反面工件圖像運(yùn)用金屬范圍計(jì)算，得到工件金屬部分圖像；

對所述工件金屬部分圖像運(yùn)用亮度顯著性和顏色變換方法，得到溢膠和銹蝕缺陷。

優(yōu)選地，所述對所述軸承密封件圖像運(yùn)用圖像分割和目標(biāo)關(guān)聯(lián)方法，得到所述軸承密封件的工件圖像，具體包括：

對所述軸承密封件圖像運(yùn)用有監(jiān)督過渡區(qū)域分割方法和連通區(qū)域分析方法，得到候選工件區(qū)域；

對所述候選工件區(qū)域運(yùn)用其大小和位置信息，得到當(dāng)前時(shí)刻圖像中的工件區(qū)域信息；

對所述當(dāng)前時(shí)刻圖像中的工件區(qū)域信息運(yùn)用目標(biāo)關(guān)聯(lián)方法，得到工件運(yùn)動(dòng)軌跡信息；

對所述工件運(yùn)動(dòng)軌跡信息運(yùn)用狀態(tài)估計(jì)方法，得到所述軸承密封件的所述工件圖像。

優(yōu)選地，所述對所述工件圖像運(yùn)用工件范圍計(jì)算，得到所述軸承密封件的有效工件圖像，具體包括：

對所述工件圖像運(yùn)用有監(jiān)督過渡區(qū)域分割方法和尺寸濾波方法，得到有效工件區(qū)域；

對所述有效工件區(qū)域運(yùn)用其在極坐標(biāo)系下的最外邊緣和最內(nèi)邊緣信息，得到所述有效工件區(qū)域的內(nèi)外邊緣信息；

對獲得的所述內(nèi)外邊緣信息運(yùn)用最小二乘擬合方法，得到所述軸承密封件的位置和大小信息；

將所述軸承密封件的所述位置和大小信息所對應(yīng)幾何區(qū)域的圖像確定為所述有效工件圖像。

優(yōu)選地，所述對所述有效工件圖像運(yùn)用工件范圍比對和方向差異判定方法，得到毛刺缺陷，具體包括：

對所述有效工件圖像運(yùn)用有監(jiān)督過渡區(qū)域分割方法和尺寸濾波方法，得到有效工件區(qū)域；

對所述有效工件區(qū)域和所述有效工件圖像運(yùn)用工件范圍比對、形態(tài)學(xué)開運(yùn)算和連通成分分析方法，得到候選毛刺區(qū)域；

對所述候選毛刺區(qū)域運(yùn)用方向差異判定方法，得到所述毛刺缺陷。

優(yōu)選地，所述對所述候選毛刺區(qū)域運(yùn)用方向差異判定方法，得到所述毛刺缺陷，具體包括：

對所述候選毛刺區(qū)域運(yùn)用形態(tài)學(xué)邊緣檢測和連通成分分析方法，得到毛刺邊緣輪廓；

對所述毛刺邊緣輪廓上均勻分布的三個(gè)點(diǎn)，計(jì)算以中間點(diǎn)為頂點(diǎn)的三點(diǎn)間的夾角值；

用所述三點(diǎn)間的夾角值減去所述三個(gè)點(diǎn)的間距與所述工件半徑的比值，得到在給定點(diǎn)間距離下的在當(dāng)前點(diǎn)的歸一化角度變化值；

將在不同點(diǎn)的位置和點(diǎn)間距離的情況下，所述歸一化角度變化值的最大值確定為方向差異特征，從而得到所述毛刺缺陷。

優(yōu)選地，所述對所述正面工件圖像運(yùn)用顏色顯著性和矩形特征判定方法，得到色差缺陷，具體包括：

對所述正面工件圖像運(yùn)用顏色統(tǒng)計(jì)特征和自適應(yīng)分割閾值判定方法，得到色差分割圖像；

對所述色差分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算和連通成分分析方法，得到候選色差區(qū)域圖像；

對所述候選色差區(qū)域圖像運(yùn)用矩形特征判定方法，得到所述色差缺陷。

優(yōu)選地，所述對所述候選色差區(qū)域圖像運(yùn)用矩形特征判定方法，得到所述色差缺陷，具體包括：

對所述候選色差區(qū)域圖像運(yùn)用中心四周差異算子，得到極值矩形特征；

對所述候選色差區(qū)域圖像分別運(yùn)用0度、45度、90度和135度方向的小波矩形算子，得到四個(gè)方向矩形特征；

若所述候選色差區(qū)域在Y空間的矩形特征值大于第一設(shè)定值或者在IQ空間的矩形特征值大于第二設(shè)定值，則判定所述候選色差區(qū)域?yàn)樗錾钊毕?；其中，所述矩形特征包括所述極值矩形特征和所述方向矩形特征。

