一种染色机缸用轴承沟道成像检测方法与装置

技术领域

本发明涉及轴承沟道成像领域，具体涉及了一种染色机缸用轴承沟道成像检测方法与装置。

背景技术

轴承在机械系统中扮演着关键的角色，用于支持和保持旋转机构的运动，作为机械装备的重要基础零件，在各类设备中发挥着关键的功能。随着我国高质量发展目标的实施以及智能制造标准的提高，轴承行业的发展和产业规范化标准的制定也在不断提升。当前，轴承企业在轴承的加工工艺和生产标准方面取得了显著进展，然而，在轴承生产过程中，轴承各处可能仍然会受到一定程度的损伤，导致出现缺陷。目前，关于轴承产品端面检测的生产线逐渐成熟且丰富，但是对于轴承沟道处的检测方法欠缺。

染色机要经历升压—保压—降压的压力循环。从载荷的角度来看呢，染色机承受循环到交变载荷，很可能会出现疲劳失效这个情况。

这个时候轴承因为如果达不到使用标准可能会导致设备损坏。当轴承无法承受重量或动力时，轴可能会变形或断裂，从而导致设备的损坏。除了设备损坏外，轴承故障还可能引发火灾。当轴承故障时，摩擦会产生大量的热量，如果没有及时处理，可能会引发火灾。特别是在高温和易燃物质周围的环境中，火灾的风险更大。这对于染色机所处的纺织场所来说，可能会造成严重的人员伤亡和财产损失。

随着近年来图像处理技术的发展，对于一些出现高光、反射等现象的图像也可以得到良好的处理。轴承沟道的检测也是轴承检测中很重要的一环，轴承在受到不同外在因素的影响作用下在沟道处也会产生各种缺陷，轴承沟道是一个相对较深且弯曲的通道，其形状复杂，这使得检测设备需要适应不同角度和曲率的表面，以确保对整个沟道的覆盖和检测。同时沟道表面的材料和光学性质可能导致光的反射和散射，产生镜面高光，影响检测设备对瑕疵的识别。因此，轴承沟道检测技术的手段亟需提升，以适应当前高质量制造和智能化生产的要求。

综上所述，在金属瑕疵检测中对产生镜面高光的图像进行消除使其原本的特征被显现出来被进行缺陷的检测就十分重要了。现有的轴承沟道检测一般是人工使用内窥镜进行检查是否有缺陷，还有就是使用多镜头，然后镜头上下偏转去采集图像，或者单镜头，轴承底下用旋转装置采集图像，但是依旧面临采集图像有高光甚至有地方采集不到图像的情况，所以设计一个自动化的装置，并采用内窥镜这种体型较小，能够在轴承沟道处全面采集图像，并能对采集的不良图像进行高光消除恢复其原本的信息是本领域技术人员亟需解决的问题。

发明内容

为了克服上述现有技术中的缺陷，本发明提供了一种染色机缸用轴承沟道成像检测方法与装置，通过高光消除可以改善轴承沟道表面的图像质量，使得图像更易于观察和分析，有助于操作人员更清晰地识别和理解缺陷的性质和位置。

技术方案

一种染色机缸用轴承沟道成像检测方法，包括如下步骤：

一、通过内窥镜采集图像；

二、对曝光不良图像进行曝光恢复，得到曝光增强的图像；

三、对步骤二中无法解决的过度曝光，即产生镜面高光的图像进行高光去除；

四、对步骤三中高光去除后的图像进行修复。

进一步的，步骤二中的对曝光不良图像进行曝光恢复：挑选出曝光不良的图像，之后通过照度估计技术计算生成图像的照度图，然后推导出相应的权重图，在权重图的构建中，为图像中的不同像素区域分配相应的权重，对于曝光良好的像素，赋予了较大的权重值，而对于曝光不足的像素，则分配了较小的权重，权重设计反映了对图像不同部分曝光情况的差异性处理，随后，结合相机响应模型以及选定的最优曝光率和权重矩阵，生成相应的多曝光图像，在这些多曝光图像中，相对于原始图像中欠曝光的像素区域，曝光得到了增加，而原始图像中过曝光的像素区域，曝光得到了降低，有效地提高了图像中不同区域的动态范围，最终，通过弱光增强权重矩阵融合这些不同动态范围的多曝光图像，得到一幅图像，其中所有像素都获得了良好的曝光。

进一步的，步骤三中的产生镜面高光的图像进行高光去除：使用一种基于色度空间的镜面反射分量检测与去除方法，在起始阶段涉及对图像P中的每个像素进行处理，其中计算了每个像素的最小值、最大值以及它们之间的绝对差值，生成了相应的最小值图像、最大值图像以及绝对差值图像，随后，运用双色反射模型的原理，计算每个像素的最小色度值和最大色度值图像，形成色度空间，通过聚类方法，将色度空间划分为多个集群，划分集群的个数使用K均值聚类方法，选取合适的K值与初始点后可以得到很好的聚类结果，通过实验来确定最终的K值的确定，划分集群后有助于更好地理解图像中的色彩分布和关联性，在针对每个集群的阶段，进行对绝对差值和最大强度比的评估，这一计算过程能够有效地区分漫反射像素和镜面反射像素，为镜面反射分量的识别提供了有力的依据，最终，通过从图像中分离出镜面反射分量，生成一幅去除了镜面反射影响的图像。

