基于暗場(chǎng)線掃技術(shù)的球體表面缺陷檢測(cè)技術(shù)

黃涵，史舟淼，施玉書，3，張樹，3，胡佳成

（1 中國(guó)計(jì)量大學(xué) 計(jì)量測(cè)試工程學(xué)院，杭州 310018）

（2 深圳中國(guó)計(jì)量科學(xué)研究院技術(shù)創(chuàng)新研究院，深圳 518107）

（3 中國(guó)計(jì)量科學(xué)研究院 前沿計(jì)量科學(xué)中心，北京 100029）

0 引言

軸承作為當(dāng)代機(jī)械設(shè)備的基礎(chǔ)零部件之一，其精度、壽命和可靠性等參數(shù)對(duì)主機(jī)的產(chǎn)品性能起著關(guān)鍵的作用［1-2］。鋼球作為軸承核心零件，其表面質(zhì)量直接影響到軸承的各項(xiàng)性能指標(biāo)，但由于加工工藝和環(huán)境的限制，鋼球表面難以避免地會(huì)出現(xiàn)如斑點(diǎn)、麻點(diǎn)、擦痕、劃條、凹坑等缺陷［3-4］?，F(xiàn)代工業(yè)的發(fā)展，對(duì)鋼球表面質(zhì)量要求日益嚴(yán)格，檢測(cè)手段也相應(yīng)地與時(shí)俱進(jìn)，發(fā)達(dá)國(guó)家的鋼球表面檢測(cè)技術(shù)已經(jīng)較為成熟，捷克Stimtools 公司的AVIKO 系列以及KROB SCANNERS S.R.O 公司的BASC 和BS 系列產(chǎn)品主要通過光電、振動(dòng)、渦電流傳感器對(duì)鋼球進(jìn)行表面缺陷檢測(cè)［5-6］；日本Daio 公司研發(fā)鋼球表面缺陷檢測(cè)機(jī)，通過捕捉鋼球表面反射光及散射光的變化來檢測(cè)鋼球的表面缺陷和表面粗糙度；日本Amatsuji 公司研發(fā)的鋼球檢測(cè)儀器通過激光與聲學(xué)檢測(cè)技術(shù)的結(jié)合，可同時(shí)實(shí)現(xiàn)鋼球表面缺陷長(zhǎng)度和深度的測(cè)量［7］。但這些設(shè)備價(jià)格昂貴，且核心零件需頻繁更換，成本較高，在國(guó)內(nèi)難以普及。

相比發(fā)達(dá)國(guó)家，國(guó)內(nèi)鋼球表面缺陷檢測(cè)技術(shù)尚不成熟，而視覺檢測(cè)技術(shù)以其非接觸、穩(wěn)定性高、可靠性好、成本低等優(yōu)點(diǎn)成為了當(dāng)前國(guó)內(nèi)熱點(diǎn)研究方向。天津大學(xué)的栗琳等采用自制環(huán)形漫反射穹頂光源，搭配雙CCD 相機(jī)連續(xù)采集球列的滾動(dòng)過程中的圖像，以實(shí)現(xiàn)球面的完全展開［8］。西安理工大學(xué)的劉青等采用球積分光源，基于采集到圖像的灰度共生矩陣的綜合熵來判斷鋼球表面是否存在缺陷［9］。江南大學(xué)的馮超等基于空間全角度光源，利用圖像融合技術(shù)對(duì)有效檢測(cè)區(qū)域內(nèi)微缺陷與背景的差異性進(jìn)行累積來檢測(cè)鋼球表面缺陷［10］。但是上述幾類方法均采用明場(chǎng)照明方式，鋼球表面微小缺陷易被淹沒，且鋼球表面為鏡面反射，光線反射直接進(jìn)入相機(jī)形成的高反白斑，以及相機(jī)鏡頭像倒映入鋼球表面，形成的黑斑都會(huì)成為檢測(cè)盲區(qū)，存在缺檢漏檢的可能性。因此，為克服鋼球表面缺陷明場(chǎng)檢測(cè)中存在的視野盲區(qū)以及微小缺陷可能會(huì)被淹沒等問題，本文提出了一種基于光學(xué)暗場(chǎng)線掃描技術(shù)的鋼球表面缺陷檢測(cè)方法，將傳統(tǒng)鋼球表面二維球面圖像的展開以及缺陷特征的提取、過濾、篩選拓展至三維層面，以直徑為6 mm，精為度G20 的軸承鋼球作為目標(biāo)檢測(cè)物開展實(shí)驗(yàn)。