優(yōu)選地，所述對所述反面工件圖像運(yùn)用金屬范圍計(jì)算，得到工件金屬部分圖像，具體包括：

對所述反面工件圖像運(yùn)用分塊顏色差異分析方法，得到金屬相似度圖像；

對所述金屬相似度圖像運(yùn)用有監(jiān)督過渡區(qū)域分割方法、形態(tài)學(xué)開運(yùn)算和尺寸濾波方法，得到金屬分割圖像；

對所述金屬分割圖像運(yùn)用其在極坐標(biāo)系下的最外邊緣和最內(nèi)邊緣信息，得到金屬區(qū)域的內(nèi)外邊緣信息；

對所述金屬區(qū)域的內(nèi)外邊緣信息運(yùn)用最小二乘擬合方法，得到所述軸承密封件反面金屬區(qū)域的位置和大小信息，并將所述反面金屬區(qū)域的位置和大小信息所對應(yīng)幾何區(qū)域的圖像確定為所述工件金屬部分圖像。

優(yōu)選地，所述對所述工件金屬部分圖像運(yùn)用亮度顯著性和顏色變換方法，得到溢膠和銹蝕缺陷，具體包括：

對所述工件金屬部分圖像運(yùn)用亮度顯著性和金屬相似度分析方法，得到溢膠分割圖像；

對所述溢膠分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算和連通成分分析方法，得到溢膠缺陷；

對所述工件金屬部分圖像運(yùn)用顏色變換方法，得到銹蝕顏色特征；

對所述工件金屬部分圖像運(yùn)用所述銹蝕顏色特征和亮度特征分析方法，得到銹蝕分割圖像；

對所述銹蝕分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算和連通成分分析方法，得到銹蝕缺陷。

優(yōu)選地，所述對所述銹蝕分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算和連通成分分析方法，得到銹蝕缺陷，具體包括：

對所述銹蝕分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算去除噪聲；

對形態(tài)學(xué)開運(yùn)算的結(jié)果運(yùn)用連通成分分析方法得到所述銹蝕缺陷。

本發(fā)明實(shí)施例提供一種基于視覺的軸承密封件缺陷檢測方法，通過獲取軸承密封件圖像；對軸承密封件圖像運(yùn)用圖像分割和目標(biāo)關(guān)聯(lián)方法，得到軸承密封件的工件圖像；對工件圖像運(yùn)用工件范圍計(jì)算，得到軸承密封件的有效工件圖像；對有效工件圖像運(yùn)用工件范圍比對和方向差異判定方法，得到毛刺缺陷；對有效工件圖像運(yùn)用直方圖分析方法，得到正面工件圖像和反面工件圖像；對正面工件圖像運(yùn)用顏色顯著性和矩形特征判定方法，得到色差缺陷；對反面工件圖像運(yùn)用金屬范圍計(jì)算，得到工件金屬部分圖像；對工件金屬部分圖像運(yùn)用亮度顯著性和顏色變換方法，得到溢膠和銹蝕缺陷。通過本發(fā)明實(shí)施例解決了軸承密封件的在線檢測問題，克服了人工離線抽檢方法效率低、容易疲勞、質(zhì)量無法保證的缺陷，可滿足軸承生產(chǎn)廠家提升自動(dòng)化水平的需要。

附圖說明

圖1為根據(jù)本發(fā)明實(shí)施例的基于視覺的軸承密封件缺陷檢測方法的流程示意圖；

圖2a為根據(jù)本發(fā)明實(shí)施例的工件圖像提取示意圖；

圖2b為根據(jù)本發(fā)明實(shí)施例的當(dāng)軸承密封件在攝像機(jī)視野中心時(shí)輸出的工件圖像；

圖3為根據(jù)本發(fā)明實(shí)施例的有效工件圖像提取示意圖；

圖4為根據(jù)本發(fā)明實(shí)施例的毛刺缺陷檢測結(jié)果示意圖；

圖5為根據(jù)本發(fā)明實(shí)施例的計(jì)算極值矩形特征和方向矩形特征的計(jì)算模板示意圖；

圖6為根據(jù)本發(fā)明實(shí)施例的色差缺陷檢測結(jié)果示意圖；

圖7為根據(jù)本發(fā)明實(shí)施例的溢膠缺陷檢測結(jié)果示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對本發(fā)明的實(shí)施方式做進(jìn)一步地詳細(xì)描述。

