CN113566704A - 一种基于机器视觉的轴承总成滚珠尺寸检测方法 - Google Patents

Abstract

一种基于机器视觉的轴承总成滚珠尺寸检测方法，属于轴承视觉检测领域。包括步骤：(1)包含滚珠特征的已装配轴承局部图像的采集；(2)针对被测图像滚珠特征的分割定位；(3)滚珠边缘特征提取；(4)滚珠边缘圆拟合；(5)相机标定检测滚珠尺寸判断是否合格。本发明通过引入机器视觉方法，解决了目前轴承总成检测中，由于内嵌滚珠被内外圈和保持架遮挡，无法通过传统尺寸检测方法有效检测内嵌滚珠尺寸的问题，可针对装配好的轴承检测其滚珠是否合格。

Description

一种基于机器视觉的轴承总成滚珠尺寸检测方法

技术领域

本发明涉及轴承视觉检测领域，具体涉及一种基于机器视觉的轴承总成滚珠尺寸检测方法。

背景技术

按照国家标准GB/T 308-2002，对于滚珠的检测方法为人工手动测量，然后将其分装。然而对于对精度要求极高的航空轴承滚珠检测，不同规格的钢珠直径仅相差微米级，极易混淆，若仅依靠这种人工检测方法，误检率较高。所以需要在轴承出厂前对其成品进行最后一道质量把关。目前轴承的成品检测方法多为通过人工抽检大量轴承，对轴承装配质量进行评估，但是对于大型生产厂商来说，一方面人力资源浪费严重，检测效率极低，一方面做不到全面覆盖，依然会存在滚珠装配不合格的轴承成品。

基于机器视觉的轴承检测一般集中于轴承的装配检测与轴承表面缺陷检测，通过采集轴承图像，对其进行一系列的传统图像处理或者将图像处理与深度学习进行融合等，继而对检测目标进行自动识别。其中并未对已装配轴承滚珠尺寸进行检测，无法判断滚珠是否合格。

基于深度学习的语义分割方法能够将图像的底层局部信息与高级语义信息融合，结合传统的图像分割与目标识别与一体，许多视觉任务的应用场景都需要语义分割对目标进行精准的预测，大到遥感图像的分类与标注、医疗领域中对各种病灶区域的分割与识别以及在自动驾驶领域对行车场景中各种不同目标的分类等，小到对各种拥有某种固定特征的实际应用场景中物体的识别与检测等。

发明内容

本发明解决的技术问题是：针对目前轴承总成检测中，由于内嵌滚珠被内外圈和保持架遮挡，无法通过传统尺寸检测方法有效检测内嵌滚珠尺寸的问题，提出一种基于机器视觉的轴承总成滚珠尺寸检测方法，实现轴承总成检测中滚珠尺寸的检测。

本发明的技术解决方案是：一种基于机器视觉的轴承总成滚珠尺寸检测方法，步骤如下：

(1)包含滚珠特征的已装配轴承局部图像的采集

(2)被测图像滚珠特征的分割定位

(3)滚珠边缘特征提取

(4)滚珠边缘圆拟合

(5)相机标定检测滚珠尺寸判断是否合格

进一步地，所述一种基于机器视觉的轴承总成滚珠尺寸检测方法，其特征在于图像采集使用同轴光源加背光灯加工业相机的拍摄装置。

进一步地，所述一种基于机器视觉的轴承总成滚珠尺寸检测方法，其特征在于基于深度学习的Deeplab V3+分割网络模型分割滚珠特征。

进一步地，所述同轴光源使用绿色光源拍摄效果最佳。

进一步地，所述一种基于机器视觉的轴承总成滚珠尺寸检测方法，其特征在于利用Canny边缘检测算法提取滚珠边缘，并通过多点随机圆拟合方法拟合完整滚珠。

进一步地，所述一种基于机器视觉的轴承总成滚珠尺寸检测方法，其特征在于通过相机标定方法测量目标尺寸，根据工业要求判断滚珠是否合格。

与现有技术相比，本发明的有益效果是：对于已装配好的轴承，在轴承滚珠被内外圈和保持架遮挡的情况下，仅通过细小缝隙中的滚珠特征，即可利用机器视觉实现滚珠尺寸的检测，从而评估轴承性能。

