一种轴承铆钉台阶缺陷的视觉检测方法技术

本发明专利技术是一种基于机器视觉的轴承铆钉台阶缺陷的检测方法，包括如下步骤：步骤1、轴承铆钉图像采集；步骤2、轴承铆钉图像预处理；步骤3、内台阶缺陷检测；步骤4、外台阶缺陷检测；步骤5、分析结果，判断铆钉是否合格，不合格现象包括：内台阶缺陷、外台阶缺陷、内外台阶缺陷或其它类型缺陷。本发明专利技术的优点：1)采用自适应检测方法，合理定位铆钉区域并检测缺陷，算法健壮性好。2)在铆钉内台阶缺陷检测方面，通过区域标记方法稳定性好。3)对于内台阶，采用二次区域标记算法加强内台阶判断准确性。4)在外台阶检测过程，先通过霍夫变换，检测外圈参数，然后通过外圈和铆钉区域的几何约束关系，判断该外台阶区域是否有效，有效且避免误判。

Visual inspection method for bearing rivet step defect

The present invention is a method of detecting bearing rivet step defect based on machine vision, which comprises the following steps: Step 1, bearing rivet image acquisition; step 2, bearing rivet image preprocessing; detection step 3, step in step 4, detection of defects; step defect; step 5, the results of the analysis, to determine whether or not qualified rivet including, unqualified phenomenon: inner and outer steps step defect defects, defects or other types of defects and steps. The advantages of the invention are as follows: 1) an adaptive detection method is adopted to locate the rivet region reasonably and detect defects, and the algorithm has good robustness. 2) in the rivet step defect detection, the stability of the method is good by region marking method. 3) for the inner step, the two step region labeling algorithm is adopted to enhance the accuracy of the inner step. 4) in the step detection process, the outer ring parameters are detected by Hof transform, and then the outer step region is validated by the geometric constraint relationship between the outer ring and the rivet region, which is effective and avoids misjudgment.

【技术实现步骤摘要】
一种轴承铆钉台阶缺陷的视觉检测方法
