【应用案例】机器视觉如何保证轴承的良品率

轴承是一种广泛应用的精密基础部件，主要功能是支撑机械旋转体，降低运动过程中的摩擦系数，并保证其回转精度，被称为工业机器的“心脏”。

轴承良品率重要性以汽车为例，一辆汽车分布在汽车底盘、变速箱、轮毂、刹车盘、发动机等位置的轴承通常有约30种50余套。行驶中高速转动的轴承容不得一点瑕疵，否则轻则影响汽车的寿命和质量，重则影响行驶的安全性。因此，保证出厂轴承的良品率至关重要。

轴承常见的表面缺陷一般有以下几种：

1.表面麻点：因金属表面疲劳和滚动摩擦作用，零件金属亚表面可能形成微观裂纹，并逐渐发展成细小坑点，或个别存在或密集分布，且有一定深度。

2.表面擦伤：因滑动摩擦而产生的沿滑动方向的金属迁移，其形态具有一定的长度和深度。轴承内部零件工作表面逐渐形成机械性损伤。

3.表面裂损：轴承零件金属表面的连续性遭到破坏而产生的损伤，呈现线状，方向不一定有规则，起始状态往往肉眼不可见，随时间推移，或有聚粉现象。

基于机器视觉的轴承金属表面缺陷检测

轴承零部件行业的生产环境离完全“无尘”要差很多，其次，轴承外观检测往往依赖于人工检测。这种情况下，通过机器视觉检测，既可提高车间“无尘”度，又可减少肉眼漏检和检测人员经验判断标准的差异性。近年，机器视觉在轴承行业的应用已经实现的功能如下：

宏观缺陷的检测：1）滚动部件的数量和位置判定。2）密封件的外观形状判定和OCR识别。3）套圈表面、滚子表面缺陷的判定。

微观缺陷的检测：1）可实现轴承零件如锻件、密封圈等半成品以及轴承成品的形状判定和精度±0.01mm的尺寸检测。由于轴承成品零件尺寸形状精度通常达到0.001mm，单纯的光学成像技术很难达到该精度等级，因此目前只能通过软件算法提高精确度。3）轴承零件表面微观麻点、擦伤、裂纹等缺陷的识别与判定。

机器视觉在轴承检测中的方案一

使用线扫相机检测精加工轴承内环外环的滚动表面：

轴承宽度为7mm，若采用2K的线扫相机，采集视野宽度为10mm左右的图像，宽度方向能够达到2048像素的分辨率。相机像素精度为10mm/2048pix = 0.0048mm/pix，即每个像素的宽度为0.0048mm。逻辑预置直径方向上最少有5个像素都是缺陷，才判定为表面缺陷，因此2K的线扫相机可以检测到宽度为0.024mm的缺陷。若采用采用8K线扫相机，则能检测宽度为0.006mm的缺陷。设备清单：2K线扫工业相机，线扫工业镜头，镜头附加镜，专用线扫光源，高精度旋转平台，工业内窥镜。

机器视觉在轴承检测中的方案二

使用面阵相机检测滚动轴承内环的外表面缺陷：

轴承实际宽度为7mm左右，采用1024х768的面阵相机，图像采集的实际视野范围为宽度方向为10mm左右，长度方向为14mm。分辨率最高可达长度方向1024像素，宽度方向768个像素。设备清单：1024х768面阵相机，带锁紧螺母的高分辨率专业镜头，白色LED高角度CCD条形光源（发光面积为100mm×80mm），高精度旋转平台。设备安装：用机械设备支撑轴承的轴部，使其能转动。面阵 CCD 摄像头垂直于轴承内圈面(轴承的法线方向)，光源对着轴承内环的外表面。如下图

使用面阵相机检测滚动轴承外环的内表面缺陷：

面阵CCD 摄像机配合光源对轴承外圈滚道面进行图像采集，金属表面可能存在缺陷会不同程度的反映在图像上，通过专门的图像检测软件，预置条件和判断缺陷并对其进行分类。相机和光源的布置如下图所示，相机光源布置在轴承外圈两侧，来防止出现一侧遮挡现象。

通过视觉检测的方法来解决轴承检测问题，可提高良品率、降低人工成本？

DALSA Sherlock8平台集成了各种算法，在多年积累的大量的缺陷样本的基础之上，通过深度学习的神经网络构架，能更敏感高效且智能的判断产品缺陷。DALSA视觉检测系统从机器视觉切入，通过图像抓取、识别、计算、测试等基本流程来完成整个检测，可以更好地控制轴承各零件如轴承套圈、滚子、防尘盖、保持架的产品质量。且检测系统可24小时运行，效率高，可显著降低人工成本。

此外，通过DALSA视觉系统检测，可以处理复杂多样的轴承瑕疵，如端面、外径划痕等缺陷类型。

可以关注我们微信公众号并留言哦