一种轴承的三维缺陷检测系统及方法

本发明属于机器视觉缺陷检测，具体涉及一种轴承的三维缺陷检测系统及方法。

背景技术：

1、轴承为机械结构中轴的关键支撑部件，用于承担传递轴到其他机械部件的载荷任务，并肩负引导轴体旋转的重要职责。轴承对机械行业而言，是最重要且最常见的基础零件之一，享有工业的关节这一美誉。

2、特别是小型轴承，其外观缺陷检测通常存在从单一方向打光时候无法提取出特别是划痕、凹坑、毛刺等具有三维特征的缺陷，很难从一个方向进行判别，从而现有的2d轴承检测设备或系统无法完全检测出轴承的三维缺陷，且刚生产制备完成的轴承表面均附着有防锈油滴，在光源照射下呈现出类似三维缺陷的特征，极大的影响现有的检测设备或系统的准确性。

3、因此，如何提供一种在消除轴承表面油滴影响的前提下，可以解决现有轴承生产企业面临的三维缺陷检测技术中存在的问题的轴承检测方案，是一个急需解决的问题。

技术实现思路

1、本发明的主要目的在于提供一种在消除轴承表面油滴影响的前提下，可以解决现有轴承的三维缺陷检测技术中存在的问题的轴承的三维缺陷检测系统及方法。

2、为实现前述发明目的，本发明采用的技术方案包括：一种轴承的三维缺陷检测系统，包括：

3、检测装置，所述检测装置包括轴承端面去油机构、传输机构、油滴检测工位、缺陷检测工位和二维图像采集机构，其中，

4、所述轴承端面去油机构用于将待检测轴承的端面附着的油滴去除掉，且所述轴承端面去油机构通过传输机构与油滴检测工位、缺陷检测工位相连，去油滴后的轴承在传输机构的传输作用下分别输送到所述油滴检测工位和所述缺陷检测工位；

5、所述二维图像采集机构包括彩色图像采集机构和图像采集机构，所述彩色图像采集机构位于所述油滴检测工位上方，用于拍摄获得待检测轴承的用于油滴检测的二维轴承彩色图像；所述图像采集机构位于缺陷检测工位的上方，用于拍摄获得待检测轴承的用于缺陷检测的二维轴承图像；

6、处理系统，与所述检测装置相连，其包括图像预处理模块和图像缺陷检测模块，其中，

7、所述图像预处理模块包括第一图像预处理模块和第二图像预处理模块，所述第一图像预处理模块用于对彩色图像采集机构获得的二维轴承彩色图像进行预处理，得到用于油滴检测的彩色预处理图像；所述第二图像预处理模块用于对图像采集机构获得的二维轴承图像进行预处理，得到用于油滴检测的预处理图像；

8、所述图像缺陷检测模块包括油滴检测模块和缺陷检测模块，所述油滴检测模块用于对所述第一图像预处理模块预处理得到的彩色预处理图像进行颜色检测，得到油滴检测结果；所述缺陷检测模块用于将所述多张预处理图像输入到预先训练的深度学习模型中，得到缺陷检测结果。

9、在一优选实施例中，所述处理系统还包括位于图像预处理模块和图像缺陷检测模块之间的深度学习模型训练模块，用于对深度学习模型进行预先训练。

10、在一优选实施例中，所述深度学习模型训练模块包括图像标注模块、精细特征信息提取模块、多注意力机制模块和粗糙特征信息提取模块，其中，

11、所述图像标注模块与图像预处理模块相连，用于对油滴检测的预处理图像进行标注，作为深度学习模型的训练图像；

12、所述精细特征信息提取模块与图像标注模块相连，用于将所述训练图像输入到分割子网络进行精细像素级信息提取，并获得待检测轴承图像的分割特征图像；

13、所述多注意力机制模块与精细特征信息提取模块相连，用于在深度学习模型训练的过程中，引入多注意力机制实现轴承的缺陷部分权重增强；

14、所述粗糙特征信息提取模块与多注意力机制模块相连，用于将由特征信息提取模块获得的分割特征图像再输入到分类子网络中，利用粗糙图像级信息对待测轴承图像进行分类，获得轴承分类结果，最后训练输出的检测模块作为所述缺陷检测模块。

15、在一优选实施例中，所述处理系统还包括图像缺陷检测模块相连的深度学习模型优化模块，用于存储由所述图像缺陷检测模块的缺陷检测模块输出的缺陷检测结果和由第二图像预处理模块得到的预处理图像，并根据存储的所述缺陷检测结果和预处理图像，优化与修改上述深度学习模型。