附图说明

为使得本发明中的技术方案，下面将会选取一些附图对本发明进行阐述。下述附图仅为本发明的一些实例；使用者可根据该附图获得其他类似的附图。其中：

图1为本发明的整体流程框架

图2为本发明的图像采集装置结构

具体实施方式

下面将更加深刻，完整的阐述本发明实施案例中的技术方案。所述实施案例为部分是实施案例。使用者可根据本发明，不需付出创造性劳动的获得其他实施案例。该“其他实施案例”均属于本发明保护的范围。

一种基于机器视觉的轴承总成滚珠尺寸检测方法，包括以下步骤：

(1)包含滚珠特征的已装配轴承局部图像的采集

(2)被测图像滚珠特征的分割定位

(3)滚珠边缘特征提取

(4)滚珠边缘圆拟合

(5)相机标定检测滚珠尺寸判断是否合格

根据本发明的一种实施方式，对被测轴承图像首先分割出其滚珠特征，再对滚珠边缘进行圆拟合，最后利用相机标定检测滚珠尺寸。

基于以上实施方式，在上述步骤(1)中图像采集系统搭建的方法为：采用绿色同轴光源及背光灯作为拍摄光源，相机使用CCD工业相机，并通过计算机控制相机采集图片。

在上述步骤(2)中建立分割网络模型的方法为：将原Deeplab V3+网络的特征提取主干网络替换为ResNet-50，并在原网络的基础上，设计了一个更为复杂的解码器结构，意在提取特征提取主干网络中更多底层细节的特征，

在上述步骤(3)中建立滚珠边缘特征提取的方法为：利用Canny边缘检测算法提取滚珠边缘。

在上述步骤(4)中圆拟合的方法为：利用多点随机圆拟合方法拟合完整滚珠。

在上述步骤(5)中检测滚珠尺寸的方法为：拍照时使用标定板，利用相机标定方法测量尺寸。

综上所述，本发明基于图像对局部滚珠进行语义分割与完整形状拟合，并通过测量滚珠尺寸检测滚珠是否合格。本发明对于已装配好的轴承，在轴承滚珠被内外圈和保持架遮挡的情况下，仅通过细小缝隙中的滚珠特征，即可利用机器视觉实现滚珠尺寸的检测，从而评估轴承性能。

以上所述仅为本发明的一个实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于机器视觉的轴承总成滚珠尺寸检测方法，其特征在于针对已装配好的轴承利用机器视觉方法检测滚珠尺寸是否合格，包括以下步骤：

(1)包含滚珠特征的已装配轴承局部图像的采集

(2)被测图像滚珠特征的分割定位

(3)滚珠边缘特征提取

(4)滚珠边缘圆拟合

(5)相机标定检测滚珠尺寸判断是否合格。

2.根据权利要求1所述的一种基于机器视觉的轴承总成滚珠尺寸检测方法，其特征在于图像采集使用同轴光源加背光灯加工业相机的拍摄装置。

3.根据权利要求1所述的一种基于机器视觉的轴承总成滚珠尺寸检测方法，其特征在于基于深度学习的改进的DeeplabV3+分割网络模型分割滚珠特征。

4.根据权利要求2所述同轴光源使用绿色光源拍摄效果最佳。

5.根据权利要求1所述的一种基于机器视觉的轴承总成滚珠尺寸检测方法，其特征在于利用Canny边缘检测算法提取滚珠边缘，并通过多点随机圆拟合方法拟合完整滚珠。

6.根据权利要求1所述的一种基于机器视觉的轴承总成滚珠尺寸检测方法，其特征在于通过相机标定方法测量目标尺寸，根据工业要求判断滚珠是否合格。

Images