基于图像处理的自动检测钢珠表面的缺陷摘要：本文将介绍一种基于.DOC

基于图像处理的自动检测钢珠表面的缺陷 摘要：本文将介绍一种基于图像处理和模式识别的计算机技术新的检测钢珠表面缺陷的方法。钢珠表面的缺陷是损坏轴承的主要因素。通过介绍的方法可以实现对钢珠表面缺陷的高效和精密的检测，包括斑点、磨损、灼伤、痕迹、裂纹等待。本文介绍探测系统主要组成部分的设计，包括自动传输机制、钢珠表面的自动散布机制、显微镜的光学系统、图像获取系统、图像处理系统。工业计算机控制着整个自动系统，同时能够高效的完成钢珠表面缺陷的检测。 关键字：计算机应用；钢珠；表面缺陷；图像处理；边缘跟踪 导言 轴承作为转动元件，钢珠起到承受压力和转动的作用，并且对轴承的运行动作影响很大。钢珠的质量直接影响中轴承的质量，并且钢珠表面的缺陷直接影响轴承的精密度和生命。因而，钢珠的质量对于轴承的质量来说是一项重要的指标，因此，钢珠表面的缺陷必须严格的检测，特别是裂纹和裂缝。 在轴承工业中，每个钢珠表面的质量必须检测。传统的检测方法是把钢珠放在显微镜下放大100倍，通过视觉与标准的图像进行比较。这种手工的检测方法具有视觉疲劳的不利因素，不同个人判别的不同等等，这些都会给检测带来不可靠的因素，同时影响质量和增加产品成本。随着计算机图像处理和模式识别技术的发展，迫切的需要自动检测系统代替传统的检测手段。一种新的检测和判断钢珠表面的方法将被介绍。在设计的方法中，数字图像处理技术被用来识别钢珠表面的缺陷，缺陷的具有属性根据几何和钢珠表面缺陷区域的纹理特性将会大量的展示出来，最终的缺陷类型根据模式识别理论来决定。 检测系统的操作原理 检测系统的原理图见图1，它由感觉系统、表面散布机构、光学显微镜图像系统、图像获取系统、计算机控制图像处理系统、分离机制和报警系统组成。 图1 检测系统的原理图 检测系统的结构图见图2，检测的过程是这样的：分批的将钢珠从管道中放入到圆盘中，钢珠表面通过展开机构在检测载体中展开；识别系统通过棱镜和CCD照相机连续的获取钢珠的图像，并且识别成品的缺陷；检测的结果传输到分离系统，根据钢珠的质量进行分类。到现在，钢珠的一组检测就完成了。没有接收检测的钢珠随着伺服流向检测容器中，并且感觉系统主要用来控制钢珠的移动和位置。通过感觉系统钢珠能够被不停输送到检测系统中，传输的速度决定了产品的效率。感觉系统由管道和感触圆盘组成。感触盘可以随着轴转动，为展开机构规律的提供钢珠。展开机构将钢珠的表面进行展示，使得钢珠的表面照相机能够获取整个球的图像信息。为了防止检测遗漏，钢珠的运动必须是在轴向上和循环的方向上在同一时间内是连续一致的。展开机制位于感觉圆盘的下方，它能够绕着轴来回的旋转，通过摩擦使得钢珠绕着不同的轴进行旋转。通过这种方式，可以钢珠表面的缺陷被检测出来。 图2 检测系统的结构图 钢珠表面的图像被位于金属显微镜下的照相机拍下。图像采集卡获取钢珠的图像并且将数据以灰白的BMP格式保存到计算机的缓存区中。图像处理由图像预处理、几何特性和不同缺陷的纹理特性数据库、缺陷特性类型的提取、缺陷模型数学识别结构和自动缺陷模式识别组成。最后，分离系统根据合格和不合格来自动分离钢珠。整个系统有工业计算机自动控制涉及到感测、图像获取、模式识别、数据储存。钢珠分离、系统报警。 钢珠表面缺陷的自动检测和识别 钢珠表面的图像有摄像机获取，摄像机与显微镜相连，并且将数据储存到计算机缓存中。灰白图像处理由开始决策端、图像二值化、噪声滤波。边缘线的获取由边缘跟踪程序来实现。缺陷区域的纹理特性通过图像修补方法来加以辨别。因此，典型缺陷特性的构造和提取能够被完成并且一系列的缺陷就能够通过缺陷识别法则检测出来。钢珠表面缺陷整个识别过程见 图3.过程的细节 钢珠表面缺陷知道识别过程 2.1图像预处理 由于外界环境的影响，从摄影机获取的图像容易模糊和失真，因此回复图像的真实效果就显得非常重要。典型的图像处理的方法就是过滤和图像增强。 过滤 这一处理可以有效的消除电和非电的干扰并且减少噪声，因此最终目标图像被加强。这里有很多的过滤算法，在这里我们采取相邻平均法，这种方法的原理是将每个像素的灰度值由它相邻像素的平均值来代替。假设一副图像f(x,y)的像素是N*N，经过平滑处理后变成g(x,y)，平均算法的可以表示成： 这里M代表像素，S表示除去自身以外相邻点（x，y）的和。 图像增强 图像增强涉及到图像特征加强和锐化，例如边缘、分界线、对照等等，为进一步的显示、观察、分析和处理图像做准备。为了分辨出边缘，在这里我们使用了拉普拉斯算法来实现。为了获取相应的增强效果，必须根据部分区域的特性来设计合理的功能来。柱状变换是典型的空间增加方式。柱状图的同等化和标准化能够被用来获取像素在区域分布的变化。如果输入的图像是f（x，y）经过增强输出的图像就是g（x，y），接