全方位解析AI视觉在【轴承套圈圆心测量】检测上的应用方案

   轴承是机械行业中非常重要且应用十分广泛的机械部件，其生产批量大、精度要求高，所以其出厂质量至关重要。在轴承行业中，检测是整个轴承生产环节当中非常重要的一环，直接影响着轴承的品质和轴承的销量。但目前，我国大多数轴承生产厂家在轴承尺寸精度的测量方面还是依靠机械式、光学式等测量仪器进行的，手段比较落后，这种依靠人力的随机抽样检测方法检测效率低，精度低，易于引起人为误差。

以中国最大的轴承套圈生产企业为例。其年产值近10个亿，员工总数约600人，其中约200个人负责检测。一般一名检测人员每天工作8个小时要检测2万个左右的轴承或轴承零部件，效率低且质量风险极大。

随着检测设备的不断更新，目前市场上也会有一部分企业用机器视觉进行缺陷检测，但由于技术限制，稳定性差，误检率基本在20% - 30%左右，也就是说，机器会把20% - 30%的好产品检测成坏的，这就又必须用人工来进行复检，无论是对工艺还是对成本来说，这都是巨大的浪费。轴承及其零部件检测的重要性与当前检测方法之间的矛盾，也为机器视觉技术改革行业提供了突破口。对于如何解决轴承检测过程中效率低、准确度低、速度慢、人力成本高的问题，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。

项目信息

项目需求：精确获取球形轴承架的正中心位置检测难点：可变因素干扰较多，需克服下方背景和上方塑料膜的干扰检测要求：实现圆的准确抓取，误差在2个像素以内

方案设计

深度学习和传统算法的二次开发，检测效果所见所得，可24小时检测，不存在疲劳问题，且100%的检测比例，可以更好地控制产品质量，同时可以面向所有的轴承产品，甚至其他的机械零部件（如齿轮、螺栓等）。

整体检测流程→根据测量需求链接算子之间的流程关系。

具体操作步骤如下：

图片源/上传图片

模板匹配

位置修正/辅助定位、修正目标运动偏移

圆查找

检测前后效果对比

下方背景有干扰

拍摄原图

检测效果

上方有塑料等杂物干扰

拍摄原图

检测效果

阴影干扰

拍摄原图

检测效果

检测效果

深度学习检测技术术具有非接触、速度快、精度合适、现场抗干扰能力强等突出的优点，完美适应轴承制造业生产批量大、质量要求严格、检测任务繁重的特点以及自动化流水线作业、实现产品“零废品率”检测目标的要求。可克服环境背景等变化因素，准确获取轴承半径和中心点。且模板匹配算法完美克服上、下方背景杂物及塑料膜的干扰，位置修正算子可以根据位置变化调整抓圆工件的卡尺位置，实现圆的准确抓取，误差控制在在2个像素以内，实现降本增效。