基于機器視覺的滾動接觸疲勞判別方法設計

馮柯茹

（達州職業技術學院，四川 達州635000）

1 概述

工程實際中，有些機器零件處于滾動接觸條件的工作環境下，如機械、汽車、船舶和航空工業中廣泛用到的滾動軸承、齒輪、凸輪和渦輪等，這些零件表面由于接觸疲勞破壞從而導致失效[1]。

滾動接觸疲勞試驗是一種模擬軸承、齒輪、軋輥、輪箍等滾動接觸零件工況的失效實驗，它可以為這些零件的設計、選材、制訂冷、熱加工工藝提供依據。在實驗中，滾動接觸疲勞常見的一些判別方法缺乏可視性和判別效率，比如振動判別方法、溫度判別方法。因此，本文針對滾動接觸疲勞試驗機設計了一套機器視覺檢測方法，用于判別滾子試樣滾動接觸疲勞狀態。

2 圖像預處理

本文采集的滾子試樣為主試樣，主試樣圖像的中間矩形區域為接觸面，接觸面兩邊是相鄰面，因為接觸面是凸出的，與相鄰面存在高度差，因此它們之間有著明顯的灰度差異，這將會對閾值分割產生影響，同時為了提高檢測速度，根據接觸面和相鄰面灰度差異的特點，本文利用形態學膨脹算法和水平投影算法對試件進行區域定位，膨脹算法用來消除干擾信息對二值化圖像的影響，水平投影算法為區域提供定位。具體算法步驟如下：

a. 將滾子試樣圖像反向二值化。

b. 對反向二值化圖像進行膨脹操作。

c. 統計二值化圖像中每一行像素值為0 的個數，將統計值投影到水平方向，得到投影曲線。

d. 根據投影谷的位置提取接觸面。

處理結果如圖1 所示。

圖像在采集的過程中，因受到視覺硬件性能、工作環境等因素的影響，原始圖像會產生噪聲，這些噪聲會影響到后續圖像處理結果。疲勞點邊緣分割的準確性對檢測誤差也存在一定的影響，因此本文采用雙邊濾波器[2]對圖像進行濾波處理，其降噪的同時還能保護圖像尖銳的邊緣，如圖2 所示。

3 閾值處理

閾值分割是常見的圖像處理算法，在一定條件下對目標和背景有不錯的分割效果。Otsu 方法又稱之為大律法或最大類間方差法[3]，是一種自適應閾值分割方法。該方法在單閾值情況下將圖像分為目標和背景兩類，通過類間方差最大或類內方差最小確定最佳閾值，當圖像目標和背景的方差相似時，Otsu 方法可以獲得不錯的分割結果。Otsu 方法可以定義為如下：

一幅像素圖像，灰度等級用 {0 ,1,2,…,N-1}表示，G 表示灰度值。假設選擇的閾值t 將圖像處理為目標和背景兩類，目標由圖像中G 在區間[0,t]內的所有像素集合，同理，背景由G 在區間[t+1,N-1]內的所有像素集合。

Otsu 方法的最佳閾值T 可以表示為[4]：

圖1 滾子試樣接觸面提取

圖2 雙邊濾波效果圖

圖3 滾子試樣直方圖分布

圖4 Otsu 方法處理效果

圖5 改進Otsu 方法處理效果

其中 ω0(t)和 ω1(t)分別表示目標和背景發生的概率，μ0(t)和 μ1(t)分別表示目標和背景的平均灰度值。

在滾動接觸疲勞試驗中，不同的滾子試樣會出現不同的表面特征和灰度分布，以至于直方圖分布存在差異，但它們也有一個相似之處，即疲勞點在滾子試樣接觸面上占比較小，未出現疲勞點的背景區域則占比較大，因此，最佳閾值通常存在于直方圖的波谷位置，如圖3 所示，虛線處為直方圖的波谷位置。

當背景區域在滾子試樣接觸面上占比較大時，Otsu 方法就會失效，如圖4 所示。

因此，為了減小背景對計算Otsu 最佳閾值的影響，對灰度等級N 乘以一個取值范圍為0～1 的系數α，則式(1)可以寫成：

通過對不同圖像進行實驗統計分析，當α 取值為0.4 時，獲得的最佳閾值相比其他值更接近于直方圖的波谷位置，有更好的分割效果，如圖5 所示。

4 結論

本文在滾動接觸疲勞試驗的檢測中采用機器視覺檢測方法，不僅可視化了滾子試樣的疲勞狀態，而且還提高了判別效率，為滾子試樣的接觸疲勞壽命提供了可靠的數據。首先通過形態學膨脹算法，水平投影算法獲取接觸面圖像，然后采用雙邊濾波算法對接觸面圖像進行濾波去噪，最后利用改進的Otsu算法等對去噪后的圖像進行圖像分割。