本专利技术涉及的是一种轴承铆钉台阶缺陷的视觉检测方法，具体涉及一种基于机器视觉，采用图像滤波、区域标记、形态学、霍夫变换和几何约束等方法检测铆钉缺陷的方法，属于机器视觉

技术介绍
目前，我国轴承行业还存在如制造技术水平低、行业集中度较低等问题，离轴承强国的标准相距甚远，行业矛盾突出：如发展方式没有根本改变，产业结构的深层次矛盾依然突出，缺少核心技术自主知识产权，品牌建设进步较慢，产品结构不尽合理。近年来，轴承行业大量采用自动化单机或生产线实现技术改造向现代化生产迈进，然而在质量检测与不达标产品的分拣上仍以人工检测为主的，但是方法存在很多缺点，例如：劳动强度大，工作效率低，主观依懒性强，易受检测人员技术素质、经验及疲劳等因素影响，无法充分保证轴承零部件的质量。轴承在正常装配和使用过程中，保持架所受载荷较小，因铆钉问题导致的轴承失效并不多见。但在一些特殊的工况条件下或长期负重环境下，铆钉装配过程中任何质量缺陷都可能导致质量隐患，进而引发严重安全事故。铆钉装配过程通常会出现各类缺陷，例如出现漏装，台阶，压痕等，而传统的基于人工检测方法，由于人眼的视觉易疲劳，且轴承产量较大，很难保证对铆钉质量的逐一检测。在工业现场往往采用抽检法，但还是会出现漏检、误检的状况。鉴于人工检测存在的一系列问题，轴承生产企业曾广泛使用过接触式的仪器检测，但这种传统的检测技术难以满足需要，在轴承装配环节工序较多，对质量和精度的要求也越来越高，用接触式检测不仅难度较大，且效率低。考虑到现有的缺陷检测技术很难充分满足工业检测需求，而基于图像的机器视觉检测方法具有非接触、实时可靠，成本低、自动化程度高的优势，能为该问题的解决提供了良好的替代方案和解决思路。本专利技术主要面向传统轴承行业的检测需求，以轴承铆钉台阶缺陷的质量检测为切入点，研究提高该轴承组装的自动化检测水平，并逐步扩大机器视觉技术在轴承行业的应用，降低人工成本，更加有效地控制产品质量。
技术实现思路
本专利技术提出的是一种轴承铆钉台阶缺陷的视觉检测方法，其目的旨在克服现有技术存在的上述不足，实现轴承铆钉内、外台阶的缺陷检测，降低人工检测的工作量，提高检测的效率，安全而且可靠。本专利技术的技术解决方案：一种基于机器视觉的轴承铆钉台阶缺陷的检测方法，包括如下步骤：步骤1、轴承铆钉图像采集，即通过CCD相机拍摄目标图像，并将图像转换成灰度图像G；步骤2、轴承铆钉图像预处理，即对转换后的灰度图像G进行去噪并增强其对比度，生成预处理后的灰度图像G1；步骤3、内台阶缺陷检测，为了降低环境光照影响及金属表面的反光因素的影响，并考虑铆钉轮廓存在非封闭状况，采用自适应检测方法，在阈值范围内搜索可能存在的铆钉区域，通过二次区域标记、轮廓闭合、几何约束方法精确定位内台阶缺陷，具体包括如下步骤：步骤3.1、确定自适应检测的灰度阈值搜索范围ThR和灰度间隔ThSpan，步骤3.2、尝试选择一个灰度阈值Th，如果灰度范围已经搜索完毕，即所有可能的灰度阈值都检测过，未发现合理的铆钉区域，则不再进行检测，此时铆钉为不合格品；否则，继续后续的检测，步骤3.3、根据灰度阈值Th对检测区域进行二值化处理，并标记出所有连通区域G1_Rgni(i＝1,n)，逐一判断是否与铆钉尺寸和形状接近，依据为区域的尺寸和长宽比，如果不能找到符合要求的区域，则返回步骤3.2；否则，找到最适合的铆钉区域Rgn1，获取其位置信息，继续进行后续检测，步骤3.4、针对铆钉轮廓存在的不闭合状况，先构建封闭的铆钉区域，计算Rgn1的外接矩形Rgn1_Rt，生成相应的内切椭圆，将该椭圆区域Rgn2与Rgn1合并，生成新区域Rgn3，从原始图像中提取该区域Rgn3的图像，并作为第二次检测目标G2，步骤3.5、对G2进行二值化，并进行区域标记，标记所有连通区域G2_Rgni(i＝1,n)，具体为：选择步骤3.2中的灰度阈值Th，计算所有白色连通区域，灰度值