基于视觉的铁路货车滚动轴承表面缺陷分类研究.pdfVIP

学兔兔 兰兰 二三Z鱼 轴承 2012年7期 43—46 CN4l—l148／TH Bearing2012．No．7 基于视觉的铁路货车滚动轴承表面缺陷分类研究 侯文英 ，杨懿 ，王铁辉。，黄嘉成 (1．内蒙古科技大学，内蒙古 包头 014010；2．联邦制药(内蒙古)有限公司，内蒙古 巴彦淖尔 015000) 摘要：用CCD代替人眼对轴承表面缺陷进行图像采集，采用卷积滤波与开 、闭运算相结合的图像处理方法，有 效去除了缺陷周围边缘点的干扰。在提取传统特征基础上增加了压缩度、线度、距离极值 比、NMI特征和不变 矩等特征量 ，增强了缺陷分类的依据；对 BP神经网络的输入矩阵和归一化方法的改进，提高了神经网络的记忆 能力及识别速度 ；通过试验对缺陷分类系统识别结果进行检测，确定了该系统的可靠性。 关键词 ：铁路货车轴承；图像处理 ；特征提取；神经网络；分类识别 中图分类号：TH133．33 文献标志码：B 文章编号：1000—3762(2012)07—0043—04 StudyonClassificationforSurfaceDefectsofRailwayFreightCarRolling BearingsBasedon Vision HOU Wen—ying ，YANG Yi，WANGTie—hui，HUANGJia—cheng (1．InnerMongoliaUniversityofScienceandTechnology，Baotou014010，China； 2．UnitedLaboratories(InnerMongolia)Ltd．，Bayannaoer015000，China) Abstract：TheimagecollectionofbearingsurfacedefectsisconductedbyusingCCD insteadofeyes．Theimagepro— cessingmethodthatcombinesconvolutionfilteringwithopen，closeoperationeffectivelyremovesinterferencescoming from theedgepointsaroundthedefects．Thefeaturequantitiesareincreasedbasedonthetraditionalfeatures，suchas degreeofcompression，linelength，distanceextremesratio，NMIfeatureandinvariantmoments，thebasisisenhanced forclassificationofdefects．TheinputmatrixofBPneuralnetworkandnormalizedmethodisimproved，andthememory capacityandrecognitionspeedofneural networksareadvanced；Thereliabilityofthesystem isversifiedbydetecting therecognitionresultofdefectclassification． Keywords：railwayfreightcarbearing；imageprocessing；featureextraction；neuralnetwork；classificationand identifi— cation 铁路货车滚动轴承是关系到铁路运输安全的 视觉疲劳，工作效率低，很容易造成漏检。 关键部件，由轴承故障引发的车辆事故是威胁行 针对以