用户登录  |  用户注册
首 页毕业论文毕业设计下载定做交易过程截图支付宝在线支付
当前位置:完美毕业网毕业设计下载单片机PLC通信毕业设计

基于影像的轴承缺陷检测系统的设计与实现

联系方式:点击这里给我发消息QQ212181988
官方主页:www.biye114.com
图片预览: 没有预览图片;论坛转帖
插件情况:
售后服务:请联系客服QQ:212181988
一键分享拿折扣:
  • 好的评价 如果您觉得此软件好,就请您
      0%(0)
  • 差的评价 如果您觉得此软件差,就请您
      0%(0)

软件简介

 轴承是机械行业中的关键零部件,它的质量会很大程度上影响机械的性能。轴承的质量和可靠性是一台机器健康的重要品质。如果轴承出现了缺陷,那么可能会引起设备的振动、噪声,降低设备的工作效率,严重的甚至会使得设备发生故障,无法工作,使得生产工作无法按时按计划进行,带来很多严重后果。因此轴承缺陷的检测是极为重要的。
现今的轴承缺陷的检测主要依靠的是人工检测,通过肉眼的观察以及测量仪器的测量来检测轴承是否达到合格标准,这种检测方法效率低下。因此,找到一种能实现非人工的自动检测方法是十分有必要的。现在随着光学技术、传感器技术、以及数字图像处理技术的不断发展,使得基于计算机视觉的自动轴承检测技术有了实现的基础。基于计算机视觉的轴承缺陷检测检测效率高,检测精度高,检测质量高。本文所实现的轴承检测系统便是基于影像。
本文所实现的轴承缺陷检测系统主要针对轴承表面的缺陷,如凹痕,划痕,擦痕,锈斑等等。本系统针对目前的检测系统检测使用单个光源,从而使得一些缺陷不能再采集到的图像中体现出来的问题,提出了使用多个光源的检测方法,通过对轴承多个角度照射来检测出一些只有在特定角度下才能显现的缺陷。本文系统对采集到的多个光源照射下的图像,通过合成得到一张光照均匀的图像,然后使用分类极值区域与神经网络来实现了图像中轴承上的文字的检测和去除,保证缺陷的检测不会受到文字的干扰。对剩余区域使用了各像素与周围像素的特征的对比,来找到有缺陷的区域,最后将得到的问题区域标记在原图像上输出。本文实现了完整的系统,取得了满意的效果。

关键词:轴承缺陷检测;多光源检测;神经网络;


目 录
摘 要 I
Abstract II
1 绪论 1
1.1 背景 1
1.1.1 轴承及轴承的应用 1
1.1.2 轴承缺陷检测 2
1.1.3 基于影像的轴承缺陷检测 4
1.2 轴承缺陷检测的研究现状 6
1.3 本文主要内容 7
2 系统概述 8
2.1 轴承图像的采集 8
2.1.1 镜头选取 8
2.1.2 光源选择 8
2.1.3 图像采集系统 8
2.1.4 多光源图像采集 9
2.2 轴承多光源图像的处理 9
2.2.1 源图像的合成 10
2.2.2 检测轴承位置及划分区域 10
2.2.3 文字区域检测及去除 11
2.2.4 轴承缺陷区域检测 12
2.3 本章小结 12
3 轴承检测系统的系统分析 13
3.1 系统的设计目标 13
3.2 系统的功能需求 13
3.3 系统的其他需求 15
3.4 系统的可行性分析 15
3.5 本章小结 16
4 轴承缺陷检测系统设计 17
4.1 系统总体设计 17
4.2 图像合成模块 18
4.3 轴承定位划区模块 18
4.4 文字检测去除模块 18
4.5 缺陷区域检测模块 18
4.6 用户交互模块 19
4.7 本章小结 19
5 多光源图像的合成及轴承定位划区 20
5.1 多光源图像的合成 20
5.1.1 图像的合成 20
5.1.2 多光源图像的合成 20
5.2 轴承的定位及划区 22
5.2.1 常用圆检测算法 22
5.2.2 本文所使用的轴承定位方法 23
5.2.3 轴承区域划分 28
5.3 本章小结 29
6 文字检测及去除 30
6.1 文字检测 30
6.1.1 扩展区域 31
6.1.2 可疑区域提取 31
6.1.3 神经网络 32
6.1.4 文字特征及神经网络训练 34
6.1.5 可疑区域验证 36
6.2 文字去除 37
6.3 本章小结 38
7 缺陷区域检测 39
7.1 检测方法介绍 39
7.1.1 轴承缺陷分析 39
7.1.2 邻域比较方法 41
7.2 本章小结 43
8 轴承缺陷检测系统的实现 44
8.1 系统实现所使用的技术 44
8.2 文件读取及合成模块的实现 44
8.2.1 文件的读取 44
8.2.2 图像合成的实现 45
8.3 轴承圆心定位及划区的实现 46
8.3.1 轴承圆心定位 46
8.3.2 轴承的划区 46
8.4 文字检测与去除 47
8.4.1 文字检测 47
8.4.2 文字去除 49
8.5 缺陷区域检测 49
8.6 用户交互 50
8.7 本章小结 52
9 系统测试 53
9.1 文件读取用例测试 53
9.2 图像合成用例测试 53
9.3 轴承定位及划区用例测试 53
9.4 文字检测去除用例测试 53
9.5 缺陷区域检测用例测试 53
9.6 打开图像用例测试 54
9.7 结果显示用例测试 54
结 论 55
参 考 文 献 56
致 谢 61

