一种用于机械配件的表面缺陷检测方法及系统

摘要

本发明涉及一种用于机械配件的表面缺陷检测方法及系统，属于图像处理技术领域。方法包括以下步骤：获得第一边缘线的第一拟合直线和第二边缘线的第二拟合直线；根据第一拟合直线的斜率和第二拟合直线的斜率，得到第一缺陷类型对应的各目标缺陷连通域；将除第一缺陷类型对应的各目标缺陷连通域之外的其它目标缺陷连通域记为待判定连通域；根据待判定连通域对应的第一边缘线上的各边缘像素点与对应的第一拟合直线之间的距离、第二边缘线上的各边缘像素点与对应的第二拟合直线之间的距离，得到拟合曲线；根据拟合曲线，得到第二缺陷类型对应的各缺陷连通域和第三缺陷类型对应的各缺陷连通域。本发明能高效的对轴承套圈端面缺陷进行识别。

权利要求

1.一种用于机械配件的表面缺陷检测方法，其特征在于，该方法包括如下步骤：获取待检测金属轴承套圈的端面图像；

利用最大类间方差法和边缘检测算子，得到端面图像对应的边缘轮廓图像；对边缘轮廓图像进行霍夫圆检测，得到目标环形区域和目标圆心坐标；

利用种子填充法，得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点；

根据所述边缘像素点坐标与目标圆心坐标之间的距离，得到各目标缺陷连通域对应的第一边缘线和对应的第二边缘线；根据所述第一边缘线上的各边缘像素点坐标和第二边缘线上的各边缘像素点坐标，拟合得到所述第一边缘线的第一拟合直线和所述第二边缘线的第二拟合直线；

根据所述第一拟合直线的斜率和所述第二拟合直线的斜率，得到各目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异；根据所述角度差异，得到第一缺陷类型对应的各目标缺陷连通域；

将除第一缺陷类型对应的各目标缺陷连通域之外的其它目标缺陷连通域记为待判定连通域；根据各待判定连通域对应的第一边缘线上的各边缘像素点与对应的第一拟合直线之间的距离以及各待判定连通域对应的第二边缘线上的各边缘像素点与对应的第二拟合直线之间的距离，拟合得到各待判定连通域对应的拟合曲线；

根据所述拟合曲线上的波谷数量，得到第二缺陷类型对应的各缺陷连通域和第三缺陷类型对应的各缺陷连通域；

所述拟合得到各待判定连通域对应的拟合曲线的方法，包括：

对于任一目标缺陷连通域：

计算得到该目标缺陷连通域对应的各边缘像素点坐标与目标圆心坐标之间的距离，记为各边缘像素点对应的特征距离；

计算得到各待判定连通域对应的第一边缘线上的各边缘像素点与对应的第一拟合直线之间的距离，记为各待判定连通域对应的第一边缘线上的各边缘像素点对应的第一距离；

计算得到各待判定连通域对应的第二边缘线上的各边缘像素点与对应的第二拟合直线之间的距离，记为各待判定连通域对应的第二边缘线上的各边缘像素点对应的第二距离；

对于任一待判定连通域：

以该待判定连通域对应的第一边缘线上的各边缘像素点对应的第一距离为纵坐标，以该待判定连通域对应的第一边缘线上的各边缘像素点对应的特征距离为横坐标，拟合得到该待判定连通域对应的第一边缘线的第一拟合曲线；以该待判定连通域对应的第二边缘线上的各边缘像素点对应的第二距离为纵坐标，以该待判定连通域对应的第二边缘线上的各边缘像素点对应的特征距离为横坐标，拟合得到该待判定连通域对应的第二边缘线的第二拟合曲线。

2.如权利要求1所述的一种用于机械配件的表面缺陷检测方法，其特征在于，所述得到目标环形区域和目标圆心坐标的方法，包括：对边缘轮廓图像进行霍夫圆检测，得到圆心之间的距离小于预设距离的两个霍夫圆，记为目标霍夫圆；

计算得到两个目标霍夫圆对应的圆心坐标的均值，作为目标圆心坐标；所述两个目标霍夫圆中较小半径对应的目标霍夫圆对应的区域范围为较大半径对应的目标霍夫圆对应的区域范围的子集；

将较大半径对应的目标霍夫圆对应的区域范围中除较小半径对应的目标霍夫圆对应的区域范围之外的区域记为边缘轮廓图像对应的环形区域；

将环形区域的像素点像素值置为1，将边缘轮廓图像上除环形区域之外的其它像素点像素值置为0，记为边缘轮廓图像对应的掩膜图像；

将掩膜图像与端面图像进行相乘，得到端面图像上的目标环形区域。

3.如权利要求1所述的一种用于机械配件的表面缺陷检测方法，其特征在于，所述得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点的方法，包括：将目标环形区域进行反色，将反色之后的目标环形区域记为特征环形区域，所述特征环形区域上的缺陷区域的像素点的像素值为1；

