基于机器视觉的滚珠丝杠螺母表面划痕检测

尚晓成

（山东建筑大学 机电工程学院，山东省济南市 250101）

0 引言

随着工业化自动化的发展，工件表面划痕检测技术也成为工业质检领域的一项重大课题，对工业生产有着重要的意义[1]。近年来，基于机器视觉的划痕检测方法逐渐取代传统人工检测方法，并广泛应用于智能制造、航空航天、军事科技、智能交通等领域[2-4]。滚珠丝杠副作为高精度数控设备的重要性零部件，其质量好坏直接影响设备工作的稳定性。在滚珠丝杠副的生产和运输过程中，会不可避免的产生划痕等缺陷。因此，基于机器视觉的滚珠丝杠副螺母表面划痕检测方法具有重要的研究意义。本文提出基于机器视觉的滚珠丝杠副螺母表面划痕检测方法，对采集到的图像进行预处理和特征提取，实现对滚珠丝杠副螺母表面划痕的检测。

1 图像采集设备

图像采集系统用于采集原始的数字图像数据，因此，选择合适的图像采集设备对图像处理有极其重要的意义[5]。工业相机作为图像采集系统的重要部件，能够将光信号转变为电信号。本文采用工业面阵CCD相机，分辨率为1280×1024，作为滚珠丝杠副螺母表面图像采集设备。考虑到滚珠丝杠副螺母表面为圆弧面，文章选用作环形光源和平行背光源作为照明设备。

2 图像预处理

图像预处理运用MATLAB软件实现，主要包括利用中值滤波、直方图均衡、图像二值化和边缘检测算法等。首先，将采集得到的原始图像，如图1所示。为了便于对图像进行处理，将其转换为灰度图。

图1滚珠丝杠副原始图像

2.1中值滤波

图像受到采集设备和外部环境的干扰，原始图像必定会产生噪声。根据统计特征，图像噪声主要分为椒盐噪声和高斯噪声。常用滤波算法有中值滤波、均值滤波和高斯滤波等。其中，均值滤波对高斯噪声表现较好，对椒盐噪声表现较差，而中值滤波对椒盐噪声表现较好，对高斯噪声表现较差。综合考虑，选用中值滤波对滚珠丝杠副螺母图像进行去噪处理，既能很好地滤除椒盐噪声，同时又对高斯噪声具有一定的抑制作用。

2.2 直方图均衡化

由于滚珠丝杠螺母图像表面划痕区域很小，因此，在对滤波后的图像进行处理时要其进行图像增强处理，使划痕区域更加突出。常用的图像增强手段主要是灰度变换和直方图增强等方法[6]。直方图均衡则是通过拉伸直方图分布范围，使图像个灰度级分布均匀，凸显滚珠丝杠副螺母表面的划痕特征。

2.3 图像二值化

对增强对比度后的滚珠丝杠副螺母图像进行二值化处理，转换为像素值为 0 的黑色背景和像素值为 1 的目标图像，二值化的图像中除了划痕区域，任然有其他的噪声会影响检测结果，所以需要对二值图像再次滤波。滤波后的图像消除了其他噪声的干扰，便于后续划痕特征的提取。

2.4 边缘检测算法

边缘检测是基于像素的不连续性进行分割的一种方法，常用的边缘检测算法包括梯度边缘检测、形态学边缘检测等［7］。Canny算子在极大程度的消除噪声干扰的同时，消除了大量的伪边缘，边缘检测效果良好，准确程度高。因此，文章采用canny算子将边缘检测的结果整合成有序的轮廓。

3 图像特征提取

图像特征提取的结果，直接影响滚珠丝杠副螺母表面划痕的判断结果，所以在图像处理过程中占有很重要的位置。常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征等。其中，形状特征有轮廓特征和区域特征两类表示方法。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。文章提取滚珠丝杠副螺母图像的划痕区域特征，并将其标记出来，如图2所示。

图2 滚珠丝杠副划痕检测图像

4 结论

本文基于机器视觉技术，提出了基于机器视觉的滚珠丝杠副螺母表面划痕检测方法，设计采集设备采集滚珠丝杠副螺母图像，利用中值滤波、直方图均衡、图像二值化和Canny边缘检测算法等方法对缺陷图像进行预处理，并采用图像特征提取的方法，标记划痕所在位置。成功检测出滚珠丝杠副螺母表面的划痕，为滚珠丝杠副螺母表面缺陷检测提供了技术支持与理论支撑。

参考文献

[1]杨乐淼,周富强.基于机器视觉的划痕检测技术综述[J].激光与光电子学进展,2022,59(14):118-125.

[2]陈进. 基于机器视觉的轴承缺陷检测技术研究[D].浙江大学,2021.

[3]周小军,谭薇.一种基于人工免疫的芯片划痕检测系统[J].无线电工程,2022,52(09):1625-1632.

[4]任秉银,李智勇,代勇.手机屏幕轻微划痕检测方法[J].哈尔滨工业大学学报,2021,53(01):29-36.

[5]赵明. 基于机器视觉的轴承表面缺陷检测系统研究[D].中北大学,2022.

[6]秦玮，陈希，马原原．基于数学形态学的边缘检测算法分析［J］.信息技术，2019，43( 11) : 33-36

[7]马永福.基于机器视觉的H型钢表面缺陷检测[J].冶金与材料,2019,39(06):13-14.