劉青，張進(jìn)華，黃軍勤

(1.西安理工大學(xué) 工程訓(xùn)練中心，西安 710048；2.西安交通大學(xué) 機(jī)械工程學(xué)院，西安 710049)

鋼球是軸承中的重要零件,直接影響軸承使用壽命、精度和運(yùn)動(dòng)性能，而影響上述性能的主要因素之一則是鋼球表面隨機(jī)分布的各種缺陷。根據(jù)有關(guān)資料，球軸承中鋼球、內(nèi)圈及外圈表面缺陷對(duì)軸承振動(dòng)和噪聲的影響程度為 10∶3∶1[1]，由此可見，鋼球表面缺陷是影響軸承振動(dòng)的主要因素，這也是國(guó)內(nèi)、外軸承行業(yè)一直對(duì)相關(guān)檢測(cè)技術(shù)的研究給予重視的根本原因。

目前，檢測(cè)鋼球表面質(zhì)量的傳統(tǒng)方法主要為人工目測(cè)法，不僅工作量大，而且易受檢測(cè)人員主觀因素的影響，容易造成誤檢和漏檢，檢測(cè)效率低，勞動(dòng)強(qiáng)度大。如果在檢測(cè)中操作不慎，還會(huì)對(duì)鋼球表面造成二次損傷[2]。基于上述原因，非接觸式數(shù)字圖像檢測(cè)技術(shù)逐步應(yīng)用于鋼球缺陷檢測(cè)中。如文獻(xiàn)[3-4]提出，利用圖像處理方法測(cè)量鋼球表面破損面積，通過計(jì)算面積并逐級(jí)比較獲得最大缺陷面積，進(jìn)而判斷鋼球是否合格；文獻(xiàn)[5]則利用反光帶的鏡像變形實(shí)現(xiàn)表面缺陷的快速檢測(cè)。

1 基于視覺的鋼球表面檢測(cè)平臺(tái)搭建

鋼球表面缺陷在非接觸式圖像檢測(cè)中存在以下難點(diǎn)：

(1)鋼球表面的高反光率問題。由于鋼球表面接近于鏡面反射, 導(dǎo)致采集畫面亮度嚴(yán)重失真, 使所需檢測(cè)的缺陷信息都被淹沒, 尤其在法線方向上會(huì)形成大片光暈，雖然文獻(xiàn)[6]通過一些試驗(yàn)方案弱化了部分鋼球的反光, 但在圖像采集過程中仍存在被完全覆蓋在光暈及光斑中的缺陷；

(2)鋼球表面的投影問題。由于鋼球表面的鏡面反射會(huì)導(dǎo)致裸露鋼球表面映射四周的景象, 即使將檢測(cè)環(huán)境密閉,所拍攝的圖像中仍會(huì)存在一個(gè)方形黑色區(qū)域的投影(攝像機(jī)), 該投影區(qū)域與其他部分對(duì)比差異極大，給圖像判別帶來較大難度。

對(duì)GCr15鋼球外輪廓進(jìn)行試驗(yàn)，以常規(guī)拍攝方式獲取的鋼球表面圖像如圖 1所示。分析可知，照片明顯受到了光暈現(xiàn)象和周圍物體成像的影響，鋼球外表面接近于鏡面反射，符合上述基本分析。

圖1 鋼球表面圖像

在非接觸式圖像檢測(cè)方式中，好的照明方案與光源是整個(gè)機(jī)器視覺系統(tǒng)的關(guān)鍵因素。光源與照明方案相互配合，應(yīng)將待測(cè)物體上所需采集的特征量突出到最大限度，并將物體上包含待檢特征的區(qū)域與非主要檢測(cè)區(qū)域進(jìn)行明顯的對(duì)比度區(qū)分。同時(shí)，為保證突出所要提取的特征，還應(yīng)確保圖像的整體亮度，光源也必須穩(wěn)定。

