一种数控机床轴承检测方法技术

本发明专利技术涉及数据处理领域，具体涉及一种数控机床轴承检测方法，获取轴承表面的全景图像，对获取的图像数据进行数据处理分析，即统计对缺陷区域内的各像素点的邻域像素灰度特征，计算像素点为缺陷边缘点的概率，再根据初步分割的缺陷区域内各灰度级内像素点的数量和缺陷边缘点的概率，对各灰度级赋予权值，进而利用加权后的Otsu算法对初步分割的缺陷区域进行再分割，获取目标区域；比较目标区域的目标像素点与当前轴承表面子灰度图像的背景像素点的差值与设定值的大小，确定该目标区域是否为缺陷区域。即本发明专利技术的方法能够对轴承的缺陷进行精确检测。缺陷进行精确检测。缺陷进行精确检测。

【技术实现步骤摘要】
一种数控机床轴承检测方法


[0001]本专利技术涉及数据处理领域，具体为一种数控机床轴承检测方法。

技术介绍

[0002]数控机床是一种装有程序控制系统的自动化机床，其能较好地解决复杂、精密、小批量、多品种的零件加工问题，是一种柔性的、高效能的自动化机床。在数控机床的不同位置可能设置有多个轴承，用于维持数控机床的正常运行。
[0003]随着社会的进步和科学技术的发展，以及机械化程度的提高，轴承的应用越来越广泛。轴承是机械设备中的一种重要零部件，它的主要功能是支撑机械转体，降低其运动过程中的摩擦系数，并保证其回转精度。轴承是机械设备的重要组成部分，轴承的质量关系着设备能否正常运转。但是现有的生产技术还存在许多不足之处，由于工厂普遍自动化程度不高，设备老化，配套设备不齐全，工艺不成熟，人为因素等多方面的原因会导致轴承出现不同程度的损伤。因此轴承表面缺陷的精准检测至关重要。
[0004]现有的轴承质量检测主要为人工检测和基于机器视觉的检测，其中人工检测工作量大，且效率低下、漏检率高，而基于机器视觉的检测，由于轴承表面缺陷往往十分微小，传统的缺陷识别算法易造成误检，而轴承属于高精密器件，误检会极大的影响轴承的出厂质量。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种数控机床轴承检测方法，所采用的技术方案具体如下：本专利技术提供的一种数控机床轴承检测方法，包括以下步骤：在轴承表面子灰度图像的灰度直方图上统计小于最佳分割阈值的灰度级，记为第一集合；将所述表面子灰度图像上灰度值小于最佳分割阈值的像素点记为疑似缺陷像素点；将灰度值等于第一集合内任一元素的一个像素点，记为一个待检测像素点；以待检测像素点为中心设置一个第一预设尺寸的窗口；将窗口内所有疑似缺陷像素点的灰度值的方差记为第一方差，将窗口内非中心的疑似缺陷像素点记为对照像素点，根据窗口中心像素点的灰度值与所有对照像素点的灰度值得到第一特征，根据第一特征和第一方差得到待检测像素点为边缘像素点的概率；根据窗口内的疑似缺陷像素点的数量以及低灰度值像素点数量获得边缘像素点为缺陷外边缘的概率，根据待检测像素点为边缘像素点的概率以及边缘像素点为缺陷外边缘的概率获得待检测像素点为缺陷连通域的外边缘像素点的概率，记为待检测像素点的第一概率；获取具有相同灰度级的所有待检测像素点，根据所述所有待检测像素点的第一概率得到每个灰度级为真正的最佳分割阈值的概率，记为第二概率，利用第二概率得到每个灰度等级的类间方差，将类间方差最大的灰度等级作为真正的最佳分割阈值，利用真正的
最佳分割阈值获得缺陷区域。
[0006]进一步地，所述待检测像素点为边缘像素点的概率是指第一特征与第一方差的乘积。
[0007]进一步地，所述根据待检测像素点为边缘像素点的概率以及边缘像素点为缺陷外边缘的概率获得待检测像素点为缺陷连通域的外边缘像素点的概率的计算公式为：其中P表示待检测像素点为缺陷连通域的外边缘像素点的概率，表示待检测像素点为边缘像素点的概率，表示边缘像素点为缺陷外边缘的概率。
[0008]进一步地，所述根据所述所有待检测像素点的第一概率得到每个灰度级为真正的最佳分割阈值的概率的计算公式为：：其中n表示灰度直方图上小于最佳分割阈值的灰度级数量，表示其中第i个灰度级对应的像素点数量，表示该第1个灰度级对应的像素点数量，表示灰度级中第h个像素点为缺陷连通域的外边缘像素点的概率。
[0009]进一步地，所述低灰度值像素点：将窗口内的所有疑似缺陷像素点的灰度值按从小到大排序，获得像素灰度值序列，其中m表示该窗口内的疑似缺陷像素点的数量；然后计算该序列中相邻两像素点的灰度差值，获得差值序列{}，取该差值序列的最大值，根据将分为d个低灰度值像素点和m
‑
d个高灰度值像素点。