利用种子填充法，得到特征环形区域中像素值为1且相邻的像素点的集合，记为缺陷像素点集合，所述缺陷像素点集合中的像素点数量大于等于1；所述特征环形区域中可能存在多个缺陷像素点集合；

根据特征环形区域中各缺陷像素点集合，得到各缺陷像素点集合对应的缺陷连通域；

将各缺陷连通域中像素值数量小于预设数量的缺陷连通域筛选出去，将剩余的缺陷连通域记为目标缺陷连通域；利用Canny边缘检测算子提取各目标缺陷连通域的边缘像素点坐标；

根据特征环形区域中的各目标缺陷连通域和各目标缺陷连通域的边缘像素点坐标，得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点。

4.如权利要求1所述的一种用于机械配件的表面缺陷检测方法，其特征在于，所述得到各目标缺陷连通域对应的第一边缘线和对应的第二边缘线的方法，包括：对于任一目标缺陷连通域：

获得该目标缺陷连通域对应的各边缘像素点对应的特征距离中的最小特征距离和最大特征距离；根据所述最小特征距离和最大特征距离，得到该目标缺陷连通域对应的经验误差量；根据如下公式计算得到该目标缺陷连通域对应的经验误差量：其中，为该目标缺陷连通域对应的经验误差量， 为最大特征距离， 为最小特征距离；

根据所述经验误差量，得到该目标缺陷连通域对应的目标特征距离范围；将所述特征距离在目标特征距离范围外的各边缘像素点剔除，根据剔除后剩余的边缘像素点，得到该目标缺陷连通域对应的第一边缘线和对应的第二边缘线。

5.如权利要求1所述的一种用于机械配件的表面缺陷检测方法，其特征在于，所述根据所述角度差异，得到第一缺陷类型对应的各目标缺陷连通域的方法，包括：判断各目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异是否小于预设角度阈值，若是，则将对应的目标缺陷连通域标记为第一缺陷类型。

6.如权利要求1所述的一种用于机械配件的表面缺陷检测方法，其特征在于，所述根据所述拟合曲线上的波谷数量，得到第二缺陷类型对应的各缺陷连通域和第三缺陷类型对应的各缺陷连通域的方法，包括：统计得到各待判定连通域对应的第一边缘线的第一拟合曲线上的波谷数量和对应的第二边缘线的第二拟合曲线上的波谷数量；

判断各待判定连通域对应的第一边缘线的第一拟合曲线上的波谷数量或者各待判定连通域对应的第二边缘线的第二拟合曲线上的波谷数量是否大于等于预设波谷数量阈值，若是，则将对应的待判定连通域标记为第二缺陷类型；否则，则将对应的待判定连通域标记为第三缺陷类型。

7.如权利要求1所述的一种用于机械配件的表面缺陷检测方法，其特征在于，所述第一缺陷类型为磨削过量缺陷，所述第二缺陷类型为擦伤缺陷，所述第三缺陷类型为磕碰伤缺陷。

8.一种用于机械配件的表面缺陷检测系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1‑7任一项所述的一种用于机械配件的表面缺陷检测方法。

说明书

一种用于机械配件的表面缺陷检测方法及系统

技术领域

[0001] 本发明涉及图像处理技术领域，具体涉及一种用于机械配件的表面缺陷检测方法及系统。

背景技术

[0002] 轴承是轿车、重卡等各类型汽车组装中必不可少的重要基础配件之一，而轴承套圈是组成轴承的环形零件，一般情况下在对轴承套圈进行生产加工过程中，可能会使得轴承套圈端面出现一些常见的缺陷，主要有磨削过量、擦伤、磕碰伤这三种缺陷类型，这三种缺陷类型的外观相似且较难分辨，而且这三种缺陷类型对轴承套圈使用效果以及质量的影响不一致，并且对这三种缺陷类型的轴承套圈的处理方式不同；又因为轴承套圈的质量会直接的影响着轴承的质量，而轴承的质量直接决定着装备和产品的性能与稳定，因此对轴承套圈的缺陷检测或者识别尤为重要。

[0003] 现有的一般基于工人目视检查来实现轴承套圈端面的缺陷区域识别和缺陷区域对应的缺陷类型的识别，这种方法主观性较强、工作量大且效率较低，因此这种基于人工对轴承套圈端面缺陷进行检测的方式效率较低。

