一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法
【專利摘要】一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法，本方法采用機(jī)器視覺與壓縮感知方法，建立零件表面缺陷圖像的壓縮感知描述，建立突出表面缺陷的光學(xué)成像與缺陷檢測模型；采集典型缺陷的零件樣本圖像，實(shí)施去噪及必要的圖像預(yù)處理后，進(jìn)行采樣頻率調(diào)整及尺寸歸一化，訓(xùn)練樣本并建立冗余字典；設(shè)計(jì)恰當(dāng)?shù)恼换纸饩仃嚺c隨機(jī)觀測矩陣，選擇聯(lián)合正交匹配追蹤算法，把求解最小范數(shù)轉(zhuǎn)化為求次最優(yōu)解問題以重構(gòu)缺陷圖像，計(jì)算待測圖像的稀疏表示，并根據(jù)所建立的判斷識(shí)別標(biāo)準(zhǔn)對(duì)待測零件進(jìn)行缺陷識(shí)別。構(gòu)建具備上料、定位與調(diào)整、圖像采集、圖像處理、缺陷檢測與判別、零件分選等功能的在線檢測系統(tǒng)，實(shí)現(xiàn)對(duì)軸套類零件表面缺陷的快速檢測。
【專利說明】一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法，屬機(jī)械零件 在線無損檢測【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 隨著全球制造業(yè)中心逐步向我國轉(zhuǎn)移，在生產(chǎn)與制造能力不斷擴(kuò)大的同時(shí)，人們 對(duì)產(chǎn)品質(zhì)量也提出了越來越高的要求。產(chǎn)品表面質(zhì)量是其中的重要組成部分，它對(duì)產(chǎn)品的 直接使用或深加工有著重要影響。在某些應(yīng)用領(lǐng)域表面缺陷的存在可能會(huì)對(duì)使用者造成巨 大損失，必須進(jìn)行嚴(yán)格的檢測和控制。
[0003] 軸套類零件主要起支撐、導(dǎo)向和定位等作用，在各類機(jī)器和儀器中應(yīng)用極為廣泛， 一般選用鋼、鑄鐵、青銅或黃銅等材料進(jìn)行制造。在零件的生產(chǎn)、搬運(yùn)、裝配等過程中，零件 的表面、端面等處可能會(huì)產(chǎn)生各種劃痕、磨痕、凹坑等缺陷。這些缺陷將對(duì)零件的使用性能 產(chǎn)生不良影響，并影響整個(gè)機(jī)器的回轉(zhuǎn)精度、振動(dòng)、噪聲、密封及使用壽命。
[0004] 目前國內(nèi)許多制造企業(yè)仍采用傳統(tǒng)的人工抽檢來進(jìn)行產(chǎn)品表面缺陷檢測，不僅檢 測速度慢而且極易造成誤判、漏檢，無法滿足現(xiàn)代企業(yè)提升產(chǎn)品質(zhì)量的要求。近年來，先后 出現(xiàn)了諸如紅外探傷、超聲波檢測法、渦流檢測及磁粉探傷等方法，在工業(yè)現(xiàn)場強(qiáng)脈沖噪聲 環(huán)境下很難達(dá)到十分滿意的效果，無法滿足現(xiàn)代測量技術(shù)對(duì)在線、精密、實(shí)時(shí)、綜合性等方 面的需求。隨著制造業(yè)向著精益生產(chǎn)及零缺陷的目標(biāo)發(fā)展，探索客觀、有效、快速、可靠的質(zhì) 量控制方案，提高零件表面缺陷視覺在線檢測水平，已經(jīng)成為許多企業(yè)迫切需要解決的問 題。