本發(fā)明實(shí)施例的主要思想是：利用機(jī)器視覺光源(例如：RL-170-20-W)控制環(huán)境亮度，以高分辨率工業(yè)攝像機(jī)實(shí)時(shí)采集的圖像為主要信息源，采用視覺圖像處理對工件進(jìn)行定位和分析，實(shí)現(xiàn)軸承密封件缺陷的在線檢測，確定工件的缺陷位置和類型。

本發(fā)明實(shí)施例提供一種基于視覺的軸承密封件缺陷檢測方法。如圖1所示，該方法可以包括：

S100：獲取軸承密封件圖像。

本步驟可以使用高分辨率工業(yè)攝像機(jī)(例如：MV-3000UC，300萬象素)實(shí)時(shí)采集軸承密封件圖像。利用高分辨率工業(yè)攝像機(jī)克服了人工檢測效率低和質(zhì)量無法保證的缺陷。

S110：對軸承密封件圖像運(yùn)用圖像分割和目標(biāo)關(guān)聯(lián)方法，得到軸承密封件的工件圖像。

其中，本步驟可以將實(shí)時(shí)采集的軸承密封件圖像運(yùn)用圖像分割和目標(biāo)關(guān)聯(lián)，得到軸承密封件在攝像機(jī)視場中心時(shí)的工件圖像。

具體地，本步驟額可以進(jìn)一步包括：

S111：對軸承密封件圖像運(yùn)用有監(jiān)督過渡區(qū)域分割方法和連通區(qū)域分析方法，得到候選工件區(qū)域。

在實(shí)際應(yīng)用中，可以采用下采樣實(shí)時(shí)采集的方式，這樣可以減少工作量。

下面以一優(yōu)選實(shí)施例的方式來詳細(xì)說明得到候選工件區(qū)域的過程。

步驟A1：統(tǒng)計(jì)軸承密封件圖像的灰度直方圖，并利用ISODATA算法求得分割圖像所需要的閾值，記為t_2a1。

步驟A2：判定閾值在帶寬內(nèi)的像素比例；如果比例不大，則執(zhí)行步驟A3；若t_2a1在20帶寬內(nèi)的像素比例大于70％，執(zhí)行步驟A4。

步驟A3：確定存在工件，且t_2a1在背景和工件亮度之間，

步驟A4：確定當(dāng)前時(shí)刻圖像中不存在工件，直接返回步驟A1；

步驟A5：求得軸承密封件圖像的灰度直方圖的峰值，記為t_2a2。

步驟A6：根據(jù)以下公式計(jì)算圖像分割的閾值：

t_2a3＝1.1t_2a1-0.1t_2a2

其中，t_2a3表示圖像分割的閾值。

步驟A7：根據(jù)t_2a3兩邊亮度值的像素個(gè)數(shù)，判斷出目標(biāo)的明暗，并以此分割圖像，得到候選工件區(qū)域。

S112：對候選工件區(qū)域運(yùn)用其大小和位置信息，得到當(dāng)前時(shí)刻圖像中的工件區(qū)域信息。

在具體實(shí)施過程中，可以運(yùn)用連通成分分析技術(shù)得到尺寸大于一定數(shù)量像素(例如：2000像素)的目標(biāo)區(qū)域信息；然后合并相互有重疊部分的區(qū)域，并得到最終的工件區(qū)域信息。

S113：對當(dāng)前時(shí)刻圖像中的工件區(qū)域信息運(yùn)用目標(biāo)關(guān)聯(lián)方法，得到工件運(yùn)動(dòng)軌跡信息。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明得到工件運(yùn)動(dòng)軌跡信息的過程。

步驟B1：把當(dāng)前時(shí)刻圖像中的工件區(qū)域信息按照其出現(xiàn)的時(shí)間排序。

步驟B2：判斷目標(biāo)軌跡庫中是否有工件區(qū)域信息；若無，則執(zhí)行步驟B3。

步驟B3：把當(dāng)前時(shí)刻的工件區(qū)域信息存入目標(biāo)軌跡庫中，返回步驟B1。

步驟B4：對每一個(gè)目標(biāo)軌跡，加上速度預(yù)測，查找與其最匹配的當(dāng)前時(shí)刻圖像中的工件區(qū)域信息；若有，則執(zhí)行步驟B5；否則，執(zhí)行步驟B6。

