王玉翰

(浙大城市學(xué)院，浙江 杭州 310015)

0 引 言

軸承是核心基礎(chǔ)零部件，軸承工業(yè)是國家基礎(chǔ)性戰(zhàn)略性產(chǎn)業(yè)，對國民經(jīng)濟(jì)發(fā)展和國防建設(shè)起著重要的支撐作用。經(jīng)過幾十年持續(xù)、快速發(fā)展，我國軸承工業(yè)已形成獨(dú)立完整的工業(yè)體系，已成為軸承銷售額和產(chǎn)量居世界第三位的軸承生產(chǎn)大國，年產(chǎn)量近兩百億套。因此， 在軸承檢測行業(yè)中尋求一種又好又快的檢測方法顯得尤為重要。

隨著人工智能技術(shù)的大規(guī)模普及，以相機(jī)為傳感器的機(jī)器視覺系統(tǒng)大量涌現(xiàn)，在工業(yè)檢測、包裝印刷、食品工業(yè)等領(lǐng)域得到了廣泛的應(yīng)用[1]。目前，國內(nèi)軸承生產(chǎn)廠家大多采用人工目視的檢測方法對裝配前軸承套圈的工作表面缺陷進(jìn)行檢測，僅憑肉眼觀察并判定軸承套圈表面有無碰傷、裂紋等缺陷[2]?；跈C(jī)器視覺的檢測方法憑借其速度快、精度高、穩(wěn)定性好等特點(diǎn)而受到廣泛關(guān)注[3]。針對人工檢測軸承存在的各種不足，筆者基于機(jī)器視覺圖像處理技術(shù)，提出Ransac擬合軸承外徑和模板匹配識別軸承方法，以達(dá)到提高軸承檢測效率和準(zhǔn)確性的目標(biāo)。

1 實(shí)驗(yàn)裝置的設(shè)計(jì)

1.1 工業(yè)相機(jī)與鏡頭

相機(jī)是機(jī)器視覺系統(tǒng)的重要組成部分，其最本質(zhì)的功能就是通過成像器件將鏡頭接收的光信號轉(zhuǎn)變?yōu)橛行虻碾娦盘?，并將這些信息通過相應(yīng)接口傳送到計(jì)算機(jī)。相機(jī)的主要參數(shù)包括：分辨率、幀率、接口、感光器件類型、快門方式等。分辨率的大小直接影響圖片的拍攝精度，幀率反映了相機(jī)每秒鐘拍攝的速度。感光芯片是相機(jī)的核心器件，芯片的大小直接決定了相機(jī)的分辨率的寬度和高度。感光芯片有全局曝光和卷簾曝光兩種工作方式，在抓拍運(yùn)動物體時(shí)，卷簾快門會產(chǎn)生圖像斜變，因此卷簾快門更適合靜止拍攝，而拍攝運(yùn)動物體應(yīng)采用全局曝光方式。

通過鏡頭及照明光源的選擇，使被檢測對象軸承的待檢特征能夠明顯的表達(dá)出來。對特征的明暗、形狀、大小、顏色、邊緣特征等信息的分析，從而進(jìn)一步的獲得對軸承的判定或測量。圖像清晰銳利的邊緣保證測量的準(zhǔn)確性及穩(wěn)定性，甚至可以達(dá)到亞像素的精度。

實(shí)驗(yàn)中選用6906深溝球軸承為測量對象，外徑為47 mm，要求檢測精度為0.05 mm，為了能夠完整的拍攝軸承，視野比軸承要大一些，確定視野大小為120 mm×90 mm，根據(jù)檢測精度選擇對應(yīng)的像素分辨率：3072×2048，實(shí)際精度為120/3072=0.039 mm/像素。選用大華A3600CG18面陣工業(yè)相機(jī)，GigE接口，通訊距離25 m。靜止方式檢測軸承，采用卷簾曝光模式獲得的圖片能滿足要求。

1.2 光 源

光源的主要作用體現(xiàn)在：提高對比度、增加均勻性、消隱背景、增加一致性。合適的光照將特征與背景信息做到最佳、最穩(wěn)定的分離。通過主動光源照明，把需要的特征表達(dá)出來，抑制干擾特征。在實(shí)際工程應(yīng)用中，根據(jù)檢測需求設(shè)計(jì)照明系統(tǒng)，當(dāng)需求變化時(shí)，照明系統(tǒng)需要相應(yīng)調(diào)整。工業(yè)檢測現(xiàn)場上運(yùn)用LED光源較多，LED光源具有眾多優(yōu)勢：使用壽命長；可以使用多個(gè)LED達(dá)到高亮度；直流電源供電沒有頻閃，照明穩(wěn)定；同時(shí)可組合成不同形狀，使用靈活；功耗低；光線照射方向性好；響應(yīng)速度快；可以選擇各種不同的顏色的燈珠。

1.3 實(shí)驗(yàn)裝置組成

實(shí)驗(yàn)裝置如圖1所示，工業(yè)相機(jī)、鏡頭、LED光源都安裝固定在一個(gè)支架上，相機(jī)采用GigE接口傳送圖像，計(jì)算機(jī)內(nèi)的MVP視覺算法平臺實(shí)時(shí)獲得圖像。由于光源對直流電源的穩(wěn)定性要求高，相機(jī)和LED光源由不同的直流電源供電。

