基于机器人视觉的轴承缺珠检测方法

提出一种基于机器人视觉的轴承缺珠检测方法。利用智能相机抓拍轴承图像;利用Otsu法得到轴承图像二值化处理的最佳阈值,利用该方法对轴承图像进行二值化处理,从二值化处理的图像中提取轴承珠的特征;并通过PLC与智能相机通信,将缺珠的轴承分拣出去。实验证明:该视觉检测系统不仅工作效率高,而且检测的结果具有较高的可靠性。

基于HOG和GLCM特征融合的轴承故障分类

本文提出了HOG和GLCM提取特征,并用特征融合来对轴承故障进行分类。HOG和GLCM分别提取轴承故障图像的边缘特征和局部纹理特征,将二者提取的特征进行融合,使边缘和局部特征相结合,图像的特征得到更为全面的表征,选取SVM对轴承故障图像分类识别。实验表明,本方法能够快速识别轴承故障类型,准确率可达到92%。