步驟B5：找出與其最匹配的當(dāng)前時(shí)刻圖像中的工件區(qū)域信息，并將其加入目標(biāo)軌跡中。

步驟B6：刪除該目標(biāo)軌跡。

若沒有和當(dāng)前目標(biāo)軌跡匹配的工件區(qū)域信息，則說明目標(biāo)離開了視野，那么就刪除該目標(biāo)軌跡。

步驟B7：判斷是否存在和當(dāng)前工件區(qū)域信息匹配的目標(biāo)軌跡，若無，則執(zhí)行步驟B8。

步驟B8：添加目標(biāo)軌跡。

若沒有和當(dāng)前工件區(qū)域信息匹配的目標(biāo)軌跡，則說明工件進(jìn)入了視野，添加目標(biāo)軌跡。

步驟B9：判斷工件的運(yùn)動(dòng)速度是否為零，若是，則執(zhí)行步驟10。

步驟B10：判定皮帶的運(yùn)行方向及速度大小。

當(dāng)工件的運(yùn)動(dòng)速度為0時(shí)，說明第一個(gè)目標(biāo)出現(xiàn)，則利用該目標(biāo)判定皮帶的運(yùn)行方向及速度大小。

S114：對工件運(yùn)動(dòng)軌跡信息運(yùn)用狀態(tài)估計(jì)方法，得到軸承密封件的工件圖像。

在實(shí)際應(yīng)用中，如果采用高分辨率工業(yè)攝像機(jī)進(jìn)行實(shí)時(shí)采集，則本步驟對工件運(yùn)動(dòng)軌跡信息運(yùn)用預(yù)測方法，得到的是軸承密封件在高分辨率工業(yè)攝像機(jī)視場中心時(shí)的工件圖像，也即如果工件軌跡的當(dāng)前位置加上預(yù)測速度的大小超過視野長度的一半，輸出工件圖像。

圖2a和圖2b示例性地示出了工件圖像提取示意圖。其中圖2a的矩形區(qū)域11和矩形區(qū)域12為經(jīng)過圖像分割、連通成分分析和目標(biāo)關(guān)聯(lián)后所得到的目標(biāo)軌跡信息；圖2b為當(dāng)軸承密封件在攝像機(jī)視野中心時(shí)輸出的工件圖像(也即圖2a中矩形區(qū)域12的放大示意圖)。

S120：對工件圖像運(yùn)用工件范圍計(jì)算，得到軸承密封件的有效工件圖像。

具體地，本步驟可以進(jìn)一步包括：

S121：對工件圖像運(yùn)用有監(jiān)督過渡區(qū)域分割方法和尺寸濾波方法，得到有效工件區(qū)域。

在實(shí)際應(yīng)用中，本步驟可以通過以下優(yōu)選方式來實(shí)現(xiàn)。

步驟C1：統(tǒng)計(jì)工件圖像的灰度直方圖，并利用ISODATA算法求得分割圖像所需要的閾值。

步驟C2：利用閾值分割工件圖像，得到候選工件區(qū)域。

步驟C3：利用尺寸濾波器去除面積小于工件圖像1％的噪聲，得到有效工件區(qū)域。

步驟C4：判斷工件圖像邊緣地區(qū)是否有工件區(qū)域，若有，則執(zhí)行步驟C5。

步驟C5：判定工件出界，且判定為不合格產(chǎn)品。

如果在工件圖像邊緣地區(qū)有工件區(qū)域，則判定工件出界，且為不合格產(chǎn)品。

S122：對有效工件區(qū)域運(yùn)用其在極坐標(biāo)系下的最外邊緣和最內(nèi)邊緣信息，得到有效工件區(qū)域的內(nèi)外邊緣信息。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明得到有效工件區(qū)域的內(nèi)外邊緣信息的過程。

步驟D1：以工件圖像中心為原點(diǎn)，在采樣角度方向均勻取720個(gè)采樣點(diǎn)。

步驟D2：沿著每一個(gè)采樣角度方向，從外至里掃描，以第一個(gè)目標(biāo)點(diǎn)為外邊緣上的點(diǎn)。

步驟D3：以工件圖像中心為原點(diǎn)，統(tǒng)計(jì)出0度、90度、180度和270度四個(gè)方向上的目標(biāo)點(diǎn)隨距離的變化情況，并以第一個(gè)非零點(diǎn)的距離減去10為內(nèi)邊緣點(diǎn)的最小值。

步驟D4：以內(nèi)邊緣的最小值為起點(diǎn)，沿著每一個(gè)采樣角度方向，從里至外掃描，以第一個(gè)目標(biāo)點(diǎn)為內(nèi)邊緣上的點(diǎn)。

S123：對獲得的內(nèi)外邊緣信息運(yùn)用最小二乘擬合方法，得到軸承密封件的位置和大小信息。

S124：將軸承密封件的位置和大小信息所對應(yīng)幾何區(qū)域的圖像確定為有效工件圖像。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明得到軸承密封件的位置和大小信息的過程。