1 暗場(chǎng)線掃檢測(cè)原理

光學(xué)暗場(chǎng)檢測(cè)主要通過采集待檢表面的散射光得到表面缺陷信息，其原理如圖1 所示。當(dāng)待檢表面光滑無缺陷時(shí)，光線只發(fā)生反射不進(jìn)入鏡頭；當(dāng)待檢表面存在缺陷時(shí)，光線在缺陷處產(chǎn)生散射光被鏡頭捕捉。因此，暗場(chǎng)下采集到的圖像為暗背景下的一系列亮斑，相比明場(chǎng)具有更高的對(duì)比度。

圖1 暗場(chǎng)檢測(cè)原理示意圖Fig.1 Schematic diagram of dark field detection principle

但當(dāng)被檢表面為球面時(shí)，因其法線方向處處變化導(dǎo)致反射光線方向也各不相同，僅靠調(diào)整入射角無法避免部分反射光線進(jìn)入鏡頭內(nèi)從而產(chǎn)生亮斑，如圖2 所示，還需對(duì)光源的傳播方向和光束覆蓋區(qū)域加以約束。

圖2 傳統(tǒng)光源照射鋼球表面Fig.2 A conventional light source illuminates the surface of the ball

基于暗場(chǎng)線掃描技術(shù)，設(shè)計(jì)并搭建了一套由線陣相機(jī)、鏡頭以及雙線激光光源組成的球面暗場(chǎng)圖像采集系統(tǒng)。雙線光源分別于相機(jī)兩側(cè)以相同入射角照射鋼球球冠區(qū)域，在鋼球表面雙光束交匯處形成一個(gè)梭形光斑，調(diào)整線激光的入射角可控制反射光方向避免反射光直接進(jìn)入鏡頭，通過模擬線激光照射球面，得到入射角范圍在30°～45°之間時(shí)，得到的光斑明亮均勻且覆蓋范圍較大，如圖3 所示。

圖3 入射光仿真Fig.3 Incident light simulation

由于采用線掃描的圖像采集方式，且球面弧度和鏡頭景深共同限制了線陣相機(jī)的掃描范圍，為確保能夠采集到整個(gè)鋼球球面的圖像，設(shè)計(jì)了XY兩軸摩擦滾動(dòng)的球體表面展開方法，采用多環(huán)掃描的方式采集全球體表面缺陷圖像，鋼球置于內(nèi)壁光滑的球槽內(nèi)，底部與摩擦盤接觸，摩擦盤沿X軸運(yùn)動(dòng)時(shí)鋼球受摩擦力作用原地滾動(dòng)一周，相機(jī)完成對(duì)鋼球一個(gè)球環(huán)的掃描，如圖4 所示，而后摩擦盤沿Y軸運(yùn)動(dòng)帶動(dòng)球體在Y方向上滾動(dòng)一周，完成整個(gè)球面的掃描。設(shè)球半徑為R，相機(jī)采集到的弧面圖像的弧長(zhǎng)為d，則對(duì)單個(gè)鋼球應(yīng)采集的球環(huán)數(shù)量N為

圖4 單次掃描路徑示意圖Fig.4 Single scan path diagram

實(shí)驗(yàn)檢測(cè)鋼球半徑R=3 mm，則相機(jī)采集圖像中弧面的弧長(zhǎng)d≈1.68 mm，實(shí)驗(yàn)中N向上取整得N=6，則摩擦盤沿Y軸運(yùn)動(dòng)更改相機(jī)掃描位置時(shí)單次運(yùn)動(dòng)距離D為