>Th，并提取连通区域的主要属性，即面积、尺寸和填充率，步骤3.6、针对步骤3.5的标记结果，按面积大小排序，去除最大的连通区域G2_Rgnmax，检索所有剩余的标记区域，如果存在G2_Ri且符合台阶的基本特征要求，即面积和尺寸条件，则该区域被认为是内台阶区域，此时，目标G2中存在内台阶缺陷；否则，不存在内台阶区域；步骤4、外台阶缺陷检测，具体包括如下步骤：步骤4.1、依据霍夫检测算法，检测半径范围内可能存在的圆形区域，该区域的半径大于正常铆钉半径，其大小与装配线机械设备相关，为铆钉尺寸的1.2-1.5倍，如果存在，则说明外台阶可能存在缺陷，需进一步判断；否则，不存在外台阶缺陷，步骤4.2、依据步骤3.4所定位的铆钉区域Rgn3，判断外圈与铆钉区域的位置关系和尺寸差异，如果在允许范围内，则该外圈区域为外台阶；否则，则认为步骤4.1检测结果为环境干扰，忽略之；步骤5、依据步骤3.6和步骤4.2所得分析结果，判断铆钉是否合格，不合格现象包括：内台阶缺陷、外台阶缺陷、内外台阶缺陷或其它类型缺陷。优选的，所述的步骤1，具体包括如下步骤：1-1、相机位于轴承的正上方，相机与轴承之间有环形LED光源；镜头光圈小，保证铆钉轮廓线清晰，总体明暗对比强烈；然后对目标进行图像采集；1-2、通过加权平均法将采集到的轴承铆钉图像转换成灰度图像G；灰度图像G的转换具体如下：Gray＝R×0.3+G×0.59+B×0.11对目标图像中的每一个像素点处理，将其转换成灰度图像G；其中R、G、B为一个像素点的值的基色分量。优选的，所述的步骤2，具体包括如下步骤：2-1、对获取到的灰度图像G进行图像预处理，通过中值滤波方法除去灰度图像G的噪声点；2-1-1、选定5×5像素点的邻域，将邻域内的像素按灰度等级进行排序，确定其中值；2-1-2、将确定的中值赋予滤波后图像中的相应像素点，该相应像素点即进行中值滤波的像素点。优选的，所述的步骤3.1，具体包括：ThR＝(ThMin,ThMax)searchTimes＝(ThMax-ThMin)/ThSpan即搜索的阈值范围是在(ThMin,ThMax)，从ThMin开始，每次递增ThSpan，直到最大值ThMax，searchTimes为搜索次数，ThMin在80-120之间，ThMax在120-160之间，ThSpan在5-10之间。优选的，所述的步骤3.3，具体包括如下步骤：3.3.1、预先设定铆钉半径的取值范围(inRmin,inRmax)和圆整度Rndness，及铆钉半径的参照值inR；3.3.2、根据图像亮度分布特性，选择区域标记算法，提取黑色连通区域，灰度值<Th，设连通区域的外接矩形为Rgn_Rt，如果该区域为铆钉区域，则其必须符合以下约束条件：(1)2×inRmin<Rgn_Rt.Width<2×inRmax(2)2×inRmin<Rgn_Rt.Height<2×inRmax(3)rateR＝Max(Rgn_Rt.Width,Rgn_Rt.Height)/Min(Rgn_Rt.Width,Rgn_Rt.Height)<Rndness其中，Rgn_Rt.Width为矩形Rgn_Rt的宽度，Rgn_Rt.本文档来自技高网...

【技术保护点】
一种基于机器视觉的轴承铆钉台阶缺陷的检测方法，其特征是该方法包括如下步骤：步骤1、轴承铆钉图像采集，即通过CCD相机拍摄目标图像，并将图像转换成灰度图像G；步骤2、轴承铆钉图像预处理，即对转换后的灰度图像G进行去噪并增强其对比度，生成预处理后的灰度图像G1；步骤3、内台阶缺陷检测，为了降低环境光照影响及金属表面的反光因素的影响，并考虑铆钉轮廓存在非封闭状况，采用自适应检测方法，在阈值范围内搜索可能存在的铆钉区域，通过二次区域标记、轮廓闭合、几何约束方法精确定位内台阶缺陷，具体包括如下步骤：步骤3.1、确定自适应检测的灰度阈值搜索范围ThR和灰度间隔ThSpan，步骤3.2、尝试选择一个灰度阈值Th，如果灰度范围已经搜索完毕，即所有可能的灰度阈值都检测过，未发现合理的铆钉区域，则不再进行检测，此时铆钉为不合格品；否则，继续后续的检测，步骤3.3、根据灰度阈值Th对检测区域进行二值化处理，并标记出所有连通区域G1_Rgn