步驟E1：對內(nèi)、外邊緣信息做下采樣，初始化所有邊緣點(diǎn)為內(nèi)點(diǎn)。

本步驟采用下采樣的方式可以減小計(jì)算量。

步驟E2：將當(dāng)前點(diǎn)設(shè)置為外點(diǎn)，以所有的內(nèi)點(diǎn)為基礎(chǔ)進(jìn)行最小二乘橢圓擬合。

步驟E3：判斷邊緣點(diǎn)和擬合的橢圓的距離是否小于第一閾值，若是，則執(zhí)行步驟E4。

其中，第一閾值較佳地可以取0.02。

步驟E4：判定邊緣點(diǎn)為內(nèi)點(diǎn)。

步驟E5：重復(fù)步驟E2和步驟E3，直到所有的采樣邊緣點(diǎn)都被處理過，輸出基于采樣點(diǎn)的軸承密封件的位置和大小信息。

步驟E6：針對所有的內(nèi)外邊緣信息，將內(nèi)外邊緣和基于采樣點(diǎn)擬合的橢圓的距離小于第二閾值的點(diǎn)確定為內(nèi)點(diǎn)。

其中，第二閾值較佳地可以取0.01。

步驟E7：利用所有內(nèi)點(diǎn)擬合得到軸承密封件的位置、長軸、短軸、傾斜角等信息。

步驟E8：將軸承密封件的位置和大小信息所對應(yīng)幾何區(qū)域的圖像確定為有效工件圖像。

上述有效工件圖像也即根據(jù)外橢圓和內(nèi)橢圓的幾何參數(shù)得到軸承密封件對應(yīng)的圖像區(qū)域。

圖3為根據(jù)本發(fā)明實(shí)施例的有效工件圖像提取示意圖，圖中的外橢圓和內(nèi)橢圓為對有效工件圖像進(jìn)行工件范圍計(jì)算所得到的工件幾何區(qū)域。

S130：對有效工件圖像運(yùn)用工件范圍比對和方向差異判定方法，得到毛刺缺陷。

具體地，本步驟可以進(jìn)一步包括：

S131：對有效工件圖像運(yùn)用有監(jiān)督過渡區(qū)域分割方法和尺寸濾波方法，得到有效工件區(qū)域。

作為示例，本步驟可以通過以下優(yōu)選方式予以實(shí)現(xiàn)：統(tǒng)計(jì)圖像的灰度直方圖，并利用ISODATA算法求得分割圖像所需要的閾值，并以此分割圖像，得到候選工件區(qū)域；然后，利用尺寸濾波器去除面積小于工件圖像大小1％的噪聲，從而得到有效工件區(qū)域。

S132：對有效工件區(qū)域和有效工件圖像運(yùn)用工件范圍比對、形態(tài)學(xué)開運(yùn)算和連通成分分析方法，得到候選毛刺區(qū)域。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明確定候選毛刺區(qū)域的過程。

步驟F1：判斷當(dāng)前點(diǎn)是否為有效工件區(qū)域的點(diǎn)，以及其是否在有效工件圖像之外，若是，則確定當(dāng)前點(diǎn)為候選毛刺點(diǎn)。

步驟F2：判斷當(dāng)前點(diǎn)是否為有效工件區(qū)域的點(diǎn)，以及其距離外橢圓或者內(nèi)橢圓的距離是否小于1，若是，則其為候選毛刺點(diǎn)。

步驟F3：對候選毛刺點(diǎn)應(yīng)用形態(tài)學(xué)開運(yùn)算去除狹長帶狀區(qū)域噪聲。

步驟F4：運(yùn)用連通成分分析得到缺陷尺寸大于用戶設(shè)定值的候選毛刺區(qū)域。

S133：對候選毛刺區(qū)域運(yùn)用方向差異判定方法，得到毛刺缺陷。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明步驟S133得到毛刺缺陷的過程。

步驟G1：對候選毛刺區(qū)域運(yùn)用形態(tài)學(xué)邊緣檢測和連通成分分析方法，得到毛刺邊緣輪廓。

在實(shí)際應(yīng)用中，根據(jù)實(shí)際情況可以得到8鄰域連通的單像素寬的毛刺邊緣輪廓。

步驟G2：對該毛刺邊緣輪廓上均勻分布的三個(gè)點(diǎn)，計(jì)算以中間點(diǎn)為頂點(diǎn)的三點(diǎn)間的夾角值。

步驟G3：用三點(diǎn)間的夾角值減去三個(gè)點(diǎn)的間距與工件半徑的比值，得到在給定點(diǎn)間距離下的在當(dāng)前點(diǎn)的歸一化角度變化值。