1 绪论
轴承在今天的各种机械设备中无处不在,有着非常重要的地位,轴承的好坏严重影响着机械设备的性能与可靠性,轴承一旦出现缺陷将会导致机械设备的瘫痪,从而导致生产活动的无法进行,造成巨大的损失。传统的轴承缺陷检测方法主要依赖人工检测,其检测效率低,成本高,而且检测人员长时间检测也会因为疲劳产生误检。但随着计算机技术,光学技术的发展,依靠计算机视觉的自动轴承缺陷检测方法有了好的基础,得以实现。这种依靠计算机视觉的缺陷检测方法有效率高,精度高,稳定性高的特点,对于工业生产有很大帮助,所以本文也针对这一需求设计实现了一套基于影像的自动轴承缺陷检测系统。
1.1 背景
本文所实现的轴承检测系统的需求来源于江苏某自动化轴承制造工厂对轴承缺陷检测的需求,工厂希望对轴承的表面缺陷能有一套高效快速的检测系统,帮助其快速有效地检测出生产出的轴承是否达到合格标准,剔除达不到标准的轴承,从而保证出厂的轴承产品的品质。本文针对其需求做了研究与设计,最终实现了一套基于影像的轴承自动缺陷检测系统,具有很好的实用价值。
1.1.1 轴承及轴承的应用
轴承(bearing),是当代机械设备中的重要零部件。它用来固定转动轴使其不会松动,同时其有非常小的摩擦系数,使得转动轴可以很好的转动。 


图1.1 轴承
Fig. 1.1 Bearing

轴承主要有由外圈、内圈、滚动体和保持架组合而成。有密封要求的轴承还有包括密封圈,如图1.2所示。

图1.2 轴承结构
Fig. 1.2 Bearing structure
1.1.2 轴承缺陷检测
轴承是机器中非常容易损坏的零件之一,在各种机械的故障中轴承都是一个重要的故障原因。很多机械的整个寿命周期需要更换最多的零件就是轴承。因此,对轴承故障的诊断分析,在生产实际中显得尤为重要。
轴承的缺陷检测可以分为两大类:
(1)轴承使用过程中的缺陷诊断;
(2)轴承生产过程中的缺陷诊断。
对轴承使用过程中的缺陷诊断,主要有磨损、塑性变形等故障。一般使用听音棒来接触轴承表面,通过轴承工作时振动频率不同产生听觉上的差异来检测轴承是否有故障。而后开始采用各种测振仪器可以更加精确地检测轴承的振动频率,位移,振动的方向,利用这些指标来检测轴承的缺陷。
而对于生产过程中的缺陷诊断,主要分为外观缺陷和内部缺陷,内部缺陷主要为滚动体、保持架以及内外圈内部的缺陷,缺陷主要来源于锻造加工过程时的温度湿度控制,切割打磨所用刀具的锋利程度和打磨轮的质量等等,由此而产生内部的裂痕,质量的不均衡等等问题。而外观缺陷主要体现在轴承外部,也是本文系统主要检测的缺陷。外观缺陷主要有以下几类:
(1)轴承表面划痕
轴承表面的划痕痕迹一般比较浅,光源照射上去以后因为很浅造成其灰度与周围的正常部分几乎无差别,只有当光源从某个特定的方向照射到轴承表面的时候,划痕因为镜面反射产生高光区域,其在图像中的灰度值明显高于正常区域区时,才能在图像上看到划痕,如下图1.4所示,分别为三个不同方向的光源照射下的同一个带有擦痕的轴承,可以看到只有中间所示的图像中红色标记的区域能看到高光区域,这也就是划痕所在的位置,单借助一个光源是很难将这种缺陷检测出来的,因此本文所实现的系统采用了多光源的检测方法来解决这一问题。


图1.4 不同方向光源照射下的轴承
Fig. 1.4 Bearing with light source in different direction 1

(1)防尘盖表面的凹陷


图1.3 防尘盖凹陷
Fig. 1.3 Dust cap dent


(2)轴承表面锈斑

图1.5 轴承表面锈斑
Fig.1.5 Bearing surface rust

(3)轴承表面缺口(断裂)


