基于圖像處理的大型軸承套圈缺陷檢測研究.pdf

1、隨著社會的進步與發(fā)展,國家經(jīng)濟建設(shè)的迫切需要,以及大型軸承市場的需求日益的增長,大型軸承套圈的質(zhì)量越來越受到關(guān)注?，F(xiàn)有的大型軸承套圈表面缺陷的檢測方法大都是依靠人工目測或者落后簡單的檢測儀器,勞動效率與識別率低,缺陷檢測與分類精度差。當需要在高溫,高噪音、粉塵、振動等惡劣環(huán)境條件下進行檢測時,不僅會對檢測人員的身體和心理會造成極大傷害,還會使檢測人員往往無法正常工作。因此大型軸承套圈表面缺陷檢測的研究成為近年來人們研究的熱點。本文依據(jù)數(shù)

2、字圖像處理技術(shù)對大型軸承套圈表面缺陷檢測進行了研究,主要內(nèi)容如下:1.大型軸承套圈表面缺陷的典型表現(xiàn)類型與缺陷區(qū)域分析。對于采集到的大型軸承套圈表面缺陷圖像,本文采用三種經(jīng)典濾波去噪方法處理,并對去噪效果進行了分析與評價。依據(jù)實驗結(jié)果,選取中值濾波算法。2.圖像邊緣檢測算法的分析。采用多種經(jīng)典邊緣檢測算子對大型軸承套圈表面缺陷圖像進行對比檢測,提出了一種改進的Sobel邊緣檢測算子。從對比的實驗效果圖分析結(jié)果來看,不同的缺陷類型應(yīng)按各經(jīng)

3、典邊緣檢測算子的適用范圍與缺陷圖像的類型,具體問題具體分析。本文改進后的Sobel算子得到的圖像邊緣清晰度和連續(xù)性好,抑制噪聲能力強。3.缺陷特征的提取與選擇。對缺陷圖像提取了Hu不變矩特征,形態(tài)特征,紋理特征,并進行了系統(tǒng)的分析與論證,確定了分類識別所需要的Hu不變矩特征。4.基于BP神經(jīng)網(wǎng)絡(luò)分類識別算法的研究。本文采用了傳統(tǒng)的基于BP神經(jīng)網(wǎng)絡(luò)的識別方法,對缺陷進行了分類識別。實驗結(jié)果表明,BP神經(jīng)網(wǎng)絡(luò)能正確識別出大型軸承套圈表面缺陷