进一步的，步骤四中的高光去除后的图像进行修复：采用RCNN融合模型，旨在构建更深层次的复合网络结构，将多层卷积提取的浅层和深层信息输入到RNN中，充分利用RNN结构的优势来挖掘图像的时序信息和语义信息。

进一步的，采用U-net网络结构进行恢复和重建，从而实现对图像的更全面的理解，通过将多层次的信息进行有机融合，使模型能够更全面、更深入地理解图像，并最终采用融合特征信息进行修复，以提高图像处理和分析的效果。

一种染色机缸用轴承沟道成像检测装置，包括机架9，所述机架9上固设有电机8，所述电机8的输出端动力连接有带传动机构7，所述机架9上还固设有轴固定架4，所述轴固定架4上转动设置有转轴5，所述转轴5连接于所述带传动机构7的另一端，所述转轴5的上端固定连接有旋转盘6，所述机架9的上侧固设有气缸1，所述气缸1的下侧活动端固定连接有内窥镜2，所述内窥镜2的下侧设置有放置在旋转盘6上的轴承3。

有益效果

本发明与现有技术相比，具有以下有益效果：

1、可以提高染色机缸的稳定性和安全性，在实际工厂生产中也能大大减少安全隐患；

2、通过对高光进行处理，可以降低误报率，提高检测的准确性；通过对高光进行消除，可以更好地暴露潜在的缺陷，减少漏检率，提高检测的全面性；

3、高光消除可以改善轴承沟道表面的图像质量，使得图像更易于观察和分析，有助于操作人员更清晰地识别和理解缺陷的性质和位置，对高光进行消除有助于使缺陷检测系统对不同光照条件更具鲁棒性，在不同环境下，系统的性能变化较小，可靠性更高；

4、提高自动化水平，同时提高生产效率，高光消除可以减少手动检查的需求，减少人工的参与，更快的进行缺陷的检测，减少生产中的停滞时间，并提高整体生产效率；

5、将内窥镜用到自动检测成像的生产线中，为内窥镜用于自动化检测提供了新的思路方法。

附图说明

图1为本发明一种染色机缸用轴承沟道成像检测方法与装置的结构示意图。

图2为轴承沟道成像的流程示意图。

图3为图像自适应曝光恢复的流程图。

图4为镜面高光去除流程图。

图5为图像修复流程图。

附图标号

气缸1、内窥镜2、轴承3、轴固定架4、转轴5、旋转盘6、带传动机构7、电机8、机架9。

具体实施方式

为更好地说明阐述本发明内容，下面结合附图和实施实例进行展开说明：

有图1-图5所示，本发明公开了一种染色机缸用轴承沟道成像检测方法，包括如下步骤：

一、通过内窥镜采集图像；

二、对曝光不良图像进行曝光恢复，得到曝光增强的图像；

三、对步骤二中无法解决的过度曝光，即产生镜面高光的图像进行高光去除；

四、对步骤三中高光去除后的图像进行修复。

进一步的，步骤二中的对曝光不良图像进行曝光恢复：挑选出曝光不良的图像，之后通过照度估计技术计算生成图像的照度图，然后推导出相应的权重图，在权重图的构建中，为图像中的不同像素区域分配相应的权重，对于曝光良好的像素，赋予了较大的权重值，而对于曝光不足的像素，则分配了较小的权重，权重设计反映了对图像不同部分曝光情况的差异性处理，随后，结合相机响应模型以及选定的最优曝光率和权重矩阵，生成相应的多曝光图像，在这些多曝光图像中，相对于原始图像中欠曝光的像素区域，曝光得到了增加，而原始图像中过曝光的像素区域，曝光得到了降低，有效地提高了图像中不同区域的动态范围，最终，通过弱光增强权重矩阵融合这些不同动态范围的多曝光图像，得到一幅图像，其中所有像素都获得了良好的曝光。

进一步的，步骤三中的产生镜面高光的图像进行高光去除：使用一种基于色度空间的镜面反射分量检测与去除方法，在起始阶段涉及对图像P中的每个像素进行处理，其中计算了每个像素的最小值、最大值以及它们之间的绝对差值，生成了相应的最小值图像、最大值图像以及绝对差值图像，随后，运用双色反射模型的原理，计算每个像素的最小色度值和最大色度值图像，形成色度空间，通过聚类方法，将色度空间划分为多个集群，划分集群的个数使用K均值聚类方法，选取合适的K值与初始点后可以得到很好的聚类结果，通过实验来确定最终的K值的确定，划分集群后有助于更好地理解图像中的色彩分布和关联性，在针对每个集群的阶段，进行对绝对差值和最大强度比的评估，这一计算过程能够有效地区分漫反射像素和镜面反射像素，为镜面反射分量的识别提供了有力的依据，最终，通过从图像中分离出镜面反射分量，生成一幅去除了镜面反射影响的图像。