經(jīng)過各種組合試驗(yàn)，采用連續(xù)漫反射照明方式配合OPT-RID70球積分光源組成照明系統(tǒng)，如圖2所示。

圖2 采集系統(tǒng)光源裝置

鑒于鋼球全球面接近鏡面反射的特性，為獲取更高質(zhì)量的鋼球表面圖像，提高后續(xù)圖像處理及特征提取的效率，試驗(yàn)中將待測(cè)鋼球、照明系統(tǒng)、CCD相機(jī)全部置于封閉的暗箱中?；谏鲜鏊悸泛痛胧?，對(duì)鋼球的表面反射規(guī)律進(jìn)行了系統(tǒng)研究，并依據(jù)研究成果搭建了實(shí)驗(yàn)室環(huán)境下的圖像采集平臺(tái)，如圖3所示。

圖3 檢測(cè)系統(tǒng)結(jié)構(gòu)示意圖

2 鋼球表面缺陷檢測(cè)與分類

2.1 基于紋理特征的鋼球表面缺陷檢測(cè)

由于設(shè)備自身特性和外部環(huán)境干擾，采用CCD攝像機(jī)采集鋼球表面圖像會(huì)造成圖像信噪比下降和畫面質(zhì)量退化，故需要對(duì)圖像進(jìn)行處理，從而提高后續(xù)算法的速度以優(yōu)化系統(tǒng)的整體性能。

首先，利用中值濾波對(duì)圖像進(jìn)行降噪處理；然后，應(yīng)用分段線性灰度增強(qiáng)抑制噪聲，并突出缺陷特征；最后，通過迭代法將圖像二值化，經(jīng)過開運(yùn)算處理消除圖像中的微小干擾，獲取清晰的前景圖像。為了進(jìn)行缺陷分類和識(shí)別，使用標(biāo)準(zhǔn)面積值與綜合熵的組合作為判斷鋼球表面有無缺陷的依據(jù)。

2.1.1 邊界跟蹤

邊界跟蹤技術(shù)主要用于描繪缺陷區(qū)域的輪廓線，以供后續(xù)特征提取計(jì)算幾何參數(shù)。由于鏈碼對(duì)圖像中的噪聲非常敏感，采用鏈碼技術(shù)對(duì)鋼球表面缺陷進(jìn)行輪廓跟蹤。為重建缺陷區(qū)域，應(yīng)用鏈碼給定方向上單位長(zhǎng)度的線段序列標(biāo)記輪廓，該序列的第1個(gè)元素必須帶有其位置的相關(guān)信息。

用于描述曲線物體的邊界，或者圖像中1個(gè)像素寬線條的方向鏈碼法稱為Freeman碼，鏈碼本身是相對(duì)的，數(shù)據(jù)是相對(duì)于某個(gè)參考點(diǎn)的表示。如圖4所示， 8方向鏈碼是指中心像素指向其8個(gè)鄰點(diǎn)的方向，按逆時(shí)針分別取值0～7。經(jīng)過8方向鏈碼提取鋼球表面斑點(diǎn)缺陷和劃條缺陷外輪廓的效果輸出如圖5所示。

圖4 8方向鏈碼原理圖

圖5 鋼球表面缺陷的二值圖及輪廓提取

2.1.2 基于共生矩陣的鋼球表面缺陷特征提取

圖像的紋理可以定性描述粗糙、精細(xì)、光滑和方向性等。通過灰度共生矩陣描述圖像的紋理主要就是利用灰度的空間特性，通過計(jì)算圖像區(qū)域的共生矩陣，用能量、熵、對(duì)比度、倒數(shù)差分矩和相關(guān)性這5個(gè)參數(shù)表示鋼球表面的紋理特征，即

W(k)={ω1(k),ω2(k),ω3(k),ω4(k),

ω5(k)}，

(1)

式中：W(k)為表示鋼球表面紋理特征的向量；k表示第k副圖像；ω1(k)，ω2(k)，ω3(k)，ω4(k)，ω5(k)分別為第k副圖像具有的能量、熵、對(duì)比度、倒數(shù)差分矩、相關(guān)性。

在對(duì)鋼球表面區(qū)域進(jìn)行特征提取之前，首先要對(duì)區(qū)域進(jìn)行灰度級(jí)變換?；叶燃?jí)變換不依賴像素點(diǎn)在圖像中的位置，將原范圍[p0,pk]內(nèi)的亮度p變換為新范圍[q0,qk]內(nèi)的亮度q。數(shù)字圖像的灰度級(jí)是有限的，在計(jì)算機(jī)中灰度圖像一般為256級(jí)，此精度超出了要求，直接使用會(huì)使共生矩陣過于龐大，計(jì)算過程變得復(fù)雜，故在計(jì)算之前需將灰度級(jí)縮小為16級(jí)，即

q=T(p)=(p/256)/16。

(2)