步驟G4：將在不同點(diǎn)的位置和點(diǎn)間距離的情況下，歸一化角度變化值的最大值確定為方向差異特征，從而得到毛刺缺陷。

圖4示例性地示出了毛刺缺陷檢測結(jié)果示意圖，圖中矩形框a為對有效工件圖像運(yùn)用工件范圍比對和方向差異判定方法，得到的毛刺缺陷。

S140：對有效工件圖像運(yùn)用直方圖分析方法，得到正面工件圖像和反面工件圖像。

S150：對正面工件圖像運(yùn)用顏色顯著性和矩形特征判定方法，得到色差缺陷。

具體地，本步驟可以進(jìn)一步包括：

步驟S151:對正面工件圖像運(yùn)用顏色統(tǒng)計(jì)特征和自適應(yīng)分割閾值判定方法，得到色差分割圖像。

下面以一具體實(shí)施例來詳細(xì)說明得到色差分割圖像的過程。

步驟H1：計(jì)算正面工件圖像中間4/5區(qū)域內(nèi)像素的YIQ(亮度色彩飽和度)的平均值作為工件的顏色標(biāo)準(zhǔn)值。

步驟H2：選擇以半徑為20的圓周上均勻分布的20個(gè)點(diǎn)為自適應(yīng)鄰域分析點(diǎn)。

步驟H3：若當(dāng)前點(diǎn)和鄰域點(diǎn)的灰度差值大于37或IQ空間(色調(diào)空間)的差值大于12，則當(dāng)前點(diǎn)為候選色差點(diǎn)。

步驟H4：若當(dāng)前點(diǎn)和鄰域點(diǎn)的灰度差值大于20或IQ空間的差值大于7，則當(dāng)前點(diǎn)的特征值(記為susan)加1，若susan值大于6，則當(dāng)前點(diǎn)為候選色差點(diǎn)，并將候選色差點(diǎn)為前景點(diǎn)所組成的圖像確定為色差分割圖像。

步驟S152:對色差分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算和連通成分分析方法，得到候選色差區(qū)域圖像。

舉例來說，在一種可選的實(shí)現(xiàn)方式中，本步驟可以運(yùn)用形態(tài)學(xué)開運(yùn)算去除噪聲，然后運(yùn)用連通成分分析方法得到大于用戶設(shè)定值的候選色差區(qū)域。

步驟S153:對候選色差區(qū)域圖像運(yùn)用矩形特征判定方法，得到色差缺陷。

在步驟S153中，矩形特征是指不同尺度下極值矩形特征和方向矩形特征的最大值。矩形特征的計(jì)算可以采取如下步驟來實(shí)現(xiàn)：對候選色差區(qū)域圖像運(yùn)用中心四周差異算子，得到極值矩形特征；對候選色差區(qū)域圖像分別運(yùn)用0度、45度、90度和135度方向的小波矩形算子，得到四個(gè)方向矩形特征。

下面以一具體實(shí)施例來詳細(xì)說明步驟S153的過程。

步驟I1：對候選色差區(qū)域圖像運(yùn)用中心四周差異算子，得到極值矩形特征。

在具體實(shí)施過程中，中心四周差異算子可以選擇尺度為s的中心四周差異算子。

步驟I2：對候選色差區(qū)域圖像分別運(yùn)用0度、45度、90度和135度方向的小波矩形算子，得到四個(gè)方向矩形特征。

在具體實(shí)施過程中，小波矩形算子可以采用尺度為s的0度、45度、90度和135度方向的小波矩形算子。

圖5示例性地示出了用于計(jì)算極值矩形特征和方向矩形特征的計(jì)算模板。其中，w表示色差候選區(qū)域圖像的寬度，sw表示中心區(qū)域的大小，矩形特征的值等于黑色區(qū)域?qū)?yīng)的圖像亮度的平均值與白色區(qū)域?qū)?yīng)的圖像亮度的平均值的差(灰色區(qū)域不參與運(yùn)算)。優(yōu)選地，矩形特征是指s在0.1倍至0.3倍目標(biāo)尺度取值時(shí)，極值矩形特征和方向矩形特征的最大值。本步驟分別得到候選色差區(qū)域在Y空間和IQ空間的矩形特征值。

步驟I3：若候選色差區(qū)域在Y空間(亮度空間)的矩形特征值大于第一設(shè)定值或者在IQ空間的矩形特征值大于第二設(shè)定值，則判定候選色差區(qū)域?yàn)樯钊毕荨?/p>