16、在一优选实施例中，所述深度学习模型优化模块包括复检模块和重新训练模块，所述复检模块用于将存储的所述缺陷检测结果和预处理图像进行复检，剔除掉检测错误的检测结果图；所述重新训练模块用于将缺陷检测结果正确的图像和对应的标注数据输入到改进的分割分类网络中重新训练，优化与修改深度学习模型的参数。

17、在一优选实施例中，所述轴承端面去油机构包括轴承下料组件、轴承去油槽、轴承去油带组件和去油带夹紧组件，其中，

18、所述轴承下料组件用于将轴承下料到轴承去油槽内；

19、所述轴承去油槽用于保持轴承的姿态；

20、所述轴承去油带组件包括分别位于所述轴承去油槽的两侧边的两个去油带，两个去油带各自沿对应的轴承去油槽所在的方向延伸设置，轴承去油槽内的轴承位于两个去油带之间且表面均与去油带接触，在两个去油带的夹持吸附下吸附擦拭掉轴承端面的油滴；

21、所述去油带夹紧组件包括两组分别位于两个去油带外侧的油带夹紧组件，将对应侧的去油带与轴承端面夹紧。

22、在一优选实施例中，所述彩色图像采集机构包括一工业检测光源和一彩色工业相机，所述工业检测光源位于油滴检测工位的上方，用于对轴承进行打光；所述彩色工业相机用于对轴承进行拍摄，获得一张所述二维轴承彩色图像。

23、在一优选实施例中，所述图像采集机构包括一组合光源和一工业相机，所述组合光源用于对缺陷检测工位上的轴承进行不同角度光源的照射，其包括一环形光源和一组可调节的多点光源，所述环形光源位于缺陷检测工位的正上方，且与轴承同轴设置；所述多点光源位于环形光源的下方，且所述多点光源周向分布于轴承的四周，且与轴承同轴设置；所述工业相机用于对轴承进行拍摄，获得一张待检测轴承的所述二维轴承图像。

24、另一方面，本发明还提供了一种轴承的三维缺陷检测方法，包括：

25、s100，去除待检测的轴承端面的油滴，将去除油滴后的轴承输送到油滴检测工位；

26、s200，在所述油滴检测工位对轴承进行拍摄，获得待检测轴承的二维轴承彩色图像，对所述二维轴承彩色图像进行预处理，得到用于油滴检测的彩色预处理图像；

27、s300，对所述彩色预处理图像进行颜色检测，得到油滴检测结果，若检测油滴去除干净，则进入步骤s400，反之，则重新进入步骤s100；

28、s400，将油滴去除干净的轴承输送到缺陷检测工位，在所述缺陷检测工位对轴承进行拍摄，获得待检测轴承的不同角度光源的多张二维轴承图像，对多张所述二维轴承图像进行预处理，得到用于缺陷检测的多张预处理图像；

29、s500，将所述多张预处理图像输入到预先训练的深度学习模型中，得到缺陷检测结果。

30、在一优选实施例中，所述方法还包括：

31、s600，存储由步骤s500得到的缺陷检测结果、由步骤s300和由步骤s400得到的预处理图像，并根据存储的缺陷检测结果和预处理图像，优化与修改深度学习模型。

32、在一优选实施例中，所述深度学习模型的预先训练过程包括：

33、s11，将步骤s300得到所述的预处理图像进行标注，作为深度学习模型的训练图像；

34、s12，将所述训练图像输入到分割子网络进行精细像素级信息提取，并获得待检测轴承图像的分割特征图像。

35、s13，在深度学习模型训练的过程中，引入多注意力机制实现轴承的缺陷部分权重增强。

36、在一优选实施例中，所述s600包括以下步骤：

37、s601，将存储的缺陷检测结果和预处理图像进行复检，剔除掉检测错误的检测结果图；

38、s602，将缺陷检测结果正确的图像和对应的标注数据输入到改进的分割分类网络中重新训练，优化与修改深度学习模型的参数。

39、与现有技术相比较，本发明的有益效果至少在于：

40、1、本发明在进行三维缺陷检测之前，先对轴承端面进行油滴去除及油滴检测，确保在缺陷检测前，轴承端面没有油滴，从而消除了油滴对轴承端面缺陷检测的影响，提高了本发明轴承缺陷检测的精度。

41、2、本发明通过组合光源和二维工业相机配合，通过组合光源对缺陷检测工位上的轴承进行不同角度光源的照射，从而采用2d相机实现了轴承表面的三维缺陷检测，从而克服现有轴承表面三维缺陷检测技术存在的：二维检测精度与效率低以及三维检测方案价格昂贵等问题。

42、3、本发明通过对深度学习模型进行预先训练，以及对深度学习模型进行优化，从而提高了轴承检测的精度，且极大地减少了检测的复杂度。