為降低干擾，提高學(xué)習(xí)特征的可靠性，將分割出的鋼球表面區(qū)域分成n個(gè)小窗口計(jì)算共生矩陣，使用的窗口大小為32×32，選取0°方向，相隔距離為5(單位為像素)，通過遍歷全圖，得到一系列小的鋼球表面窗口的紋理Wi(k)，用這一系列向量的均值表示當(dāng)前圖像中鋼球表面區(qū)域的紋理特征，即

(3)

至此，便獲得了一幀鋼球表面區(qū)域的紋理特征向量，通過同樣的辦法，結(jié)合具體試驗(yàn)，可以獲得不同鋼球表面缺陷的紋理特征。其統(tǒng)計(jì)結(jié)果見表1。

由表1可以看出，在有、無缺陷情況下，能量、對(duì)比度、倒數(shù)差分矩、相關(guān)性這4個(gè)參數(shù)的值比較接近，很難辨別鋼球是否有缺陷。而鋼球無缺陷時(shí)，熵值很小；對(duì)于有缺陷的鋼球，其表面紋理遭到破壞，熵值變化較大。因此，初步選取紋理熵作為判斷鋼球表面缺陷的判據(jù)。由于灰度共生矩陣與方向相關(guān)。由此建立了0°，45°，90°和135°共4個(gè)方向上的灰度共生矩陣，用來描述鋼球表面不同方向上的細(xì)節(jié)，并對(duì)每個(gè)方向上的共生矩陣提取紋理熵。為統(tǒng)一評(píng)判鋼球表面紋理特征，對(duì)4個(gè)方向上的紋理熵求和得出綜合熵。通過大量分析鋼球生產(chǎn)企業(yè)人工分揀后合格鋼球的綜合熵?cái)?shù)據(jù)，發(fā)現(xiàn)其數(shù)值均在0.9以下，而缺陷鋼球的綜合熵?cái)?shù)值則在6.0～7.6之間。根據(jù)上述分析，采用綜合熵作為鋼球有無缺陷的判據(jù)。

2.2 鋼球表面圖像缺陷特征分類器的設(shè)計(jì)

鋼球表面缺陷主要是指在正常工藝下可能產(chǎn)生的缺陷類型。具體是指在鋼球的加工研磨過程中，由于種種原因引起的表面局部材料缺損。根據(jù)JB/T 10861-2008《滾動(dòng)軸承鋼球表面缺陷圖冊(cè)及評(píng)定辦法》將鋼球表面缺陷分類為：斑點(diǎn)、麻點(diǎn)、擦痕、劃條和凹坑(燒傷歸于此類)[7]。

根據(jù)缺陷形態(tài)描述幾何特征參數(shù)，并給出了計(jì)算方法。提出將矩形相似度與圓形相似度之比、角度等特征與現(xiàn)有分類器相結(jié)合，組成組合判據(jù)以實(shí)現(xiàn)缺陷的分類和識(shí)別。

2.2.1 特征參數(shù)的提取

根據(jù)文獻(xiàn)[4]可知，缺陷面積S、形狀因子F、長(zhǎng)短徑比Rb、圓形相似度φ、矩形相似度R以及方向角度θ等缺陷區(qū)域的特征參數(shù)可以用于設(shè)計(jì)合理的鋼球表面缺陷模式識(shí)別分類器。

對(duì)不同的缺陷類型進(jìn)行多樣本試驗(yàn)，結(jié)果見表2。由表可知，對(duì)于斑點(diǎn)、麻點(diǎn)和凹坑等圓形缺陷，形狀因子和長(zhǎng)短徑比的值均較小，矩形相似度與圓形相似度比值d的差異并不明顯，缺陷面積由大到小依次為麻點(diǎn)、斑點(diǎn)、凹坑，且三者相差很大；對(duì)于擦痕、劃條等細(xì)長(zhǎng)條形缺陷，形狀因子和長(zhǎng)短徑比的值很大，矩形相似度與圓形相似度比值d則超過了20。

表2 缺陷樣本參數(shù)

2.2.2 鋼球表面缺陷的分類器設(shè)計(jì)