其中，第一設(shè)定值例如可以為25；第二設(shè)定值例如可以為7；矩形特征包括極值矩形特征和方向矩形特征。

圖6示例性地示出了色差缺陷檢測典型結(jié)果，圖中矩形框b為對正面工件圖像運(yùn)用顏色顯著性和矩形特征判定，得到的色差缺陷。

S160：對反面工件圖像運(yùn)用金屬范圍計(jì)算，得到工件金屬部分圖像。

具體地，本步驟可以進(jìn)一步包括：

步驟S161:對反面工件圖像運(yùn)用分塊顏色差異分析方法，得到金屬相似度圖像。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明得到金屬相似度圖像的過程。

步驟J1：取反面工件圖像中間1/5區(qū)域內(nèi)的像素作為工件的金屬標(biāo)準(zhǔn)區(qū)域。

步驟J2：把反面工件圖像分成16個(gè)圖像塊，若每個(gè)圖像塊中不存在金屬標(biāo)準(zhǔn)區(qū)域，則返回步驟J1。

步驟J3：對每個(gè)圖像塊，計(jì)算其金屬標(biāo)準(zhǔn)區(qū)域的YIQ的平均值作為金屬顏色標(biāo)準(zhǔn)值，并將反面工件圖像上的其他點(diǎn)的YIQ值與平均值的距離確定金屬相似度圖像。

步驟S162:對金屬相似度圖像運(yùn)用有監(jiān)督過渡區(qū)域分割方法、形態(tài)學(xué)開運(yùn)算和尺寸濾波方法，得到金屬分割圖像。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明得到金屬分割圖像的過程。

步驟K1：統(tǒng)計(jì)金屬相似度圖像的灰度直方圖，設(shè)定金屬區(qū)域的最小比例為20％，并利用ISODATA算法求得分割圖像所需要的閾值，并以此分割圖像，得到候選工件區(qū)域。

步驟K2：利用形態(tài)學(xué)開運(yùn)算去除噪聲。

步驟K3：運(yùn)用尺寸濾波器去除面積小于工件圖像1％的噪聲，得到金屬分割圖像。

步驟S163:對金屬分割圖像運(yùn)用其在極坐標(biāo)系下的最外邊緣和最內(nèi)邊緣信息，得到金屬區(qū)域的內(nèi)外邊緣信息。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明得到金屬區(qū)域的內(nèi)外邊緣信息的過程。

步驟L1：以工件圖像中心為原點(diǎn)，且角度方向均勻取720個(gè)采樣點(diǎn)；沿著每一個(gè)采樣角度方向，從外至里掃描，將第一個(gè)目標(biāo)點(diǎn)確定為外邊緣上的點(diǎn)。

步驟L2：以工件圖像中心為原點(diǎn)，統(tǒng)計(jì)出0度、90度、180度和270度4個(gè)方向上的目標(biāo)點(diǎn)隨距離的變化情況，將第一個(gè)非零點(diǎn)的距離減去10確定為內(nèi)邊緣點(diǎn)的最小值。

步驟L3：以內(nèi)邊緣的最小值為起點(diǎn)，沿著每一個(gè)采樣角度方向，從里至外掃描，將第一個(gè)目標(biāo)點(diǎn)為內(nèi)邊緣上的點(diǎn)。

步驟S164:對金屬區(qū)域的內(nèi)外邊緣信息運(yùn)用最小二乘擬合方法，得到軸承密封件反面金屬區(qū)域的位置和大小信息，并將金屬區(qū)域的位置和大小信息所對應(yīng)幾何區(qū)域的圖像確定為工件金屬部分圖像。

本步驟根據(jù)外橢圓和內(nèi)橢圓的幾何參數(shù)得到軸承密封件金屬區(qū)域?qū)?yīng)的圖像區(qū)域。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明得到軸承密封件反面金屬區(qū)域的位置和大小信息的過程。

步驟M1：對輸入的內(nèi)外邊緣信息做采樣，初始化所有邊緣點(diǎn)為內(nèi)點(diǎn)。

步驟M2：將當(dāng)前點(diǎn)設(shè)置為外點(diǎn)，以所有的內(nèi)點(diǎn)為基礎(chǔ)進(jìn)行最小二乘橢圓擬合。

步驟M3：如果邊緣點(diǎn)和擬合的橢圓的距離小于0.02，則判定邊緣點(diǎn)為內(nèi)點(diǎn)。

步驟M4：重復(fù)步驟M2和步驟M3直到所有的采樣邊緣點(diǎn)都被處理過，輸出基于采樣點(diǎn)的軸承密封件金屬區(qū)域的位置和大小信息。

步驟M5：對所有的內(nèi)外邊緣信息，若其和基于采樣點(diǎn)擬合的橢圓的距離小于0.01，則確定為內(nèi)點(diǎn)，并利用所有內(nèi)點(diǎn)擬合得到最終的軸承密封件金屬區(qū)域的位置、長軸、短軸、傾斜角等信息。