2 鋼球表面圖像處理算法

2.1 鋼球表面缺陷圖像預(yù)處理算法

掃描完成后需對(duì)線掃圖像進(jìn)行拼接，得到的圖像為6 個(gè)球環(huán)的展開圖，在對(duì)6 個(gè)球環(huán)進(jìn)行三維重建之前，需要將6 張球環(huán)展開圖分別進(jìn)行無效區(qū)域去除、柱面拉伸、閾值分割、初步篩選缺陷等分析，如圖5 所示。

圖5 鋼球預(yù)處理流程Fig.5 Ball pretreatment process

2.1.1 去除無效區(qū)域

在采集過程中，為確保能掃描完整的球環(huán)，線陣相機(jī)應(yīng)先位移臺(tái)啟動(dòng)，在相機(jī)啟動(dòng)到位移臺(tái)開始運(yùn)動(dòng)這段時(shí)間內(nèi)，線陣相機(jī)輸出的是靜態(tài)圖像，但由于線陣相機(jī)只對(duì)動(dòng)態(tài)部分輸出正常圖像，對(duì)靜態(tài)部分輸出的是縱向的條紋狀圖片，為避免這部分條紋影響到后續(xù)圖像處理，需要對(duì)其進(jìn)行過濾。由于這類條紋紋理方向單一，可采用Sobel 單向梯度算子與圖像矩陣相乘以分離該區(qū)域［11］，公式為

式中，I為原圖像，Isobel為經(jīng)過單向梯度運(yùn)算后的圖像。

2.1.2 柱面展開

傳統(tǒng)面陣相機(jī)拍攝到的球面圖像是半球在平面上的投影，圖像以球冠為中心，在各個(gè)方向上均有畸變，這種畸變不僅使得拍攝到的缺陷形狀和大小皆與實(shí)際情況有所出入，還加劇球面圖像展開的難度，而線掃相機(jī)每次僅采集球冠兩側(cè)的一行圖像，如圖6（a）所示。單行像素在Y方向上的畸變可忽略不計(jì)，因此線掃描得到的圖像可近似看作是相機(jī)鏡頭的景深范圍內(nèi)，圓柱的一個(gè)弧面在平面上的投影，從而將球面圖像畸變的校正簡(jiǎn)化為在圓柱上一個(gè)弧面的展開，如圖6（b）所示，僅需校正X方向上的柱面畸變。

圖6 圓柱投影示意圖Fig.6 Cylindrical projection diagram

如圖6（c）所示，以圓柱的中心為原點(diǎn)，球的半徑為圓形半徑r，進(jìn)行幾何分析：在相機(jī)中成的像為其在X軸上的投影mn，展開后為線段為A′B′，AO連線與Z軸夾角為θ，可得

由式（6）可知，對(duì)于圖像不同列上的像素點(diǎn)，其拉伸比例各不相同，應(yīng)按照該點(diǎn)對(duì)應(yīng)的x′/x比例拉伸，但由于圖像分辨率的限制，難以做到對(duì)圖像上的每個(gè)像素按比例拉伸。為解決圖像非線性拉伸問題，將圖像的每一列從單列放大為K列（考慮到計(jì)算機(jī)運(yùn)算效率，K越大計(jì)算機(jī)運(yùn)算越慢），而后再乘以該列對(duì)應(yīng)的比例系數(shù)，逐列完成后，將處理完的圖像橫向等比壓縮1/K，實(shí)現(xiàn)圖像的柱面展開。

2.1.3 缺陷初步篩選

由于鋼球加工工藝問題，其表面粗糙度較大的區(qū)域會(huì)在圖像上呈現(xiàn)出灰度值較弱、面積較小的亮斑，因而要將其濾除，但若在二維圖像上對(duì)圖像面積做過濾，則有可能誤把橫跨兩幅圖像的缺陷一同認(rèn)作面積較小的亮斑，因此在缺陷信息的初步篩選僅通過閾值分割對(duì)灰度值較弱的亮斑進(jìn)行過濾，初步篩選鋼球表面缺陷。待處理圖像的像素灰度范圍為［0，255］，將圖像中的像素根據(jù)灰度值大小，按閾值T分為背景區(qū)域類［0，T），和目標(biāo)缺陷區(qū)域類［T，255］。為提高背景區(qū)域過濾的準(zhǔn)確率，在此設(shè)置灰度分割閾值T和一個(gè)低頻濾波器分兩次過濾背景信息。經(jīng)過灰度分割閾值T分割處理后，部分因表面粗糙度帶來的亮斑區(qū)域還剩下個(gè)別孤立的高亮像素點(diǎn)，如圖7（a）所示，這些高亮像素可看作高頻噪點(diǎn)，可通過低頻濾波器將其過濾，經(jīng)中值濾波器處理后圖像如圖7（b）所示。