发明内容

[0004] 本发明提供一种用于机械配件的表面缺陷检测方法及系统，用于解决现有方法对轴承套圈端面进行缺陷检测效率较低的问题，所采用的技术方案具体如下：

[0005] 第一方面，本发明实施例提供了一种用于机械配件的表面缺陷检测方法包括以下步骤：

[0006] 获取待检测金属轴承套圈的端面图像；

[0007] 利用最大类间方差法和边缘检测算子，得到端面图像对应的边缘轮廓图像；对边缘轮廓图像进行霍夫圆检测，得到目标环形区域和目标圆心坐标；

[0008] 利用种子填充法，得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点；

[0009] 根据所述边缘像素点坐标与目标圆心坐标之间的距离，得到各目标缺陷连通域对应的第一边缘线和对应的第二边缘线；根据所述第一边缘线上的各边缘像素点坐标和第二边缘线上的各边缘像素点坐标，拟合得到所述第一边缘线的第一拟合直线和所述第二边缘线的第二拟合直线；

[0010] 根据所述第一拟合直线的斜率和所述第二拟合直线的斜率，得到各目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异；根据所述角度差异，得到第一缺陷类型对应的各目标缺陷连通域；

[0011] 将除第一缺陷类型对应的各目标缺陷连通域之外的其它目标缺陷连通域记为待判定连通域；根据各待判定连通域对应的第一边缘线上的各边缘像素点与对应的第一拟合直线之间的距离以及各待判定连通域对应的第二边缘线上的各边缘像素点与对应的第二拟合直线之间的距离，拟合得到各待判定连通域对应的拟合曲线；

[0012] 根据所述拟合曲线上的波谷数量，得到第二缺陷类型对应的各缺陷连通域和第三缺陷类型对应的各缺陷连通域。

[0013] 第二方面，本发明提供了一种用于机械配件的表面缺陷检测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述一种用于机械配件的表面缺陷检测方法。

[0014] 优选的，得到目标环形区域和目标圆心坐标的方法，包括：

[0015] 对边缘轮廓图像进行霍夫圆检测，得到圆心之间的距离小于预设距离的两个霍夫圆，记为目标霍夫圆；

[0016] 计算得到两个目标霍夫圆对应的圆心坐标的均值，作为目标圆心坐标；所述两个目标霍夫圆中较小半径对应的目标霍夫圆对应的区域范围为较大半径对应的目标霍夫圆对应的区域范围的子集；

[0017] 将较大半径对应的目标霍夫圆对应的区域范围中除较小半径对应的目标霍夫圆对应的区域范围之外的区域记为边缘轮廓图像对应的环形区域；

[0018] 将环形区域的像素点像素值置为1，将边缘轮廓图像上除环形区域之外的其它像素点像素值置为0，记为边缘轮廓图像对应的掩膜图像；

[0019] 将掩膜图像与端面图像进行相乘，得到端面图像上的目标环形区域。

[0020] 优选的，得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点的方法，包括：

[0021] 将目标环形区域进行反色，将反色之后的目标环形区域记为特征环形区域，所述特征环形区域上的缺陷区域的像素点的像素值为1；

[0022] 利用种子填充法，得到特征环形区域中像素值为1且相邻的像素点的集合，记为缺陷像素点集合，所述缺陷像素点集合中的像素点数量大于等于1；所述特征环形区域中可能存在多个缺陷像素点集合；

[0023] 根据特征环形区域中各缺陷像素点集合，得到各缺陷像素点集合对应的缺陷连通域；

[0024] 将各缺陷连通域中像素值数量小于预设数量的缺陷连通域筛选出去，将剩余的缺陷连通域记为目标缺陷连通域；利用Canny边缘检测算子提取各目标缺陷连通域的边缘像素点坐标；

[0025] 根据特征环形区域中的各目标缺陷连通域和各目标缺陷连通域的边缘像素点坐标，得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点。

[0026] 优选的，得到各目标缺陷连通域对应的第一边缘线和对应的第二边缘线的方法，包括：

[0027] 对于任一目标缺陷连通域：

[0028] 计算得到该目标缺陷连通域对应的各边缘像素点坐标与目标圆心坐标之间的距离，记为各边缘像素点对应的特征距离；

[0029] 获得该目标缺陷连通域对应的各边缘像素点对应的特征距离中的最小特征距离和最大特征距离；根据所述最小特征距离和最大特征距离，得到该目标缺陷连通域对应的经验误差量；根据如下公式计算得到该目标缺陷连通域对应的经验误差量：

[0030]

[0031] 其中，为该目标缺陷连通域对应的经验误差量， 为最大特征距离， 为最小特征距离；

[0032] 根据所述经验误差量，得到该目标缺陷连通域对应的目标特征距离范围；将所述特征距离在目标特征距离范围外的各边缘像素点剔除，根据剔除后剩余的边缘像素点，得到该目标缺陷连通域对应的第一边缘线和对应的第二边缘线。

