吳文強(qiáng)雷良育,2胡永偉劉國輝張琪
(1.浙江農(nóng)林大學(xué);2.浙江兆豐機(jī)電股份有限公司)
目前,第3代輪轂軸承單元在汽車行業(yè)廣泛使用[1]。在輪轂軸承單元裝配過程中,由于機(jī)器設(shè)備和人為因素,易造成滾動體缺失的質(zhì)量問題。國內(nèi)各廠家主要采取人工對滾動體進(jìn)行檢測,但人為檢測不容易控制,容易出現(xiàn)漏檢和錯檢的情況,這將影響輪轂軸承單元的合格率。目前國內(nèi)外學(xué)者對機(jī)器視覺的研究,推進(jìn)了軸承在線檢測發(fā)展,文獻(xiàn)[2]對雙列深溝球軸承滾動體缺失檢測進(jìn)行了研究;文獻(xiàn)[3]對深溝球軸承滾動體遺漏進(jìn)行了研究;文獻(xiàn)[4]對滑動軸承缺陷檢測系統(tǒng)進(jìn)行了研究;文獻(xiàn)[5]提出了人工智能等多種用于滾動軸承缺陷檢測的信號處理方法;文獻(xiàn) [6]通過對基線、距離TFR、脊線檢測及選擇匹配脊4個階段的分析來實現(xiàn)軸承檢測的目的。文章對第3代輪轂軸承單元滾動體缺失進(jìn)行研究,通過圖像處理技術(shù)、MATLAB軟件及斑點識別程序來實現(xiàn)檢測的目的,有望為汽車輪轂軸承單元在線視覺檢測提供理論基礎(chǔ)和實踐指導(dǎo)。
第3代輪轂軸承單元為雙列軸承,在裝配工藝中,芯軸和滾動體裝配會出現(xiàn)滾動體缺失的情況,實物圖,如圖1所示。
圖1 輪轂軸承實物圖
檢測系統(tǒng)硬件組成主要包括相機(jī)、上下料機(jī)構(gòu)、光源、上位機(jī)及剔除機(jī)構(gòu)。檢測系統(tǒng)的檢測流程為:輪轂軸承通過上料結(jié)構(gòu)被送至傳送帶上,接近開關(guān)確定輪轂軸承到達(dá)檢測位置,相機(jī)拍照后,按照預(yù)先設(shè)定的程序?qū)D像進(jìn)行分析。如果合格,輪轂軸承由下料機(jī)構(gòu)送至下一工序;如果不合格,輪轂軸承被剔除機(jī)構(gòu)剔除。
光源的選擇:選擇合理的光源方案,對圖像的質(zhì)量有很大的影響。因為圖像質(zhì)量好,計算機(jī)可以提取到好的特征區(qū)域,并且處理速度可以更迅速。光源的照明方式主要有同軸光源、背光光源以及同軸和背光光源3種。由于文章的軸承不適合背光光源,因此選擇同軸光源進(jìn)行正面照射。同時,為了讓輪轂軸承在檢測時減少外界光線干擾,本系統(tǒng)選擇了環(huán)形紅色光源,如圖2所示。相機(jī)采用型號為A5131MG75的工業(yè)相機(jī),鏡頭采用型號為M2514-MP2的工業(yè)鏡頭。
圖2 環(huán)形紅色光源圖
圖像采集后還需要進(jìn)行圖像處理,本研究的基本方法是通過Hough變化來檢測圓,快速確定圓心的位置,從而通過輪轂軸承的尺寸提取特征區(qū)域,再對特征區(qū)域進(jìn)行二值化處理,最后通過上位機(jī)計數(shù)程序進(jìn)行滾子數(shù)目缺失的確定。但是,需檢測的輪轂軸承(見圖3)在圖像中存在的圓的數(shù)量很多,直接進(jìn)行Hough變換會浪費很長時間,這不符合生產(chǎn)線的生產(chǎn)需要,因此需對該圖像進(jìn)行處理,其流程,如圖4所示。
圖3 輪轂軸承圖像采集圖
圖4 輪轂軸承圖像處理流程圖