圖7 低頻濾波前后的部分圖像Fig.7 Part of the image before and after low frequency filtering

2.2 鋼球表面缺陷三維重構(gòu)檢測(cè)算法

2.2.1 三維重構(gòu)算法

為完整地識(shí)別橫跨多幅圖像的鋼球表面缺陷，提出一種鋼球表面缺陷三維重構(gòu)算法，能夠?qū)⑶蝮w表面二維缺陷圖像還原至三維層面做分析檢測(cè)，首先將圖像上的缺陷信息特征點(diǎn)轉(zhuǎn)化為點(diǎn)云，再根據(jù)球面的空間幾何關(guān)系，首尾相接地連接成圓環(huán)，并投影至球面。為達(dá)成上述效果，首先需要建立鋼球表面的三維數(shù)學(xué)模型，如圖8 所示。

圖8 球面三維坐標(biāo)系Fig.8 Spherical three-dimensional coordinate system

空間坐標(biāo)系中，P（x，y，z）是以坐標(biāo)原點(diǎn)O為球心，R為半徑的球面上的任意一點(diǎn)，可得球面方程為

作球面坐標(biāo)變換可得

式中，θ為線段OP在XOY平面上投影線段OM與X軸的夾角，φ為直線OP在XOZ平面上的投影線段ON與X軸的夾角，且-π/2 ≤θ≤π/2，-π ≤φ≤π。

要將二維圖片上的缺陷信息還原到球面上，需要將單張矩形圖片折成一個(gè)圓環(huán)，沿著球的赤道線鋪平，圖片的高就是球的周長(zhǎng)。設(shè)圖片高為H，寬為W，圖片上缺陷特征點(diǎn)像素坐標(biāo)為（Hn，Wn），可推球的半徑R為

特征點(diǎn)在ZOY平面內(nèi)的范圍為[0，2π]，可推特征點(diǎn)與原點(diǎn)的連線在XOY平面上的投影與X軸夾角為

特征點(diǎn)在XOY平面內(nèi)范圍為[0，2π×W/2πR/π]，化簡(jiǎn)后為[0，W/πR]，且由式（9）可知πR=H/2，可推特征點(diǎn)與原點(diǎn)的連線在XOZ平面上的投影與X軸夾角為

將θ和φ代入式（8），便可得到單幅圖在三維上重構(gòu)的坐標(biāo)點(diǎn)表達(dá)式。

2.2.2 三維重構(gòu)實(shí)驗(yàn)

由于鋼球表面的缺陷較為零散，沒有明顯的參照特征，難以看出重構(gòu)出的三維點(diǎn)云結(jié)構(gòu)的準(zhǔn)確性，為驗(yàn)證重構(gòu)準(zhǔn)確度，采用一張長(zhǎng)寬比為12∶1.1，帶有明顯特征的矩形圖片進(jìn)行重構(gòu)實(shí)驗(yàn)，驗(yàn)證所用二維圖像如圖9 所示。

圖9 算法驗(yàn)證所用二維圖Fig.9 Algorithm verification using two-dimensional graph

該圖片在球面上的投影圖像如圖10 所示。

圖10 單個(gè)球環(huán)重構(gòu)實(shí)驗(yàn)Fig.10 Single sphere-ring reconstruction experiment

