針對軸承生產企業(yè)套圈生產過程中普遍存在端面缺陷的問題與人工目檢的現狀，提出了基于機器視覺的軸承套圈端面缺陷在線檢測方法。首先，對套圈圖像預處理后進行邊緣檢測，采用四連通域定位套圈端面區(qū)域；其次，采用最小二乘法擬合端面輪廓以判別外形缺陷，采用極坐標變換將套圈環(huán)形端面拉伸成矩形，采用Sauvola局部二值化算法對矩形圖進行缺陷分割，并通過坐標系反變換與雙線性插值法將缺陷圖轉換回環(huán)形圖；最后，根據提取缺陷的圖像特征完成缺陷的識別與分類?，F場測試表明，套圈端面檢測系統的整體識別準確率達98.6%。

軸承是保證機械裝備回轉精度不可或缺的基礎部件，軸承套圈在經過平面磨削加工后，其端面可能依然存在鍛廢、大小邊、磕碰傷、車廢、磨傷、黑皮等外觀缺陷。如果套圈端面存在缺陷，其作為外圓無心磨等后序工位的定位面，勢必影響加工精度和軸承的回轉精度，可能導致軸承使用過程中產生噪聲和振動，從而加速磨損，甚至引發(fā)機器故障。另一方面，端面缺陷套圈進入后續(xù)工序加工后剔除或成品進入市場后召回，都會給企業(yè)帶來物資與人力成本的極大浪費。因此，必須在平面磨削加工后將缺陷品剔除，避免流入后續(xù)工序。

目前，大多企業(yè)仍憑借質檢員肉眼與主觀經驗對套圈進行鑒定與判斷，質檢結果易受人為因素影響，檢驗標準難以保持一致，穩(wěn)定性差且易漏檢。機器視覺具有精度高、效率高、實時性好等優(yōu)點，是替代人工檢測的有效方法，例如：文獻[2]采用改進Otsu方法進行閾值化處理，利用八連通域標記識別技術實現了軸承端面的非接觸檢測；文獻[3]利用紋理單元解決了空氣軸承表面變化的光照強度影響圖像采集的問題。

在上述研究的基礎上，本文提出一種軸承套圈端面缺陷在線視覺檢測方法，采用四連通域、種子填充算法定位檢測區(qū)域，Sauvola局部二值化算法進行圖像分割，并基于多特征的外觀缺陷識別方法判別缺陷。

1、光源選擇與檢測區(qū)域定位

1.1 光源選擇

光源是視覺檢測系統不可或缺的組成部分，直接關系到成像質量。良好的照明方式可以凸顯目標區(qū)域的特征，減輕圖像處理工作量。

端面缺陷檢測成像面為圓環(huán)形金屬端面，具有一定的鏡面發(fā)射效應，且被測套圈尺寸跨度大，故采用球積分漫反射無影照明方式，照射面積大，光線集中且照射均勻，不會形成鏡面反射，如圖1所示。

圖1 球積分漫反射無影照明

Fig.1 Spherical integral diffuse reflection shadowless illumination

1.2 圖像預處理

圖像捕獲過程中存在的噪聲與干擾會降低圖像質量，增加后續(xù)邊緣檢測與圖像分割的難度因此，需要對原始圖像進行一定的預處理，消除圖像中的噪聲與干擾，均值濾波、高斯濾波、中值濾波的對比效果如圖2所示。由于端面環(huán)形區(qū)域外為背景區(qū)域，灰度值較低，均值濾波處理后的環(huán)形區(qū)域明暗對比變弱，圖像也變得模糊；中值濾波處理后的端面邊緣部分被黑色區(qū)域影響，邊緣細節(jié)丟失；而高斯濾波由于加權平均的特點，在去除噪聲的同時可以很好地保留圓環(huán)及其邊緣的細節(jié)。針對套圈端面區(qū)域與背景區(qū)域對比較大，并且需要檢測出細小缺陷的特點，選取大小為3×3，標準差為1的濾波窗口進行高斯濾波。

圖16 磨傷缺陷判別示意圖

Fig.16 Discrimination diagram of wear defects

3、試驗結果及分析

為驗證端面缺陷檢測算法的可靠性，在如圖17所示的檢測線上對軸承套圈端面進行缺陷檢測，選取外徑150 mm、內徑90 mm 的33118型軸承套圈樣本1 000個，其中合格品400個、外形缺陷樣品200個(含大小邊、磕碰傷)、車廢樣品200個、磨傷缺陷200個。

?

另外，對不同型號的套圈也進行了多次檢測，識別準確率較高，誤漏檢率較低，響應時間較短，并能實時統計被檢測套圈的型號、數量、合格率、缺陷種類等數據，滿足企業(yè)生產在線檢測要求，可以替代人工實現檢測。

4、結束語

本文研究并實現了套圈端面缺陷在線檢測算法，利用四連通域確定套圈端面區(qū)域，采用最小二乘法擬合套圈輪廓進行大小邊和磕碰傷的判別；提出了圖像極坐標變換將套圈環(huán)形拉伸為矩形，利用Sauvola算法進行圖像局部閾值分割，通過極坐標反變換與二次插值法將缺陷區(qū)域變換回環(huán)形區(qū)域，基于多特征的外觀缺陷判別方法能夠根據各類缺陷的特點對圖像特征進行比較實現缺陷判別。試驗表明該算法的檢測準確率高，能夠有效減少漏檢或誤檢，并且能實時統計缺陷種類等數據。