[0033] 优选的，根据所述角度差异，得到第一缺陷类型对应的各目标缺陷连通域的方法，包括：

[0034] 判断各目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异是否小于预设角度阈值，若是，则将对应的目标缺陷连通域标记为第一缺陷类型。

[0035] 优选的，拟合得到各待判定连通域对应的拟合曲线的方法，包括：

[0036] 计算得到各待判定连通域对应的第一边缘线上的各边缘像素点与对应的第一拟合直线之间的距离，记为各待判定连通域对应的第一边缘线上的各边缘像素点对应的第一距离；

[0037] 计算得到各待判定连通域对应的第二边缘线上的各边缘像素点与对应的第二拟合直线之间的距离，记为各待判定连通域对应的第二边缘线上的各边缘像素点对应的第二距离；

[0038] 对于任一待判定连通域：

[0039] 以该待判定连通域对应的第一边缘线上的各边缘像素点对应的第一距离为纵坐标，以该待判定连通域对应的第一边缘线上的各边缘像素点对应的特征距离为横坐标，拟合得到该待判定连通域对应的第一边缘线的第一拟合曲线；以该待判定连通域对应的第二边缘线上的各边缘像素点对应的第二距离为纵坐标，以该待判定连通域对应的第二边缘线上的各边缘像素点对应的特征距离为横坐标，拟合得到该待判定连通域对应的第二边缘线的第二拟合曲线。

[0040] 优选的，根据所述拟合曲线上的波谷数量，得到第二缺陷类型对应的各缺陷连通域和第三缺陷类型对应的各缺陷连通域的方法，包括：

[0041] 统计得到各待判定连通域对应的第一边缘线的第一拟合曲线上的波谷数量和对应的第二边缘线的第二拟合曲线上的波谷数量；

[0042] 判断各待判定连通域对应的第一边缘线的第一拟合曲线上的波谷数量或者各待判定连通域对应的第二边缘线的第二拟合曲线上的波谷数量是否大于等于预设波谷数量阈值，若是，则将对应的待判定连通域标记为第二缺陷类型；否则，则将对应的待判定连通域标记为第三缺陷类型。

[0043] 优选的，第一缺陷类型为磨削过量缺陷，所述第二缺陷类型为擦伤缺陷，所述第三缺陷类型为磕碰伤缺陷。

[0044] 有益效果：本发明首先基于计算机视觉提取待检测金属轴承套圈的端面图像，然后基于图像处理得到待具体研究分析的目标环形区域；紧接着又基于种子填充法，得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点；本发明得到目标环形区域和目标缺陷连通域的方法是依据图像分析得到的，与人工目检的方式相比准确度和可靠性更高；然后本发明又基于第一缺陷类型的目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异较小的特点，得到第一缺陷类型对应的各目标缺陷连通域；之后对除第一缺陷类型对应的各目标缺陷连通域之外的其它目标缺陷连通域进行分析，并将除第一缺陷类型对应的各目标缺陷连通域之外的其它目标缺陷连通域记为待判定连通域；然后依据各待判定连通域对应的第一边缘线上的各边缘像素点与对应的第一拟合直线之间的距离以及各待判定连通域对应的第二边缘线上的各边缘像素点与对应的第二拟合直线之间的距离，拟合得到各待判定连通域对应的拟合曲线；然后依据拟合曲线上的波谷数量以及第二缺陷类型和第三缺陷类型的边缘特征，得到第二缺陷类型对应的各目标缺陷连通域和第三缺陷类型对应的各目标缺陷连通域，所述第二缺陷类型和第三缺陷类型的边缘特征是指第二缺陷类型连通域边缘为光滑的状态以及第三缺陷类型连通域边缘为不光滑状态；因此本发明依据第一缺陷类型的连通域边缘特征、第二缺陷类型的连通域边缘特征以及第三缺陷类型的连通域边缘特征来得到第一缺陷类型对应的各目标缺陷连通域、第二缺陷类型对应的各缺陷连通域和第三缺陷类型对应的各缺陷连通域的方式比依据人工的方式更加可靠、准确以及高效。因此本发明提供的是一种自动化较高的缺陷检测方法；该方法不仅能避免人工目检的主观性以及低效性，还能提高轴承套圈端面缺陷识别的准确性和可靠性。

附图说明

[0045] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

[0046] 图1为本发明一种用于机械配件的表面缺陷检测方法的流程图；

[0047] 图2为本发明的目标缺陷连通域对应的边缘线示意图。

具体实施方式

[0048] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明实施例，本领域普通技术人员所获得的所有其它实施例，都属于本发明实施例保护的范围。