多圖重構(gòu)是在單個(gè)球環(huán)重構(gòu)的基礎(chǔ)上，對(duì)其他圖片上的缺陷特征點(diǎn)，根據(jù)采集時(shí)的空間幾何關(guān)系，獲取其點(diǎn)云信息，改變角度投影至同一個(gè)球體表面。當(dāng)圖像采集系統(tǒng)完成第一圈掃描之后，鋼球繞X軸旋轉(zhuǎn)ω度，再進(jìn)行下一個(gè)球環(huán)的掃描。旋轉(zhuǎn)后掃描到的球環(huán)，其表面點(diǎn)坐標(biāo)在X軸上的關(guān)系不變，通過推導(dǎo)可得旋轉(zhuǎn)后的球環(huán)與初始球環(huán)上點(diǎn)坐標(biāo)的位置關(guān)系，推導(dǎo)過程如下。

如圖11 所示，設(shè)P為球環(huán)上的一點(diǎn)在ZOY平面內(nèi)的投影，其與原點(diǎn)O的連線為OP，以O(shè)P為半徑畫圓，在鋼球繞X軸旋轉(zhuǎn)ω度之后，P點(diǎn)旋轉(zhuǎn)到了P1位置。可得

圖11 點(diǎn)旋轉(zhuǎn)示意圖Fig.11 Point rotation diagram

可推得旋轉(zhuǎn)后圖片上的特征點(diǎn)坐標(biāo)關(guān)系式為

在將標(biāo)準(zhǔn)圖像按空間幾何關(guān)系投影到同一個(gè)球面坐標(biāo)系后，得到的球面三維點(diǎn)云圖像如圖12。

圖12 球面三維點(diǎn)云拼接過程Fig.12 Spherical three-dimensional point cloud stitching process

由圖12 可以看出，所設(shè)計(jì)的算法實(shí)現(xiàn)了二維圖像在三維層面的特征重構(gòu)，空間位置對(duì)應(yīng)正確，且特征區(qū)域之間的拼接效果良好。

2.2.3 缺陷點(diǎn)云面積篩選算法

在完成球體表面的三維點(diǎn)云投影之后，需要對(duì)球體表面的缺陷點(diǎn)云按缺陷面積大小進(jìn)行篩選，過濾因鋼球本身表面粗糙度帶來的亮斑，因此缺陷的點(diǎn)云面積計(jì)算精度對(duì)測(cè)量結(jié)果有直接影響。對(duì)缺陷點(diǎn)云的面積計(jì)算分為兩步：1）將三維球面上的點(diǎn)按點(diǎn)間距離關(guān)系分割為多個(gè)不同的類；2）將分割好的類按面積大小進(jìn)行篩選和過濾，剩下的就是鋼球表面缺陷。

采用聚類分割算法對(duì)鋼球表面缺陷做篩選。聚類分割的具體流程為：對(duì)于三維重建后的鋼球表面缺陷點(diǎn)云數(shù)據(jù)集P，確定一個(gè)查詢點(diǎn)Pi，找到離它最近的n個(gè)近鄰點(diǎn)Pj（j=1，2，…，n），點(diǎn)間距離的計(jì)算公式為

式中，Pi和Pj為點(diǎn)云中的兩個(gè)點(diǎn)；Pik和Pjk分別為Pi和Pj鄰域中的任意一點(diǎn)。

按照式（15）計(jì)算n個(gè)近鄰點(diǎn)到查詢點(diǎn)Pi的歐式距離dj，設(shè)定一個(gè)距離閾值r0用于判斷不同點(diǎn)是否歸屬于同一個(gè)缺陷內(nèi)，比較點(diǎn)間的距離dj與距離閾值r，將小于r的點(diǎn)歸于類M中，一直到類M中的點(diǎn)數(shù)不再增加時(shí)，分割完成［12-14］。完成缺陷點(diǎn)云的分割之后，需要計(jì)算分割后的點(diǎn)云面積。目前關(guān)于點(diǎn)云面積計(jì)算最為流行的算法為三角剖分算法，其基本原理是對(duì)空間上的三維點(diǎn)云剖分成許多個(gè)小三角形，進(jìn)而形成多個(gè)三角形平面，對(duì)于分割出的三角形，應(yīng)滿足條件；1）任意一個(gè)三角形的外接圓內(nèi)沒有其它的點(diǎn)存在；2）將兩個(gè)相鄰三角形的對(duì)角線交換，交換后的兩個(gè)三角形中最小的一個(gè)內(nèi)角不大于交換前的兩個(gè)三角形中最小內(nèi)角。如圖13 所示。

