基于机器视觉的列车滚子轴承表面缺陷检测
发布时间：2020-12-02 18:02
列车滚子轴承是铁路列车运输安全的一个关键部件,它对列车的安全行驶起着相当重要的作用,因此有关部门十分重视轴承的检查与维修。传统的检测方法主要取决于员工的经验和责任心,长时间重复操作会导致视觉疲劳,这会使检测结果的准确性和效率降低。而且,这样的检修方法没有将检测到的数据存储、上传及统计,没有完整的测试和数据报告,这就导致之后出现此类问题时很难根据先有的测试数据进行分析。针对这种情况,本文对现有研究做出了改进,提出了一种基于机器视觉的列车滚子轴承表面缺陷检测方法,主要的研究工作有:(1)图像获取及初次分类。为了实现轴承缺陷检测的自动化处理,本文改进了一种轴承图像的获取装置,提出利用工业内窥镜代替人眼进行图像的获取,将拍摄到的图像存入数据库系统,以实现轴承缺陷的自动获取。另外,根据图像灰度值的标准差来判断图像是否有缺陷,对轴承进行初次分类。(2)二值化及形态学滤波。文中提出一种根据缺陷图像的灰度均值范围确定阈值的方法,对有缺陷的图像进行二值化,与传统方法相比,该方法更加准确有效。由于图像采集过程中光线不均匀,所采集的图像中会有噪声,文中对二值化图像进行了形态学滤波,既可以消除噪声,又保留了缺...
【文章来源】：内蒙古科技大学内蒙古自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
人工检测方法[2]
内蒙古科技大学硕士学位论文5图1.2工作流程图（1）图像获取及初次分类。文中改进了一种轴承图像的获取装置，根据图像灰度值的标准差来判断图像是否有缺陷，从而对轴承进行初次分类。（2）二值化及形态学滤波。文中提出了一种根据缺陷图像的灰度均值范围来确定阈值的方法，对带有缺陷的图像首先进行二值化处理，然后进行形态学滤波。（3）边缘检测。在比较了一些常见的边缘检测算法之后，文中最终选择Canny算法进行缺陷特征的边缘检测。（4）图像标记及特征提龋文中使用8连通区域标记法来获得标记图像，然后从标记图像中提取了一些可用于区分不同缺陷的特征，例如面积、周长等。（5）分类识别。采用分类识别决策树的方法对缺陷图像进行了类型的识别，经过实验验证，文中方法更加简单实用。1.4研究目的及意义（1）研究目的本文提出的机器视觉检测系统，主要通过传感器来模拟人类的视觉功能，从列车滚子轴承表面图像中获得有用信息，进行分析和处理后，以实现缺陷的自动检测。（2）研究意义本课题所提出的将机器视觉技术应用于列车滚子轴承的表面缺陷检测的方法，旨在减轻工人的工作强度、提高工作效率和检测精度，还可以将收集的数据设置为数据库，以进行统计、归纳和分析，并且保证了轴承的进一步测试和改进。随着产品质量检验需求的不断增长，视觉检测的优势使其在国内外有着巨大的发展市场，我国必须实现与世界的产业融合，并处于有利地位。希望通过本文的研究，能够对我国科学技术的发展做出一点贡献。
内蒙古科技大学硕士学位论文62.图像获取及初次分类2.1系统结构设计2.1.1成像模型机器视觉检测技术的核心是对获取的图像进行处理和分析，以找到图像的缺陷特征，因此被测图像的质量直接影响测试结果。基于这种情况，这就要求机器视觉系统在实际的工作环境下，能够自动连续地获得高质量的图像[28]。高质量图像的获取，对于光线照明的均匀一致性、对比度大小的选择有着极其严格的要求[29]。如果光的强度不均匀或存在反光，则某些应处于相同灰度级的像素，而在图像上却出现了或明或暗的现象，这样的图像显然不符合要求。对于表面缺陷视觉检测系统来说，通常采用主动照明的方式，成像模型如图2.1所示[30]。由光源发出的光束，以一定的角度或方向投射到被检测物体的表面上，表面吸收部分光能，反射或透射光能的其他部分，相机将接收这些由被测物体表面反射或透射的部分光能，这样就形成了被测图像。图2.1表面缺陷视觉检测成像模型在轴承的工作状态下，滚动体和内圈的外表面之间会发生严重磨损。由于特殊的尺寸和结构设计，利用内窥镜的侧视镜头进行检测，这样便可以准确、方便地观察被测物体的结构和磨损状况，而无需改变被测物体的整体结构。在光源的照射下，没有缺陷的轴承内圈外表面的灰度和纹理相对均匀，而存在缺陷的表面则在这两个方面存在着或大或小的突变，这个特征便是本文对轴承进行初次分类的主要依据。列车滚子轴承表面缺陷检测系统的设计是为了提高铁路相关部门对轴承的检测效率和检测精度，而为了实现这个目标，对该系统的设计也提出了较高的要求，主要表现在以下几点：
