基于改进型Retinex算法的轴承滚子瑕疵检测技术研究

发布时间：2020-09-30 08:58

　　 “十二五规划”期间,国家明确指出,轴承是加快振兴装备制造业的16个关键领域的核心基石,它在多个关键领域有着广泛的应用。作为轴承核心零件之一的轴承滚子,其表面质量直接决定了轴承的质量。近年来随着机器视觉技术的蓬勃发展,越来越多的学者将机器视觉技术应用于轴承滚子表面瑕疵检测之中。但在轴承滚子瑕疵检测中会受到光照不均的影响,导致误检或漏检,从而降低系统检测的准确性。针对这个问题,本文通过对工业相机、工业镜头和工业光源的选型完成瑕疵检测系统图像采集模块的搭建,并对轴承滚子各表面的常见瑕疵进行整理和分析,依托实际项目进行了如下研究:(1)本文对传统的Retinex光照校正算法进行了分析研究,并针对该算法在轴承滚子瑕疵检测中出现的细节丢失问题,提出了一种基于中值滤波的改进型Retinex光照校正算法。该改进型算法使用中值滤波代替高斯环绕函数完成图像光照分量的估计,并使用信息熵函数完成对原图光照均匀性检测,以此减少算法在实际应用中的冗余计算。仿真结果表明,该改进型算法与传统Retinex光照校正算法相比,在处理时间相近的前提下,明显改善传统Retinex光照校正算法的细节丢失问题。(2)在光照校正算法基础上设计了一套轴承滚子瑕疵检测算法,并使用多线程技术对算法进行了实现和多工位结果融合。轴承滚子瑕疵检测算法共5个步骤,分别是ROI定位、光照校正、预处理、疑似瑕疵定位以及瑕疵确认。此外,作者对影响系统处理速度的各向异性滤波算法进行了CUDA加速,将其算法速度提升了近20倍,最终使轴承滚子瑕疵检测系统的检测速度达到了400~500ms/个,满足实际项目对于轴承滚子检测速度的要求。经过现场测试,基于光照校正算法的轴承滚子瑕疵检测系统相对于未加入光照校正的系统能够较好地避免误检和漏检瑕疵,相对于人工检测方式具有更快的检测速度和更稳定的准确率。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TH133.3;TP391.41
【部分图文】：

重庆邮电大学硕士学位论文上几种瑕疵主要存在于轴承滚子表面 除此之外还有一些瑕疵可能出现在，这种类型的瑕疵主要在轴承滚子钢材生产环节中出现 如轴承滚子钢材，由于原材料中某类矿物元素配比出错，造成轴承滚子整体力学结构产生轴承滚子钢材冷却过程中出现内部挤压而产生轴承滚子内部结构断裂，出这种瑕疵难以通过机器视觉技术进行有效检测，故此类瑕疵在检测过程中据以上对轴承滚子瑕疵形成原因的分析和在实际工厂中的调研结果 如图承滚子表面主要存在 6 种瑕疵类型 根据存在深度与否，可将几种瑕疵类一类是以划伤 凹坑为代表的具有深度的表面瑕疵；一类是以锈斑为代表但是灰度值偏低的表面瑕疵，这两类瑕疵的视觉特征如表 2.1 所示

图 2.3 轴承滚子各表面示意图承滚子生产行业中，通常将轴承滚子大端面和侧滚动面定义为工作端面 大倒角和小倒角定义为非工作面或非接触面 工作面即在轴承动的轴承滚子表面；非工作面即不承担轴承转动而仅仅作为轴承滚子承滚子表面 因此在洛阳某轴承生产工厂进行轴承瑕疵调研时，发现作面和非工作面的差别，对轴承滚子不同表面的瑕疵检测精度 差别行轴承滚子瑕疵检测算法设计时，可根据客户要求开放检测精度调整质量等级的轴承滚子检测情况 承滚子各表面进行分析后可得出各表面主要瑕疵及瑕疵特征 具体

图 2.11 光源示意图选型结果，具体的大/小端面，大/小倒角和侧滚动面的照明集图像如图 2.3 所示 倒角照射方式面阵相机轴承滚子方形光源端面照射方式面阵相机轴承滚子

