基于規范化樣本拆分的軸承缺陷檢測

徐建橋，吳 俊，陳向成，吳丹超，李 兵

（1.海軍工程大學 信息安全系，湖北 武漢 430033；2.武漢理工大學 自動化學院，湖北 武漢 430070；3.合肥小步智能科技有限公司，安徽 合肥 230011）

引言

隨著中國制造2025 的推進，我國正穩步向制造強國邁進。由于生產和裝配過程中各種不確定的因素，軸承會產生各種缺陷，這些缺陷會降低軸承的抗腐蝕性、耐磨性和抗疲勞強度等性能，嚴重時甚至會引起重大的安全事故[1-2]。在這種情況下，針對軸承的缺陷檢測顯得尤為重要。

現有的檢測手段可以分為人工目檢、物理檢測和機器視覺檢測等方法[3]。人工目檢是目前最主要的檢測方式，然而由于人工視覺檢測者的疲勞和非一致性，容易產生誤檢和漏檢，這種方式無法滿足軸承激增的數量和越來越高的品質需求[4]。常用的物理檢測手段有電渦流探傷法、超聲波法、磁粉探傷法等，這些物理手段可以較好地檢測出軸承滾子的缺陷，然而與人工目測類似，檢測過程中也需要人為判定，同樣存在效率低、容易誤檢和漏檢等問題。

隨著人工智能技術的發展，越來越多的檢測任務可以利用機器視覺實現[5]。文獻[6]提出一種基于支持向量機（SVM）的軸承表面檢測算法，該算法將軸承中的非缺陷區域和缺陷區域分別看作是2 種不同的紋理模式，利用主成分分析法（PCA）對圖像降維，然后用SVM 進行學習和分類，然而該文并未給出確定量化的評估指標。文獻[7]也是利用SVM 進行分類，其將缺陷分類為多類，并在論文中給出了缺陷的分類精確度?！?br>