從圖4可以看出,圖像處理主要分為三部分:1)圖像分割:軸承圖像中內(nèi)部黑色區(qū)域灰度值存在連續(xù)性,并且和外部區(qū)域的灰度存在明顯差異,因此,可以使用區(qū)域生長法進(jìn)行圖像分割處理獲得內(nèi)部的二值圖。同時,區(qū)域生長法首先需要1個生長母點,先進(jìn)行圓心初步確定來充當(dāng)母點。2)特征提?。篐ough變換對二值圖進(jìn)行圓心檢測,求得圓心坐標(biāo)并進(jìn)行標(biāo)定,同時根據(jù)軸承的尺寸,標(biāo)定出圓環(huán)區(qū)域。3)檢測確定:將圓環(huán)進(jìn)行圖像二值化處理,通過上位機(jī)計數(shù)程序?qū)A環(huán)二值圖進(jìn)行訓(xùn)練,從而確定滾子數(shù)目。
2.2.1圓心的初步確定
通過幾何特征法來快速判斷軸承圖像圓心的大概位置。軸承圖的灰度值呈現(xiàn)一定的變化,在分辨率為255時,黑色灰度值為0,白色灰度值為255,軸承圖像就是這樣一系列的灰度值組成的。現(xiàn)在將圖3導(dǎo)入MATLAB進(jìn)行處理,把圖像的每一行和列的所有灰度值相加,最后畫出這個灰度變化,如圖5和圖6所示。在圖5和圖6中,橫坐標(biāo)分別表示圖像每一行和每一列對應(yīng)的坐標(biāo)值,因此可以找到2幅圖中灰度值最小時,分別對應(yīng)的橫坐標(biāo)和縱坐標(biāo)的值。因此,圓心大概就在(700,480)附近,從而確定了母點。
圖5 圖像橫坐標(biāo)所有灰度值相加結(jié)果
圖6 圖像縱坐標(biāo)所有灰度值相加結(jié)果
2.2.2區(qū)域生長法確定輪廓
區(qū)域生長是一種串行區(qū)域分割的圖像分割方法,其優(yōu)點是基本思想相對簡單,通常能將具有相同特征的聯(lián)通區(qū)域分割出來[7],并能提供很好的邊界信息和分割結(jié)果。
區(qū)域生長法示意圖,如圖7所示,簡單的說,選擇點1作為母點,點1四周選擇點2~5。設(shè)置一個閾值進(jìn)行生長,判斷母點1和領(lǐng)域4點的灰度差與閾值的關(guān)系,如果灰度差小于閾值,則認(rèn)為這個區(qū)域是一體的,將這些點同化成新的原點,新的原點重新選擇領(lǐng)域4點并重新進(jìn)行生長,重復(fù)上述過程,直到灰度差十分明顯時,停止生長。從圖3可以看出內(nèi)圓基本都是黑色的,內(nèi)外圓的差別明顯,區(qū)域生長法檢測輪轂軸承單元內(nèi)圓是可行的。因此,對于這一副軸承灰度圖,已經(jīng)知道了圓心大概位置,那么把這個點當(dāng)做母點進(jìn)行區(qū)域生長。設(shè)置閾值為25,得到內(nèi)圓的輪廓二值圖,如圖8所示。
圖7 區(qū)域生長法示意圖
圖8 內(nèi)圓的輪廓二值圖
2.2.3Hough變換
Hough變換是利用圖像全局特性將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法,可以應(yīng)用于圓的檢測,它的基本思想是將圖像空間中的檢測問題轉(zhuǎn)換到參數(shù)空間[8],再進(jìn)行簡單的累加統(tǒng)計完成檢測任務(wù),因而對于有噪聲干擾的圖像,Hough變換具有很好的容錯性和魯棒性。利用梯度信息和式(1)對圖8進(jìn)行檢測。
式中:x1,y1——圖像某個邊緣點的坐標(biāo);
r——半徑參數(shù);
φ——邊緣點(x,y)的梯度方向角(即對應(yīng)的參數(shù)空間坐標(biāo))。
檢測時,已知r的變換范圍及單位增量步長(Δr),然后由 2個二維累加器數(shù)組{x1',r}和{y1',r}進(jìn)行統(tǒng)計,根據(jù)它們的峰值確定圓參數(shù)c={x1',y1',r}(即尋找最大值,求得圓心坐標(biāo)和半徑),最后根據(jù)得到的圓心坐標(biāo)和軸承尺寸參數(shù)進(jìn)行標(biāo)定,可以得到如圖9所示的圓心標(biāo)定圖。圓環(huán)提取是根據(jù)不同半徑的2個圓進(jìn)行相減得到,如圖10所示。
