基于機器視覺的鐵路貨車滾動軸承表面缺陷檢測技術(shù)研究.pdf

1、軸承作為鐵路貨車的重要部件，其表面產(chǎn)生缺陷對貨車的運行存在著一定的安全隱患?，F(xiàn)在，在我國鐵路貨車滾動軸承檢測的其中一部分仍停留在人工檢測，工作效率低、成本高和準(zhǔn)確率難以保證。本文以鐵路貨車軸承作為研究對象，運用圖像處理技術(shù)對軸承圖像進行處理并對缺陷進行提取，再根據(jù)圖像特征進行分類。
　　本文首先介紹了常見的表面缺陷的種類、形態(tài)和形成原理，采用灰度變換增強圖像的對比度。軸承圖像去噪時，對于均值濾波、中值濾波和維納濾波，進行比較發(fā)現(xiàn)維

2、納濾波效果會更好一些。同時也運用了傳統(tǒng)的小波變換方法對圖像進行處理，但傳統(tǒng)的小波閾值方法對光照不均或不足的圖像去噪的效果一般。針對該問題提出了改進閾值函數(shù)的小波去噪增強方法，采用小波變換對軸承圖像進行多尺度分解，然后對第一級和第二、三級的小波系數(shù)分別采用改進的算法進行去噪增強，提高圖片質(zhì)量。利用基于局部圖像特性的可變閾值處理對圖像進行初步的分割處理。在圖像的邊緣檢測中，用傳統(tǒng)的Roberts、Prewitt、Sobel、Canny和SU

3、SAN等算法進行邊緣檢測，通過比較發(fā)現(xiàn)Sobel算法計算速度相對較快，在適當(dāng)?shù)拈撝迪耂USAN算法檢測效果相對較好。在圖像邊緣檢測中噪聲通常被誤認為邊緣,本文對小波邊緣檢測算法進行了改進，提高了邊緣檢測的準(zhǔn)確度。運用BP神經(jīng)網(wǎng)絡(luò)對缺陷進行識別。首先采用經(jīng)驗公式對BP神經(jīng)網(wǎng)絡(luò)模型的輸入、輸出節(jié)點進行建立，其次對建立好的BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，然后用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型，對分割邊緣檢測的5類缺陷圖像進行識別分類。在軸承缺陷識別的過程中，選