[0049] 除非另有定义，本文所使用的所有的技术和科学技术术语与属于本发明的技术人员通常理解的含义相同。

[0050] 本实施例提供了一种用于机械配件的表面缺陷检测方法，详细说明如下：

[0051] 如图1所示，该用于机械配件的表面缺陷检测方法，包括以下步骤：

[0052] 步骤S001，获取目标环形区域和目标圆心坐标。

[0053] 本实施例主要是基于计算机视觉技术提取待检测金属轴承套圈端面图像，然后通过图像处理和数学建模实现对轴承套圈端面的缺陷类型的智能化检测，所检测的缺陷类型包括磨削过量、擦伤以及磕碰伤，并分别记为第一缺陷类型、第二缺陷类型以及第三缺陷类型；并且本实施例提供的是一种自动化较高的轴承套圈端面缺陷检测方法；该方法不仅能避免人工目检的主观性以及低效性，还能提高轴承套圈端面缺陷识别的准确性和可靠性。

[0054] 本实施例利用图像采集系统采集待检测金属轴承套圈的端面图像，图像采集系统主要包括相机、支架、球积分光源、待检测金属轴承套圈以及漫反射采样板，其中轴承套圈水平放置在漫反射采样板上，相机在水平放置的轴承套圈的上方，且相机采集视角向下，球积分光源在相机和轴承套圈之间；并且图像采集时首先控制球积分光源照射轴承套圈，并反射给相机进行轴承套圈上下端面区域的拍摄，即一个轴承套圈对应两张端面图像，以下过程只对一张端面图像进行分析。

[0055] 接下来对端面图像进行灰度化处理，得到端面图像对应的灰度图像；由于图像采集过程中难免会引入噪声，进而会影响后续的分析效果；因此需要对灰度图像进行预处理，得到端面图像对应的目标灰度图像；预处理过程为：利用中值滤波对灰度图像进行去噪，既能消除噪声又能较好地保持图像细节且计算时间也较短，之后对去噪后的图像进行图像增强处理，提高可疑缺陷区域特征的对比度，本实施例采用指数变换进行缺陷特征增强，将去噪和特征增强之后的灰度图像记为目标灰度图像。

[0056] 紧接着本实施例利用最大类间方差法（OSTU）统计整个目标灰度图像的直方图特性来实现全局阈值T的自动选取，然后将目标灰度图像上大于全局阈值T的像素点灰度值置为1，小于全局阈值T的像素点灰度值置为0，得到目标灰度图像对应的二值图像；所述利用最大类间方差法对图像进行二值化为公知技术，因此不再详细描述。

[0057] 由于本实施例主要研究分析的是轴承套圈端面的缺陷，而为了减少后续分析处理的时间以及检测的准确性，需要得到轴承套圈端面图像上的轴承套圈端面区域；具体过程为：

[0058] 首先利用Canny边缘算子对上述得到的目标灰度图像对应的二值图像进行检测，得到二值图像对应的边缘轮廓图像和边缘轮廓图像上的各边缘像素点；所述边缘轮廓图像上包含轴承套圈端面的轮廓像素信息；由于目标灰度图像是端面图像对应的，因此边缘图像也为端面图像对应的；然后以边缘轮廓图像上的左下角为坐标原点 ，水平向右作为横轴正方向，竖直向上作为纵轴的正方向，构建坐标系，进而得到边缘轮廓图像上各边缘像素点的坐标信息；之后对边缘轮廓图像进行霍夫圆检测，得到圆心之间的距离小于预设距离的两个霍夫圆，记为目标霍夫圆；所述预设距离需要根据实际情况设置。霍夫圆检测的基本思路是将被检测图像映射到参数空间，并且被检测图像中边缘曲线的边界点需满足某种参数，应用设置累加器和投票的方法将图像问题转化为简单的局部峰值检测问题；所述霍夫圆检测为公知技术，具体过程不作详细描述。

[0059] 由于正常的轴承套圈的内外边缘是同心圆，因此两个目标霍夫圆圆心之间的距离差异较小，进而预设距离的值较小；计算得到两个目标霍夫圆对应的圆心坐标的均值，并作为目标圆心坐标；所述两个目标霍夫圆中较小半径对应的目标霍夫圆对应的区域范围为较大半径对应的目标霍夫圆对应的区域范围的子集；将较大半径对应的目标霍夫圆对应的区域范围中除较小半径对应的目标霍夫圆对应的区域范围之外的区域记为边缘轮廓图像对应的环形区域，所述环形区域也为轴承套圈端面区域；然后将环形区域的像素点像素值置为1，将边缘轮廓图像上除环形区域之外的其它像素点像素值置为0，并记为边缘轮廓图像对应的掩膜图像；所述轴承套圈端面图像、灰度图像、目标灰度图像、边缘轮廓图像以及掩膜图像上的各像素点一一对应；然后将掩膜图像与端面图像进行相乘，提取得到ROI区域，记为端面图像上的目标环形区域。