【相似文献】

相关期刊论文 前10条

1 周悦;;基于Retinex理论的雾霭天气图像增强[J];内燃机与配件;2017年01期

2 任荣;张小伍;;改进Retinex在红外图像增强中的应用[J];激光杂志;2016年08期

3 满晨龙;史再峰;徐江涛;姚素英;;基于区域分割的快速随机喷洒Retinex方法[J];南开大学学报(自然科学版);2017年02期

4 孔登峰;;关于Retinex算法对刑事模糊图像增强的适用性探讨[J];数字技术与应用;2012年11期

5 凌敏;;基于Retinex理论的图像增强算法研究[J];计算机光盘软件与应用;2014年01期

6 谭跃;;基于Retinex理论的图像增强算法研究[J];技术与市场;2009年12期

7 吴振中;;基于Retinex理论的图像增强算法的研究[J];现代计算机(专业版);2016年26期

8 袁洪;汤辉;;基于Retinex理论图像增强的边缘检测[J];昆明冶金高等专科学校学报;2015年03期

9 程耀瑜;王宇;;基于Retinex可变框架的X射线图像增强方法研究[J];激光与红外;2008年10期

10 王彦臣;李树杰;黄廉卿;;基于多尺度Retinex的数字X光图像增强方法研究[J];光学精密工程;2006年01期

相关会议论文 前6条

1 陈亮;;一种快速的基于自适应尺度Retinex的图像增强算法[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

2 陈云善;盛磊;李一芒;高世杰;;Retinex图像增强算法的GPU实现[A];仪器仪表学报（2015（增刊）第36卷）[C];2015年

3 詹洁;严非;;一种新的变分Retinex图像增强方法[A];第十四届全国图象图形学学术会议论文集[C];2008年

4 张肃;饶顺斌;王海葳;赵红蕊;;基于模糊Retinex的高空间分辨率遥感影像阴影消除方法[A];第四届海峡两岸GIS发展研讨会暨中国GIS协会第十届年会论文集[C];2006年

5 江兴方;陶纯堪;;Retinex彩色图像增强理论及其研究进展[A];2004全国光学与光电子学学术研讨会、2005全国光学与光电子学学术研讨会、广西光学学会成立20周年年会论文集[C];2005年

6 孙劲光;李扬;;基于Mean-Shift的Retinex算法在人脸识别中的应用[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

相关博士学位论文 前7条

1 赵晓霞;基于RETINEX理论的视频图像增强系统研究[D];中国矿业大学（北京）;2011年

2 潘天工;面向PACS系统的图像增强和图像加密算法研究[D];哈尔滨理工大学;2014年

3 许欣;图像增强若干理论方法与应用研究[D];南京理工大学;2010年

4 胡勇;面向室外场景的图像纹理分析与应用研究[D];南京理工大学;2010年

5 吕国豪;面向铁路运行环境检测的图像复原、增强及配准方法研究[D];北京交通大学;2017年

6 嵇晓强;图像快速去雾与清晰度恢复技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

7 王志伟;航空图像的增强及其道路的提取和分析[D];长安大学;2017年

相关硕士学位论文 前10条

1 刘超;基于改进型Retinex算法的轴承滚子瑕疵检测技术研究[D];重庆邮电大学;2019年

2 刘彤;基于粒子群优化的Retinex图像增强[D];重庆师范大学;2016年

3 肖燕峰;基于Retinex理论的图像增强恢复算法研究[D];上海交通大学;2007年

4 赵清楠;基于Retinex理论的图像增强凸优化模型研究[D];电子科技大学;2016年

5 吴伟玉;基于局部双边滤波的实时Retinex图像增强[D];安徽大学;2013年

6 储昭辉;基于Retinex理论的小波域图像增强方法研究[D];合肥工业大学;2010年

7 孙天;基于Retinex理论的复杂光照下的人眼检测系统研究[D];西安电子科技大学;2012年

8 何玮;基于Retinex的红外图像预处理系统的研究与实现[D];南京理工大学;2015年

9 傅雪阳;基于变分框架的Retinex图像增强方法研究[D];厦门大学;2014年

10 朱磊;Retinex图像增强算法的研究与FPGA实现[D];清华大学;2012年

本文编号：2830636