轴承圆柱滚子表面缺陷de视觉检测方法【阐述】.pdfVIP

轴承圆柱滚子表面缺陷的视觉检测方法 李 新，等 轴承圆柱滚子表面缺陷的视觉检测方法 VisualDetectionMethodforSurfaceDefectsofBearingCylindricalRoller 李 新 搪 白端林 (无锡信捷电气股份有限公司 ，江苏 无锡 214072；江南大学轻工过程先进控制教育部重点实验室 ，江苏 无锡 214122) 摘 要：为了提高轴承圆柱滚子表面缺陷检测识别准确率、降低预测时间，提出一种基于机器视觉的表面缺陷检测方法。离线训练 时，对滚子表面图像经Gabor变换后得到的子图进行融合并提取纹理特征 ，采用改进的Relief算法进行特征降维 ，减少在线特征提取 所用时间。同时，为了降低缺陷滚子的漏检率，引入偏 向性处理并使用最小二乘支持向量机进行分类。试验表明，该检测方法在保证 整体预测准确率的前提下，实现了缺陷滚子的偏向性预测 ，适用于实时性要求较高的场合。 关键词 ：机器视觉 缺陷检测 灰度共生矩阵(GLCM) 特征选择 过采样 最小二乘支持向量机 (LSSVM) 中图分类号 ：TP274+．3 文献标志码：A Abstract：Inordertoimprovethedetectingaccuracyforidenti~ingsurfacedefectsofthebearingcylindricalroller，andreducetheprediction time，thesurfacedefectdetectionmethodbasedonmachinevisionisproposed．W hileofflinetraining，thesub—graphicsobtainedthroughGabor transformationofrtheimageofrollersurfacearefusedandthetexturefeaturesareextracted．TheimprovedReliefalgorithm isadoptedtoreduce thedimensionoffeatureandthetimeofonlinefeatureextraction，Inaddition，ofrminimizingthemisseddetectionrateofthedefectiverollers， thebiasedprocessingisintroduced，andtheclassificationisconductedbyadoptingLSSVM．Th eexperimentsindicatethatthismethoddoes guaranteetheoverallprediction accuracy，andbiasedpredictionofthedefectiverollerisimplemented，itissuitableofrsituation ofhighreal timeperformanceisrequested． Keywords：Machinevision Defectdetection Gray—levelCO—eurrencematrix(GLCM) Featureselection Oversampling Leastsquares supportvectormachine(LSSVM) 0 引言 1 滚子图像特征提取 圆柱滚子作为轴承的重要组成部分，它对轴承的 1．1 构建Gabor滤波及图像融合 旋转精度 、运动性能和使用寿命等都有重要影响l1]。 Gabor小波具有优 良的时频域分析特性，能够反 生产线上产品质量检测时，如果表面存在缺陷的滚子 映特定方向上的形状特征，是很好的特征提取算法[6]。 漏检 ，混入合格产品中。不仅影响机械效率，还可能带 该算法通常采用高维的复合特征对样本进行较为全面 来安全隐患，给厂商声誉造成不 良影响。目前 ，多数生 的描述 。 产厂家所采用的人工 目视检测方法，检测效率低下且 为了提取特定方 向上的形状特征，本文构造 5个 易受主观因素