[0060] 步骤S002，利用种子填充法，得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素。

[0061] 本实施例步骤S002得到了待具体研究分析的目标环形区域，紧接着通过对目标环形区域进行分析，得到目标环形区域上的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点坐标；具体过程为：

[0062] 首先将端面图像上的目标环形区域进行反色，将反色之后的目标环形区域记为特征环形区域，并且特征环形区域上的缺陷区域的像素点的像素值为1，即缺陷区域为白色；然后利用种子填充法，得到特征环形区域中像素值为1且相邻的像素点的集合，记为缺陷像素点集合，所述缺陷像素点集合中的像素点数量大于等于1；但是特征环形区域中可能不存在缺陷像素点集合，若不存在缺陷像素点集合，则说明特征环形区域中不存在缺陷，即待检测金属轴承套圈的端面不存在缺陷；若特征环形区域中存在缺陷像素点集合，则表明特征环形区域中存在缺陷，需要对缺陷像素点集合区域进行进一步的分析，且特征环形区域中可能存在多个缺陷像素点集合。

[0063] 然后本实施例将特征环形区域中各缺陷像素点集合中各像素点构成的区域，记为特征环形区域中的各缺陷连通域，并对各缺陷连通域设置标签值，便于后续的处理；由于面积较小的缺陷连通域可能是外界噪声导致的，因此本实施例为减少后续分析的计算量，将缺陷连通域中像素值数量小于预设数量的缺陷连通域筛选出去，将剩余的缺陷连通域记为目标缺陷连通域，并利用Canny边缘检测算子提取各目标缺陷连通域的边缘像素点坐标；所述预设数量需要根据实际情况设置或者根据设置的缺陷区域检测精度进行设置，所述缺陷区域检测精度是指能够检测分析的面积最小的缺陷区域，例如检测分析的面积最小的缺陷区域为5mm×1mm，则预设数量为5mm×1mm的连通域内的像素点数量。因此本实施例通过上述过程得到了特征环形区域中的各目标缺陷连通域，由于目标环形区域上的各像素点与特征环形区域上的各像素点一一对应，因此根据特征环形区域中的各目标缺陷连通域，可以得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点。

[0064] 步骤S003，根据所述边缘像素点坐标与目标圆心坐标之间的距离，得到各目标缺陷连通域对应的第一边缘线和对应的第二边缘线；根据所述第一边缘线上的各边缘像素点坐标和第二边缘线上的各边缘像素点坐标，拟合得到所述第一边缘线的第一拟合直线和所述第二边缘线的第二拟合直线。

[0065] 本实施例只针对磨削过量、擦伤、磕碰伤这三种缺陷类型进行分析，其中，磨削过量相较于其它两种缺陷类型，磨削过量缺陷连通域的上下边缘线具有明显的方向一致性，即磨削过量缺陷连通域的上下边缘线的斜率差异较小，而另外两种缺陷类型的连通域的上下边缘线并不固定存在上述现象；另外，磨削过量和磕碰伤的连通域边缘都是光滑的状态，而擦伤一般从目标环形区域的一个边界往另一边界延伸，从头部往尾部愈发离散，即沿着延伸方向愈发离散，且分布状态不光滑；因此本实施例基于上述不同缺陷类型的特征，得到各缺陷连通域对应的缺陷类型。

[0066] 首先获得各目标缺陷连通域对应的上下边缘线，并将上边缘线记为第一边缘线，将下边缘线记为第二边缘线；获得各目标缺陷连通域对应的第一边缘线和对应的第二边缘线的具体过程为：

[0067] 对于任一目标缺陷连通域：

[0068] 计算得到该目标缺陷连通域对应的各边缘像素点坐标与目标圆心坐标之间的距离，记为各边缘像素点对应的特征距离；对于该目标缺陷连通域对应的任一边缘像素点，根据如下公式计算该边缘像素点对应的特征距离：

[0069]

[0070] 其中，为该边缘像素点对应的特征距离， 为该边缘像素点对应的横坐标， 为该边缘像素点对应的纵坐标， 为目标圆心的横坐标， 为目标圆心的纵坐标。

[0071] 因此通过上述过程可以得到该目标缺陷连通域对应的各边缘像素点对应的特征距离，并获得最小特征距离和最大特征距离；根据最小特征距离和最大特征距离，得到该目标缺陷连通域对应的经验误差量；根据如下公式计算得到该目标缺陷连通域对应的经验误差量：

[0072]