S170：對工件金屬部分圖像運(yùn)用亮度顯著性和顏色變換方法，得到溢膠和銹蝕缺陷。

具體來說，本步驟可以進(jìn)一步包括：

步驟S171:對工件金屬部分圖像運(yùn)用亮度顯著性和金屬相似度分析方法，得到溢膠分割圖像。

在實(shí)際應(yīng)用中，本步驟可以通過以下方式來實(shí)現(xiàn)：

步驟N1：計(jì)算金屬部分圖像的平均亮度值。

步驟N2：若金屬部分圖像上的像素的金屬相似度大于60且亮度值小于平均亮度值，則將該像素確定為溢膠分割圖像上的前景點(diǎn)。

步驟S172:對溢膠分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算和連通成分分析方法，得到溢膠缺陷。

舉例來說，本步驟可以對溢膠分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算去除噪聲；然后，運(yùn)用連通成分分析方法得到大于用戶設(shè)定值的溢膠缺陷。

步驟S173:對工件金屬部分圖像運(yùn)用顏色變換方法，得到銹蝕顏色特征。

步驟S174:對工件金屬部分圖像運(yùn)用銹蝕顏色特征和亮度特征分析方法，得到銹蝕分割圖像。

下面以一優(yōu)選實(shí)施例來詳細(xì)說明得到銹蝕分割圖像的過程。

步驟O1：計(jì)算工件金屬部分圖像的平均亮度值。

步驟O2：計(jì)算顏色特征值R-G。

顏色特征值可反映出當(dāng)前顏色的銹蝕程度。

步驟O3：若工件金屬部分圖像上的像素的顏色特征值大于用戶設(shè)定值且亮度值小于平均亮度值，則將該像素確定為銹蝕分割圖像上的前景點(diǎn)。

步驟O4：選擇以半徑為20的圓周上均勻分布的20個(gè)點(diǎn)為自適應(yīng)鄰域分析點(diǎn)，若當(dāng)前點(diǎn)和鄰域點(diǎn)的灰度差值大于20或IQ空間的差值大于7，則將當(dāng)前點(diǎn)的特征值(記為susan)加1。

步驟O5：若susan值大于6，則將當(dāng)前點(diǎn)確定為銹蝕分割圖像上的前景點(diǎn)，并將由候選銹蝕點(diǎn)為前景點(diǎn)所組成的圖像確定為銹蝕分割圖像。

步驟S175:對銹蝕分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算和連通成分分析方法，得到銹蝕缺陷。

舉例來說，本步驟可以對銹蝕分割圖像運(yùn)用形態(tài)學(xué)開運(yùn)算去除噪聲；然后，運(yùn)用連通成分分析方法得到銹蝕缺陷。

在實(shí)際應(yīng)用中，可以預(yù)先設(shè)置用戶設(shè)定值，本步驟可以得到大于用戶設(shè)定值的銹蝕缺陷。

本文中，方向差異特征、矩形特征、銹蝕顏色特征、以及缺陷尺寸的判定值可以根據(jù)實(shí)際情況設(shè)定。

圖7示例性地示出了溢膠缺陷檢測典型結(jié)果，圖中的金屬外橢圓和金屬內(nèi)橢圓為對反面工件圖像運(yùn)用視覺圖像處理和橢圓擬合，得到金屬部分圖像；矩形框c和矩形框d為對金屬部分圖像運(yùn)用亮度顯著性和分析，得到的溢膠缺陷；矩形框e為對金屬部分圖像運(yùn)用顏色變換分析，得到的銹蝕缺陷。

本發(fā)明實(shí)施例通過高分辨率工業(yè)攝像機(jī)實(shí)時(shí)采集軸承密封件在運(yùn)動(dòng)過程中的圖像；將實(shí)時(shí)采集的圖像運(yùn)用圖像分割和目標(biāo)關(guān)聯(lián)，得到軸承密封件在攝像機(jī)視場中心時(shí)的工件圖像；然后，通過工件范圍計(jì)算、工件范圍比對、方向差異判定、顏色顯著性分析、矩形特征判定、金屬范圍計(jì)算、亮度顯著性分析和顏色變換，得到工件中存在的毛刺、色差、溢膠和銹蝕缺陷的位置和類型，解決了軸承密封件的在線檢測問題。

以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使對應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。

本領(lǐng)域的技術(shù)人員應(yīng)該明白，可以在形式上和細(xì)節(jié)上對本發(fā)明的技術(shù)思想和相關(guān)方法做各種各樣的改變，而不偏離所附權(quán)利要求書所限定的本發(fā)明的精神和范圍。