馮柯茹
(達州職業(yè)技術(shù)學(xué)院,四川 達州635000)
工程實際中,有些機器零件處于滾動接觸條件的工作環(huán)境下,如機械、汽車、船舶和航空工業(yè)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(dǎo)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(shè)計、選材、制訂冷、熱加工工藝提供依據(jù)。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(shè)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(tài)。
本文采集的滾子試樣為主試樣,主試樣圖像的中間矩形區(qū)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(chǎn)生影響,同時為了提高檢測速度,根據(jù)接觸面和相鄰面灰度差異的特點,本文利用形態(tài)學(xué)膨脹算法和水平投影算法對試件進行區(qū)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(qū)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(tǒng)計二值化圖像中每一行像素值為0 的個數(shù),將統(tǒng)計值投影到水平方向,得到投影曲線。
d. 根據(jù)投影谷的位置提取接觸面。
處理結(jié)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(huán)境等因素的影響,原始圖像會產(chǎn)生噪聲,這些噪聲會影響到后續(xù)圖像處理結(jié)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。
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(yīng)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(nèi)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(jié)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(shè)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(qū)間[0,t]內(nèi)的所有像素集合,同理,背景由G 在區(qū)間[t+1,N-1]內(nèi)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(fā)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(xiàn)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(xiàn)疲勞點的背景區(qū)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(qū)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(shù)α,則式(1)可以寫成:
通過對不同圖像進行實驗統(tǒng)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。
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(tài),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(shù)據(jù)。首先通過形態(tài)學(xué)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。