[0073] 其中，为该目标缺陷连通域对应的经验误差量， 为最大特征距离， 为最小特征距离。

[0074] 根据经验误差量，得到该目标缺陷连通域对应的目标特征距离范围，然后将特征距离在目标特征距离范围外的各边缘像素点剔除，剩余的边缘像素点将构成两条边缘线，即为该目标缺陷连通域对应的第一边缘线和对应的第二边缘线，并得到第一边缘线上的各边缘像素点和第二边缘线上的各边缘像素点；如图2所示，虚线 与虚线 之间的区域范围内的两条边缘线为该目标缺陷连通域对应的第一边缘线和对应的第二边缘线，且第一边缘线在第二边缘线的上方。

[0075] 因此通过上述过程可以得到各目标缺陷连通域对应的第一边缘线和对应的第二边缘线，以及第一边缘线上的各边缘像素点和第二边缘线上的各边缘像素点；上述过程把距离目标环形区域边缘较近的边缘线像素点剔除掉，是因为与目标环形区域边缘较近的部分干扰较大，会影响后续的分析；所述各目标缺陷连通域对应的第一边缘线和对应的第二边缘线为后续分析得到各目标缺陷连通域对应的缺陷类型的依据。

[0076] 紧接着，依据各目标缺陷连通域对应的第一边缘线上的各边缘像素点，利用最小二乘法拟合得到各目标缺陷连通域对应的第一边缘线的拟合直线，记为第一拟合直线，并得到第一拟合直线的斜率和截距；然后依据各目标缺陷连通域对应的第二边缘线上的各边缘像素点，利用最小二乘法拟合得到各目标缺陷连通域对应的第二边缘线的拟合直线，记为第二拟合直线，并得到第二拟合直线的斜率和截距；所述利用最小二乘法拟合直线为公知技术，因此不再详细描述；所述拟合直线的斜率和截距为后续分析识别各目标缺陷连通域对应的缺陷类型的依据。

[0077] 步骤S004，根据所述第一拟合直线的斜率和所述第二拟合直线的斜率，得到各目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异；根据所述角度差异，得到第一缺陷类型对应的各目标缺陷连通域。

[0078] 由于磨削过量缺陷连通域的第一边缘线和第二边缘线的斜率差异较小，而另外两种缺陷类型的连通域的第一边缘线和第二边缘线的斜率差异较大，因此本实施例基于各目标缺陷连通域对应的第一边缘线的第一拟合直线的斜率和第二拟合直线的斜率，得到各目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异；对于任一目标缺陷连通域，根据如下公式计算该目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异：

[0079]

[0080] 其中，为该目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异， 为该目标缺陷连通域对应的第一边缘线的第一拟合直线的斜率， 为该目标缺陷连通域对应的第二边缘线的第二拟合直线的斜率， 为反正切函数；越小，表明该目标缺陷连通域是第一缺陷类型的概率越大。

[0081] 因此通过上述过程可以得到各目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异；然后判断各目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异是否小于预设角度阈值，若是，则将对应的目标缺陷连通域标记为第一缺陷类型，即为磨削过量缺陷，并对磨削过量区域进行抛磨；否则，则需要对目标缺陷连通域进行进一步的分析，得到缺陷类型；本实施例将预设角度阈值设置为 ，作为其它的实施方式，也可以根据实际情况设置预设角度阈值的值。

[0082] 步骤S005，将除第一缺陷类型对应的各目标缺陷连通域之外的其它目标缺陷连通域记为待判定连通域；根据各待判定连通域对应的第一边缘线上的各边缘像素点与对应的第一拟合直线之间的距离以及各待判定连通域对应的第二边缘线上的各边缘像素点与对应的第二拟合直线之间的距离，拟合得到各待判定连通域对应的拟合曲线。

[0083] 本实施例通过步骤S005得到了第一缺陷类型对应的各目标缺陷连通域，然后将除第一缺陷类型对应的各目标缺陷连通域之外的其它目标缺陷连通域记为待判定连通域；然后计算得到各待判定连通域对应的第一边缘线上的各边缘像素点与对应的第一拟合直线之间的距离，记为各待判定连通域对应的第一边缘线上的各边缘像素点对应的第一距离；对于任一待判定连通域对应的第一边缘线上的任一边缘像素点，根据如下公式计算该边缘像素点对应的第一距离：

[0084]

[0085] 其中， 为该边缘像素点对应的第一距离， 为该边缘像素点对应的横坐标，为该边缘像素点对应的纵坐标， 为该待判定连通域对应的第一边缘线的第一拟合直线的斜率， 为该待判定连通域对应的第一边缘线的第一拟合直线的截距。

[0086] 计算得到各待判定连通域对应的第二边缘线上的各边缘像素点与对应的第二拟合直线之间的距离，记为各待判定连通域对应的第二边缘线上的各边缘像素点对应的第二距离；对于任一待判定连通域对应的第二边缘线上的任一边缘像素点，根据如下公式计算该边缘像素点对应的第二距离：

