[发明专利]基于机器视觉的轴承防尘盖品质监测系统

权利要求书

1.轴承端面防尘盖品质监测系统，其特征是，包括以下步骤： 

第一步，在离线情况下，获取合格轴承的端面图像，通过预处理，分割出字符区域，根据分割出的字符区域的中心点坐标与轴承圆心坐标的关系，将字符区域通过旋转变换校正成垂直的字符，并提取字符特征，作为匹配模板； 

第二步，对采集图像先通过预处理分割出防尘盖区域，然后通过阈值分割将防尘盖区域的背景与字符(或缺陷)区域分割出来； 

第三步，对分割出来的字符(或缺陷)区域定位到阈值分割前的灰度图像中，并分割出相应的灰度图像。根据分割出的字符(或缺陷)区域的中心点坐标与轴承圆心坐标的关系计算出旋转角度，并通过双线性插值以及旋转角度将字符(或缺陷)区域旋转成为垂直方向； 

第四步，判断区域的大小，超过上限预设值和小于下限预设值的区域均为缺陷区域，对于处于预设大小范围内的区域进行阈值分割及归一化处理； 

第五步，提取区域的特征向量，与模板中的特征向量进行匹配，如果匹配度小于预设值，则该区域内有缺陷； 

第六步，如果正确匹配出来的字符串的长度与模板中的字符串的长度相等，则进行串匹配，根据上下文以及对应位置的特征匹配度对区域进行二次判别决策，最终输出结果。 

2.如权利要求1所述轴承端面防尘盖品质监测系统，其特征是，所述第一步具体为： 

(1)在离线情况下采集合格轴承的端面图像f(x，y)，采用黑色面板作为轴承的背景，图像为640*480的灰度图像； 

(2)对采集的图像f(x，y)进行幂次灰度变换，生成g(x，y)： 

g(x，y)＝cf(x，y)^γ

其中，一般取c＝1，根据所采集的图像，人为调教参数γ，获得视觉效果较好的图像即可，一般取1～3； 

(3)对图像g(x，y)进行中值滤波，滤波模板大小为3*3； 

(4)根据阈值Th将轴承与背景分离开，Th取15，根据实际情况进行调整；再通过四个方向的扫描，确定轴承的外轮廓，分别从左向右自上而下，从右向左自下而上逐行扫描，标记第一个灰度值超过阈值Th点为边界点，分别记录为p1、p2；然后根据p1、p2数组头尾位置，确定中间段的扫描范围，并根据所确定的左右范围，分别从上到下，自下而上从左到右，自上而下从右到左逐列扫描，标记第一个灰度值超过阈值Th点为边界点，分别记录为p3、p4；最后将p1、p3、p2、p4按顺序组合成一个数组p，该数组描述轴承的外轮廓； 

(5)计算圆心坐标：假设第i个采样点为P(x_i，y_i)，轴承圆心坐标为(a，b)，P(x_i，y_i)到轴承圆心坐标(a，b)的距离为r_i，则P(x_i，y_i)与(a,b)构成了半径为r_i的圆，其面积为s_i，设s为拟合出的圆的面积，则圆的面积误差： 

设面积误差平方和函数为J： 

然后由最小二乘原理： 

J(a，b，c)＝min 

J是关于a、b和r的函数，参数a、b、r根据求函数极值的方法来计算，所以当参数a、b和r满足公式条件： 

J取得极小值；由此来计算我们所需要的圆心坐标(a，b)以及圆的半径r。 

(6)根据轴承的型号参数等先验知识能够得知各个区域占轴承外圆半径的比例，据此分离出以轴承圆心为中心各个环形区域，最终得到轴承防尘盖部分，为一环形区域，并将背景设为白色，以便后续处理； 

(7)阈值分割：采用OTSU法确定防尘盖区域的分割阈值Threshold_OTS。根据分割效果对阈值进行调整Threshold＝Threshold_OTSU+a，a为偏移量，低于阈值的部分标记为0，高于阈值的部分标记为1，然后对图像进行反色； 

(8)对图像进行阈值分割后，根据连通域将字符部分标记出来，计算每个连通域的最大矩形框，对分割出来的字符区域定位到阈值分割前的灰度图像中，并分割出相应的灰度图像，计算矩形框的中心点坐标与轴承圆心坐标的角度，根据角度对分割出的灰度图像通过双线性插值旋转变换后，字符区域变为水平； 

(9)旋转字符区域后，提取每个字符的外接矩形框，并将图像归一化为32*24像素大小的图像； 

(10)根据(4)求出的阈值Threshold对字符的灰度图像进行二值化处理，并依次提取轴承字符的二次轮廓特征，提取的步骤如下： 

先对二值字符图像分别按左、右、上、下四个方向依次提取，假设第一层轮廓层次特征为L₁(j)，j＝0，l，…Length-1。从左向右扫描对j行进行扫描，第一个像素值为1的点的横坐标就是L₁(j)的值： 

L₁(j)＝min{min{I|f(I，j)＝1}，width-1}，j＝0，1，…Length-1 

从左到右字符图像的j行进行扫描，第n次由‘0’变到‘1’时的横坐标即为字符图像左侧第n层轮廓特征L_n(j)。 

L_n0(j)＝min{min{i|i＞L_n-1(j)∧f(i，j)＝0}，width-1}    j＝0，1…Length-1 

L_n(j)＝min{min{i|i＞L_n0(j)∧f(i，j)＝1}，width-1}    j＝0，1…Length-1 

同上所述，右侧轮廓层次特征提取以及上下方向轮廓层次特征提取如下： 

右侧轮廓层次特征公式： 

R₁(j)＝max{max{i|f(i，j)＝1}，0}， 

R_n0(j)＝max{max{i|i＞R_n-1(j)∧f(i，j)＝0}，0}， 

R_n(j)＝max{max{i|i＞R_n0(j)∧f(i，j)＝1}，0}， 

j＝0，1，…Length-1； 

上方轮廓层次特征公式： 

U₁(j)＝min{min{i|f(j，i)＝1}，Length-1}， 

U_n0(j)＝min{min{i|i＞U_n-1(i)∧f(j，i)＝0}，Length-1}， 

U_n(j)＝min{min{i|i＞U_n0(i)∧f(j，i)＝1}，Length-1}， 

j＝0，1，…Width-1； 

下方轮廓层次特征公式： 

D₁(j)＝max{max{i|f(j，i)＝1}，0}， 

D_n0(j)＝max{max{i|i＞D_n-1(j)∧f(j，i)＝0}，0}， 

D_n(j)＝max{max{i|i＞D_n0(j)∧f(j，i)＝1}，0}， 

j＝0，1，…width-1； 

最后，将四个方向上的轮廓层次特征合并起来即得到我们所要的字符特征： 

C(k)＝{L_n(j)，R_n(j)，U_n(i)，D_n(i)}. 

i＝0，1，…Length-1；      j＝0，1，…Width-1 

依次提取字符的特征二次轮廓特征。 

(11)对廓层次特征G(k)进行小波分解：将G(k)通过低通滤波器h(n)进行分解，得到的结果即是G(k)的低频近似分量，为G(k)维数的一半， 

其中，j表示第j层小波分解，a_j(n)表示第j层分解的低频分量，d_j(n)表示第j层分解的高频分量，h(n)和g(n)为Daubechies(dbN)小波系中的“db2”所对应的低通、高通滤波器的掩模； 

(12)计算每个字符区域的中心坐标与轴承圆心坐标连接线的斜率，通过斜率对区域按顺时针方向进行排序。 

(13)保存字符的特征向量等信息，作为后续的匹配模板。