进一步的，步骤四中的高光去除后的图像进行修复：采用RCNN融合模型，旨在构建更深层次的复合网络结构，将多层卷积提取的浅层和深层信息输入到RNN中，充分利用RNN结构的优势来挖掘图像的时序信息和语义信息。

进一步的，采用U-net网络结构进行恢复和重建，从而实现对图像的更全面的理解，通过将多层次的信息进行有机融合，使模型能够更全面、更深入地理解图像，并最终采用融合特征信息进行修复，以提高图像处理和分析的效果。

一种染色机缸用轴承沟道成像检测装置，包括机架9，所述机架9上固设有电机8，所述电机8的输出端动力连接有带传动机构7，所述机架9上还固设有轴固定架4，所述轴固定架4上转动设置有转轴5，所述转轴5连接于所述带传动机构7的另一端，所述转轴5的上端固定连接有旋转盘6，所述机架9的上侧固设有气缸1，所述气缸1的下侧活动端固定连接有内窥镜2，所述内窥镜2的下侧设置有放置在旋转盘6上的轴承3。

进一步的，步骤一中的通过内窥镜采集图像：通过PLC控制气缸1带动内窥镜2进入轴承3指定位置采集图像，然后通过电机8、带传动机构7带动旋转盘6转动，从而采集到完整的轴承沟道图像。

具体地，自适应图像曝光恢复方法基于对曝光不良的图像进行有效处理，以实现对低对比度区域的增强同时保留曝光良好区域的细节，首先，采集到的曝光不良的图像被用来估计场景的光照情况，这一过程始于将图像的亮度分量作为光照估计的初始值，为每个像素x，理想的光照在结构相似的像素区域中具有局部一致性，这意味着场景的照度应该保持有意义的图像结构，并消除纹理边缘，为了实现这一目标，对获取到的亮度图进行中值滤波平滑，以获得最终的场景照度图，这有助于消除图像中的纹理边缘，使得最终的场景照度图更加符合图像整体结构，接着，通过计算权重图，为曝光良好的像素分配较大的权重值，而对曝光不足的像素分配较小的权重值，这样，曝光不足区域的低对比度会得到增强，而曝光良好区域的对比度会被保留，进一步地，根据相机响应模型，合成最佳的低曝光图像和高曝光图像，为了找到最优的曝光率，使用图像熵作为衡量图像信息量的指标，图像熵是一种统计形式的特征，它测量图像中包含的信息量，通过寻找图像中图像熵的最大值，确定最优的低曝光率和高曝光率，从而生成对应的最优低曝光率图像和高曝光率图像，最终，通过计算的权重值，将原图像中过曝光像素与生成的最优高曝光率图像融合，得到增强的图像1，同样，原图像中欠曝光像素与生成的最优低曝光率图像通过计算的权重值融合，得到增强的图像2，这两个增强图像通过相应的权重值融合，形成最终的增强图像，从而实现了对曝光不良图像的自适应恢复，同时保持了图像的整体结构和细节；

处理得不好的存在过度曝光区域的图像，提出了一种基于色度空间的镜面反射分量检测与去除方法，开始时，对图像中的每个像素计算其最小值、最大值以及它们的绝对差值，生成相应的最小值图像、最大值图像以及绝对差值图像，接着，运用图3所示双色反射模型的原理，可以计算每个像素的最小色度值和最大色度值图像，形成色度空间，为了准确分离出图像中的镜面高光像素，首先需要对具有相似漫反射色度的像素进行聚类，聚类操作将那些在漫反射色度方面相近的像素归为同一类别，最终，通过对聚类后得到的簇进行处理，计算每个簇中像素的反射强度比，选择最优的强度比作为该簇的反射强度比。这一过程有助于有效地区分镜面像素和漫反射像素，基于每个簇的反射强度比，成功地区分出簇内的镜面高光像素和漫反射像素，最终，通过对分离出的镜面高光像素和漫反射像素进行计算，生成真实的漫反射图像，有效去除了镜面反射分量，这个过程保留了图像中的漫反射成分，使得最终的漫反射图像更加真实和准确；

如图5所示，特征提取采用pytorc中的sklearn模块，之后为了将提取的特征图放到下一层RNN模型中获取语义信息，需要将这些特征图重塑成RNN模型可识别的格式进行下一步的操作再通过U-net网络结构模型进行恢复重建，得到最终修复后的图片。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明技术方案进行了详细的说明，本领域的技术人员应当理解，其依然可以对前述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同等替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神与范围。