[0087]

[0088] 其中， 为该边缘像素点对应的第二距离， 为该边缘像素点对应的横坐标，为该边缘像素点对应的纵坐标， 为该待判定连通域对应的第二边缘线的第二拟合直线的斜率， 为该待判定连通域对应的第二边缘线的第二拟合直线的截距。

[0089] 对于任一待判定连通域：以该待判定连通域对应的第一边缘线上的各边缘像素点对应的第一距离为纵坐标，以该待判定连通域对应的第一边缘线上的各边缘像素点对应的特征距离为横坐标，拟合得到该待判定连通域对应的第一边缘线的第一拟合曲线；以该待判定连通域对应的第二边缘线上的各边缘像素点对应的第二距离为纵坐标，以该待判定连通域对应的第二边缘线上的各边缘像素点对应的特征距离为横坐标，拟合得到该待判定连通域对应的第二边缘线的第二拟合曲线。

[0090] 因此本实施例通过上述过程可以得到各待判定连通域对应的第一边缘线的第一拟合曲线和对应的第二边缘线的第二拟合曲线。

[0091] 步骤S006，根据所述拟合曲线上的波谷数量，得到第二缺陷类型对应的各缺陷连通域和第三缺陷类型对应的各缺陷连通域。

[0092] 本实施例通过步骤S006得到了各待判定连通域对应的第一边缘线的第一拟合曲线和对应的第二边缘线的第二拟合曲线，紧接着统计得到各待判定连通域对应的第一边缘线的第一拟合曲线上的波谷数量和对应的第二边缘线的第二拟合曲线上的波谷数量；然后判断各待判定连通域对应的第一边缘线的第一拟合曲线上的波谷数量或者对应的第二边缘线的第二拟合曲线上的波谷数量是否大于等于预设波谷数量阈值，若是，则判定对应的待判定连通域对应的边缘线上存在不平滑的边缘线段，将对应的待判定连通域标记为第二缺陷类型，即擦伤缺陷，并对擦伤缺陷进行再抛磨；否则，则判定对应的待判定连通域对应的边缘线上不存在不平滑的边缘线段，将对应的待判定连通域标记为第三缺陷类型，即磕碰伤缺陷，并将存在磕碰伤缺陷的轴承套圈进行报废，不投入使用；本实施例设置预设波谷数量阈值为3，作为其它的实施方式，也可以根据需求的不同，为预设波谷数量阈值设置其它的值。

[0093] 本实施例首先基于计算机视觉提取待检测金属轴承套圈的端面图像，然后基于图像处理得到待具体研究分析的目标环形区域；紧接着又基于种子填充法，得到目标环形区域中的各目标缺陷连通域和各目标缺陷连通域对应的各边缘像素点；本实施例得到目标环形区域和目标缺陷连通域的方法是依据图像分析得到的，与人工目检的方式相比准确度和可靠性更高；然后本实施例又基于第一缺陷类型的目标缺陷连通域对应的第一边缘线与对应的第二边缘线之间的角度差异较小的特点，得到第一缺陷类型对应的各目标缺陷连通域；之后对除第一缺陷类型对应的各目标缺陷连通域之外的其它目标缺陷连通域进行分析，并将除第一缺陷类型对应的各目标缺陷连通域之外的其它目标缺陷连通域记为待判定连通域；然后依据各待判定连通域对应的第一边缘线上的各边缘像素点与对应的第一拟合直线之间的距离以及各待判定连通域对应的第二边缘线上的各边缘像素点与对应的第二拟合直线之间的距离，拟合得到各待判定连通域对应的拟合曲线；然后依据拟合曲线上的波谷数量以及第二缺陷类型和第三缺陷类型的边缘特征，得到第二缺陷类型对应的各目标缺陷连通域和第三缺陷类型对应的各目标缺陷连通域，所述第二缺陷类型和第三缺陷类型的边缘特征是指第二缺陷类型连通域边缘为光滑的状态以及第三缺陷类型连通域边缘为不光滑状态；因此本实施例依据第一缺陷类型的连通域边缘特征、第二缺陷类型的连通域边缘特征以及第三缺陷类型的连通域边缘特征来得到第一缺陷类型对应的各目标缺陷连通域、第二缺陷类型对应的各缺陷连通域和第三缺陷类型对应的各缺陷连通域的方式比依据人工的方式更加可靠、准确以及高效。因此本实施例提供的是一种自动化较高的缺陷检测方法；该方法不仅能避免人工目检的主观性以及低效性，还能提高轴承套圈端面缺陷识别的准确性和可靠性。

[0094] 本实施例的一种用于机械配件的表面缺陷检测系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述一种用于机械配件的表面缺陷检测方法。

[0095] 以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。