[0005] 現(xiàn)有基于機(jī)器視覺的各種缺陷檢測方案，由于圖像采樣數(shù)據(jù)量大、現(xiàn)場噪聲干擾 強(qiáng)，面對(duì)不同檢測對(duì)象需要采用特定的圖像增強(qiáng)、邊緣檢測、缺陷分割算法，很難滿足缺陷 檢測的實(shí)時(shí)性、通用性要求。近幾年來新出現(xiàn)的壓縮感知（Compressed Sensing,簡稱CS) 理論，是對(duì)信號(hào)采樣理論的重大變革，已經(jīng)在系統(tǒng)成像、圖像融合、目標(biāo)識(shí)別以及圖像跟蹤 等領(lǐng)域得到廣泛的應(yīng)用，可以預(yù)見該技術(shù)將在零件無損檢測領(lǐng)域產(chǎn)生深遠(yuǎn)影響。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是，根據(jù)現(xiàn)有機(jī)械零件表面缺陷檢測存在采集量大、數(shù)據(jù)利用率不 高、實(shí)時(shí)性差等問題，提出了一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法。
[0007] 本發(fā)明的技術(shù)方案是，采集典型缺陷零件樣本圖像，經(jīng)過去噪及必要預(yù)處理后，進(jìn) 行采樣頻率調(diào)整及尺寸歸一化，訓(xùn)練樣本并建立冗余字典；設(shè)計(jì)卡爪式伸縮機(jī)構(gòu)的檢測平 臺(tái)，利用卡爪張開時(shí)擠脹內(nèi)圓柱面來實(shí)現(xiàn)對(duì)待測零件的定位夾緊；為了避免對(duì)內(nèi)表面的損 傷，卡爪部分要粘貼軟質(zhì)地材料。待測零件置于平臺(tái)的檢測工位，檢測時(shí)軸線保持鉛垂方 向，鏡頭、相機(jī)的光軸與零件軸線保持垂直，在平臺(tái)附近設(shè)置安裝光學(xué)器件的結(jié)構(gòu)。對(duì)待測 零件圖像進(jìn)行采樣，設(shè)計(jì)隨機(jī)觀測矩陣，選擇聯(lián)合正交匹配追蹤算法，計(jì)算待測圖像的稀疏 表示從而實(shí)現(xiàn)零件缺陷的在線識(shí)別和檢測。檢測平臺(tái)的間歇回轉(zhuǎn)運(yùn)動(dòng)采用運(yùn)動(dòng)控制卡經(jīng)由 驅(qū)動(dòng)器控制步進(jìn)電機(jī)來實(shí)現(xiàn)。分選機(jī)構(gòu)可以利用電磁鐵的通斷來控制倉門的開閉，為了避 免檢測中對(duì)零件產(chǎn)生新的損傷，在零件分選落料的地方要設(shè)置緩沖環(huán)節(jié)對(duì)分類后的零件進(jìn) 行必要的保護(hù)。
[0008] 本發(fā)明設(shè)計(jì)了一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法：
[0009] (1)對(duì)典型缺陷的軸套類零件樣本圖像進(jìn)行預(yù)處理，包括圖像濾波去噪、增強(qiáng)、邊 緣檢測與缺陷分割，以得到缺陷區(qū)域；
[0010] (2)對(duì)處理后的樣本圖像實(shí)施調(diào)整采樣頻率、歸一化尺寸實(shí)驗(yàn)，根據(jù)壓縮感知原理 訓(xùn)練出樣本圖像并建立樣本冗余字典；
[0011] (3)軸套類零件置于檢測工位，對(duì)待測零件圖像按一定頻率采樣，計(jì)算其觀測矩 陣；依據(jù)樣本冗余字典，計(jì)算出待測圖像的稀疏表示，從而根據(jù)壓縮感知的判別標(biāo)準(zhǔn)實(shí)現(xiàn)對(duì) 待測零件缺陷的識(shí)別，并驅(qū)動(dòng)檢測裝置中分選機(jī)構(gòu)進(jìn)行在線分類。
[0012] 實(shí)現(xiàn)本發(fā)明方法包括以下步驟：
[0013] (1)構(gòu)建高效高精度檢測平臺(tái)
[0014] 設(shè)計(jì)高精度的成像系統(tǒng)和檢測系統(tǒng)。