【参考文献】：
期刊论文
[1]基于Canny算法的列车轴承表面缺陷边缘检测[J]. 石炜,张袁祥,黄迎久,张万锴. 测控技术. 2019(11)
[2]基于深度学习特征和非线性支持向量机的板材表面缺陷识别方法[J]. 高琳明,徐风,李享,徐姗姗,窦立君. 林业工程学报. 2019(04)
[3]基于形态学多尺度多结构的熔池图像边缘检测[J]. 刘晓刚,闫红方,张荣. 热加工工艺. 2019(05)
[4]基于Otsu阈值分割的边缘快速图像插值算法[J]. 王震,杜进楷,寇宏玉,陈世国. 现代电子技术. 2019(02)
[5]焊缝缺陷图像特征提取的研究[J]. 李金燕,李春祥,王锡岭. 焊接技术. 2018(11)
[6]轴承外观缺陷检测算法设计与仿真[J]. 高宁. 计算机与数字工程. 2018(11)
[7]人造板表面缺陷检测图像自适应快速阈值分割算法[J]. 郭慧,王霄,刘传泽,周玉成. 林业科学. 2018(11)
[8]一种改进的图像边缘提取方法[J]. 孙汝萍. 科技通报. 2018(10)
[9]改进的Canny算子在裂缝检测中的应用[J]. 赵芳,周旺辉,陈岳涛,彭红春. 电子测量技术. 2018(20)
[10]基于特征提取与匹配的带钢缺陷检测[J]. 洪奔奔,管声启,任浪,高磊. 软件. 2018(09)
博士论文
[1]表面缺陷视觉在线检测关键技术研究[D]. 韩芳芳.天津大学 2012
硕士论文
[1]高亮回转表面缺陷识别方法的研究[D]. 郭皓然.西安理工大学 2018
[2]基于数学形态学的焊接熔池图像边缘检测技术研究[D]. 吴凯.西安石油大学 2018
[3]基于机器视觉的缺陷检测与识别方法研究[D]. 马天娇.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2018
[4]基于机器视觉的轴承内圈表面缺陷检测系统研究[D]. 郑越.沈阳工业大学 2017
[5]基于机器视觉的铁路货车滚动轴承表面缺陷检测技术研究[D]. 郝永兴.兰州交通大学 2016
[6]微小精密轴承表面缺陷检测关键技术[D]. 鲍刚.西安工业大学 2016
[7]基于红外探测器的无人机地基视觉引导着陆关键技术研究[D]. 张宇.国防科学技术大学 2013
[8]基于机器视觉的钢板表面缺陷检测系统的关键技术研究[D]. 董保全.浙江理工大学 2013
[9]基于机器视觉的圆柱滚子表面缺陷检测系统[D]. 王慧楠.河南科技大学 2012
[10]轴承外观表面缺陷检测技术研究[D]. 蔡巍巍.河南科技大学 2011
本文编号：2895560
【文章来源】：内蒙古科技大学内蒙古自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
人工检测方法[2]
内蒙古科技大学硕士学位论文5图1.2工作流程图（1）图像获取及初次分类。文中改进了一种轴承图像的获取装置，根据图像灰度值的标准差来判断图像是否有缺陷，从而对轴承进行初次分类。（2）二值化及形态学滤波。文中提出了一种根据缺陷图像的灰度均值范围来确定阈值的方法，对带有缺陷的图像首先进行二值化处理，然后进行形态学滤波。（3）边缘检测。在比较了一些常见的边缘检测算法之后，文中最终选择Canny算法进行缺陷特征的边缘检测。（4）图像标记及特征提龋文中使用8连通区域标记法来获得标记图像，然后从标记图像中提取了一些可用于区分不同缺陷的特征，例如面积、周长等。（5）分类识别。采用分类识别决策树的方法对缺陷图像进行了类型的识别，经过实验验证，文中方法更加简单实用。1.4研究目的及意义（1）研究目的本文提出的机器视觉检测系统，主要通过传感器来模拟人类的视觉功能，从列车滚子轴承表面图像中获得有用信息，进行分析和处理后，以实现缺陷的自动检测。（2）研究意义本课题所提出的将机器视觉技术应用于列车滚子轴承的表面缺陷检测的方法，旨在减轻工人的工作强度、提高工作效率和检测精度，还可以将收集的数据设置为数据库，以进行统计、归纳和分析，并且保证了轴承的进一步测试和改进。随着产品质量检验需求的不断增长，视觉检测的优势使其在国内外有着巨大的发展市场，我国必须实现与世界的产业融合，并处于有利地位。希望通过本文的研究，能够对我国科学技术的发展做出一点贡献。