圖13 三角剖分示意圖Fig.13 Triangulation diagram

依據(jù)這些三角片的面積和可以計(jì)算出分割后的點(diǎn)云面積。此時(shí)設(shè)定面積閾值A(chǔ)，將分割完的類按面積篩選，過濾掉其中面積不超過面積閾值A(chǔ)的類，剩下的就是鋼球表面缺陷。

3 鋼球表面缺陷檢測(cè)實(shí)驗(yàn)

3.1 鋼球表面缺陷明暗場(chǎng)對(duì)比檢測(cè)實(shí)驗(yàn)

實(shí)驗(yàn)對(duì)象為精度等級(jí)為G20，直徑為6 mm 的軸承鋼球，依據(jù)國(guó)家標(biāo)準(zhǔn)［15］，精度等級(jí)為G20 的軸承鋼球表面粗糙度Ra應(yīng)小于0.032。

圖14 為在傳統(tǒng)明場(chǎng)條件下通過面陣相機(jī)采集到的表面帶有明顯缺陷特征的鋼球圖像，可以看出圖中存在因鋼球表面鏡面反射導(dǎo)致的高反亮斑，以及周圍環(huán)境倒映在鋼球表面上的像，二者都有可能淹沒鋼球表面的缺陷特征信息，造成缺陷的漏檢，圖14 中的高反亮斑已經(jīng)淹沒了部分缺陷點(diǎn)信息，此外周圍環(huán)境倒映在鋼球表面的像還有被誤認(rèn)為是表面缺陷，造成誤檢的可能性。

對(duì)圖14 中表面帶有明顯缺陷的鋼球的缺陷區(qū)域做暗場(chǎng)掃描，掃描結(jié)果如圖15 所示。

圖15 缺陷區(qū)域暗場(chǎng)線陣檢測(cè)結(jié)果Fig.15 Defect area dark field linear array detection results

圖15（a）為鋼球表面缺陷在暗場(chǎng)下的掃描結(jié)果，對(duì)比圖14 可以看出，在明場(chǎng)照明下被淹沒在高反亮斑中的部分鋼球表面缺陷在暗場(chǎng)掃描下完整地呈現(xiàn)，圖15（b）為經(jīng)處理后的鋼球表面缺陷特征圖像，可直觀地得出缺陷區(qū)域的形狀和大小。由此可見，在鋼球表面缺陷檢測(cè)中，暗場(chǎng)相比明場(chǎng)具有明顯的技術(shù)優(yōu)勢(shì)。

3.2 鋼球表面缺陷暗場(chǎng)檢測(cè)實(shí)驗(yàn)

對(duì)精度等級(jí)為G20，直徑為6 mm 的兩顆軸承鋼球做暗場(chǎng)掃描，其中一顆表面完好，另一顆表面帶有明顯的缺陷，如圖16 所示。

圖16 兩顆被測(cè)鋼球Fig.16 Two steel balls under test

表面完好的無損鋼球暗場(chǎng)掃描結(jié)果如圖17 所示。帶有明顯磨損的鋼球暗場(chǎng)掃描結(jié)果如圖18 所示?？梢钥闯觯幢沅撉虮砻婀饣瑹o明顯損傷，但在暗場(chǎng)條件下，其表面較粗糙區(qū)域也會(huì)作為缺陷點(diǎn)被系統(tǒng)所檢測(cè)到。對(duì)兩顆鋼球表面缺陷圖像進(jìn)行三維重建，重建結(jié)果如圖19 所示。

圖17 無損鋼球暗場(chǎng)線掃描圖像Fig.17 Non-destructive steel ball dark field line scanning image

圖18 磨損鋼球暗場(chǎng)線掃描圖像Fig.18 Dark field line scanning image of worn steel ball

圖19 鋼球表面缺陷三維重建結(jié)果Fig.19 3D reconstruction results of surface defects of steel ball

