微小型航天密封圈表面缺陷檢測

侯春佳，何博俠，胡金松，俞杰，陳旭洋

（南京理工大學 機械工程學院， 南京 210094）

0 引言

在航空航天以及制導系統中使用的O 形密封圈（以下簡稱“O 形圈”），其特征尺寸與表面質量是影響主機可靠性的重要因素，必須要做到100%全檢。由于O 形圈材料的柔性特征以及外表面的全向曲面特征，當前以人工為主的測量與檢測方法存在著測檢效率低、結果不穩定、耗費人力多三大缺點，已不能滿足航空航天和國防工業快速發展的需要。

目前，針對O 形圈表面缺陷的檢測方法主要有人工目測法、傳統圖像處理方法和基于深度學習的檢測方法。人工目測法［1］通過人眼利用放大鏡檢測缺陷，這種方法檢測效率低，尤其是長時間的重復勞動，不但容易造成視覺疲勞，而且檢測的一致性和穩定性也難以保證。在圖像處理領域，HUANG Lian 等［2］采用多相機方式采集O 形圈圖像，利用奇異值分解法檢測O 形圈缺陷。由于受到奇異值選取數量的影響，選取的奇異值越少，能提取的缺陷越多，但是帶入的噪聲也越多，另外算法的穩定性受到環境光照影響較大，檢測結果不穩定。LI Xiaoguang 等［3］提出了一種基于粒子群優化的K-Means 聚類圖像分割算法，利用SURF（Speeded-Up Robust Features）算法提取O 形圈圖像的特征點，根據粒子群適應度方差函數，選擇粒子群優化和K-Means 算法相結合計算出的插入點，通過迭代，優化K-Means 算法的初始聚類中心，提高了K-Means 算法聚類迭代的效率。通過實驗驗證了該算法可用于密封圈的準確檢測。以上傳統圖像處理方法適用于對特定形態的表面缺陷進行檢測，對于微小型O 形圈，由于其尺寸小、缺陷面積占比小，缺陷形態復雜多樣，隱層網絡較淺，語義表達能力弱，無法提取出特征復雜的微小型表面缺陷。……