一种轴承缺陷检测方法及系统技术方案

本发明专利技术公开了一种轴承缺陷检测方法及系统。该检测方法包括：获取待检测的轴承图像；对所述待检测的轴承图像进行预处理，得到预处理后的图像；对所述预处理后的图像进行特征提取，得到图像特征；所述图像特征包括平均灰度值、局部纹理特征、像素值分布特征以及灰度规模域矩阵；获取检测模型；根据所述图像特征，通过所述检测模型，对轴承进行检测。本发明专利技术利用几种特征作为判断标准，提高了检测稳定性，避免了人工检测造成的误检，同时，该检测方法用时短，满足工业工件检测要求。

A Bearing Defect Detection Method and System

The invention discloses a bearing defect detection method and a system. The detection method includes: acquiring the bearing image to be detected; preprocessing the bearing image to be detected to obtain the pre-processed image; extracting the features of the pre-processed image to obtain the image features; the image features include average gray value, local texture features, pixel value distribution characteristics and gray scale domain matrix; acquiring the detection model roots; According to the image characteristics, the bearing is detected by the detection model. The invention uses several features as the judgment standard, improves the detection stability, avoids the false detection caused by manual detection, and at the same time, the detection method has short time and meets the requirements of industrial workpiece detection.

【技术实现步骤摘要】
一种轴承缺陷检测方法及系统
本专利技术涉及轴承缺陷检测领域，特别是涉及一种轴承缺陷检测方法及系统。
技术介绍
轴承是机械工业行业中尤为重要的一种零部件，其耐久性、使用性能以及完整性决定了工件的工作效率和稳定性。传统的轴承端面检测主要依靠人工检测的方法，该方法的耗时长，工作量较大，且检测效果很大程度上收到员工的疲劳程度和主观意识等影响，造成轴承表面缺陷的错误判断和漏检，难以保证轴承的质量。目前，基于机器视觉的表面缺陷检测技术广泛用于各类视觉检测领域，然而在机器视觉检测轴承表面缺陷存在的难点主要体现在痕迹和缺陷具有一定的相似度，且处于同一平面内，还有待检测区域位于轴承的端面位置，整幅图像中存在许多复杂背景，这些因素对缺陷的检测和提取带来了困难。表面缺陷检测的目的在于将存在划痕、孔洞、斑点等缺陷的产品从正常产品中筛选出来，提高产品的合格率和质量目前常见的表面缺陷检测方法主要用于检测纹理缺陷，方法可分为三类：统计法、频谱法和模型法。其中在统计法是指图像的灰度值在空间的分布情况，通常用直方图统计法、灰度共生矩阵法、数学形态学法等方法来描述图像的特征；频谱法是对图像做空间域到频域的转换，在频域中分析图像的特征，经典的方法有小波变换、傅里叶变换和Gabor变换等；模型法中一般用分形体法和反散射模型来描述表面缺陷特征。除了上述方法，常见的还有图像增强、滤波和图像分割等方法，主要用于图像的预处理。目前大部分的表面缺陷检测方法仅局限于某些特定的物体表面或者针对某一种类型的缺陷进行检测，但在视觉检测的各个领域中，需要检测的物体具有多样性，缺陷的类型也具有不确定性，如果每次要检测一种物体或缺陷都要设计对应的方法，将会耗时费力，缺乏灵活性。
技术实现思路
本专利技术的目的是提供一种轴承缺陷检测方法及系统，用以提高检测稳定性，避免人工检测造成的误检，同时，该检测方法用时短，满足工业工件检测要求。为实现上述目的，本专利技术提供了如下方案：一种轴承缺陷检测方法，所述检测方法包括：获取待检测的轴承图像；对所述待检测的轴承图像进行预处理，得到预处理后的图像；对所述预处理后的图像进行特征提取，得到图像特征，所述图像特征包括平均灰度值、局部纹理特征、像素值分布特征以及灰度规模域矩阵；获取检测模型；根据所述图像特征，通过所述检测模型，对轴承进行检测。可选的，所述对所述待检测的轴承图像进行预处理，得到预处理后的图像，具体包括：对所述待检测的轴承图像进行边缘检测，去除背景，得到感兴趣的区域图像；对所述感兴趣的区域图像进行分割；对分割后的图像进行滤波，得到预处理后的图像。可选的，在所述获取检测模型之前，还包括：获取训练集，所述训练集包括多个轴承图像；多个所述轴承图像中的轴承包括存在缺陷的轴承、存在痕迹的轴承以及正品轴承；对所述轴承图像进行预处理，得到预处理后的图像；所述预处理后的图像进行特征提取，得到图像特征；获取随机森林分类器模型；通过所述图像特征对所述随机森林分类器模型进行训练，得到识别模型。可选的，在所述通过所述图像特征对所述随机森林分类器模型进行训练，得到识别模型之前，还包括：对所述预处理后的图像进行特征提取，得到多个初始图像特征；将多个所述初始图像特征输入至随机森林分类器模型，判断所述随机森林分类器模型的预测准确率；根据所述预测准确率，从所述初始图像特征中筛选出图像特征，所述图像特征包括平均灰度值、局部纹理特征、像素值分布特征以及灰度规模域矩阵。本专利技术还提供了一种轴承缺陷检测系统，所述检测系统包括：待检测图像获取模块，用于获取待检测的轴承图像；第一预处理模块，用于对所述待检测的轴承图像进行预处理，得到预处理后的图像；第一特征提取模块，用于对所述预处理后的图像进行特征提取，得到图像特征，所述图像特征包括平均灰度值、局部纹理特征、像素值分布特征以及灰度规模域矩阵；第一模型获取模块，用于获取检测模型；检测模块，用于根据所述图像特征，通过所述检测模型，对轴承进行检测。可选的，所述预处理模块，具体包括：边缘检测单元，用于对所述待检测的轴承图像进行边缘检测，去除背景，得到感兴趣的区域图像；分割单元，用于对所述感兴趣的区域图像进行分割；滤波单元，用于对分割后的图像进行滤波，得到预处理后的图像。可选的，所述检测系统还包括：训练集获取模块，用于获取训练集，所述训练集包括多个轴承图像；多个所述轴承图像中的轴承包括存在缺陷的轴承、存在痕迹的轴承以及正品轴承；第二预处理模块，用于对所述轴承图像进行预处理，得到预处理后的图像；第二特征提取模块，用于所述预处理后的图像进行特征提取，得到图像特征；第二模型获取模块，用于获取随机森林分类器模型；训练模块，用于通过所述图像特征对所述随机森林分类器模型进行训练，得到识别模型。可选的，所述检测系统还包括：第三特征提取模块，用于对所述预处理后的图像进行特征提取，得到多个初始图像特征；输入模块，用于将多个所述初始图像特征输入至随机森林分类器模型，判断所述随机森林分类器模型的预测准确率；筛选模块，用于根据所述预测准确率，从所述初始图像特征中筛选出图像特征，所述图像特征包括平均灰度值、局部纹理特征、像素值分布特征以及灰度规模域矩阵。与现有技术相比，本专利技术具有以下技术效果：本专利技术对所述预处理后的图像进行特征提取，得到图像特征，所述图像特征包括平均灰度值、局部纹理特征、像素值分布特征以及灰度规模域矩阵；根据所述图像特征，通过所述检测模型，对轴承进行检测。本专利技术利用上述几种特征作为判断标准，提高了检测稳定性，避免了人工检测造成的误检，同时，该检测方法用时短，满足工业工件检测要求。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，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为本专利技术实施例轴承缺陷检测方法的流程图；图2为本专利技术实施例轴承缺陷检测系统的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本专利技术的目的是提供一种轴承缺陷检测方法及系统，用以提高检测稳定性，避免人工检测造成的误检，同时，该检测方法用时短，满足工业工件检测要求。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。如图1所示，轴承缺陷检测方法包括以下步骤：步骤101：获取待检测的轴承图像。将轴承平放，在轴承的正上方固定位置用黑白相机对轴承的端面进行图像采集；对获得的图像进行固定位置和拍摄角度，以获得大小一致的轴承图像。步骤102：对所述待检测的轴承图像进行预处理，得到预处理后的图像。具体的，边缘检测单元，用于对所述待检测的轴承图像进行边缘检测，去除背景，得到感兴趣的区域图像；分割单元，用于对所述感兴趣的区域图像进行分割；滤波单元，用于对分割后的图像进行滤波，得到预处理后的图像。对轴承的端面进行检测是否存在缺陷，需要将轴承外圈以外的轴承外壳和本文档来自技高网...