i(i＝1,n)，逐一判断是否与铆钉尺寸和形状接近，依据为区域的尺寸和长宽比，如果不能找到符合要求的区域，则返回步骤3.2；否则，找到最适合的铆钉区域Rgn1，获取其位置信息，继续进行后续检测，步骤3.4、针对铆钉轮廓存在的不闭合状况，先构建封闭的铆钉区域，计算Rgn1的外接矩形Rgn1_Rt，生成相应的内切椭圆，将该椭圆区域Rgn2与Rgn1合并，生成新区域Rgn3，从原始图像中提取该区域Rgn3的图像，并作为第二次检测目标G2，步骤3.5、对G2进行二值化，并进行区域标记，标记所有连通区域G2_Rgn i(i＝1,n)，具体为：选择步骤3.2中的灰度阈值Th，计算所有白色连通区域，灰度值>Th，并提取连通区域的主要属性，即面积、尺寸和填充率，步骤3.6、针对步骤3.5的标记结果，按面积大小排序，去除最大的连通区域G2_Rgnmax，检索所有剩余的标记区域，如果存在G2_Ri且符合台阶的基本特征要求，即面积和尺寸条件，则该区域被认为是内台阶区域，此时，目标G2中存在内台阶缺陷；否则，不存在内台阶区域；步骤4、外台阶缺陷检测，具体包括如下步骤：步骤4.1、依据霍夫检测算法，检测半径范围内可能存在的圆形区域，该区域的半径大于正常铆钉半径，其大小与装配线机械设备相关，为铆钉尺寸的1.2‑1.5倍，如果存在，则说明外台阶可能存在缺陷，需进一步判断；否则，不存在外台阶缺陷，步骤4.2、依据步骤3.4所定位的铆钉区域Rgn3，判断外圈与铆钉区域的位置关系和尺寸差异，如果在允许范围内，则该外圈区域为外台阶；否则，则认为步骤4.1检测结果为环境干扰，忽略之；步骤5、依据步骤3.6和步骤4.2所得分析结果，判断铆钉是否合格，不合格现象包括：内台阶缺陷、外台阶缺陷、内外台阶缺陷或其它类型缺陷。...

【技术特征摘要】
1.一种基于机器视觉的轴承铆钉台阶缺陷的检测方法，其特征是该方法包括如下步骤：步骤1、轴承铆钉图像采集，即通过CCD相机拍摄目标图像，并将图像转换成灰度图像G；步骤2、轴承铆钉图像预处理，即对转换后的灰度图像G进行去噪并增强其对比度，生成预处理后的灰度图像G1；步骤3、内台阶缺陷检测，为了降低环境光照影响及金属表面的反光因素的影响，并考虑铆钉轮廓存在非封闭状况，采用自适应检测方法，在阈值范围内搜索可能存在的铆钉区域，通过二次区域标记、轮廓闭合、几何约束方法精确定位内台阶缺陷，具体包括如下步骤：步骤3.1、确定自适应检测的灰度阈值搜索范围ThR和灰度间隔ThSpan，步骤3.2、尝试选择一个灰度阈值Th，如果灰度范围已经搜索完毕，即所有可能的灰度阈值都检测过，未发现合理的铆钉区域，则不再进行检测，此时铆钉为不合格品；否则，继续后续的检测，步骤3.3、根据灰度阈值Th对检测区域进行二值化处理，并标记出所有连通区域G1_Rgni(i＝1,n)，逐一判断是否与铆钉尺寸和形状接近，依据为区域的尺寸和长宽比，如果不能找到符合要求的区域，则返回步骤3.2；否则，找到最适合的铆钉区域Rgn1，获取其位置信息，继续进行后续检测，步骤3.4、针对铆钉轮廓存在的不闭合状况，先构建封闭的铆钉区域，计算Rgn1的外接矩形Rgn1_Rt，生成相应的内切椭圆，将该椭圆区域Rgn2与Rgn1合并，生成新区域Rgn3，从原始图像中提取该区域Rgn3的图像，并作为第二次检测目标G2，步骤3.5、对G2进行二值化，并进行区域标记，标记所有连通区域G2_Rgni(i＝1,