圖9 輪轂軸承圓心標(biāo)定圖
圖10 輪轂軸承圓環(huán)提取圖
2.2.4圓環(huán)二值化
得到良好的特征圖像后,為了提取其中的信息,需要進(jìn)行二值化處理。圖像的灰度是黑色灰度值為0,白色灰度值為255,設(shè)f(x,y)為圓環(huán)中每個像素點的灰度值,g(x,y)為二值化處理后每個像素點的灰度值,閾值設(shè)為T,計算公式,如式(2)所示。
T選用大津法進(jìn)行計算,是一種基于全局的二值化算法,它是根據(jù)圖像的灰度特性,將圖像分為前景和背景兩部分。當(dāng)取最佳閾值時,兩部分之間的差別應(yīng)該是最大的,在OTSU算法中所采用的衡量差別的標(biāo)準(zhǔn)就是較為常見的最大類間方差[9]。
設(shè)前景點數(shù)占圖像比例為w1,平均灰度為u1;背景點數(shù)占圖像比例為w2,平均灰度為u2,圖像的總平均灰度為u,前景和背景圖象的方差為g,則有:
當(dāng)g有最大值時,此時對應(yīng)的T為最佳值,可以得到二值化的圖像,如圖11所示。從圖11可以看到滾子與周圍圖像特征非常明顯。
圖11 輪轂軸承二值化結(jié)果圖
2.2.5缺失數(shù)目的確定
通過上述的處理,圓環(huán)部分的滾子特點已經(jīng)非常明顯,將標(biāo)準(zhǔn)件按上述步驟操作,然后設(shè)定單個滾子的面積范圍,進(jìn)行訓(xùn)練之后,通過檢測滾子的斑點數(shù)來確定滾子的數(shù)目。軸承滾子數(shù)目的確定需要先選擇標(biāo)準(zhǔn)件進(jìn)行處理來當(dāng)作樣本,可以得到圖12的結(jié)果。
圖12 輪轂軸承訓(xùn)練后的結(jié)果圖
根據(jù)上述的檢測方法,結(jié)合車間現(xiàn)場的實際情況,構(gòu)建了如圖13所示的試驗平臺,對輪轂軸承單元的圖像進(jìn)行采集。
圖13 輪轂軸承檢測平臺
快速準(zhǔn)確性是實際生產(chǎn)中的重要要求,也是評價該機(jī)器視覺系統(tǒng)的指標(biāo)之一。在現(xiàn)場抽取10個樣本在試驗平臺上進(jìn)行檢測,對檢測到的滾動體數(shù)量和檢測時間進(jìn)行記錄,具體結(jié)果,如表1所示。從表1可以看出,檢測的時間都集中在12 s左右,符合生產(chǎn)節(jié)拍的要求。
表1 測試滾動體數(shù)目與時間s
穩(wěn)定性也必須進(jìn)行驗證,考慮現(xiàn)場生產(chǎn)復(fù)雜的情況,文章設(shè)計的檢驗方法為:在相同的測試條件下,抽取了80個完好軸承和50個缺失軸承放到試驗平臺上進(jìn)行檢測,檢測結(jié)果,如表2所示。從表2可以看出,該機(jī)器視覺系統(tǒng)能夠穩(wěn)定進(jìn)行工作,符合生產(chǎn)要求。
表2 輪轂軸承抽樣檢測樣品與結(jié)果
針對第3代輪轂軸承單元在生產(chǎn)中出現(xiàn)滾子缺失的情況,根據(jù)輪轂軸承的特點,選擇合適的光源、相機(jī)及鏡頭組成檢測平臺。應(yīng)用文章提出的視覺檢測算法,通過幾何特征和區(qū)域生長法快速獲得內(nèi)圓的二值圖;進(jìn)行Hough變換后,能夠快速地實現(xiàn)缺失數(shù)目的檢測。通過試驗驗證其快速性和穩(wěn)定性,完成1次檢測時間集中在12 s左右;抽取了80個完好軸承和50個缺失軸承進(jìn)行檢測,識別率分別為92.5%和92%,滿足第3代輪轂軸承的生產(chǎn)要求。