[0015] 設(shè)計(jì)成像系統(tǒng)時(shí)，依據(jù)檢測精度、視場大小等因素選擇工業(yè)相機(jī)與鏡頭，經(jīng)過實(shí)驗(yàn) 確定光源、以獲取光照均勻、缺陷突出的檢測圖像。
[0016] 設(shè)計(jì)檢測系統(tǒng)時(shí)，要根據(jù)在線自動(dòng)檢測的要求，實(shí)現(xiàn)自動(dòng)上料、傳送、定位、夾緊、 間歇轉(zhuǎn)動(dòng)、卸料和分選等動(dòng)作。間歇回轉(zhuǎn)檢測平臺(tái)與定位夾緊裝置需要裝配在一起，同時(shí)與 傳送裝置有機(jī)地銜接；完成檢測后的零件通過卸料、輸送環(huán)節(jié)到達(dá)指定位置，根據(jù)識(shí)別判斷 結(jié)果控制分選機(jī)構(gòu)完成零件的分選。為了適應(yīng)不同尺寸零件的測量，在機(jī)械部分要設(shè)置相 機(jī)的安裝與調(diào)整環(huán)節(jié)。設(shè)計(jì)機(jī)械的運(yùn)動(dòng)循環(huán)圖，協(xié)調(diào)好各個(gè)機(jī)構(gòu)的動(dòng)作時(shí)序。
[0017] (2)建立基于壓縮感知的缺陷圖像信號(hào)的稀疏表示、編碼測量與重構(gòu)算法
[0018] 本發(fā)明針對(duì)零件圖像采樣率高、效率低等問題，建立基于壓縮感知的圖像信號(hào)的 稀疏表示、編碼測量與重構(gòu)算法、快速有效檢測表面缺陷的方法，分析壓縮感知算法的復(fù)雜 度、與穩(wěn)定性，并應(yīng)用于零件表面缺陷的在線檢測。
[0019] (3)實(shí)現(xiàn)基于壓縮感知的零件表面缺陷在線檢測。本發(fā)明根據(jù)零件缺陷圖像的 壓縮感知描述，確定缺陷樣本圖像的去噪、增強(qiáng)、邊緣檢測、缺陷分割算法；實(shí)施樣本圖像的 采樣頻率、歸一化尺寸調(diào)整、訓(xùn)練樣本圖像建立冗余字典的實(shí)驗(yàn)；建立零件缺陷檢測數(shù)學(xué)模 型、缺陷判斷識(shí)別標(biāo)準(zhǔn)；設(shè)計(jì)正交基分解矩陣與隨機(jī)觀測矩陣，把求解最小范數(shù)1〇轉(zhuǎn)化為求 次最優(yōu)解問題，實(shí)現(xiàn)結(jié)構(gòu)稀疏重構(gòu)缺陷圖像；計(jì)算待測圖像的稀疏表示，對(duì)軸套類零件進(jìn)行 缺陷在線檢測實(shí)驗(yàn)并分析算法的準(zhǔn)確性、魯棒性。
[0020] 本發(fā)明的有益效果是，本發(fā)明改進(jìn)的方法可以消除表面反光影響、建立以突出缺 陷為目標(biāo)的成像與缺陷檢測模型；實(shí)現(xiàn)工業(yè)條件下去除圖像中強(qiáng)噪聲的濾波算法和對(duì)零件 外圓柱表面多幅圖像進(jìn)行高效拼接的圖像配準(zhǔn)及圖像融合算法；基于壓縮感知的缺陷圖像 的稀疏表示；正交基分解矩陣與隨機(jī)觀測矩陣的選擇與設(shè)計(jì)，零件圖像重構(gòu)算法的實(shí)現(xiàn)，缺 陷判斷識(shí)別標(biāo)準(zhǔn)的建立及缺陷在線檢測系統(tǒng)的構(gòu)建。本發(fā)明用基于壓縮感知的方法在線提 取軸套類零件的特征，大大縮短處理時(shí)間，實(shí)現(xiàn)在線檢測。
[0021] 本發(fā)明適用于機(jī)械軸套類零件表面缺陷在線檢測。

【專利附圖】

【附圖說明】
[0022] 圖1為本發(fā)明方法的技術(shù)路線圖；
[0023] 圖2為零件表面缺陷之一；
[0024] 圖3為零件表面缺陷之二；
[0025] 圖4為零件表面缺陷之三；
[0026] 圖中劃圈處為零件表面缺陷處。

【具體實(shí)施方式】
[0027] 本發(fā)明的【具體實(shí)施方式】如圖1所示。