【技术保护点】
1.一种轴承缺陷检测方法，其特征在于，所述检测方法包括：获取待检测的轴承图像；对所述待检测的轴承图像进行预处理，得到预处理后的图像；对所述预处理后的图像进行特征提取，得到图像特征；所述图像特征包括平均灰度值、局部纹理特征、像素值分布特征以及灰度规模域矩阵；获取检测模型；根据所述图像特征，通过所述检测模型，对轴承进行检测。

【技术特征摘要】
1.一种轴承缺陷检测方法，其特征在于，所述检测方法包括：获取待检测的轴承图像；对所述待检测的轴承图像进行预处理，得到预处理后的图像；对所述预处理后的图像进行特征提取，得到图像特征；所述图像特征包括平均灰度值、局部纹理特征、像素值分布特征以及灰度规模域矩阵；获取检测模型；根据所述图像特征，通过所述检测模型，对轴承进行检测。2.根据权利要求1所述的轴承缺陷检测方法，其特征在于，所述对所述待检测的轴承图像进行预处理，得到预处理后的图像，具体包括：对所述待检测的轴承图像进行边缘检测，去除背景，得到感兴趣的区域图像；对所述感兴趣的区域图像进行分割；对分割后的图像进行滤波，得到预处理后的图像。3.根据权利要求1所述的轴承缺陷检测方法，其特征在于，在所述获取检测模型之前，还包括：获取训练集，所述训练集包括多个轴承图像；多个所述轴承图像中的轴承包括存在缺陷的轴承、存在痕迹的轴承以及正品轴承；对所述轴承图像进行预处理，得到预处理后的图像；所述预处理后的图像进行特征提取，得到图像特征；获取随机森林分类器模型；通过所述图像特征对所述随机森林分类器模型进行训练，得到识别模型。4.根据权利要求1所述的轴承缺陷检测方法，其特征在于，在所述通过所述图像特征对所述随机森林分类器模型进行训练，得到识别模型之前，还包括：对所述预处理后的图像进行特征提取，得到多个初始图像特征；将多个所述初始图像特征输入至随机森林分类器模型，判断所述随机森林分类器模型的预测准确率；根据所述预测准确率，从所述初始图像特征中筛选出图像特征，所述图像特征包括平均灰度值、局部纹理特征、像素值分布特征以及灰度规模域矩阵。5.一种轴承缺陷检测系统，其特征在于，所述检测系统包括：待检测图像获取模块，用于获取待检测...

【专利技术属性】
技术研发人员：陈昊，刁福林，黎明，张聪炫，李军华，陈震，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：江西,36