n)，具体为：选择步骤3.2中的灰度阈值Th，计算所有白色连通区域，灰度值>Th，并提取连通区域的主要属性，即面积、尺寸和填充率，步骤3.6、针对步骤3.5的标记结果，按面积大小排序，去除最大的连通区域G2_Rgnmax，检索所有剩余的标记区域，如果存在G2_Ri且符合台阶的基本特征要求，即面积和尺寸条件，则该区域被认为是内台阶区域，此时，目标G2中存在内台阶缺陷；否则，不存在内台阶区域；步骤4、外台阶缺陷检测，具体包括如下步骤：步骤4.1、依据霍夫检测算法，检测半径范围内可能存在的圆形区域，该区域的半径大于正常铆钉半径，其大小与装配线机械设备相关，为铆钉尺寸的1.2-1.5倍，如果存在，则说明外台阶可能存在缺陷，需进一步判断；否则，不存在外台阶缺陷，步骤4.2、依据步骤3.4所定位的铆钉区域Rgn3，判断外圈与铆钉区域的位置关系和尺寸差异，如果在允许范围内，则该外圈区域为外台阶；否则，则认为步骤4.1检测结果为环境干扰，忽略之；步骤5、依据步骤3.6和步骤4.2所得分析结果，判断铆钉是否合格，不合格现象包括：内台阶缺陷、外台阶缺陷、内外台阶缺陷或其它类型缺陷。2.如权利要求1所述的一种基于机器视觉的轴承铆钉台阶缺陷的检测方法，其特征是所述的步骤1，具体包括如下步骤：1-1、相机位于轴承的正上方，相机与轴承之间有环形LED光源；镜头光圈小，保证铆钉轮廓线清晰，总体明暗对比强烈；然后对目标进行图像采集；1-2、通过加权平均法将采集到的轴承铆钉图像转换成灰度图像G；灰度图像G的转换具体如下：Gray＝R×0.3+G×0.59+B×0.11对目标图像中的每一个像素点处理，将其转换成灰度图像G；其中R、G、B为一个像素点的值的基色分量。3.如权利要求1所述的一种基于机器视觉的轴承铆钉台阶缺陷的检测方法，其特征是所述的步骤2，具体包括如下步骤：2-1、对获取到的灰度图像G进行图像预处理，通过中值滤波方法除去灰度图像G的噪声点；2-1-1、选定5×5像素点的邻域，将邻域内的像素按灰度等级进行排序，确定其中值；2-1-2、将确定的中值赋予滤波后图像中的相应像素点，该相应像素点即进行中值滤波的像素点。4.如权利要求1所述的一种基于机器视觉的轴承铆钉台阶缺陷的检测方法，其特征是所述的步骤3.1，具体包括：ThR＝(ThMin,ThMax)searchTimes＝(ThMax-ThMin)/ThSpan即搜索的阈值范围是在(ThMin,ThMax)，从ThMin开始，每次递增ThSpan，直到最大值ThMax，searchTimes为搜索次数，ThMin在80-120之间，ThMax在120-160之间，ThSpan在5-10之间。5.如权利要求1所述的一种基于机器视觉的轴承铆钉台阶缺陷的检测方法，其特征是所述的步骤3.3，具体包括如下步骤：3.3.1、预先设定铆钉半径的取值范围(inRmin,inRmax)和圆整度Rndness，及铆钉半径的参照值inR；3.3.2、根据图像亮度分布特性，选择区域标记算法，提取黑色连通区域，灰度值<Th，设连通区域的外接矩形为Rgn_Rt，如果该区域为铆钉区域，则其必须符合以下约束条件：(1)2×inRmin<Rgn_Rt.Width<2×inRmax(2)2×inRmin<Rgn_Rt.Height<2×inRmax(3)rateR＝Max(Rgn_Rt.Width,Rgn_Rt.Height)/Min(Rgn_Rt.Width,Rgn_Rt.Height)<Rndness其中，Rgn_Rt.Width为矩形Rgn_Rt的宽度，Rgn_Rt.Height为高度，Rndness为圆整度...

【专利技术属性】
技术研发人员：周迪斌，黄昌良，胡保坤，李自强，
申请(专利权)人：无锡浩远视觉科技有限公司，
类型：发明
国别省市：江苏,32