摘要 本文介紹了一種基於機器視覺對滾動軸承的質量進行檢測的方法。將采集到的軸承圖像進行預處理後，對圖像進行邊緣檢測、選定所需輪廓、中心檢測、半徑測量、判斷內外圈是否有缺口，以便檢測軸承是否合格。
關鍵詞 機器視覺；邊緣檢測；輪廓選取；半徑測量
中圖分類號 TP302文獻標識碼 A文章編號 1674-6708(2010)11-0022-03
0 引言
滾動軸承在旋轉機械中應用極為廣泛，其運行狀態往往直接影響到整台機器的精度、可靠性及壽命。據統計，由於滾動軸承損壞而引起的機械故障約占總故障的70%，所以對軸承的質量進行檢測是至關重要的。
機器視覺又稱計算機視覺，是用計算機來實現人的視覺功能，也就是用機器代替人眼來做測量和判斷，通過機器視覺代替傳統的人工目測法檢測滾動軸承，可以較大的提高軸承檢測的效率和軸承使用的可靠性。
本文提出一種通過機器視覺檢測滾動軸承質量的方法，用於測量滾動軸承的內外圈直徑及滾動體直徑和判斷軸承內圈是否有缺陷。
1 滾動軸承質量的檢測
質量檢測的流程如下圖所示：
1.1 邊緣檢測
傳統的邊緣檢測算法一般利用梯度極大值或二階導數過零點值來檢測邊緣，對噪聲比較敏感，在處理含有噪聲的圖像時，易造成檢測出的邊緣模糊，效果不太理想。Canny邊緣檢測算子，采用與Gaussion函數的一階導數相似的濾波函數，性能優於一般的邊緣檢測算子。
canny算法是通過尋找圖像梯度的局部極大值，用高斯函數的一階微分來計算梯度。算法中具體通過 2 個閾值來分析檢測強邊緣和弱邊緣，當弱邊與強邊緣連接時，弱邊緣才被輸出，所以，Canny算子不容易受噪聲影響，能夠在噪聲和邊緣檢測間取得較好的平衡，能檢測出真正的弱邊緣。Canny邊緣檢測算子步驟如下：1)用高斯濾波器平滑圖像；2)用一階偏導的有限差分來計算梯度的幅值和方向；3)對梯度幅值進行非極大值抑製；4)用雙閾值算法檢測和連接邊緣。用 I[ i，j ]表示圖像。使用可分離濾波方法求圖像與高斯平滑濾波器卷積，得到結果是一個平滑數據表達式
S [i，j] = G[i，j：σ] I{i，j}(2-1)
其中σ是高斯函數的散布參數，控製著平滑程度係數。平滑數據表達式S[ i，j]的梯度可以使用2×2一階有限差分近似式來計算 X 與 Y 偏導的2個陣列 P[i，j]與 Q[i，j]
(2-2)
(2-3)
在這個2×2正方形內求有限差分的均值，以便在圖像中同一點計算 X 和 Y 的偏導數梯度。幅值和方位角可用直角坐標到極坐標的坐標轉換公式來計算
(2-4)
(2-5)
其中的反正切函數用兩個參量表示一個角度，其取值範圍是整個圓周。梯度值的幅度和方向也可以通過查表由偏導計算[i]。
將原始圖像通過canny算子進行濾波所得到的結果如圖1-3所示：
1.2 輪廓提取
檢測到邊緣後，對圖像進行輪廓提取，對於滾動軸承圖像，在此首先需要檢測圓的輪廓，通過判斷圓的輪廓可以判斷軸承內外圈是否有缺陷並計算其誤差。在此采用一種簡單的Circularity算子，具體的算法如下：
假設F是一個閉合區域的麵積，max這個區域內中心點到邊界或輪廓的最大距離，那麼：
circularity=F/(max^2*π)(2-6)
根據式2-6可得圓的circularity為1。由此可知對於一個輪廓或多邊形包圍的區域如果其circularity接近與1，那麼這個輪廓近似於一個圓。可以通過一個閾值選取出與圓的相似的輪廓，例如可以選取circularity在[0.8，1]範圍內的輪廓。如果有多個輪廓符合，則將這些輪廓所對應的區域存放入一個數組之內。