[0028] 本實(shí)施例采用機(jī)器視覺與壓縮感知方法，研究零件表面缺陷圖像的壓縮感知描 述，采集典型缺陷的零件樣本圖像，實(shí)施去噪及必要的預(yù)處理后，進(jìn)行采樣頻率調(diào)整及尺寸 歸一化，訓(xùn)練樣本并建立冗余字典；設(shè)計(jì)恰當(dāng)?shù)恼换纸饩仃嚺c隨機(jī)觀測矩陣，選擇聯(lián)合 正交匹配追蹤算法，把求解最小范數(shù)L0轉(zhuǎn)化為求次最優(yōu)解問題以重構(gòu)缺陷圖像，計(jì)算待測 圖像的稀疏表示并根據(jù)所建立的判斷識(shí)別標(biāo)準(zhǔn)對(duì)待測零件進(jìn)行缺陷識(shí)別，實(shí)現(xiàn)對(duì)軸套類零 件表面缺陷的快速檢測。
[0029] (1)設(shè)計(jì)檢測平臺(tái)
[0030] 成像系統(tǒng)光源、光照方式、工業(yè)相機(jī)及匹配鏡頭的確定：
[0031] 軸套類零件的材質(zhì)主要是金屬，表面比較光潔。在光源的照射下，無缺陷的被測物 表面圖像呈現(xiàn)的灰度、顏色、紋理比較均勻且無突變，而具有缺陷的表面則存在突變，這可 以作為缺陷判別的依據(jù)。由于劃痕、磨痕、凹坑等缺陷在不同的光源、照明方式、圖像采集方 式下呈現(xiàn)不同的圖像特征，可由此建立缺陷樣本庫，零件表面典型缺陷如圖2、圖3和圖4所 /_J、1 〇
[0032] 根據(jù)缺陷目標(biāo)的特點(diǎn)及檢測需求，盡量減少表面反光的影響，準(zhǔn)確控制光線的照 射角度，使得反射光不能直接進(jìn)入相機(jī)，被反射到其它方向，只有缺陷或被測特征引起的散 射光進(jìn)入鏡頭成像，通過實(shí)驗(yàn)的方法確定光源類型及光照方式。視覺檢測系統(tǒng)結(jié)構(gòu)設(shè)計(jì)的 關(guān)鍵問題，就是根據(jù)檢測分辨率的需求，對(duì)物距、焦距和視場等結(jié)構(gòu)參數(shù)進(jìn)行確定。設(shè)被測 表面缺陷的檢測分辨率要求為amm，相機(jī)像元分辨率為ay m，像元數(shù)目為p。系統(tǒng)放大率β 為：
[0033]

【權(quán)利要求】
1. 一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法，其特征在于，所述方法步 驟為： (1) 構(gòu)建高效高精度檢測平臺(tái)，設(shè)計(jì)高精度的成像和檢測系統(tǒng)； (2) 針對(duì)零件圖像采樣率高、效率低問題，建立基于壓縮感知的圖像信號(hào)的稀疏表示、 編碼測量與重構(gòu)算法、快速有效檢測表面缺陷的方法，分析壓縮感知算法的復(fù)雜度、與穩(wěn)定 性，并應(yīng)用于零件表面缺陷的在線檢測； (3) 根據(jù)零件缺陷圖像的壓縮感知描述，確定缺陷樣本圖像的去噪、增強(qiáng)、邊緣檢測、缺 陷分割算法；實(shí)施樣本圖像的采樣頻率、歸一化尺寸調(diào)整、訓(xùn)練樣本圖像建立冗余字典的實(shí) 驗(yàn)；建立零件缺陷檢測數(shù)學(xué)模型、缺陷判斷識(shí)別標(biāo)準(zhǔn)；設(shè)計(jì)正交基分解矩陣與隨機(jī)觀測矩 陣，把求解最小范數(shù)1〇轉(zhuǎn)化為求次最優(yōu)解問題，實(shí)現(xiàn)結(jié)構(gòu)稀疏重構(gòu)缺陷圖像；計(jì)算待測圖像 的稀疏表示，對(duì)軸套類零件進(jìn)行缺陷在線檢測實(shí)驗(yàn)并分析算法的準(zhǔn)確性、魯棒性。