假設(shè)C為邊界點(diǎn)數(shù)據(jù)組成的數(shù)集, 實(shí)際的目標(biāo)包含n個(gè)缺陷區(qū)域, 相應(yīng)的C可以劃分成n個(gè)子集C1,C2, …，Cn。則分類模型可以設(shè)計(jì)為

(4)

通過d可以判別缺陷是偏圓形還是偏矩形，從而確定缺陷是劃條、擦痕等條狀缺陷，還是斑點(diǎn)、麻點(diǎn)、凹坑等圓形缺陷。由表2可以看出，對(duì)于斑點(diǎn)、麻點(diǎn)和凹坑缺陷，d<2；而對(duì)于劃條和擦痕，d>20。由于條狀的缺陷種類很多，d變化范圍較大，為此選取d=10作為閾值，為條狀缺陷留有一定的余量。對(duì)不同軸承類型和成像分辨率，需要重新計(jì)算缺陷樣本參數(shù)，然后確定相對(duì)應(yīng)參數(shù)的閾值。

3 試驗(yàn)結(jié)果與分析

系統(tǒng)整體檢測(cè)試驗(yàn)選取1 000個(gè)公稱直徑為12.7 mm ，精度等級(jí)為G16的鋼球，其中包含100個(gè)有缺陷的鋼球樣本(斑點(diǎn)、麻點(diǎn)、擦痕、劃條和凹坑缺陷各20個(gè))，軟件界面如圖6所示。檢測(cè)結(jié)果如圖7和表3所示。試驗(yàn)總計(jì)檢測(cè)出帶有缺陷的鋼球95個(gè)，檢測(cè)準(zhǔn)確率為95%，由于實(shí)驗(yàn)室環(huán)境下鋼球樣本群有限，且為同一批次鋼球，因此檢測(cè)效果很好。

圖6 測(cè)試試驗(yàn)軟件檢測(cè)界面

圖7 鋼球表面缺陷檢測(cè)示意圖

表3 試驗(yàn)測(cè)試結(jié)果

分析漏檢的原因發(fā)現(xiàn)，拍攝區(qū)域中的鋼球缺陷過于靠近邊緣，造成缺陷區(qū)域無法完全提取，由于光照不均勻，或者在圖像分割過程中閾值選取不佳，造成鋼球表面出現(xiàn)一些小的連通區(qū)域，在分類時(shí)可能將細(xì)條狀的劃條缺陷誤判為斑點(diǎn)缺陷。在使用實(shí)驗(yàn)室的圖像采集平臺(tái)拍攝鋼球表面圖像時(shí)，鋼球表面沒有完全“展開”，因此出現(xiàn)了漏檢。

為了驗(yàn)證系統(tǒng)的算法性能，采用配置為Intel(R) CoreTM-i7 2.7 GHz，4G內(nèi)存的計(jì)算機(jī)，運(yùn)用Visual C++6.0編程，對(duì)圖像分辨率為1 600×1 200像素的彩色位圖文件(BMP)進(jìn)行離線數(shù)據(jù)處理，結(jié)果見表4。可以看出，所編寫的鋼球表面缺陷檢測(cè)與識(shí)別軟件處理一幅圖像的時(shí)間基本上小于80 ms，可以有效的保證系統(tǒng)運(yùn)行的實(shí)時(shí)性。

表4 測(cè)試試驗(yàn)耗時(shí) ms

4 結(jié)束語

首先，通過實(shí)驗(yàn)室搭建的圖像采集平臺(tái)拍攝獲取鋼球表面圖像，然后對(duì)圖像進(jìn)行預(yù)處理提取出清晰且完整的缺陷區(qū)域，最后利用模式識(shí)別技術(shù)判斷鋼球表面是否具有缺陷并對(duì)不同類型的缺陷完成分類。利用Visual C++6.0設(shè)計(jì)開發(fā)基于視覺的鋼球表面缺陷檢測(cè)識(shí)別軟件系統(tǒng)，并在實(shí)驗(yàn)室環(huán)境下完成程序的穩(wěn)定性和可靠性測(cè)試。目前研究仍處于實(shí)驗(yàn)室階段，在向鋼球?qū)嶋H生產(chǎn)的轉(zhuǎn)換中，還有大量的工作需要去做。