针对轴承生产企业套圈生产过程中普遍存在端面缺陷的问题与人工目检的现状，提出了基于机器视觉的轴承套圈端面缺陷在线检测方法。首先，对套圈图像预处理后进行边缘检测，采用四连通域定位套圈端面区域；其次，采用最小二乘法拟合端面轮廓以判别外形缺陷，采用极坐标变换将套圈环形端面拉伸成矩形，采用Sauvola局部二值化算法对矩形图进行缺陷分割，并通过坐标系反变换与双线性插值法将缺陷图转换回环形图；最后，根据提取缺陷的图像特征完成缺陷的识别与分类。现场测试表明，套圈端面检测系统的整体识别准确率达98.6%。

轴承是保证机械装备回转精度不可或缺的基础部件，轴承套圈在经过平面磨削加工后，其端面可能依然存在锻废、大小边、磕碰伤、车废、磨伤、黑皮等外观缺陷。如果套圈端面存在缺陷，其作为外圆无心磨等后序工位的定位面，势必影响加工精度和轴承的回转精度，可能导致轴承使用过程中产生噪声和振动，从而加速磨损，甚至引发机器故障。另一方面，端面缺陷套圈进入后续工序加工后剔除或成品进入市场后召回，都会给企业带来物资与人力成本的极大浪费。因此，必须在平面磨削加工后将缺陷品剔除，避免流入后续工序。

目前，大多企业仍凭借质检员肉眼与主观经验对套圈进行鉴定与判断，质检结果易受人为因素影响，检验标准难以保持一致，稳定性差且易漏检?；魇泳蹙哂芯雀摺⑿矢?、实时性好等优点，是替代人工检测的有效方法，例如：文献[2]采用改进Otsu方法进行阈值化处理，利用八连通域标记识别技术实现了轴承端面的非接触检测；文献[3]利用纹理单元解决了空气轴承表面变化的光照强度影响图像采集的问题。

在上述研究的基础上，本文提出一种轴承套圈端面缺陷在线视觉检测方法，采用四连通域、种子填充算法定位检测区域，Sauvola局部二值化算法进行图像分割，并基于多特征的外观缺陷识别方法判别缺陷。

1、光源选择与检测区域定位

1.1 光源选择

光源是视觉检测系统不可或缺的组成部分，直接关系到成像质量。良好的照明方式可以凸显目标区域的特征，减轻图像处理工作量。

端面缺陷检测成像面为圆环形金属端面，具有一定的镜面发射效应，且被测套圈尺寸跨度大，故采用球积分漫反射无影照明方式，照射面积大，光线集中且照射均匀，不会形成镜面反射，如图1所示。

图1 球积分漫反射无影照明

Fig.1 Spherical integral diffuse reflection shadowless illumination

1.2 图像预处理

图像捕获过程中存在的噪声与干扰会降低图像质量，增加后续边缘检测与图像分割的难度因此，需要对原始图像进行一定的预处理，消除图像中的噪声与干扰，均值滤波、高斯滤波、中值滤波的对比效果如图2所示。由于端面环形区域外为背景区域，灰度值较低，均值滤波处理后的环形区域明暗对比变弱，图像也变得模糊；中值滤波处理后的端面边缘部分被黑色区域影响，边缘细节丢失；而高斯滤波由于加权平均的特点，在去除噪声的同时可以很好地保留圆环及其边缘的细节。针对套圈端面区域与背景区域对比较大，并且需要检测出细小缺陷的特点，选取大小为3×3，标准差为1的滤波窗口进行高斯滤波。

图16 磨伤缺陷判别示意图

Fig.16 Discrimination diagram of wear defects

3、试验结果及分析

为验证端面缺陷检测算法的可靠性，在如图17所示的检测线上对轴承套圈端面进行缺陷检测，选取外径150 mm、内径90 mm 的33118型轴承套圈样本1 000个，其中合格品400个、外形缺陷样品200个(含大小边、磕碰伤)、车废样品200个、磨伤缺陷200个。

?

另外，对不同型号的套圈也进行了多次检测，识别准确率较高，误漏检率较低，响应时间较短，并能实时统计被检测套圈的型号、数量、合格率、缺陷种类等数据，满足企业生产在线检测要求，可以替代人工实现检测。

4、结束语

本文研究并实现了套圈端面缺陷在线检测算法，利用四连通域确定套圈端面区域，采用最小二乘法拟合套圈轮廓进行大小边和磕碰伤的判别；提出了图像极坐标变换将套圈环形拉伸为矩形，利用Sauvola算法进行图像局部阈值分割，通过极坐标反变换与二次插值法将缺陷区域变换回环形区域，基于多特征的外观缺陷判别方法能够根据各类缺陷的特点对图像特征进行比较实现缺陷判别。试验表明该算法的检测准确率高，能够有效减少漏检或误检，并且能实时统计缺陷种类等数据。