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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。