内蒙古科技大学硕士学位论文62.图像获取及初次分类2.1系统结构设计2.1.1成像模型机器视觉检测技术的核心是对获取的图像进行处理和分析，以找到图像的缺陷特征，因此被测图像的质量直接影响测试结果。基于这种情况，这就要求机器视觉系统在实际的工作环境下，能够自动连续地获得高质量的图像[28]。高质量图像的获取，对于光线照明的均匀一致性、对比度大小的选择有着极其严格的要求[29]。如果光的强度不均匀或存在反光，则某些应处于相同灰度级的像素，而在图像上却出现了或明或暗的现象，这样的图像显然不符合要求。对于表面缺陷视觉检测系统来说，通常采用主动照明的方式，成像模型如图2.1所示[30]。由光源发出的光束，以一定的角度或方向投射到被检测物体的表面上，表面吸收部分光能，反射或透射光能的其他部分，相机将接收这些由被测物体表面反射或透射的部分光能，这样就形成了被测图像。图2.1表面缺陷视觉检测成像模型在轴承的工作状态下，滚动体和内圈的外表面之间会发生严重磨损。由于特殊的尺寸和结构设计，利用内窥镜的侧视镜头进行检测，这样便可以准确、方便地观察被测物体的结构和磨损状况，而无需改变被测物体的整体结构。在光源的照射下，没有缺陷的轴承内圈外表面的灰度和纹理相对均匀，而存在缺陷的表面则在这两个方面存在着或大或小的突变，这个特征便是本文对轴承进行初次分类的主要依据。列车滚子轴承表面缺陷检测系统的设计是为了提高铁路相关部门对轴承的检测效率和检测精度，而为了实现这个目标，对该系统的设计也提出了较高的要求，主要表现在以下几点：
【参考文献】：
期刊论文
[1]基于Canny算法的列车轴承表面缺陷边缘检测[J]. 石炜,张袁祥,黄迎久,张万锴. 测控技术. 2019(11)
[2]基于深度学习特征和非线性支持向量机的板材表面缺陷识别方法[J]. 高琳明,徐风,李享,徐姗姗,窦立君. 林业工程学报. 2019(04)
[3]基于形态学多尺度多结构的熔池图像边缘检测[J]. 刘晓刚,闫红方,张荣. 热加工工艺. 2019(05)
[4]基于Otsu阈值分割的边缘快速图像插值算法[J]. 王震,杜进楷,寇宏玉,陈世国. 现代电子技术. 2019(02)
[5]焊缝缺陷图像特征提取的研究[J]. 李金燕,李春祥,王锡岭. 焊接技术. 2018(11)
[6]轴承外观缺陷检测算法设计与仿真[J]. 高宁. 计算机与数字工程. 2018(11)
[7]人造板表面缺陷检测图像自适应快速阈值分割算法[J]. 郭慧,王霄,刘传泽,周玉成. 林业科学. 2018(11)
[8]一种改进的图像边缘提取方法[J]. 孙汝萍. 科技通报. 2018(10)
[9]改进的Canny算子在裂缝检测中的应用[J]. 赵芳,周旺辉,陈岳涛,彭红春. 电子测量技术. 2018(20)
[10]基于特征提取与匹配的带钢缺陷检测[J]. 洪奔奔,管声启,任浪,高磊. 软件. 2018(09)
博士论文
[1]表面缺陷视觉在线检测关键技术研究[D]. 韩芳芳.天津大学 2012
硕士论文
[1]高亮回转表面缺陷识别方法的研究[D]. 郭皓然.西安理工大学 2018
[2]基于数学形态学的焊接熔池图像边缘检测技术研究[D]. 吴凯.西安石油大学 2018
[3]基于机器视觉的缺陷检测与识别方法研究[D]. 马天娇.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2018
[4]基于机器视觉的轴承内圈表面缺陷检测系统研究[D]. 郑越.沈阳工业大学 2017
[5]基于机器视觉的铁路货车滚动轴承表面缺陷检测技术研究[D]. 郝永兴.兰州交通大学 2016
[6]微小精密轴承表面缺陷检测关键技术[D]. 鲍刚.西安工业大学 2016
[7]基于红外探测器的无人机地基视觉引导着陆关键技术研究[D]. 张宇.国防科学技术大学 2013
[8]基于机器视觉的钢板表面缺陷检测系统的关键技术研究[D]. 董保全.浙江理工大学 2013
[9]基于机器视觉的圆柱滚子表面缺陷检测系统[D]. 王慧楠.河南科技大学 2012
[10]轴承外观表面缺陷检测技术研究[D]. 蔡巍巍.河南科技大学 2011
本文编号：2895560
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2895560.html
最近更新
教材专著
