基于计算机视觉的轴承表面质量自动化检测系统

中国科学院微电子研究所
中国物联网研究发展中心
无锡华洋滚动轴承有限公司

功能概述与应用领域

      系统安装在轴承生产设备之后，采用工业视觉识别技术对轴承进行表面质量检测，该技术利用智能工业相机对轴承进行图像采集，将采集的图像传输至图像处理卡TMS320DM6467中进行算法处理，得到轴承表面缺陷数据，确定每个轴承是否合格，然后据此对轴承进行分类，合格品进行自动包装。

      应用领域包括：深沟球轴承、非标闭式球轴承、闭式单向止动轴承、闭式单向止动组合轴承、闭式双列角接触球轴承等轴承的表面质量检测。

总体设计方案及关键模块

      基于计算机视觉的轴承表面质量自动化检测系统，是典型的光机电一体化系统，涉及机械设计与制造、计算机视觉、精密测量、自动控制等多学科交叉。整个系统在包括如下四个部分：
      （1）机械辅助系统：利用该套机械机构可实现对工业相机高度位置的调节，使得相机的成像清晰地达到最好，有效地提高轴承表面缺陷检测的准确率；
      （2）信息采集与智能处理系统：采用我部门自主研发的智能相机，高度集成了光源、镜头、CCD图像采集、嵌入了轴承表面缺陷检测算法的TMS320DM6467图像处理板卡、通信功能；
      （3）轴承分类及合格品自动包装系统：在轴承确定是否合格后对轴承进行分类，并将合格品自动打包；
      （4）上位机管理系统：包括参数配置、系统标定、状态显示以及数据库管理等功能。

解决的关键核心技术

基于TMS320C6467的图像采集与处理硬件系统 
      视觉系统由中国物联网中心/中国科学院微电子研究所信息识别与系统控制研究中心研制的固定式图像型智能相机组成，用于对视觉图像进行采集与实时处理。相机通过千兆网接口（Gige）将采集的图像数据传输至DSP处理器，处理器中的轴承表面缺陷检测算法对图像数据进行识别。
      固定式图像型智能相机的主要技术特点如下：
     · DSP采用TI 达芬奇 (DaVinciTM)处理器TMS320DM6467（T），内置ARM926EJ-STM RISC和TMS320C64x+TMDSP两个核。On-Chip L2 Cache 128 KB (DSP)；On-Chip L1 Cache 56 KB (ARM9)，64 KB (DSP)。
     · 完整的Linux开发环境和ARM编译环境，提供环境搭建说明和相应的软件工具包，包括VMware-workstation或者Ubuntu；GCC交叉编译工具；根文件系统target；Linux内核安装包；EVM的软件开发包；TI DVSDK的工具链：BIOS XDCTOOLS，TI_CGT_C600）。
     ·  完整的DSP编译开发环境，提供环境搭建说明和相应的软件开发包，包括CCS3.3和BIOS。
     ·  功能强大的.net上位机管理软件，可配置DSP运行参数和相机参数，包括触发模式、曝光时间、Gamma校正、增益、白平衡、图像大小、图像位置偏移、对比度、亮度、频闪灯控制、IO控制。
     ·  选择性提供多个典型算法的例程（边缘提取、字符识别、尺寸计算等），客户可借鉴使用。
     ·  相机大小为115mm*75mm*65mm。
     ·  相机重量为660g。
     ·  相机功率<=6W.
     ·  供电：DC5~12V/2A，纹波：<=12%。
     ·  储存温度：-20℃～+70℃。
     ·  工作温度：商业级0℃～+70℃，工业级 -40℃～+85℃。
     ·  工作湿度：10%～80%。

基于计算机视觉的轴承表面缺陷分析技术
（1）轴承区域定位
      对轴承表面进行缺陷识别，必须首先将轴承区域从背景中分割出来。
      为了检测轴承了分析图像的特征，通常需要把对象物从图像中分离出来。首先利用阈值算法将图像进行二值化处理。
      由于轴承包含多个环状区域，所以可采用拟合圆法确定轴承的外侧轮廓和内侧轮廓，从而实现对轴承的定位。（2）缺陷检测　
      本系统利用模式识别算法对轴承图像进行缺陷检测分析。这里识别算法采用了神经网络理论模式识别方法，它具有很强的自学习性、自组织性、容错性、高度非线性、联想记忆功能和逻辑推理功能等。并行处理、分布式存储信息等特点保证神经网络在部分受损时仍能恢复原来信息；容错性特点可以允许样本有一定的缺损、畸变，而神经网络仍然能够正常训练，识别，检测；自学习性、自组织性特点保证神经网络能不断适用环境的变化，较好的模拟人的思维特点；联想记忆和推理能力保证神经网络有较好的泛化能力，能增加样本容量，对未训练过的样本进行有效的识别；神经网络对非线性的一致逼近能力使得神经网络识别系统可以提供简易操作的训练法，自动构造接近最佳的判别函数，有效提高识别率。

达到的技术性能指标

      轴承缺陷检测系统在线工作于生产流水线中，被检测轴承按照一定的节拍在输送带上运动，在进入检测工序时，检测系统利用计算机视觉分技术析比较处理结果，并由分拣机构将带有缺陷的轴承自动剔除，以替代目前企业普遍采用人工检测剔除的方法。
       全自动化质量检测：取代人工抽检，实现全程自动化质量检测，从而更好地控制产品质量，避免因检验员视觉疲劳而出现误检的问题。
       快速的检测速度：可实现100us~1000us以内的快速曝光时间手动控制或者自动控制，可清晰采集运动速度低于2.5米/秒的轴承图像。
       超高的识别正确率：精准高效的识别算法，可识别多种轴承表面缺陷，如防尘盖严重压伤、擦伤、表面无砂轮磨伤、严重划伤、锐角、毛刺、黑皮、锈蚀等，识别准确率接近98.5%。
      嵌入式处理系统：核心处理模块全部采用嵌入式DSP处理器，脱离使用windows操作系统，避免产权纠纷，并提高了系统可靠性。
      便捷的安装部署：自带LED光源，只需将镜头对准轴承，通过观看实时图像进行交互手动调焦，上位机自带有调试安装软件，不到半小时的培训学习即可娴熟掌控系统的安装、使用和维护。
      丰富的通讯接口：千兆以太网通信接口，支持EtherNet/IP 和 PROFINET 协议； 支持 RS232/RS485总线与PLC、计算机等系统连接；两路带有光耦隔离的输入信号接口，可用于光电开关触发相机曝光，或者采集限位开关、外部设备状态等信息；两路带有光耦隔离的输出信号接口，可用于相机曝光状态指示，或者驱动指示灯、电磁阀等部件。
       维护升级便捷：采用分布式、模块化设计，方便故障排查与修复，同时也便于系统软硬件的功能升级。

项目实施效果与应用情况

       本系统用计算机视觉检测方法可以大大提高生产效率和生产的自动化程度。而且计算视觉易于实现信息集成，是实现计算机集成制造的基础技术。本系统实现了对轴承质量的有效监控，改变我国高性能轴承在线视觉无损检测设备长期依赖进口的被动局面。 
       本系统的实施，推进了轴承检测技术突破和产业发展，开辟新的经济增长领域，培育新的增长点，推动经济转型升级，使经济发展层次更高、后劲更足、可持续性更强。对促进产业结构调整，提升整体创新能力，建立创新型国家做出贡献。对发展战略性新兴产业，带动经济增长具有深远的历史意义和现实的巨大的社会效益。