圖1 實(shí)驗(yàn)裝置

2 識別實(shí)驗(yàn)

2.1 圖像預(yù)處理

圖像的色彩信息并不影響所需提取的尺寸、表面缺陷等特征，如果直接采用彩色圖像會影響后續(xù)圖像處理的速度，故在圖像分析處理之前先進(jìn)行灰度變換，得到的灰度圖像如圖2所示。采用自動閾值法分割圖像，高于閾值的像素在二值圖中設(shè)置為白色，低于閾值的像素在二值圖中設(shè)置為黑色，圖像二值化結(jié)果如圖3所示。二值圖像中軸承的輪廓形狀得到了清晰的凸顯，為下一步自動找圓輪廓提供了良好基礎(chǔ)。

圖2 軸承灰度圖像 圖3 軸承二值化圖像

2.2 自動找圓

內(nèi)外徑尺寸是軸承最重要的參數(shù)之一，根據(jù)自動找圓算子提取圓弧輪廓，獲得軸承內(nèi)外徑?；诳ǔ吖ぞ叩淖詣诱覉A算子檢測軸承的圓弧特征，結(jié)果如圖4所示，其中外側(cè)圓為期望圓弧區(qū)域，矩形卡尺為搜索區(qū)域，內(nèi)側(cè)圓即為實(shí)際找到的圓。圓周上矩形卡尺的數(shù)量可以手動設(shè)置，圖4中選擇了6個(gè)卡尺，算子中搜索長度、投影長度、忽略點(diǎn)數(shù)以及搜索方向等參數(shù)也可以按需調(diào)整。算子采用Ransac方式擬合圓輪廓，作為一種隨機(jī)參數(shù)估計(jì)方法，Ransac方式適應(yīng)范圍廣，擬合精度高。從局部放大的細(xì)節(jié)中可以看到，實(shí)際找到的圓區(qū)域與軸承外輪廓高度重合。同理，運(yùn)用自動找圓算子可以獲得軸承內(nèi)徑的圓弧輪廓。

圖4 軸承自動尋找外徑圓輪廓

2.3 模板匹配

在自動分類識別過程中，模板匹配是能夠在各種背景下識別目標(biāo)對象的有效方式之一。拍攝一幅軸承圖像，選中特征區(qū)域建立模板，在其他檢測圖像中進(jìn)行匹配，為后續(xù)定位軸承在圖像中的位置，方便引導(dǎo)其他工具跟隨軸承實(shí)時(shí)調(diào)整位置和角度。在訓(xùn)練模板過程中設(shè)置的邊緣閾值和長度閾值直接決定了模板特征的提取數(shù)量規(guī)模，邊緣閾值和長度閾值設(shè)置越小，則圖像上特征點(diǎn)提取越多。在匹配結(jié)果中采用匹配分?jǐn)?shù)表示特征模板與搜索圖像中目標(biāo)的相似程度，即相似度閾值，搜索到的目標(biāo)在相似度達(dá)到該閾值時(shí)才會被搜索到，其值越大表示相似度越高，最大值1表示完全契合。特征匹配的模板如圖5(a)所示，相機(jī)拍攝其他軸承圖像用于模板匹配實(shí)驗(yàn)，在各種背景中模板匹配算子能識別目標(biāo)軸承。如圖5(b)所示，拍攝同樣型號的單個(gè)軸承圖像，在模板匹配后結(jié)果顯示相識度為0.834 5，識別準(zhǔn)確度比較高；圖5(c)中放置兩個(gè)外徑相同，型號不同的兩個(gè)軸承，識別相識度為0.588 3；圖5(d)中將目標(biāo)軸承圖像中再增加兩個(gè)其他不同大小的軸承，識別相識度為0.755 4。訓(xùn)練模板的各項(xiàng)參數(shù)的設(shè)置對匹配的結(jié)果影響至關(guān)重要，不同的應(yīng)用場合需要采用不同的參數(shù)，通過多次調(diào)整測試才能獲得參數(shù)最優(yōu)值。

圖5 軸承圖像模板匹配

上述實(shí)驗(yàn)過程在Win10系統(tǒng)上進(jìn)行，系統(tǒng)配置Inter(R)Core(TM)處理器，3GH主頻，8G內(nèi)存。此實(shí)驗(yàn)裝置實(shí)現(xiàn)了對軸承輪廓提取、模板匹配的非接觸、在線實(shí)時(shí)測量，圖像處理時(shí)間均小于1s，結(jié)合機(jī)械手等其他功能模塊，能夠滿足工業(yè)現(xiàn)場自動化檢測需要。

3 結(jié) 語

此次實(shí)驗(yàn)裝置在靜態(tài)條件下拍攝圖像，經(jīng)過灰度變換和二值化預(yù)處理后利用算子提取內(nèi)外徑輪廓，訓(xùn)練匹配模板實(shí)現(xiàn)不同背景圖像軸承目標(biāo)識別。軸承表面銹斑、刮痕等識別內(nèi)容有待進(jìn)一步研究，可以引入深度學(xué)習(xí)達(dá)到智能識別的目的。另外，考慮動態(tài)環(huán)境中開展圖像識別具有更廣泛的工程應(yīng)用意義。