2. 根據(jù)權(quán)利要求1所述的一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法，其 特征在于，所述成像和檢測系統(tǒng)包括、光源、工業(yè)相機(jī)及匹配鏡頭、分選機(jī)構(gòu)、整體機(jī)械裝置 和檢測平臺(tái)； 所述整體機(jī)械裝置采用卡爪式伸縮機(jī)構(gòu)，當(dāng)三個(gè)卡爪張開時(shí)利用擠脹內(nèi)圓柱面實(shí)現(xiàn)對(duì) 待測零件進(jìn)行定位夾緊，避免對(duì)內(nèi)表面的損傷，卡爪部分要粘貼軟質(zhì)地材料；零件的檢測位 置為直立，鏡頭、相機(jī)的光軸與零件軸線保持垂直，在檢測平臺(tái)附近設(shè)置安裝光學(xué)器件的結(jié) 構(gòu)； 所述檢測平臺(tái)的間歇回轉(zhuǎn)運(yùn)動(dòng)采用運(yùn)動(dòng)控制卡經(jīng)由驅(qū)動(dòng)器控制步進(jìn)電機(jī)來實(shí)現(xiàn)；所述 卡爪式伸縮機(jī)構(gòu)安裝在所述檢測平臺(tái)上； 所述分選機(jī)構(gòu)利用電磁鐵的通斷來控制倉門的開閉，為了避免檢測中對(duì)零件產(chǎn)生新的 損傷，在零件分選落料的地方要設(shè)置緩沖環(huán)節(jié)對(duì)分類后的零件進(jìn)行保護(hù)。
3. 根據(jù)權(quán)利要求1所述的一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法，其 特征在于，所述稀疏表示為，信號(hào)在某一變換域下，可以稀疏表示： f = ψχ 式中：f表示NX 1型原始信號(hào)；Ψ是NXN型變換域矩陣；X就是原始信號(hào)f在變換域 Ψ下的稀疏表不。
4. 根據(jù)權(quán)利要求1所述的一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法，其 特征在于，所述編碼測量是尋找合適的采樣頻率來進(jìn)行信號(hào)的采樣，該采樣得到的矩陣是 非自適應(yīng)的線性矩陣；找一個(gè)與Ψ不相關(guān)的MXN型的觀測矩陣Φ，其中M<<N，只需要 對(duì)信號(hào)采樣Μ次而不是采樣N次，采樣頻率和數(shù)據(jù)量都大大減少； y = (J)f 式中：y為原始信號(hào)的線性投影測量值。
5. 根據(jù)權(quán)利要求1所述的一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法，其 特征在于，所述重構(gòu)算法過程一般轉(zhuǎn)換為一個(gè)最小范數(shù)的優(yōu)化問題；
式中：
稱為壓縮感知矩陣； 由于信號(hào)X具有稀疏特性，當(dāng)y和
：滿足一定條件時(shí)，X可以由測量值y通過求解最優(yōu) 1〇范數(shù)問題而得到，即
6.根據(jù)權(quán)利要求1所述的一種基于壓縮感知的軸套類零件表面缺陷在線檢測方法，其 特征在于，所述軸套類零件的缺陷圖像識(shí)別可以描述為樣本圖像的線性組合，即有： Y = Αχ 式中：Υ是待測圖像；Α是由樣本圖像構(gòu)成的字典矩陣；X = [Xl，x2, ...，xn] e Rn為系 數(shù)向量；在數(shù)據(jù)庫中，用一個(gè)m維向量yeRm表示一張樣本圖像，有n張不同的樣本圖像 yi， y2, ...，yn e Γ，對(duì)于一張待測圖像，有：
式中％為線性表示系數(shù)；寫成矩陣形式，令[yi，y2,...，yn] e Γχη，則有： ΥηιΧΙ - AmxnXnxi〇
【文檔編號(hào)】G06T7/00GK104063873SQ201410320804
【公開日】2014年9月24日 申請(qǐng)日期:2014年7月8日 優(yōu)先權(quán)日:2014年7月8日
【發(fā)明者】謝昕, 黃志剛, 李慧萍, 王浩然 申請(qǐng)人:華東交通大學(xué)