[0010]进一步地，所述利用真正的最佳分割阈值获得缺陷区域的方法为：将灰度值小于真正的最佳分割阈值的像素点为目标像素点，根据目标像素点获得缺陷区域。
[0011]本专利技术的有益效果：本专利技术通过Otsu算法先对轴承表面灰度图像进行初步分割，能够降低后续精准识别的计算量，然后根据初步分割的缺陷区域内的各像素点的邻域像素灰度统计特征，计算像素点为缺陷边缘点的概率，然后根据初步分割的缺陷区域内各灰度级内像素点的数量和为缺陷边缘点的概率，对各灰度级赋予权值，进而利用加权后的Otsu算法对初步分割的缺陷区域进行再分割，获取目标区域，最后判断目标区域是否为缺陷区域，能够防止微小缺陷的误识别，提高了检测精度。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅
仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0013]图1是本专利技术的一种数控机床轴承检测方法的流程图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术的方案，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0015]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0016]本专利技术所针对的情景为：轴承表面的缺陷往往十分微小，现有的检测算法易造成误检测。
[0017]本专利技术利用计算机视觉技术处理采集的轴承表面灰度图像，然后利用Otsu算法先对轴承表面灰度图像进行初步分割，根据初步分割的缺陷区域内的各像素点的邻域像素灰度统计特征，计算像素点为缺陷边缘点的概率，再根据初步分割的缺陷区域内各灰度级内像素点的数量和为缺陷边缘点的概率，对各灰度级赋予权值，进而利用加权后的Otsu算法对初步分割的缺陷区域进行再分割，获取精准目标区域，最后判断目标区域是否为缺陷区域。
[0018]具体地，本专利技术提出的一种数控机床轴承检测方法的实施例，请参阅图1所示，包括以下步骤：步骤1，获取轴承表面的全景图像，采用语义分割识别取轴承表面的全景图像中的轴承表面子灰度图像。
[0019]本实施例中使用滚筒运输机旋转轴承，利用两个LED环形光源进行两侧照明，使采集的轴承表面灰度图像光照均匀，相机正上方俯视拍摄，轴承每旋转120度，拍摄一张图像，每个轴承拍摄三张图像。
[0020]对于采集的轴承表面的全景图像进行灰度化处理得到的灰度图记为表面灰度图像，本专利技术中所使用的灰度化方法为加权灰度化，加权灰度化为公知技术，此处不再赘述。
[0021]由于需要根据轴承表面的像素点邻域内的像素灰度统计特征，获取各灰度级的权值，提高Otsu算法的分割精度，所有需要先识别出图像中轴承表面的特征信息。
[0022本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数控机床轴承检测方法，其特征在于，包括以下步骤：在轴承表面子灰度图像的灰度直方图上统计小于最佳分割阈值的灰度级，记为第一集合；将所述表面子灰度图像上灰度值小于最佳分割阈值的像素点记为疑似缺陷像素点；将灰度值等于第一集合内任一元素的一个像素点，记为一个待检测像素点；以待检测像素点为中心设置一个第一预设尺寸的窗口；将窗口内所有疑似缺陷像素点的灰度值的方差记为第一方差，将窗口内非中心的疑似缺陷像素点记为对照像素点，根据窗口中心像素点的灰度值与所有对照像素点的灰度值得到第一特征，根据第一特征和第一方差得到待检测像素点为边缘像素点的概率；根据窗口内的疑似缺陷像素点的数量以及低灰度值像素点数量获得边缘像素点为缺陷外边缘的概率，根据待检测像素点为边缘像素点的概率以及边缘像素点为缺陷外边缘的概率获得待检测像素点为缺陷连通域的外边缘像素点的概率，记为待检测像素点的第一概率；获取具有相同灰度级的所有待检测像素点，根据所述所有待检测像素点的第一概率得到每个灰度级为真正的最佳分割阈值的概率，记为第二概率，利用第二概率得到每个灰度等级的类间方差，将类间方差最大的灰度等级作为真正的最佳分割阈值，利用真正的最佳分割阈值获得缺陷区域。2.根据权利要求1所述的一种数控机床轴承检测方法，其特征在于，所述待检测像素点为边缘像素点的概率是指第一特征与第一方差的乘积。3.根据权利要求1所述的一种数控机床轴承检...

【专利技术属性】
技术研发人员：童圣亭，
申请(专利权)人：南通钜德智能科技有限公司，
类型：发明
国别省市：