轴承圆柱滚子表面缺陷的视觉检测方法.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

李新张振尧白瑞林122

12

(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:Inordertoimprovethedetectingaccuracyforidentifyingsurfacedefectsofthebearingcylindricalroller,andreducetheprediction

time,thesurfacedefectdetectionmethodbasedonmachinevisionisproposed.Whileofflinetraining,thesub-graphicsobtainedthroughGabor

transformationfortheimageofrollersurfacearefusedandthetexturefeaturesareextracted.TheimprovedReliefalgorithmisadoptedtoreduce

thedimensionoffeatureandthetimeofonlinefeatureextraction,Inaddition,forminimizingthemisseddetectionrateofthedefectiverollers,

thebiasedprocessingisintroduced,andtheclassificationisconductedbyadoptingLSSVM.Theexperimentsindicatethatthismethoddoes

guaranteetheoverallpredictionaccuracy,andbiasedpredictionofthedefectiverollerisimplemented,itissuitableforsituationofhighreal

timeperformanceisrequested.

Keywords:MachinevisionDefectdetectionGray-levelco-currencematrix(GLCM)FeatureselectionOversamplingLeastsquares

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

[1]

旋转精度、运动性能和使用寿命等都有重要影响。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