重建后的三維球面上存在大量離散的缺陷特征點(diǎn)，為篩選面積較大的缺陷區(qū)域，需要將離散的點(diǎn)分割成特定的缺陷點(diǎn)集，以便計(jì)算缺陷面積大小，但目前國(guó)際上對(duì)鋼球表面缺陷面積尚無明確的限值規(guī)定，依據(jù)ISO 3290［16］，在實(shí)際檢測(cè)中鋼球表面缺陷的限值以需求為準(zhǔn)。目前國(guó)內(nèi)鋼球生產(chǎn)廠家對(duì)鋼球表面缺陷的檢測(cè)大多采用人工目視法，人眼的極限角分辨力約為1′［17］，在7～10 cm 的工作距離內(nèi)進(jìn)行檢測(cè)作業(yè)時(shí)，裸眼能夠分辨出的圓點(diǎn)極限直徑約為20 μm，本文取比極限直徑值略小的19 μm，經(jīng)計(jì)算面積大小約為283.5 μm2，本圖像采集系統(tǒng)獲取的圖像像素大小為2.8 μm/pixel，人眼能檢測(cè)到的最小缺陷尺寸約占36 個(gè)像素，則理論上當(dāng)鋼球表面缺陷面積超過283.5 μm2時(shí)，可將該表面瑕疵區(qū)域認(rèn)定為缺陷，此時(shí)離散點(diǎn)分割最優(yōu)距離閾值r=9.5 μm，向上取整得r=10 μm，缺陷面積閾值取A=280 μm2，對(duì)重建后三維模型上面積大于閾值的缺陷區(qū)域進(jìn)行提取，此時(shí)無損球表面剩余滿足條件的缺陷點(diǎn)云數(shù)量為20 個(gè)，磨損球表面剩余滿足條件的缺陷點(diǎn)云數(shù)量為98 個(gè)，如圖20 所示。

圖20 三維點(diǎn)云模型缺陷點(diǎn)過濾結(jié)果Fig.20 Filter results of defect points in 3D point cloud model

從圖17～20 可以看出，鋼球表面的缺陷經(jīng)過圖像采集和處理、三維重建過濾篩選后，可直觀地看出缺陷的個(gè)數(shù)、形狀及位置。由于鋼球在運(yùn)輸過程中必然會(huì)和鄰近的鋼球發(fā)生擠壓、碰撞、摩擦等，可能會(huì)使得局部區(qū)域產(chǎn)生小瑕疵，屬于不可避免的損耗，此外也有一些因鋼球本身表面粗糙度影響帶來的瑕疵點(diǎn)因面積較大未被過濾，這兩類瑕疵較淺，在肉眼條件下難以觀察到，因此即便是肉眼下表面完好的無損球，在暗場(chǎng)掃描下也會(huì)存在一些缺陷點(diǎn)。

為驗(yàn)證裝置的重復(fù)性，將無損球與磨損球各進(jìn)行20 次重復(fù)檢測(cè)，檢測(cè)結(jié)果如表1 所示。

表1 重復(fù)檢測(cè)分析結(jié)果Table 1 The analysis results of repeatability detection

4 結(jié)論

本文提出了一種基于光學(xué)暗場(chǎng)線掃描技術(shù)的高反射率鋼球表面檢測(cè)方法，球面畸變校正問題簡(jiǎn)化為圓柱面的展開問題，在球面上成功構(gòu)建了光學(xué)暗場(chǎng)，解決了金屬球表面因高反光率引起的檢測(cè)盲區(qū)問題，開發(fā)了球體表面缺陷三維重構(gòu)及篩選算法，實(shí)現(xiàn)了球面缺陷在三維層面的重構(gòu)和檢測(cè)。實(shí)驗(yàn)證明，該鋼球表面缺陷檢測(cè)算法在距離閾值10 μm 時(shí)，無損球的測(cè)量重復(fù)性為0.14%，磨損球的測(cè)量重復(fù)性為0.11%，所設(shè)計(jì)的圖像采集系統(tǒng)和圖像處理算法，可實(shí)現(xiàn)鋼球表面微小缺陷在三維上的重建和檢測(cè)。