图1.6 轴承外圈缺口和断裂
Fig. 1.6 Bearing out ring fracture and notch

这种缺陷是外观缺陷中最严重的一种,如果如图1.6所示的外圈完全断裂开的话,这个轴承就无法再修复,只能报废处理。
轴承缺陷的多种多样,给检测人员的高效准确检测带来了很大难度,因此基于影像的自动检测技术是十分有必要的。
1.1.3 基于影像的轴承缺陷检测
基于影像的自动检测技术有高效、快速、稳定的特点,对于工业生产有很大帮助,这也是基于影像的检测技术高速发展的原因之一。下面对基于影像的检测技术做一些介绍。
(1)计算机视觉
计算机视觉是一个复合领域,它包括了对现实世界图像的获取,然后对获取的图像的处理、分析和转换,最后通过处理后的数据对世界作理解和判断以及相应采取行动。这一领域中的一个发展的方向就是通过电子的感知和图像理解来复制人类的视觉的能力[1-4]。理解意味着从视觉图像到对这个世界的事物的描述,而图像理解就可以看作是借助几何、物理、统计和学习理论来解开符号信息的过程[5]。计算机视觉也被描述为自动化事业和整合集成了非常广泛的处理过程的视觉感知的代表[6-7]。
计算机视觉与许多的研究领域都相关,是一个高度集成整合的领域,与其相关的学科领域主要有图像处理、模式识别(主要是图像识别)、景物的分析以及图像的深层次的理解等等。除此之外,计算机视觉还包括了几何内容,包括空间形状的描述,几何的建模等等。而计算机视觉最终的目标就是能够实现如人的视觉系统一般甚至是超越人眼视觉系统的图像识别理解能力。
利用计算机视觉中的人脸识别技术[8-12],可以帮助企业、小区、政府部门以及其他区域进行更高效的人员控制和管理,能够及时的发现许多的犯罪行为,也可以及时的跟踪寻找罪犯的下落。
计算机视觉也应用于文本检测[13-17]当中,为图书馆的图书的数字化,以及图像识别中的文字识别等等做出了许多贡献。
同时今年来兴起的人工智能机器人的研究领域中,也大量应用计算机视觉技术来为机器人对世界的识别认知等问题做出了贡献。其中物体识别[18-20]就是非常重要的一个部分。
在交通监控领域,现在已经可以利用车牌识别[21-23]技术、图像处理技术,自动对车牌进行识别,在违章停车、逆行、交通肇事等情况发生时,可以记录下违章违法的车辆,通过车牌识别技术,对其进行搜索,快速找到车辆,帮助交通执法的高效进行。
计算机视觉还被应用于行人检测[24-27]当中,可以帮助对各个街道的人流量的统计,以及对检测到的行人进行后续的人脸识别提供基础。
在图像检索领域,图像的特征抽取[28-29]与匹配技术[30-32]也有非常多的应用,包括现在大家使用搜索引擎时都希望可以通过图像来检索,这就用到了图像的特征抽取与匹配技术。
计算机视觉技术也对工业检测有了很多应用,包括各种缺陷检测[33-35],使用了模板匹配[36]等方法对工业产品进行缺陷检测。
近年来的全球性金融危机,以及全球风靡的低碳经济。提升产业的生产效率,降低生产成本,同时做到减少对环境的破坏已经越来越被各大企业所重视在这样的环境下,机器视觉行业已经迎来高速发展的良机。
(2)基于影像的轴承缺陷检测
计算机视觉一直不断地在发展,现如今已经可以实现依靠光学传感器来获取数字图像并应用计算机视觉技术对图像进行处理分析,得到我们所需要的信息。因此基于计算机视觉的轴承缺陷检测技术也发展起来。通过图像传感器来获取得到轴承的数字图像,对得到的图像进行处理转换分析,确定轴承位置,对轴承进行区域划分,进而对各个区域依照不同的标准和策略进行深度检测分析,最终得到检测结果,判断轴承是否符合预先制定的合格标准。对帮助生产商提高生产效率,保证出厂的轴承的质量,提高企业的信誉有很大的贡献。

下载地址

点击此处→注册会员上传设计赚钱
以上是大纲和介绍,如需要完整的资料请在线购买.

软件评论评论内容只代表网友观点,与本站立场无关!

   评论摘要(共 0 条,得分 0 分,平均 0 分) 查看完整评论

下载说明

* 本站所有资料均已审核通过,内容原创保密,标准格式,质量保证
* 无需注册,点击在线购买后即可获取该套毕业设计(论文)完整
* 支付后请联系在线客服QQ:212181988发送资料
  • 官方微信