基于计算机视觉的轴承滚子表面缺陷在线检测系统

doi:10.12141/j.issn.1000-565X.190890

华南理工大学学报（自然科学版） ›› 2020, Vol. 48 ›› Issue (10): 76-87.doi: 10.12141/j.issn.1000-565X.190890

基于计算机视觉的轴承滚子表面缺陷在线检测系统

文生平^1,2周正军³ 张啸言^1,2 陈志鸿^1,2

1．华南理工大学广东省高分子先进制造技术及装备重点实验室，广东广州 510640; 2．华南理工大学聚合物加工工程教育部重点实验室，广东广州 510640; 3．广州市井源机电设备有限公司，广东广州 511480

收稿日期:2019-12-09 修回日期:2020-04-24 出版日期:2020-10-25 发布日期:2020-09-14
通信作者: 文生平(1966-)，男，博士，教授，主要从事智能控制与机器视觉等的研究。 E-mail:shpwen@scut. edu. cn
作者简介:文生平(1966-)，男，博士，教授，主要从事智能控制与机器视觉等的研究。
基金资助:
国家自然科学基金资助项目 (51973068); 国家重点研发计划项目 (2019YFC1908201)

Online Detection System of Bearing Roller's Surface Defects Based on Computational Vision

WEN Shengping^1,2ZHOU Zhengjun³ ZHANG Xiaoyan^1,2 CHEN Zhihong^1,2

1． Guangdong Advanced Polymer Manufacturing Technology and Equipment Key Laboratory，South China University of Technology，Guangzhou 510640，Guangdong，China; 2． Key Laboratory of Polymer Processing Engineering，the Ministry of Education，South China University of Technology，Guangzhou 510640，Guangdong，China; 3． Guangzhou Jingyuan Mechano-Electric Equipment Co．，Ltd．，Guangzhou 511480，Guangdong，China

Received:2019-12-09 Revised:2020-04-24 Online:2020-10-25 Published:2020-09-14
Contact: 文生平(1966-)，男，博士，教授，主要从事智能控制与机器视觉等的研究。 E-mail:shpwen@scut. edu. cn
About author:文生平(1966-)，男，博士，教授，主要从事智能控制与机器视觉等的研究。
Supported by:
Supported by the National Natural Science Foundation of China (51973068) and the National Key R＆D Pro-gram of China (2019YFC1908201)

摘要/Abstract

摘要： 通过分析轴承滚子中最常见的几种表面缺陷类型，设计了针对性的缺陷检测算法，将传统计算机视觉方法与深度学习相结合，并采用改进的ＲetinaNet 模型，实现了轴承滚子的表面缺陷检测。实验结果表明: 文中方法的准确率达 95% 以上; 相较于传统的缺陷检测方法，文中方法在准确率、召回率与 F1-score 上均有一定提升。

关键词: 轴承, 表面缺陷, 在线检测, 深度学习, 卷积神经网络

Abstract: A reasonable detection algorithm for surface defects in bearing rollers was designed based on the analysis of some most common surface defect types． It combines the traditional computer vision method with deep learning and adopts the improved ＲetinaNet model to realize the surface defect detection of bearing rollers． The experimental results show that the accuracy of this method is more than 95%． As compared with the traditional defect detection method，the proposed detection algorithm can make improvement in accuracy，recall rate and F1-score．

Key words: bearing, surface defect, online detection, deep learning, convolution neural network

文生平, 周正军, 张啸言, 等. 基于计算机视觉的轴承滚子表面缺陷在线检测系统[J]. 华南理工大学学报（自然科学版）, 2020, 48(10): 76-87.

WEN Shengping, ZHOU Zhengjun, ZHANG Xiaoyan, et al. Online Detection System of Bearing Roller's Surface Defects Based on Computational Vision[J]. Journal of South China University of Technology (Natural Science Edition), 2020, 48(10): 76-87.

[1]	李方, 郭炜森, 张平, 等. 基于时空双细胞状态的轴承剩余使用寿命预测方法[J]. 华南理工大学学报(自然科学版), 2023, 51(9): 69-81.
[2]	苏锦钿, 余珊珊, 洪晓斌. 一种面向中文拼写纠错的自监督预训练方法[J]. 华南理工大学学报(自然科学版), 2023, 51(9): 90-98.
[3]	李家春, 李博文, 林伟伟. AdfNet：一种基于多样化特征的自适应深度伪造检测网络[J]. 华南理工大学学报(自然科学版), 2023, 51(9): 82-89.
[4]	马晓亮, 安玲玲, 邓从健, 等. 基于行业词表的自动语音转写后优化技术[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 118-125.
[5]	郭恩强, 符锌砂. 基于特征相似性学习的抛洒物检测方法[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 30-41.
[6]	赵建东, 焦岚馨, 赵志敏, 等. 考虑侧向车换道影响的理论和数据组合驱动的车辆跟驰模型[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 10-19.
[7]	郭红, 秦立闯, 石明辉, 等. 耦合因素对混合润滑滑动轴承特性的影响[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 141-150.
[8]	朱铮宇, 罗超, 贺前华, 等. 基于唇重构与三维耦合CNN的多视角音唇一致性判别[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 70-77.
[9]	叶峰, 陈彪, 赖乙宗. 基于特征空间嵌入的对比知识蒸馏算法[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 13-23.
[10]	侯力玮, 王恒升, 邹浩然. 基于深度学习的玻璃基板铲起过程作用力预测[J]. 华南理工大学学报(自然科学版), 2022, 50(8): 71-81.
[11]	莫建文, 朱彦桥, 袁华, 等. 基于神经元正则和资源释放的增量学习[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 71-79,90.
[12]	陆璐, 钟文煜, 吴小坤. 基于多尺度视觉Transformer的图像篡改定位[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 10-18.
[13]	张勤, 胡嘉辉, 任海林. 饲喂辅助机器人的智能推料方法与试验研究[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 111-120.
[14]	宋新涛, 吴维, 苑士华. 考虑磨损和紊流的径向滑动轴承混合润滑分析[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 121-128.
[15]	杨春玲, 凌茜, 吕泽宇. 特征域多假设预测视频压缩感知重构神经网络[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 80-90.

基于计算机视觉的轴承滚子表面缺陷在线检测系统

Online Detection System of Bearing Roller's Surface Defects Based on Computational Vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价