基于机器视觉的滚动接触疲劳判别方法设计

冯柯茹

（达州职业技术学院，四川 达州635000）

1 概述

工程实际中，有些机器零件处于滚动接触条件的工作环境下，如机械、汽车、船舶和航空工业中广泛用到的滚动轴承、齿轮、凸轮和涡轮等，这些零件表面由于接触疲劳破坏从而导致失效[1]。

滚动接触疲劳试验是一种模拟轴承、齿轮、轧辊、轮箍等滚动接触零件工况的失效实验，它可以为这些零件的设计、选材、制订冷、热加工工艺提供依据。在实验中，滚动接触疲劳常见的一些判别方法缺乏可视性和判别效率，比如振动判别方法、温度判别方法。因此，本文针对滚动接触疲劳试验机设计了一套机器视觉检测方法，用于判别滚子试样滚动接触疲劳状态。

2 图像预处理

本文采集的滚子试样为主试样，主试样图像的中间矩形区域为接触面，接触面两边是相邻面，因为接触面是凸出的，与相邻面存在高度差，因此它们之间有着明显的灰度差异，这将会对阈值分割产生影响，同时为了提高检测速度，根据接触面和相邻面灰度差异的特点，本文利用形态学膨胀算法和水平投影算法对试件进行区域定位，膨胀算法用来消除干扰信息对二值化图像的影响，水平投影算法为区域提供定位。具体算法步骤如下：

a. 将滚子试样图像反向二值化。

b. 对反向二值化图像进行膨胀操作。

c. 统计二值化图像中每一行像素值为0 的个数，将统计值投影到水平方向，得到投影曲线。

d. 根据投影谷的位置提取接触面。

处理结果如图1 所示。

图像在采集的过程中，因受到视觉硬件性能、工作环境等因素的影响，原始图像会产生噪声，这些噪声会影响到后续图像处理结果。疲劳点边缘分割的准确性对检测误差也存在一定的影响，因此本文采用双边滤波器[2]对图像进行滤波处理，其降噪的同时还能保护图像尖锐的边缘，如图2 所示。

3 阈值处理

阈值分割是常见的图像处理算法，在一定条件下对目标和背景有不错的分割效果。Otsu 方法又称之为大律法或最大类间方差法[3]，是一种自适应阈值分割方法。该方法在单阈值情况下将图像分为目标和背景两类，通过类间方差最大或类内方差最小确定最佳阈值，当图像目标和背景的方差相似时，Otsu 方法可以获得不错的分割结果。Otsu 方法可以定义为如下：

一幅像素图像，灰度等级用 {0 ,1,2,…,N-1}表示，G 表示灰度值。假设选择的阈值t 将图像处理为目标和背景两类，目标由图像中G 在区间[0,t]内的所有像素集合，同理，背景由G 在区间[t+1,N-1]内的所有像素集合。

Otsu 方法的最佳阈值T 可以表示为[4]：

图1 滚子试样接触面提取

图2 双边滤波效果图

图3 滚子试样直方图分布

图4 Otsu 方法处理效果

图5 改进Otsu 方法处理效果

其中 ω0(t)和 ω1(t)分别表示目标和背景发生的概率，μ0(t)和 μ1(t)分别表示目标和背景的平均灰度值。

在滚动接触疲劳试验中，不同的滚子试样会出现不同的表面特征和灰度分布，以至于直方图分布存在差异，但它们也有一个相似之处，即疲劳点在滚子试样接触面上占比较小，未出现疲劳点的背景区域则占比较大，因此，最佳阈值通常存在于直方图的波谷位置，如图3 所示，虚线处为直方图的波谷位置。

当背景区域在滚子试样接触面上占比较大时，Otsu 方法就会失效，如图4 所示。

因此，为了减小背景对计算Otsu 最佳阈值的影响，对灰度等级N 乘以一个取值范围为0～1 的系数α，则式(1)可以写成：

通过对不同图像进行实验统计分析，当α 取值为0.4 时，获得的最佳阈值相比其他值更接近于直方图的波谷位置，有更好的分割效果，如图5 所示。

4 结论

本文在滚动接触疲劳试验的检测中采用机器视觉检测方法，不仅可视化了滚子试样的疲劳状态，而且还提高了判别效率，为滚子试样的接触疲劳寿命提供了可靠的数据。首先通过形态学膨胀算法，水平投影算法获取接触面图像，然后采用双边滤波算法对接触面图像进行滤波去噪，最后利用改进的Otsu算法等对去噪后的图像进行图像分割。