论文部分内容阅读
行车安全的一个重要的原因就是由轴承的故障而引发的车辆事故,故而铁路列车运输安全的一个至关重要的部件就是滚动轴承,因此对于列车轴承的检查维修铁路部门十分重视。通过人工在滚子和保持架的缝隙中观察内圈的滚动面,凭借手感、目测与人们的经验来判断轴承内圈及滚子表面的损伤程度及缺陷类型。因此针对这些的问题及满足生产的需要,故而引进一种更先进的方法来进行表面缺陷检测。本文探索了几种常见的轴承表面缺陷(擦伤、磕碰、裂损、麻点、烧附),的图像预处理、图像拼接、图像分割算法等。主要研究工作与研究内容如下:(1)轴承内圈外表面缺陷图像采集。机器视觉检测是通过采集图像并进行图像处理分析的过程。因此,采集图像的好坏,能够直接影响机器视觉检测的准确性与稳定性,对于图像获取,本文通过市面上的各种光源对比,选取LED光源,利用CCD摄像机采集轴承内圈外表面的图像。(2)图像的预处理。在图像的采集传输过程中,都会因为各种各样的因素影响,使得图像中常常会出现各种噪声,而噪声会使的所得图像不能够完全反映真实的场景,因此需要对图像进行预处理,本文通过对各种滤波器的实验对比,最终选择了适合本文去噪效果比较好的滤波器,从而获得较为满意的图像。(3)图像拼接处理。由于内窥镜的视角较小,不能够完整的显示一个缺陷,从而使得缺陷识别更加的困难,同时降低了准确率。本文针对轴承的曲面性,提出了一种柱面投影式的曲面校正,之后提取特征点,进行图像匹配与融合,得到了一个较为满意的拼接图像。(4)图像的分割与几何特征提取。使用不同的分割手段,对拼接后的图像进行分割处理,通过分析比较,选取基于阈值分割法对拼接图像进行分割,同时使用数学形态学对分割后图像中的干扰信息进行剔除,对分割后的图像进行几何特征提取,为之后的算法识别提供了基础。使用传统拼接与本文的拼接方法后的分割图像与模板缺陷图像进行对比,发现本文的拼接方法分割出的缺陷图像更加接近模板缺陷图像,因此本文的拼接方法更加优秀。